具身智能技术发展 - 构建通用智能机器人的核心目标是模仿人类进化轨迹，通过环境互动和模仿人类行为加速技能学习与迁移 [3] - 实现目标面临三大挑战：类人操作硬件设计、全身遥操作系统开发、全身视觉-运动策略算法构建 [3] - 星尘智能提出Astribot Suite解决方案，在全身协调任务中验证平均成功率80%，最高达100% [4] 机器人平台设计 - 采用绳驱设计模拟人体肌肉组织，实现柔顺运动和精准施力 [7] - 相比传统刚性连杆机器人，具有更高有效载荷、更低反冲和惯性、更紧凑结构及更高安全性 [7] - 通过刚柔混合动力学建模实现最小控制延迟和高精度轨迹跟踪 [7] 遥操作系统 - 系统由VR头显和手持操纵杆组成，支持第一人称和第三人称两种控制模式 [9] - 第一人称模式优化精确复杂操控任务，第三人称模式适合大范围全身运动 [9] - 操纵杆捕捉手部姿势映射到机器人末端执行器位置和方向 [9] 学习算法设计 - DuoCore-WB算法使用RGB图像输入，与视觉-语言-动作预训练模型无缝衔接 [10][13] - 在末端执行器笛卡尔空间中使用SO(3)方向表示进行全身策略控制 [10] - 采用实时轨迹生成模块(RTG)通过二次规划优化生成平滑连续的执行轨迹 [10] 任务性能评估 - 在六个代表性任务中测试，包括送饮料、收纳猫粮、扔垃圾等 [12][23] - 递送饮品任务测试长时序移动操作能力，开门子任务成功率14/15 [23] - 收纳猫粮任务测试受限空间双手协调操作，整体成功率19/20 [23] - 扔垃圾任务测试多阶段双手协调性，整体成功率13/30 [23] 技术优势验证 - 末端执行器空间动作表示相比关节空间显著提升任务成功率，地面物体分类任务从25%提升至90% [25] - 增量动作表示提高轨迹平滑度，桌面清理任务中动作片段切换处变化从0.0196降低至0.0032 [25] - 末端执行器自我坐标系增强视觉-动作对齐，精细抓取任务成功率19/20 [27][28]

核心观点 - 锦秋基金领投星尘智能A轮融资 该基金专注于具有突破性技术和创新商业模式的通用人工智能初创企业[1] - 星尘智能发布Astribot S1人形机器人技术报告 展示其在家务助手领域的创新技术[4] - Astribot S1采用绳驱技术路线 在硬件设计、数据采集和学习算法方面实现突破[6][9][11] - 公司开发低成本全身遥操作系统 使非专业用户也能训练机器人[13][16] - DuoCore-WB学习算法实现高效模仿学习 在多项家务任务中达到80%以上的成功率[19][22][30] 技术亮点 硬件设计 - 采用绳驱技术路线 具有高分辨率力控制(传动效率>90%)、强负载能力(提升4倍)、低反向间隙(仅为半直驱系统的30%)等优势[11] - 人形结构设计：7自由度双臂、4自由度躯干、2自由度头部 垂直可达2米 单臂可举5kg 手部速度达10m/s 定位精度±0.1mm[10] - 多传感器配置：头部、胸部和手腕安装多个摄像头 配备激光雷达实现360度环境感知[10] 数据采集系统 - 开发低成本(300美元)全身遥操作系统 使用VR设备(Meta Quest 3S)实现100Hz运行频率和20ms延迟[13] - 提供第一人称和第三人称两种操作模式 支持高质量动作示范录制[15] - 系统成功复现操作员动作 跟随误差小 适合家庭用户使用[17] 学习算法 - DuoCore-WB算法采用"感知-生成一体化"动作模型 使用三路同步相机视觉信息和条件扩散模型生成动作[20][21] - 创新性地在末端执行器空间学习 相比关节空间策略成功率提升5-65个百分点[22] - 采用增量式学习策略 使动作更平滑 平均步进降低41% 突变减少84%[24] - 开发RTG后处理模块 以250Hz频率输出动作 实现动作片段间的平滑过渡[25][28][31] 应用成果 - 在6项家务任务测试中平均成功率80% 其中"扔玩具逗猫"达到100%成功率[30][42][43] - 具体任务表现： - 递送饮料：整体成功率87% 开门成功率14/15[32][35] - 储存猫粮：成功率95% 能搬运2kg重物[36] - 整理鞋子：成功率80%[41] - 收拾玩具：双臂协调操作成功率80%[46] 未来发展 - 团队计划在硬件、人机交互和模型算法上继续深化 推动机器人技术进入更广阔的现实世界应用[47] - 当前在需要灵巧性或长期记忆的任务上仍有局限 但已为下一代智能机器人奠定重要基础[47]