⚛️量子位•Freshcollected in 30m
擎羽重塑具身智能的「身體」
💡擎羽提出人形之外的具身智能路線，關注任務與世界知識如何跨機器人本體延續。
⚡ 30-Second TL;DR
What Changed
擎羽不以人形作為具身智能的唯一載體，而是重新定義「身體」在智能系統中的作用。
Why It Matters
如果跨本體泛化能夠落地，機器人開發者將不必為每種硬體形態重新訓練完整模型，可能降低資料收集、部署與適配成本。這也代表具身智能的競爭焦點，可能從單一人形硬體轉向本體無關的模型、資料與控制框架。
What To Do Next
使用 NVIDIA Isaac Lab 建立兩種不同機器人本體的相同任務基準，先測量策略遷移所需的重新訓練資料量與成功率。
Who should care:Researchers & Academics
Key Points
- •擎羽不以人形作為具身智能的唯一載體，而是重新定義「身體」在智能系統中的作用。
- •公司希望從柔性本體技術，進一步建立能跨不同本體運行的基礎智能。
- •核心目標是讓機器人的任務策略與世界知識，能在不同硬體形態之間延續與遷移。
🧠 Deep Insight
AI-generated analysis for this event.
🔑 Enhanced Key Takeaways
- •擎羽（Qingyu）的核心技術路徑強調『本體解耦』，旨在解決具身智能領域中常見的『數據孤島』問題，即特定形態機器人的數據無法被其他形態復用的瓶頸。
- •該公司開發了一套名為『柔性本體控制架構』的系統，允許智能模型在不同自由度（DoF）和執行器配置的機器人之間進行策略映射。
- •擎羽的研發團隊背景多來自於機器人運動控制與強化學習的交叉領域，特別是在Sim-to-Real（仿真到現實）遷移技術上有深厚積累。
- •與傳統人形機器人公司專注於硬件仿生不同，擎羽將機器人視為『可變形的計算平台』，優先優化算法對不同物理約束的適應性。
- •該公司已開始與工業自動化廠商合作，測試其通用智能模型在非人形機械臂與移動底盤組合體上的遷移效果。
📊 Competitor Analysis▸ Show
| 公司 | 核心策略 | 形態偏好 | 數據遷移能力 |
|---|---|---|---|
| 擎羽 | 本體解耦/柔性控制 | 多形態/非人形 | 高 (跨形態遷移) |
| Tesla (Optimus) | 端到端大模型 | 人形 | 中 (主要針對人形) |
| Figure AI | 通用人形智能 | 人形 | 中 (專注人形通用) |
| Unitree | 運動控制與硬件集成 | 人形/四足 | 低 (專注特定形態) |
🛠️ Technical Deep Dive
- 採用基於Transformer的跨模態策略網絡，將不同機器人的本體狀態（Proprioception）編碼為統一的潛在空間（Latent Space）。
- 利用分層強化學習（Hierarchical RL）架構，底層負責特定形態的運動控制，高層負責任務規劃與語義理解。
- 引入了基於物理引擎的自動化數據增強技術，通過在仿真環境中隨機化機器人的物理參數（如質量、長度、摩擦係數），提升模型對不同形態的魯棒性。
- 實現了基於視覺-語言-動作（VLA）模型的通用接口，支持將自然語言指令直接轉化為不同形態機器人的動作序列。
🔮 Future ImplicationsAI analysis grounded in cited sources
具身智能將從『專用硬件開發』轉向『通用算法授權』模式。
若跨形態遷移技術成熟，機器人公司將不再依賴單一硬件形態，而是通過銷售通用智能模型獲利。
非人形機器人在工業場景的市場份額將在未來兩年內顯著提升。
相比昂貴且複雜的人形機器人，具備通用智能的低成本非人形機器人能更快實現商業化落地。
⏳ Timeline
2024-05
擎羽正式成立，確立以柔性本體為核心的具身智能研發方向。
2025-02
發布首個支持跨形態遷移的基礎智能模型原型，驗證了從四足到輪式底盤的策略遷移。
2026-01
完成新一輪融資，並宣布與多家工業自動化企業達成技術合作協議。
📰
Weekly AI Recap
Read this week's curated digest of top AI events →
👉Related Updates
AI-curated news aggregator. All content rights belong to original publishers.
Original source: 量子位 ↗