具身智能机器人
搜索文档
从一台会干活,到组队会配合:星尘智能发布多机协同新范式 CoMind
机器人大讲堂· 2026-11-16 15:23
文章核心观点 - 星尘智能发布业界首个主动共享、精选任务上下文的多机协同模型框架CoMind,开启全新协作范式:协作不是共享一切,而是主动传递影响决策的关键信息 [4][7] - CoMind具备两大核心特点:一是去中心化的主动共享,让队员间实时互通任务上下文,告别等领导派活的被动、中心化调度;二是精选信息,将队员所需、影响决策的信息筛选和压缩后再共享,拒绝一键转发的噪声 [7] - 多机协同的核心难题在于决定下一步动作的那条信息往往只在队友手里,CoMind通过重构信息交互的两个关键维度解决调度慢与沟通浅的两难困境 [14][25][26] 六项真机测试验证 - 组装纸箱:纸箱组装需高频物理接触、较大箱体翻转频繁遮挡视线、动作高度耦合,CoMind让双方实时感知操作状态和任务进度,在视野完全遮挡的极限测试中借眼,让组装和搬运丝滑连续进行直至成功 [15] - 叠被收纳:被子又大又软,提起翻折搬动时形状与边缘持续变化,CoMind精选视觉上下文,让双方在高频接触与动态张力中实时对齐动作意图,自主生成并同步每一步动作,全程无需分步指令,即便在大幅度形变干扰下也能无缝衔接无停顿协作 [17] - 冰箱补货:当关键信息分散在不同视野时,左侧机器人看到冰箱里缺货,右侧看到岛台上有饮料,借助CoMind双方实时借眼补齐全局,开启无缝递送接力,不用重复来回移动,省时省力 [18] - 组装哑铃:穿片一方难以同时看清杆与孔的动态相对位置,CoMind在毫秒级间补全队友视角的空间关系,让机器人实时调整姿态,在持续变动中锁定对准精度,完成严丝合缝的协同装配 [20] - 盲盒置物:装了蓝盘子的盒子位置随机变换,左侧机器人一目了然,右侧机器人完全被遮挡一无所知,在零可见信息情况下CoMind将左侧视野中的关键视觉特征实时共享给右侧,准确率从38.9%提升至88.9% [21] - 隔墙相望:即使互不可见,也能通过CoMind实时共享目标颜色与动作时机,两台机器人交替担任主动与跟随拿笔,任务成功率从0%跃升至100% [23] - 在视野完全遮挡的极限测试中,CoMind让机器人拥有共享视野的超能力,隔墙相互跟随拿笔成功率从0%飙升到100%,遮眼后找到指定盒子放物准确率从盲猜38.9%到88.9%,同时信息传输量减少80% [9] CoMind技术架构与工作机制 - 第一阶段是主动上下文构建:从被动感知转向预见性共享,区别于传统方案对原始视频流的粗暴转发,CoMind引入双重学习目标,第一是不仅关注当下更是对任务的未来预测,引导模型优先提取对未来动作具有关键价值的视觉信息并根据任务相关性进行加权,第二是结合任务进度对应学习,让机器人理解彼此的执行阶段 [29] - 在组装盒子时机器人传递的是我已就位准备插入盒页这一带有进度属性的关键上下文,在盲盒竞猜中精准锁定蓝盘这一核心特征并附带实时进度状态共享,都以极低带宽实现关键信息同步,确保队友能预判动作而非仅仅反应动作 [29] - 第二阶段是双向反哺的协同机制:从单向传输转向联合优化,CoMind设计了对称的上下文编码与动作策略接口,让各机器人互为眼睛和大脑,每台机器人都配备相同的翻译官(上下文编码器)和决策官(动作策略接口),能独立把自己看到的关键信息提炼出来发给队友同时也能接收队友信息 [30] - 接收端会把伙伴共享的上下文、本地视觉观测、任务指令及本体状态融合后输入预训练的视觉—语言—动作(VLA)策略生成连续动作 [30] - 引入动作级反向传播机制,用机器人A动作的结果好坏(监督信号)反向训练机器人B以后该传什么(编码器优化),这种以终为始的训练方式迫使信息提取不再是为了看清更是为了做好,确保每一比特数据都直接服务于最终的协作决策 [30] - 在盲盒竞猜中如果看不见目标的机器人A伸向了错误位置,其动作和正确动作之间的偏差会沿着网络一路回传到机器人B的编码器,告诉B刚才传过来的信息里目标的关键特征不够突出,经过一轮轮训练B学会了优先传递最能帮A做对动作的那部分信息 [30] 行业背景与现有方案局限 - 目前的多机协同方案普遍面临调度慢或沟通浅的两难,传统中心化调度如同经验丰富的现场指挥官擅长规划谁搬箱子谁装被子的宏观任务逻辑清晰管理便捷,但在执行双人抬桌或叠被这类毫秒级动作配合时指挥官反而成了瓶颈,每一次微调都需要上报决策再下达,流畅的协作割裂为僵化的等待指令 [25] - 现有去中心化方案陷入沟通浅的困境,机器人各自为战看似灵活实则信息密度不足,有的机器人仅靠摄像头目视队友一旦被遮挡或背对协作即刻中断,即使能交换数据传递的多是我在移动这类与任务脱节的通用文本缺乏对动作有直接支撑的深层信息,而一台机器人每秒产生海量画面若全盘转发不仅带宽拥堵更会让队友淹没在无用数据中 [25] 星尘智能AI模型与全栈系统 - CoMind背后从基座模型Lumo-1的显式推理到Lumo-2预测世界因动作带来的变化而更好行动,公司始终关注机器人最终不只是为了看懂世界更要在真实世界正确行动 [31] - AI模型-具身OS-绳驱本体的全栈系统不断迭代,持续推动Physical AI的应用与规模化部署 [31] - 2026年7月星尘智能发布第二代基座模型Lumo-2时,让多机器人、人与机器人之间协作完成复杂操作正是模型能力之一 [4] - 公司希望未来在商业、工业到家庭场景出现的不只是一个能干的机器人,也可以是懂得预判彼此意图、主动补位的一个机器人天团 [32] - CoMind未来还计划从共享信息延伸至共享意图,让机器人间不再反应式配合而是预判彼此未来意图主动补位,走向极致默契和效率 [12] 行业企业生态 - 工业机器人企业包括埃斯顿自动化、埃夫特机器人、法奥机器人、越疆机器人、节卡机器人、松灵机器人、珞石机器人、阿童木机器人、极智嘉、海康机器人、翼菲科技、艾利特机器人 [34] - 服务与特种机器人企业包括亿嘉和、晶品特装、七腾机器人、史河机器人、普渡机器人、施罗德机器人、库犸科技MAMMOTION [34] - 人形机器人企业包括优必选科技、宇树、云深处、星动纪元、伟景机器人、逐际动力、乐聚机器人、大象机器人、魔法原子、众擎机器人、帕西尼感知、赛博格机器人、数字华夏、傅利叶智能、天链机器人、开普勒人形机器人、中科慧灵、清宝机器人、浙江人形机器人创新中心、动易科技、智身科技、PNDbotics、卓益得机器人、擎朗智能、伽利略GALILEO、松延动力、天机智能、卧安机器人、理工华汇、加速进化、图睿智能 [35] - 具身智能企业包括跨维智能、银河通用、千寻智能、灵心巧手、睿尔曼智能、微亿智造、推行科技、中科硅纪、枢途科技、灵巧智能、星尘智能、穹彻智能、方舟无限、科大讯飞、北京人形机器人创新中心、国地共建人形机器人创新中心、戴盟机器人、视比特机器人、星海图、月泉仿生、零次方机器人、中科深谷、智平方、大咖机器人、灏存科技、具识智能、Xynova曦诺未来、非夕科技、未来动力、博登智能、千诀科技、灵生科技、集萃智造、欣佰特科技、晨昏线科技、Dexmal原力灵机、优理奇、自变量、睿研智控灵巧手、启物科技、RoboScience机器科学、中科第五纪、临界点、当虹科技、桥介数物、Vbot维他动力、他山科技、具脑磐石、优艾智合机器人、智行腱、阿米奥机器人、鹿明机器人、量子智能、若愚科技、钛虎机器人、智无际、原力无限、黑漫科技、清研精准、时空行者、思灵机器人 [36] - 医疗机器人企业包括元化智能、天智航、思哲睿智能医疗、精锋医疗、佗道医疗、真易达、术锐®机器人、罗森博特、水木东方、康诺思腾、迪视医疗 [37] - 上游产业链企业包括绿的谐波、因时机器人、坤维科技、脉塔智能、青瞳视觉、本末科技、蓝点触控、鑫精诚传感器、BrainCo强脑科技、宇立仪器、极亚精机、思岚科技、神源生、非普导航科技、因克斯、巨蟹智能驱动、凌云光元客视界、璇玑动力、意优科技、瑞源精密、灵足时代、HIT华威科、星汇传感、凌迪科技、泉智博、CubeMars机器人动力、旺龙机器人乘梯、航凯微电、悟通感控 [38]
锦秋多轮增资项目「星尘智能」发布多机协同新范式 CoMind|Jinqiu Spotlight
锦秋集· 2026-11-16 14:04
文章核心观点 - 星尘智能发布业界首个主动共享、精选任务上下文的多机协同模型框架CoMind,开启全新协作范式:协作不是共享一切,而是主动传递影响决策的关键信息 [4] - CoMind具备两大核心特点:一是去中心化的主动共享,让队员间实时互通任务上下文,告别等领导派活的被动、中心化调度;二是精选信息,将队员所需、影响决策的信息筛选和压缩后再共享,拒绝一键转发的噪声 [7] - CoMind核心价值在于重构信息交互的两个关键维度:第一阶段精选任务关键信息,第二阶段双向主动共享,引导各自VLA模型输出连贯动作 [25][27] - 星尘智能通过AI模型-具身OS-绳驱本体的全栈系统不断迭代,持续推动Physical AI的应用与规模化部署 [30] 公司融资与估值 - 2026年9月,星尘智能已完成10亿元规模新一轮融资,是半年内完成的第四轮融资 [2] - 公司估值达150亿元,稳坐中国具身智能公司第一梯队 [2] - 锦秋基金是星尘智能的A轮、A+轮领投方之一,A++轮投资方之一 [1] CoMind技术架构与工作机制 - 第一阶段为主动上下文构建:从被动感知转向预见性共享,引入双重学习目标,第一是不仅关注当下,更是对任务的未来预测,引导模型优先提取对未来动作具有关键价值的视觉信息并根据任务相关性加权;第二是结合任务进度对应学习,让机器人理解彼此的执行阶段 [27] - 在组装盒子时,机器人传递的是我已就位、准备插入盒页这一带有进度属性的关键上下文;在盲盒竞猜中精准锁定蓝盘这一核心特征并附带实时进度状态共享,以极低带宽实现关键信息同步,确保队友能预判动作而非仅仅反应动作 [28] - 第二阶段为双向反哺的协同机制:从单向传输转向联合优化,CoMind设计对称的上下文编码与动作策略接口,每台机器人配备相同的上下文编码器和动作策略接口,能独立提炼关键信息发给队友并接收队友信息 [29] - 接收端将伙伴共享的上下文、本地视觉观测、任务指令及本体状态融合后,输入预训练的视觉-语言-动作(VLA)策略,生成连续动作 [29] - 引入动作级反向传播机制,用机器人A动作的结果好坏作为监督信号反向训练机器人B的编码器优化,迫使信息提取不仅为了看清更是为了做好,确保每一比特数据都直接服务于最终协作决策 [29] 多机协同行业痛点 - 传统中心化调度擅长规划宏观任务,但在执行双人抬桌或叠被这类毫秒级动作配合时,每一次微调都需上报、决策、再下达,流畅协作割裂为僵化的等待指令 [24] - 现有去中心化方案陷入沟通浅的困境,机器人各自为战,有的仅靠摄像头目视队友,一旦被遮挡或背对协作即刻中断;即使交换数据,传递的多是与我方在移动这类与任务脱节的通用文本,缺乏对动作有直接支撑的深层信息 [24] - 一台机器人每秒产生海量画面,若全盘转发不仅带宽拥堵,更会让队友淹没在无用数据中 [24] 真机测试与性能数据 - 在视野完全遮挡的极限测试中,CoMind让机器人拥有共享视野能力,隔墙相互跟随拿笔时成功率从0%飙升到100% [9] - 遮眼后找到指定盒子放物,准确率从盲猜38.9%提升到88.9%,同时信息传输量减少80% [9] - 组装纸箱场景:纸箱组装需高频物理接触,较大箱体在翻转中频繁遮挡视线,动作高度耦合,需双方同步推挤撑开箱体并实时判断彼此是否夹取、粘合,CoMind让双方实时感知操作状态和任务进度,在视野完全遮挡的极限测试中借眼,让组装和搬运丝滑连续进行直至成功 [14] - 叠被收纳场景:被子又大又软,提起、翻折和搬动时形状与边缘持续变化,CoMind精选视觉上下文,让双方在高频接触与动态张力中实时对齐动作意图,自主生成并同步每一步动作,全程无需分步指令,即便在大幅度形变干扰下也能无缝衔接、无停顿协作 [16] - 冰箱补货场景:左侧机器人看到冰箱里缺货,右侧看到岛台上有饮料,借助CoMind双方实时借眼补齐全局,开启无缝递送接力,不用重复来回移动,省时省力 [17] - 组装哑铃场景:穿片一方难以同时看清杆与孔的动态相对位置,CoMind在毫秒级间补全队友视角的空间关系,让机器人实时调整姿态,在持续变动中锁定对准精度,完成严丝合缝的协同装配 [19] - 盲盒置物场景:装了蓝盘子的盒子位置随机变换,左侧机器人一目了然,右侧机器人完全被遮挡,在零可见信息情况下CoMind将左侧视野中的关键视觉特征实时共享给右侧,准确率从38.9%提升至88.9% [20] - 隔墙相望场景:即使互不可见,也能通过CoMind实时共享目标颜色与动作时机,两台机器人交替担任主动与跟随拿笔,任务成功率从0%跃升至100% [22] 模型演进与未来规划 - 2026年7月,星尘智能发布第二代基座模型Lumo-2,让多机器人、人与机器人之间协作完成复杂操作成为模型能力之一 [4] - CoMind背后,从基座模型Lumo-1的显式推理到Lumo-2预测世界因动作带来的变化而更好行动,公司始终关注机器人最终不只是为了看懂世界,更要在真实世界正确行动 [30] - CoMind未来计划从共享信息延伸至共享意图,让机器人间不再反应式配合,而是预判彼此未来意图、主动补位,走向极致默契和效率 [12] 投资机构背景 - 锦秋基金成立于2022年,专注早期,投资推动产业跃迁、拓展人类能力边界的创业公司 [31] - 锦秋基金已披露参与投资包括宇树科技、Momenta、生数科技、地瓜机器人、东方算芯、微纳核芯、数美万物、光本位科技、星尘智能、乐享科技、深度原理、首形科技、视延科技等 [32]
物理AI和具身行业展望
2026-11-15 21:53
物理AI与具身智能行业电话会议纪要关键要点 一、涉及行业与公司 - 行业聚焦具身智能与物理AI领域,核心议题为仿真数据驱动Sim-to-Real突破与商业化落地趋势[1] - 涉及公司包括苹果(Project HELO)、宇树科技、智元、银河通用、特斯拉、英伟达、谷歌DeepMind、Covariant AI、Physical Intelligence、Anthropic、Figure AI、阿里巴巴、字节跳动、智源人工智能研究院、千寻智能、起源、傅利叶智能、瑞芯微等[3][7][8][9][21][23] 二、核心观点与论据 (一)Project HELO技术架构与仿真数据价值 - Project HELO验证了仿真数据底座在具身智能中的核心地位,通过分层架构与50Hz实时跟踪器弥合Sim-to-Real差距,实现陌生场景90%任务成功率[1] - 技术架构分三层:第一层通过VLA模型进行任务拆解;第二层利用扩散模型在仿真环境中生成时长约5秒的全身动作轨迹,程序化生成上千套不同场景并对光照、色彩、噪声等随机化处理,自动筛减碰撞等不合理动作数据;第三层在机器人上运行50赫兹跟踪器,利用深度相机和本体传感器数据实时纠偏[2] - 基于300小时全仿真数据,模型在宇树G1机器人上进行零样本测试,6个陌生房间中单次任务成功率达90%,长链式任务成功率约70%[4] - 仿真数据有效性前提:硬件参数需与物理机器人对齐、包含物理校验、配套真机闭环系统,并非简单渲染图像或视频[4] - 真实数据在摩擦、形变、触觉等仿真难以1:1复刻方面具有不可替代价值,尤其精细操作、柔性物体处理和力控任务最终仍需真实数据对齐,但真实数据获取成本高昂、效率低下且设备存在损耗[4] - 行业头部采购方向以仿真为主,强调仿真与真实数据双向闭环,通过CM仿真底座批量产出全身仿真数据,同时利用真实机器人传感数据和物理参数反向校准仿真环境[4][5] (二)仿真数据商业模式与需求空间 - 基础EAGLE仿真数据价格约每小时30-40元,特定场景定制化需求约每小时80-100元[6] - 初创公司验证VLA模型驱动机器人执行简单任务约需200小时经对齐仿真数据;执行长任务链达到Project HELO演示效果需2000-3,000小时仿真数据,其中需混合不同场景和随机化扰动,并配合少量(如几十小时)真实机器人数据最终校准[6] - 当前客户主要涵盖大型模型公司和机器人本体厂商,大型模型公司普遍以数十万小时框架采购,宇树科技和智源人工智能研究院采购量也较大,同样以数十万小时数据框架为基础,按阶梯或时间进度采购,金额规模通常在数千万元级别[6] - 预计2027年高质量且与本体对齐的仿真数据需求达400万至500万小时,2028年迈入千万小时门槛[1][19] - 增长驱动力包括:机器人本体厂商和大模型团队迭代技术需大规模采购完成仿真预训练;工厂定点工位试点和放量每个工位需定制化场景数据;出海业务为确定增量市场但仅限于带本体对齐可实现Sim-to-Real的高价值仿真数据[19] - 到2028年随着闭环工位批量落地和世界模型普及,对预演样本需求进一步大幅提升,推动有效数据小时数达千万级别[20] (三)技术范式演进:VLA向世界模型(WM) - 英伟达GR00T和Cosmos代表从VLA向WM路线升级,构成面向全行业的基础底座和数据生成工具包,开源将大幅降低初创团队入门门槛,但提供的是通用技术而非可直接上岗的成熟大脑,用户仍需本体对齐和真机微调[17] - GR00T 0.1采用VLA直接根据视觉输入输出动作;GR00T 0.2集成WM一边预判世界状态演变一边同步输出动作,即在大脑中预演多种可能性选择最优方案后执行物理动作,依赖Cosmos世界模型进行视频物理预测,利用大量人类第一视角视频和少量机器人遥操作数据训练,旨在实现跨本体学习和少量样本学习[17] - Cosmos作为通用基座未针对特定机器人绑定,直接应用于宇树科技或傅利叶智能等机器人可能出现动作不稳定或超出关节限位问题,需本体适配和少量真机数据微调;其在视觉预判、灵巧操作泛化、力控、触觉及长期闭环等方面仍需持续补充;预训练数据主要来自不含机器人关节数值、摩擦、接触形变等物理信息的人类视频,Sim-to-Real转换存在天然差距[17] - 英伟达定位为全行业提供底层基座与仿真工具链,而非与头部机器人公司竞争成品机器人大脑订单[18] - 短期两种技术路线各自发展:VLA路线原生对齐机器人本体、传感器跟踪闭环效果好、可直接输出稳定动作,适合全身移动交互任务;世界模型路线"先思考再行动"模式在处理复杂或长链条灵巧操作任务时可减少样本依赖、提升泛化能力,但通用技术天生不带本体对齐,直接应用于真机时Sim-to-Real差距较大[18] - 中长期行业趋向融合方案:以VLA作为动作执行主干,世界模型作为前置"预言家"进行校验,流程为接收指令后世界模型内部预演多条可能路径、剔除不合理方案、筛选最优解,交由已与本体对齐的VLA生成精确动作轨迹,底层控制系统跟踪闭环执行确保稳定性;英伟达GR00T 0.2已体现该框架雏形[18] (四)商业化门槛与时间线 - 真机长链任务稳定率需达60%方可"上岗",且任务失败后需具备自动重试与自我恢复能力;工厂产线批量商业化应用需达75%以上稳定通过率,同时不能依赖频繁人工干预[1][15] - 仿真环境90%以上成功率仅代表模型在固定评测环境学习效果良好,不等同于真实世界稳定工作及格线[14][15] - 工业封闭场景预计2年内落地,通用泛化场景需5年以上[1] - 固定封闭场景预计两年左右可实现机器人稳定运行;泛化场景(未经训练陌生环境中通过语音指令自主完成任务且成功率达80%以上)可能需要五年甚至更长时间[16] - 工业应用未来两年内机器人有望替代工厂中约30%至40%的简单工序和工位,但不能完全取代所有工业岗位[16] (五)竞争格局 - 国内第一梯队:智源人工智能研究院同时进行本体和大脑研发产品相对较智能;模型层面银河通用和千寻智能表现突出;大型科技公司中阿里巴巴和字节跳动具身智能模型团队位列头部,但主要研发方向是大模型本身而非专门针对机器人[7] - 海外领先者:谷歌DeepMind凭借V-ROA模型在跨本体适配、全程控制和零样本操作方面表现强劲;其次为Covariant AI和Physical Intelligence的Pi系列基础模型;Anthropic的Claude 3.5 Sonnet、苹果ReALM模型以及Figure AI和特斯拉也处于行业前沿但相对稍靠后[8] - 智元主攻工业落地,银河通用侧重仿真合成数据与零样本抓取;海外谷歌、苹果在物理建模与范式创新上保持领先[3] - 宇树科技定位全球通用硬件底盘,受益于开源模型普及,但面临硬件壁垒非断层领先及低价竞争风险,需通过真机数据飞轮加高护城河[3] - 智元"远征G"系列采用原生世界动作模型,将世界推理、动作生成、感知和预判整合在同一链路,优先落地工厂以生产力为核心;起源主打消费级市场面向家庭场景,采用"快慢脑分离"架构,"快脑"(小脑)负责执行、"慢脑"(大脑)负责思考,技术重心在柔顺交互、家务处理和安全交互[21][22] - 银河通用核心技术"银河心脑"为将大脑、小脑及神经控制一体化的端到端世界模型,预训练高度依赖海量仿真合成数据,真实世界数据仅用于最后微调对齐;技术优势在于处理陌生物体、光照变化下零样本抓取及透明件和小物体处理,公开基准测试泛化分数较高;利用立体视觉解决抓取落空问题,实现无需预先建图纯视觉端到端导航;产品包括轮式双臂机器人和S1重载轮式机型,未涉足双足人形本体;商业模式倾向通用大脑供应商和场景运营商,落地场景集中在无人零售仓、无人便利店和无人药房分拣等城市服务场景[23] - 中国在工业封闭场景量产交付和成本控制方面具有领先优势,得益于强大供应链体系;以智元为代表国内厂商通过将机器人先行部署到工厂在实际运行中持续收集失败样本迭代,工业场景落地速度较快;但在高端算力、通用开放场景适应性及原始范式创新方面国外仍领先,谷歌、苹果、英伟达更侧重物理建模和模型预演,在算力底座、高端训练芯片和仿真工具链上优势明显[22] - 从工业场景机器人稳定上岗、批量出货和商业闭环狭义角度看,以智元为代表中国企业在未来2-3年有机会在特定场景取得领先;但从零样本适应陌生环境或处理复杂居家任务等通用性维度衡量很难超越国外水平[22] (六)各公司模型性能表现 - Hello Robot在仿真任务中成功率可达90%,陌生房间等真实场景下降至70%,通用场景中已属较高水平;特斯拉Optimus在未见过的场景中成功率可能仅为30%至50%;Physical Intelligence的PI 5.2模型在开放真机场景中智能水平大约在50%上下,难以达到70%水平[15][16] - 谷歌在产线固定分拣等任务上通过反复迭代可将成功率提升至96%;宇树科技机器人在便利店场景中经过数天连续闭环运行,任务成功率从初期20%-30%稳定提升至85%左右,但这类高成功率依赖大量真实场景数据反复训练,属针对特定场景优化而非通用泛化能力[16] - 特斯拉采用全栈闭环研发模式,模型和本体均自主研发,技术路线为纯视觉端到端方案,利用自有工厂场景和真机数据飞轮迭代,工程化能力显著优势;应用场景优先服务自家工厂,短期内不会为全行业提供通用模型;在工厂等特定环境处理固定物料、拧螺丝、搬运等重复性任务时表现出较强稳定性、抗干扰性和动态平衡能力;但置于居家等更复杂场景或面对未见过的物体时泛化推理能力较谷歌V-ROA或苹果ReALM稍弱[12] - Anthropic的Claude 3.5 Sonnet在RoboTool测试中取得64.9%高分,远超前代Claude 3.1的27%和GPT-4o的30%,并非通过大量机器人专项数据训练而是通用大模型能力溢出结果,核心优势在于更强空间推理能力、长时序规划能力并辅以动作翻译层兜底;模型本身只负责输出下一步做什么及目标位置,由翻译层将语言和空间指令转化为可执行动作轨迹并加入碰撞检测和边界校验;训练过程仅混入少量物理交互仿真任务样本进行对齐以建立像素到动作的"语感"而非全量具身预训练;本质是通用大模型注重推理规划,机器人控制为附加能力,必须依赖翻译层,在精细高频力控和连续稳定闭环方面相对吃力,真实世界长时间工作稳定性和容错率预计相对较差[12][13] - 苹果ReALM模型原生为Sim-to-Real和全身控制设计,模型直接输出动作,在仿真环境中对齐本体传感器和跟踪闭环,真机仅作为纠偏角色[13] (七)宇树科技发展前景与风险 - 宇树科技定位标准化硬件供应商,致力于成为全球通用集成硬件载体,商业模式不依赖自研大脑,受益于仿真技术和开源模型普及[10] - 短板在于上层大模型需依靠生态系统弥补;发展路径两个方向:销售硬件、自研提升模型并开源征集数据集[10] - 潜在风险:随着上层模型增多和开源行业竞争加剧,若其他厂商推出运动性能接近、价格更低的开放式人形机器人,宇树溢价空间可能受挤压,硬件本身技术壁垒并非断层式领先;行业更看重真机数据飞轮与仿真路线互补而非单纯依赖仿真[10] - 宇树WLA版本模型使用超过2000小时真机数据集,数据相关研发费用投入规模大致在5,000万至7,000万元人民币级别[11] - 苹果选择宇树机器人作为研究外部硬件平台,主要因宇树在运动控制领域技术实力较强,其机器人产品是市面上可采购到、接口开放、运动底盘稳定的标准化平台,适合用作科研验证载体[9] (八)仿真器技术架构 - 仿真主体基于全栈自研仿真底座而非直接使用Omniverse作为主仿真引擎,该底座兼容OpenUSD和Omniverse实现生态打通和资产相互导入导出,属协作关系而非底层依赖;物理求解、传感器仿真、人体对齐增值输出及大规模并行生成等核心部分均为自研,"测量-生成-求解"体系专门针对机器人训练及Sim-to-Real回流优化[19] (九)端侧算力芯片 - 当前算力基本够用,英伟达Jetson Orin代表芯片能运行主流高阶具身模型;更小型端侧芯片如瑞芯微RK35系列主要用于执行感知或简单任务[20] - 运行Cosmos或GR00T 0.2这类原生世界模型,RK35系列端侧芯片算力不够,必须通过拆分架构、分层计算解决;底层"小脑"部分对算力要求不高但对时延要求严格;中层AI动作策略使用20-30亿参数VLA模型即可完成单步抓取等任务;Jetson Orin级别芯片可运行Hello模型并结合轻量化VLA完成简单任务闭环再配合Cosmos预演;单颗RK35系列芯片无法满足运行Cosmos需求,即使裁剪版本也不可行[20] (十)触觉数据 - 长期看触觉数据至关重要,是机器人在家庭或工业场景完成精细操作的必要条件,但当前工业应用中触觉使用比例并不高[24] - 数据采集主要难点:各家方案不一,单点试点采集数据不成体系导致数据难以互通,存在采集效率低、传感器一致性差、漂移大、缺乏统一标准等问题,A公司数据B公司模型无法使用[25] - 采集方式两种:触觉手套由人操作同步采集视觉、位置和触觉信息;机器人灵巧手自主采集[25] - 预计触觉数据规模化爆发与应用场景成熟同步:第一个时间点可能在2028年左右主要应用于工业闭环场景如精密装配、锂电和3C产品插接等,任务固定物料可控场景下传感器可先在指尖部署控制成本;第二个更重要爆发点预计2030年左右,届时传感器成本、一致性和数据标定标准等问题得到解决,通用开放场景需求推动触觉数据大规模增长[25] 三、其他重要但可能被忽略的内容 - 不同机器人本体训练数据不能直接通用,因关节范围、运动学、传感器和控制参数存在差异,宇树G1数据直接用于其他型号效果会受影响;但可通过分层处理兼顾适配效率和迁移效果:第一层通用资产和任务库(场景、物体、任务逻辑、语言指令等通用元素构建标准化资产库),第二层本体适配层(仿真平台预封装不同机器人本体模板,运动学、传感器、控制参数做成可配置软件包,更换本体时仅需更换配置包而无需重新搭建整个环境和任务)[5] - 仿真数据即便再好最终仍需少量真机数据校准,这对拥有真机数据的厂商是一个优势[10] - 宇树科技能否长远发展决定性因素在于是否能持续保持开放稳定供货能力并不断加高运动控制领域技术壁垒[10] - 英伟达开源降低行业门槛但Cosmos作为通用基座并未针对特定机器人绑定,直接应用可能出现动作不稳定或超出关节限位问题[17] - 出海业务为确定增量市场但仅限于带本体对齐可实现Sim-to-Real的高价值仿真数据,低价值渲染数据出海难度较大[19][20]