Workflow
具身智能操作算法LimX VGM
icon
搜索文档
专访逐际动力张力:不做“定制工”,打造具身智能通用平台
南方都市报· 2025-06-05 12:02
政策与行业背景 - 2024年"人工智能+"首次写入政府工作报告,广东明确提出在人工智能和机器人领域集中发力,推动产业向纵深发展 [2] - 广东将于6月6日召开人工智能与机器人产业联盟成立大会,旨在构筑高技术、高成长、大体量的产业新支柱,打造全球创新高地 [2] 公司技术布局 - 聚焦三大关键技术:本体硬件设计制造、强化学习驱动的全身运动控制、具身大脑模型训练策略,构建机器人从"能动"到"灵动"的基础 [5] - 推出具身智能操作算法LimX VGM,通过视频生成技术提升感知-决策-行动链条的训练效率,加速AI能力泛化落地 [5] - 开发CL-3全尺寸人形机器人,具备高自由度、高灵活性、高稳定性,全身运动控制能力实现质的飞跃 [6] - TRON 1实现"三合一"模块化构型(双足、点足、轮足),配备移动操作拓展套件和外设接口,支持复杂地形和跨领域融合应用 [6] 差异化定位与市场策略 - 专注于打造具身智能通用底座,提供标准化机器人本体和AI工具链,帮助创新者低门槛、高效率实现场景落地 [8] - 强调"数据-性能"转化效率,以更少数据获得更强泛化能力,研发团队来自科研一线,产品兼具实用性与前瞻性 [8] - 现阶段目标是通过技术迭代实现具身模型能力泛化,而非进入具体场景,为个人创新者、集成商、行业客户提供标准化产品和工具链 [8] 规模化落地路径 - 定位为"赋能者",通过标准化机器人平台、运动控制算法、视频训练工具链等,帮助科研人员、集成商、创业者快速搭建应用场景 [9] - TRON 1已在高校、实验室、工业环境中应用,既是科研平台也是工程跳板,推动具身智能从小众走向普及 [9] - 愿景是成为具身智能领域的英伟达,为全球创新者提供基础设施,推动机器人"站得住、动得巧、学得快" [11]
逐际动力半年完成5亿元A轮系列融资,聚焦三大核心具身智能技术
IPO早知道· 2025-03-06 21:34
融资情况 - 逐际动力LimX Dynamics完成A+轮融资 半年累计完成5亿元A轮系列融资 [2] - A轮系列融资获得头部机构战略支持 包括阿里巴巴集团、招商局创投、尚颀资本、蔚来资本、联想创投等产业投资人 以及高捷资本、绿洲资本、明势创投等财务投资人 [2] 技术发展 - 公司聚焦三大核心具身智能技术:本体硬件设计制造、基于强化学习的小脑全身运动控制、具身大脑模型训练策略 [2] - 近期发布具身智能操作算法LimX VGM 利用视频生成技术提升数据训练和算法性能转化效率 [3] - 推出最新迭代的全尺寸人形机器人 具备高自由度、高灵活性、高稳定性 显著提升全身运动控制能力 [3] - 推出全球首款多形态双足机器人TRON 1 完成全球多个国家和地区产品交付 初步实现设计、研发、量产和销售的商业化闭环 [3] 行业前景 - 具身智能被视为未来10年人类最重要的科技革命 [3] - 公司将携手新老股东共同推动具身智能技术进步和产业化落地 赋能全球千行百业的创新者 [3]
阿里投的具身智能公司,半年融了5个亿!
量子位· 2025-03-06 16:29
融资情况 - 逐际动力在半年内累计完成5亿元A轮系列融资 [3] - A+轮融资获得产业和财务头部机构战略支持 包括阿里巴巴集团、招商局创投、尚颀资本、蔚来资本等 [4] - 多家老股东持续跟投 财务投资人包括高捷资本、绿洲资本、明势创投等 [4] 技术方向 - 融资资金聚焦具身智能三大核心技术:机器人本体硬件设计制造、基于强化学习的小脑全身运动控制、具身大脑模型训练策略 [5][12] - 公司计划向市场提供人形机器人本体软硬件系统和具身Agent开发工具链 [5] 产品成果 - 推出全球首款多形态双足机器人TRON 1 支持双点足、双足、双轮足三种形态 [7][8] - TRON 1提供全开放SDK与底层硬件接口 支持Python全流程开发、Sim2Real一键部署 [10] - 已完成全球多国家和地区产品交付 实现设计、研发、量产和销售商业化闭环 [11] - 全尺寸人形机器人实现全身多关节协同大范围运动 可完成亚洲蹲、深蹲等高难度动作 [13][15][16][17] 技术创新 - 发布具身智能操作算法LimX VGM 国内首次实现人类操作数据直接应用于机器人操作 [20][21] - 算法三大创新点:人类操作视频到机器人行为的桥接、引入空间智能突破2D局限、算法与机器人本体解耦可跨平台部署 [24][26][28] - 仅需人类操作视频数据 无需真机样本 大幅降低数据采集成本 [25] - 通过深度相机捕捉人手操作过程 生成包含三维空间数据的操作视频 [27] - 算法训练不依赖机器人本体 部署时仅需简单适配即可跨平台执行 [29]