SenseHub
搜索文档
神秘的“华为系”具身团队,回应11个关键问题
36氪· 2025-12-30 17:27
公司核心团队与融资背景 - 公司创始团队为自动驾驶领域的“梦之队”,首席执行官陈亦伦曾任华为车BU自动驾驶系统CTO,首席科学家丁文超曾是华为“天才少年”,董事长李震宇曾任百度智能驾驶事业群总裁 [1] - 公司在2025年3月完成1.2亿美元天使轮融资,创下中国具身智能行业天使轮最大融资额纪录 [1] 技术展示与核心能力 - 公司在2025年12月通过线上发布会展示了“全球首个完成刺绣的机器人”,以此作为其技术能力的外溢体现 [1][2] - 公司选择刺绣场景是为了展示其处理长程、精细复杂动作,以及操作柔性、不易建模物体的技术能力,这在行业中属于首次公开演示 [2][7] - 处理柔性物体的核心难点在于预测自身动作后环境世界的演化,而公司认为其构建的“世界模型”能破解此难题,预测行动并模拟世界变化 [3] 核心技术路径与数据策略 - 公司的重要业务板块是自研具身基础模型——TARS AWE (AI World Engine) 2.0,采用一段式全身端到端学习,将现实数据迁移到机器人本体 [2] - 公司确立了以数据为核心的技术主线,自研具身数据采集系统SenseHub(包括手套和全景相机),采集真实人类场景下的动作、语言、触觉等环境语义数据集 [5] - 公司判断,自动驾驶达到商用级需要10万小时精选高质量数据,而具身智能因任务复杂度更高,所需数据量级至少是智驾的10倍以上,即需要至少100万小时真实场景数据 [5][11] - 公司首创“以人为中心”的数据采集新范式,核心是“手”和“眼”,其自研手套和全景相机能高保真还原手部位置和触觉权重信息,测量精度需达到毫米级甚至更高 [13] 行业对标与发展阶段判断 - 公司将自动驾驶经验迁移至具身智能领域,认为“具身的现阶段相当于智驾的2019年”,即全栈转向AI、开始思考规模化商用的关键节点 [5][16] - 公司将具身智能发展分为“3+3+3”阶段,自身切入的是第二个三年,目标是将技术真正落地到产品化过程 [13] 商业化落地原则与进展 - 公司筛选落地场景遵循三个核心原则:真需求(市场明确痛点)、细颗粒度(覆盖足够大群体)、高难度(高技术门槛) [8] - 公司已明确将柔性组装作为落地场景,并称其目前已进入商业化阶段 [8] - 公司在2025年主要聚焦三件事:超级算法(攻克数据、算法及环境交互的Scaling law)、超级本体(自研硬件,让硬件成为算法最佳载体)、超级应用(追求真正产业化,传递真实商业价值) [9] 公司定位与愿景 - 公司认为下一代超级单品可能是机器人,因此同时进行硬件、软件和AI的研发,所有硬件都为AI服务,目标是打造完整的产品价值和可持续演进的系统 [20] - 公司相信,只有把柔性物体操作做得很好,才能真正实现柔性产线级生产力,实现工厂各个角落的自动化 [6]
全球首个实现自主刺绣的机器人亮相
观察者网· 2025-12-19 23:23
公司技术首秀与核心成果 - 全球首个实现自主刺绣的机器人正式亮相,展示了亚毫米级精细化操作能力,完成了复杂、精密的刺绣流程[1][3] - 公司成功攻克线束制造这一工业自动化难题,成为全球首个在机器人领域突破此难题的企业,实现了线束装配的自主化操作[1][3] - 此次技术演示是精细、复杂、长程操作任务的“六边形能力验证”,体现了超高精准度、双手协同、柔性物体操控、细腻力触控制及高任务成功率等多项核心能力[3] 技术解决方案框架 - 公司技术跃迁的基石是DATA–AI–PHYSICS三位一体的系统性解决方案[3] - 首先,构建了以人为中心的具身数据与模型范式,通过自研可穿戴数据采集系统SenseHub,在不改变人类操作方式的前提下,自然融合视觉、触觉与手部动作数据[5] - 其次,基于海量真实数据构建了具身基础模型TARS AWE 2.0,通过空间感知预训练和全身端到端学习,实现了强大的泛化能力与核心技能跨场景迁移[7][9] 硬件创新与系统集成 - 公司硬件体系遵循“为AI而生”的设计原则,旨在实现从数字到实体的零距离协同,以算法能力不断抬升系统能力上限[9] - 现场亮相的T系列与A系列本体机器人以“最小digital-to-physical gap”为核心设计原则,搭载全套自研核心部件与超级传感器组合[9] - 硬件作为理想载体,能够将数字世界中的算法能力精准、稳定地映射到真实的物理操作场景[9] 技术闭环与产业意义 - 公司完成了从真实数据生成、智能决策到物理执行的完整技术闭环[11] - 此次实践为具身智能Scaling Law的产业化落地提供了可验证、可复制的工业级实践样本[1] - 该技术路径为高端制造行业的智能化升级提供了全新的技术路径与实践范式,旨在最终落地到千行百业[3][9]