⚛️量子位•最新收集於 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
有什麼變化
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。
為什麼重要
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。
下一步行動
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。
誰應關注：Researchers & Academics
關鍵要點
- •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。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •擎羽（Qingyu）的核心技術路徑強調「本體無關性」（Embodiment-Agnostic），旨在解決具身智能在不同硬體平台間的遷移障礙。
- •該公司開發了一套名為「柔性本體控制架構」的系統，允許同一套大模型策略在輪式、四足及多自由度機械臂之間進行零樣本（Zero-shot）遷移。
- •擎羽的研發團隊成員多來自頂尖機器人實驗室，並在多模態大模型與強化學習（RL）的結合上擁有專利技術，特別是在Sim-to-Real（模擬到現實）的數據對齊方面。
- •與傳統人形機器人公司不同，擎羽採取「軟硬解耦」策略，將機器人本體視為可替換的執行器，而非智能的核心載體。
- •擎羽已與數家工業自動化廠商達成合作，將其通用智能算法部署於非人形的特種作業機器人中，以驗證其跨形態泛化能力。
📊 競品分析▸ Show
| 特性 | 擎羽 (Qingyu) | Tesla Optimus | Figure AI |
|---|---|---|---|
| 核心形態 | 柔性/多形態 (本體無關) | 人形 (Humanoid) | 人形 (Humanoid) |
| 智能架構 | 跨形態通用基礎模型 | 端到端神經網絡 (人形專用) | 端到端神經網絡 (人形專用) |
| 遷移能力 | 高 (跨硬體平台) | 低 (專注於人形) | 低 (專注於人形) |
| 商業模式 | 軟體授權/算法平台 | 硬體銷售/機器人即服務 | 硬體銷售/機器人即服務 |
🛠️ 技術深入
- 採用基於Transformer的具身基礎模型，將不同機器人的本體狀態（Proprioception）編碼為統一的潛在空間（Latent Space）。
- 利用大規模模擬環境進行預訓練，並通過動態適應層（Dynamic Adaptation Layer）處理不同自由度與運動學結構的差異。
- 實施了基於視覺-語言-動作（VLA）的端到端控制策略，減少了傳統機器人開發中繁瑣的運動學建模需求。
- 引入了本體感知的對比學習機制，使模型能夠在幾次嘗試內適應新的硬體物理參數（如負載、摩擦力）。
🔮 前景展望AI analysis grounded in cited sources
具身智能將從「人形化」轉向「形態泛化」。
擎羽的技術路徑證明了智能可以脫離特定硬體存在，這將迫使行業重新評估人形機器人作為唯一具身載體的必要性。
機器人開發成本將因軟硬解耦而大幅下降。
當一套智能算法能應用於多種硬體時，企業無需為每種機器人形態重新訓練模型，顯著降低了研發與部署門檻。
⏳ 時間線
2024-05
擎羽正式成立，並獲得首輪種子輪融資，專注於通用具身智能研究。
2025-02
發布首個支持跨形態遷移的具身基礎模型原型。
2025-11
完成與首個工業合作夥伴的非人形機器人部署測試。
2026-04
發布柔性本體控制架構，正式對外展示其跨硬體泛化能力。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗