2018 年从哈佛回国时◈ღ✿◈★，橡木果机器人的发起人姜峣有了一个判断◈ღ✿◈★：语言和操作德扑圈Hhpoker◈ღ✿◈★，◈ღ✿◈★，是两种完全不同的智能◈ღ✿◈★。

　　这个判断并非来自他博士时期在清华机械工程系的研究◈ღ✿◈★，而是源于他在哈佛认知实验室的博士后经历◈ღ✿◈★。在那里◈ღ✿◈★，他开始研究视觉与触觉感知能力如何影响人的操作行为◈ღ✿◈★。在一次次的实验观察中◈ღ✿◈★，他发现语言和操作有着本质上的差异◈ღ✿◈★：

　　语言没有先天本能◈ღ✿◈★。一个孩子出生后若不接触人类社会◈ღ✿◈★，一辈子都不会说话◈ღ✿◈★，且环境教什么语言就说什么语言◈ღ✿◈★。但操作恰恰相反◈ღ✿◈★：全球所有人抓取物体的方式高度一致◈ღ✿◈★，无论跨越怎样的年龄◈ღ✿◈★、文化与环境◈ღ✿◈★。从未有人教过我们该如何去“抓”◈ღ✿◈★，我们却都能无师自通◈ღ✿◈★。他将这种潜藏在操作行为背后的先天机制◈ღ✿◈★，理解为“本能”◈ღ✿◈★。

　　过去几年◈ღ✿◈★，随着大模型兴起◈ღ✿◈★，机器人行业逐渐形成了一条主流路线◈ღ✿◈★：将视觉◈ღ✿◈★、语言和动作交由同一个大模型处理◈ღ✿◈★，试图用端到端的方式直接输出动作◈ღ✿◈★。从 VLA 到世界模型◈ღ✿◈★，大多数探索都建立在这种“大一统”的逻辑之上◈ღ✿◈★。

　　但姜峣认为◈ღ✿◈★，这条路在操作层是走不通的◈ღ✿◈★。语言智能处理的是符号◈ღ✿◈★，操作智能面对的是物理世界◈ღ✿◈★；任务理解可以依赖知识◈ღ✿◈★，动作执行却必须适应具体的硬件本体◈ღ✿◈★。与其用海量数据去拟合无尽的物理差异◈ღ✿◈★，不如先赋予机器人一套类似人类“本能”的底层机制◈ღ✿◈★，再让肌肉记忆和技能从交互中自然生长◈ღ✿◈★。

　　从实验室到创业公司◈ღ✿◈★，这支团队的核心技术成员一共 9 人◈ღ✿◈★，均为清华大学博士◈ღ✿◈★，而且彼此年龄各差一岁◈ღ✿◈★。围绕这个想法研究了近八年后◈ღ✿◈★，他们进一步提出◈ღ✿◈★：机器人操作应该被拆分为任务规划与操作执行两个层次◈ღ✿◈★，前者指向“大脑”的思考能力◈ღ✿◈★，后者则指向他们研究的“本能”◈ღ✿◈★。这是一条完全不同于主流的道路◈ღ✿◈★。

　　去年 VLA ◈ღ✿◈★、世界模型如日中天时◈ღ✿◈★，他们没有急着站出来反对◈ღ✿◈★。但此后一年行业的发展◈ღ✿◈★，似乎在不断验证着他们最初的判断◈ღ✿◈★。

　　“语言可以自上而下◈ღ✿◈★，但操作一定要自下而上德扑圈官网微信推荐◈ღ✿◈★，◈ღ✿◈★。”姜峣认为当前具身智能遭遇的瓶颈◈ღ✿◈★，根源在于行业从一开始就把理解和执行混在了一起◈ღ✿◈★。而且如果一个方向需要无限堆数据◈ღ✿◈★、堆算力◈ღ✿◈★，最后才能勉强往前推进◈ღ✿◈★，那它到底是不是一条健康的◈ღ✿◈★、行得通的路径？

　　DeepTech◈ღ✿◈★：你在博士阶段在清华读的是机械工程◈ღ✿◈★，之后去哈佛做博士后◈ღ✿◈★，方向却是神经科学◈ღ✿◈★。这两个领域跨度很大◈ღ✿◈★，当时是已经带着“具身智能”的问题去找理论◈ღ✿◈★，还是到了哈佛之后才逐渐意识到这两件事可以结合？

　　姜峣◈ღ✿◈★：其实都不完全是◈ღ✿◈★。我 2016 年之前一直做的是传统机器人的力学与操作研究◈ღ✿◈★。临近毕业时◈ღ✿◈★，我觉得那个方向已经相对成熟◈ღ✿◈★，继续做下去没有太强的兴奋感◈ღ✿◈★。当时面临两个选择◈ღ✿◈★：直接创业◈ღ✿◈★，或者出国拓展视野◈ღ✿◈★。我选择了后者◈ღ✿◈★，想法很简单◈ღ✿◈★，就是想去接触前沿 AI 相关的东西◈ღ✿◈★。

　　比较阴差阳错的是◈ღ✿◈★，我申请哈佛那个实验室时◈ღ✿◈★，看到主页上写着很大的“motor learning”◈ღ✿◈★，旁边还有一张人和机器人交互的图◈ღ✿◈★。我当时理解的“motor”还是电机◈ღ✿◈★、驱动器那个意思◈ღ✿◈★，以为是偏机器人控制方向◈ღ✿◈★，就选择了这个 offer ◈ღ✿◈★。结果到了以后才发现完全不是一回事◈ღ✿◈★。他们研究的是人的运动控制（motor control）和运动学习◈ღ✿◈★，本质上属于神经科学◈ღ✿◈★。

　　刚去的时候挺痛苦的◈ღ✿◈★，因为完全跨领域所以前三个月几乎完全跟不上◈ღ✿◈★。但慢慢做下来之后◈ღ✿◈★，发现这个方向非常有意思◈ღ✿◈★。我们实验室研究的核心是“人的行为”◈ღ✿◈★，大致分三类◈ღ✿◈★：肢体运动行为◈ღ✿◈★、步态行为◈ღ✿◈★，以及手部操作行为◈ღ✿◈★。我做的是第三个方向◈ღ✿◈★，研究视觉◈ღ✿◈★、触觉等感知能力对操作行为的影响◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：你有一个核心观点◈ღ✿◈★，认为“语言不存在本能◈ღ✿◈★，但操作存在本能”德扑之星官网◈ღ✿◈★。这个判断是在哈佛的时候形成的吗？

　　姜峣◈ღ✿◈★：基本是在那时候逐渐形成的◈ღ✿◈★。去哈佛之前◈ღ✿◈★，我对机器人操作的理解更像是一个复杂的工程问题◈ღ✿◈★：不断调参数◈ღ✿◈★、做 case-by-case 的适配◈ღ✿◈★。到了哈佛之后◈ღ✿◈★，我才开始真正研究人类行为背后的机制◈ღ✿◈★。

　　实验室会设计很多有意思的实验◈ღ✿◈★。比如屏蔽人的视觉◈ღ✿◈★，或者干扰触觉◈ღ✿◈★，人为制造感知偏差◈ღ✿◈★，然后观察操作行为的变化◈ღ✿◈★。2017 年底开始◈ღ✿◈★，我们做了大量实验和数据分析◈ღ✿◈★。后来我慢慢意识到◈ღ✿◈★，有些行为会随着感知条件变化而改变◈ღ✿◈★，但还有一些行为◈ღ✿◈★，无论你怎么干扰◈ღ✿◈★，它都不会变◈ღ✿◈★。

　　这件事特别有意思◈ღ✿◈★。“本能”有两个核心定义◈ღ✿◈★：第一◈ღ✿◈★，先天存在◈ღ✿◈★；第二◈ღ✿◈★，不受外部环境影响◈ღ✿◈★。比如强光照到眼睛本能会想要闭眼◈ღ✿◈★，手碰到尖锐物体会想要缩回◈ღ✿◈★，这些很好理解◈ღ✿◈★。但操作存在本能就没那么直观了◈ღ✿◈★。

　　语言为什么不是本能？因为如果一个孩子从小没有语言环境◈ღ✿◈★，他不会自然学会说话◈ღ✿◈★。放在中文环境说中文◈ღ✿◈★，放在英文环境说英文◈ღ✿◈★，语言高度依赖后天数据◈ღ✿◈★。但操作不一样◈ღ✿◈★。没有人专门教小孩怎么抓东西◈ღ✿◈★，可人类的抓取行为却高度一致◈ღ✿◈★。不同年龄◈ღ✿◈★、不同文化背景的人◈ღ✿◈★，在很多基本操作动作上呈现出惊人的相似性◈ღ✿◈★。如果没有某种先天机制◈ღ✿◈★，这种一致性很难出现◈ღ✿◈★。

　　所以后来我会认为◈ღ✿◈★，语言更像一种“自上而下”的能力◈ღ✿◈★，依赖知识◈ღ✿◈★、符号和后天训练◈ღ✿◈★；而操作更像一种“自下而上”的能力◈ღ✿◈★，背后存在非常深的先天结构◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：从 2018 年哈佛毕业到 2024 年公司正式成立◈ღ✿◈★，中间还有六年◈ღ✿◈★。这六年你主要在做什么？

　　姜峣◈ღ✿◈★：2018 年从哈佛回来之后◈ღ✿◈★，我就开始系统性地思考机器人操作这件事◈ღ✿◈★。所以这六年间◈ღ✿◈★，我一直在清华的实验室里做同一件事◈ღ✿◈★：从本能出发研究具身操作德扑之星官网◈ღ✿◈★。

　　2018 年到 2020 年更多是前沿研究◈ღ✿◈★，那时我们一直追问几个问题◈ღ✿◈★：机器人到底有没有“本能”？如果有◈ღ✿◈★，它应该以什么形式存在？我们如何把这种能力赋予机器人？后来我们发现◈ღ✿◈★，很多本能是由触觉驱动的◈ღ✿◈★，比如疼痛会触发回缩反射◈ღ✿◈★，人手碰到尖锐物体会立刻后退◈ღ✿◈★，这本质上是一种触觉刺激的行为反射◈ღ✿◈★。因此◈ღ✿◈★，我们选择触觉能力作为切入点◈ღ✿◈★。

　　至于为什么最后决定创业◈ღ✿◈★，我对这件事纠结了很长时间◈ღ✿◈★。高校很适合做长期的研究◈ღ✿◈★，但那个阶段◈ღ✿◈★，行业已经明显在加速了◈ღ✿◈★。我们已经把很多底层问题研究得比较透◈ღ✿◈★，接下来就需要用商业化的模式◈ღ✿◈★，把理论◈ღ✿◈★、技术◈ღ✿◈★、产品和应用快速连接起来◈ღ✿◈★。

　　而且创业对我来说并不意味着放弃学术◈ღ✿◈★。我一直跟团队说◈ღ✿◈★，我们既要做最好的研究◈ღ✿◈★，也要做最好的产品◈ღ✿◈★。这两件事是相辅相成的◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：听下来◈ღ✿◈★，“本能”是你们整个技术路线的核心概念◈ღ✿◈★。在行业普遍尝试用数据驱动（比如 VLA 路线）去直接覆盖动作的今天◈ღ✿◈★，你们为什么认为必须从“本能”开始构建？

　　姜峣◈ღ✿◈★：这其实取决于我们对整个机器人操作问题的理解◈ღ✿◈★。这也是我们今天最想给行业带来冲击的一个认知◈ღ✿◈★。

　　过去几年◈ღ✿◈★，行业主流思路基本是从语言模型延伸过来的◈ღ✿◈★：自然语言大模型成功了◈ღ✿◈★，大家就觉得能用同样的方式把视觉◈ღ✿◈★、语言◈ღ✿◈★、动作统一到一个大模型里◈ღ✿◈★，用海量数据去“自上而下”地训练所有的事◈ღ✿◈★。

　　但我们一直认为◈ღ✿◈★，这条路在“操作”上是走不通的◈ღ✿◈★。因为操作和语言是完全不同的两件事◈ღ✿◈★。语言本质上是符号系统HHPOKER苹果IOS下载◈ღ✿◈★，但操作不仅需要视觉理解环境◈ღ✿◈★，还需要触觉去感知接触状态◈ღ✿◈★，最后还要通过硬件本体去输出真实的物理动作◈ღ✿◈★。

　　更关键的是◈ღ✿◈★，操作执行高度依赖硬件本体◈ღ✿◈★。我们在实验室做过对比◈ღ✿◈★：比如两只机械手◈ღ✿◈★，外形完全一样DPT德扑之星◈ღ✿◈★，尺寸也一样◈ღ✿◈★，唯一的区别只是其中一只关节稍微紧一点德扑之星官网◈ღ✿◈★，另一只稍微松一点◈ღ✿◈★。你会发现◈ღ✿◈★，用同样的数据分别训练出来的两个模型◈ღ✿◈★，虽然都能完成任务◈ღ✿◈★，但它们内部参数会差很多◈ღ✿◈★。而如果直接把其中一个模型迁移到另一只手上◈ღ✿◈★，性能会立刻崩掉◈ღ✿◈★。

　　这就像打乒乓球◈ღ✿◈★，比赛规则（任务理解）全人类都一样◈ღ✿◈★，但邓亚萍和王励勤的身体条件不一样◈ღ✿◈★，最后形成的打法也完全不同◈ღ✿◈★。如果你试图用一个通用的 VLA 大模型◈ღ✿◈★，把“任务规划”和“硬件执行”耦合在一起硬练◈ღ✿◈★，结果就是需要极其巨大的数据量疯狂新婚夜◈ღ✿◈★，而且稍微换个硬件◈ღ✿◈★，模型就立刻失效◈ღ✿◈★。

　　所以我们得出一个答案◈ღ✿◈★：必须把这两层拆开◈ღ✿◈★。任务层偏知识◈ღ✿◈★，可以“自上而下”学习◈ღ✿◈★；但执行层必须适应自己的硬件本体◈ღ✿◈★，这就要求它必须拥有“本能”◈ღ✿◈★，去“自下而上”地长出能力◈ღ✿◈★。

　　以前大家有一个认知偏差◈ღ✿◈★，觉得操作是由视觉激发的◈ღ✿◈★。但研究发现◈ღ✿◈★，如果把人的触觉反馈完全屏蔽掉◈ღ✿◈★，视觉的映射就会出错◈ღ✿◈★，操作会一塌糊涂◈ღ✿◈★。这表明◈ღ✿◈★，操作的最底层一定是由“触觉刺激”来驱动动作的◈ღ✿◈★。这就是我们需要赋予机器人的东西◈ღ✿◈★。一套底层的本能反应机制◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：既然它是一套底层反应机制◈ღ✿◈★，那“本能”在执行层里具体是什么？是一组写好的代码规则◈ღ✿◈★，还是某种可以涌现行为的底层机制？

　　姜峣◈ღ✿◈★：本能既不是规则◈ღ✿◈★，也不是传统意义上的数据学习◈ღ✿◈★。如果完全依赖数据训练◈ღ✿◈★，那它就不可能是“先天”的◈ღ✿◈★；但如果理解成固定规则◈ღ✿◈★，它又解释不了真实世界里那种极其丰富的操作行为◈ღ✿◈★。

　　本能更像是一种“规律”◈ღ✿◈★，而不是具体动作本身◈ღ✿◈★。就像牛顿的万有引力◈ღ✿◈★，引力本身并不直接规定“星体轨迹是什么样的”◈ღ✿◈★，它只提供底层约束◈ღ✿◈★。但只要规律存在◈ღ✿◈★，行为就会自然涌现◈ღ✿◈★。我们理解的“本能”接近这种东西◈ღ✿◈★。

　　举个例子◈ღ✿◈★，人为什么能稳定抓住水杯？用传统规则系统做◈ღ✿◈★，要建非常复杂的物理模型去算抓取力◈ღ✿◈★；用纯数据驱动◈ღ✿◈★，需要海量不同材质◈ღ✿◈★、重量的数据去覆盖◈ღ✿◈★。但人不是这么工作的◈ღ✿◈★。人类手里存在一种非常底层的“滑移调控（slip regulation）”机制◈ღ✿◈★。当物体出现滑落趋势时◈ღ✿◈★，手会自动增加抓力◈ღ✿◈★；压力过大又会自动放松◈ღ✿◈★。人并不实时计算抓取力◈ღ✿◈★，但这个本能会让抓取自然稳定下来◈ღ✿◈★。

　　我们在机器人的端侧模型里做了类似机制◈ღ✿◈★。比如机器人第一次抓气球◈ღ✿◈★，它从来没见过气球◈ღ✿◈★，也没有训练数据◈ღ✿◈★，但它依然能慢慢调整力度◈ღ✿◈★，不把气球捏爆◈ღ✿◈★，也不让它滑走◈ღ✿◈★。因为它依赖的不是“气球”这个类别数据◈ღ✿◈★，而是更底层的接触规律◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：听上去◈ღ✿◈★，“本能”好像更像是一种完成任务的倾向◈ღ✿◈★。它并不是规定动作本身◈ღ✿◈★，而是让系统朝某个方向自然收敛？

　　姜峣◈ღ✿◈★：对◈ღ✿◈★，我觉得这个解释其实特别到位◈ღ✿◈★，我们后来内部也经常会这么理解◈ღ✿◈★。本能更像是一种“势能场”或者“趋势场”◈ღ✿◈★。它不是告诉你具体该怎么做◈ღ✿◈★，而是无论你从什么状态出发◈ღ✿◈★，最后都会被引导到某种目标倾向上◈ღ✿◈★。它并不描述行为本身◈ღ✿◈★，而是在底层驱动行为往那个方向发展◈ღ✿◈★。

　　就像刚才说的抓取◈ღ✿◈★，你不需要提前规定每根手指到底该怎么运动◈ღ✿◈★，只要有这个“本能势能场”存在◈ღ✿◈★，系统就会在交互中自然朝“稳定抓住物体”这个方向去收敛◈ღ✿◈★。只要底层的本能规律成立◈ღ✿◈★，复杂的行为自然就会长出来◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：基于这几年的研究◈ღ✿◈★，你们推出了自己的端侧自主决策模型◈ღ✿◈★。它的核心似乎不是让机器人学习大量具体动作◈ღ✿◈★，而是建立一套“本能系统”◈ღ✿◈★。能不能具体介绍一下这个模型？在你们看来◈ღ✿◈★，机器人可以拥有哪些类型的本能？

　　姜峣◈ღ✿◈★：我们的模型 Natus 是一个完全嵌在末端执行器（比如灵巧手）里的底层模型◈ღ✿◈★。选择放在端侧◈ღ✿◈★，是因为它需要毫秒级的极速响应◈ღ✿◈★，而且必须与硬件本体做到最佳适配◈ღ✿◈★。

　　Natus 的核心◈ღ✿◈★，就是依靠本能反射去构建“触觉感知”与“肌肉动作”之间的直接映射◈ღ✿◈★。我们从大量行为观察里提炼◈ღ✿◈★，觉得核心本能只有三类◈ღ✿◈★。

　　第一类叫“定向本能”◈ღ✿◈★。特别像人类最基础的注意力机制◈ღ✿◈★。你拿一支笔在小孩面前移动◈ღ✿◈★，他的眼睛和头会自然跟着转德扑之星官网◈ღ✿◈★。往杯子里倒水时◈ღ✿◈★，视线会一直跟着水流走◈ღ✿◈★。这个过程不需要思考◈ღ✿◈★，是天然的目标锁定◈ღ✿◈★。机器人在操作之前◈ღ✿◈★，首先要明确“我要作用于谁”◈ღ✿◈★。

　　第二类叫“探索本能”◈ღ✿◈★。定向之后真正接触到物体了◈ღ✿◈★，但还不知道怎么完成任务◈ღ✿◈★，所以会开始试探◈ღ✿◈★。比如人在黑暗里摸东西◈ღ✿◈★，会沿着物体表面不断滑动◈ღ✿◈★；装配时一边接触◈ღ✿◈★、一边微调角度◈ღ✿◈★。探索的本质◈ღ✿◈★，是让系统逐渐找到“可执行条件”◈ღ✿◈★。

　　第三类是“执行本能”◈ღ✿◈★。抓握时的滑移调控◈ღ✿◈★、装配时的力控制疯狂新婚夜◈ღ✿◈★、插接时的稳定推进◈ღ✿◈★，都属于执行阶段◈ღ✿◈★。它负责把任务完成◈ღ✿◈★。

　　在橡木果的测试中◈ღ✿◈★，团队发现◈ღ✿◈★，机器人面对从未见过的各种不规则形态的物体◈ღ✿◈★，会沿其表面自主探索◈ღ✿◈★，实时调整抓取策略◈ღ✿◈★，直到建立稳定的接触构型后成功抓起◈ღ✿◈★。

　　在交互本能的测试中◈ღ✿◈★，机器人未经过任何数据预训练◈ღ✿◈★。在抓取易碎的豆腐◈ღ✿◈★、水量不断变化的塑料杯◈ღ✿◈★、受外界动态扰动的极薄铁皮卷◈ღ✿◈★，抓取力都能够实时调整◈ღ✿◈★，确保抓取稳定且可靠◈ღ✿◈★。

　　在装配从未见过的线缆插头◈ღ✿◈★，即使存在较大的初始偏差◈ღ✿◈★，机器人会自主调整推进动作◈ღ✿◈★，直至鲁棒地完成接插任务◈ღ✿◈★。

　　这种基于本能的端侧模型◈ღ✿◈★，最大的特点就是“0数据冷启动”◈ღ✿◈★。它不需要提前见过这个物体◈ღ✿◈★，就能适应不同工况◈ღ✿◈★，一上来就会操作◈ღ✿◈★。比如有一次让我们感到震惊的是◈ღ✿◈★，机械手面对一张很薄的身份证时◈ღ✿◈★，因为结构自由度有限◈ღ✿◈★，我们原本以为它无法抓取◈ღ✿◈★。但后来它自己摸索出了一种完全出乎意料的方法◈ღ✿◈★：先把卡片一端顶起来◈ღ✿◈★，再顺势完成抓取◈ღ✿◈★。那个行为不是我们写进去的◈ღ✿◈★，也不是训练出来的◈ღ✿◈★，而是本能机制驱动下自然涌现的行为◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：但系统还需要具备进化能力◈ღ✿◈★，比如能不能越做越熟练◈ღ✿◈★，甚至举一反三？这部分你们是怎么规划的？

　　姜峣◈ღ✿◈★：这是我们整个技术架构里最核心的壁垒◈ღ✿◈★，也就是从“本能”走向“技能”◈ღ✿◈★。Natus 赋予了机器人自主探索的能力◈ღ✿◈★。在这个过程中◈ღ✿◈★，它会不断调整动作◈ღ✿◈★，形成自己的“肌肉记忆”◈ღ✿◈★，从而在单一任务上实现越做越熟练◈ღ✿◈★。但更重要的是◈ღ✿◈★，这种探索会产生大量的真实交互数据◈ღ✿◈★。

　　现在行业里主流的视觉方案有一个问题◈ღ✿◈★：视觉只能看◈ღ✿◈★，没有资格给操作结果“打标”◈ღ✿◈★，它不知道到底抓紧没有◈ღ✿◈★、发力对不对◈ღ✿◈★。而我们的“本能系统”因为有了触觉◈ღ✿◈★，可以对这些探索行为数据进行完美的“自打标”◈ღ✿◈★，给视觉数据加上极强的触觉语义增强◈ღ✿◈★。

　　有了这些源源不断的高质量增强数据◈ღ✿◈★，我们就有了训练通用操作技能模型的基础◈ღ✿◈★。一旦技能模型训练出来◈ღ✿◈★，机器人就不再摸索着完成任务了◈ღ✿◈★，而是具备了跨本体◈ღ✿◈★、跨任务的泛化能力◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：回到开始你们对于“智能分层”的判断◈ღ✿◈★，如果操作执行层交给“本能”疯狂新婚夜◈ღ✿◈★，那你们需要的任务规划模型是什么样的？你们为什么强调要把任务智能和执行智能分开？

　　姜峣◈ღ✿◈★：在我们看来◈ღ✿◈★，任务规划的职责并不是生成具体动作◈ღ✿◈★，而是理解目标◈ღ✿◈★、意图和约束疯狂新婚夜◈ღ✿◈★。比如递一杯水◈ღ✿◈★，真正重要的是知道杯子要送到哪里◈ღ✿◈★、过程中不能洒出来◈ღ✿◈★，而不是计算每个关节该怎么运动◈ღ✿◈★。

　　所以在我们的体系里◈ღ✿◈★，任务层输出的是目标状态◈ღ✿◈★、关键视觉信息和任务约束◈ღ✿◈★；至于怎么抓◈ღ✿◈★、怎么发力◈ღ✿◈★、怎么根据接触情况实时调整◈ღ✿◈★，则由底层执行系统完成德扑之星官网◈ღ✿◈★。我们一直在尝试把任务智能和执行智能解耦◈ღ✿◈★。因为任务理解和动作执行本来就是两类不同的问题◈ღ✿◈★。

　　而且我觉得上层任务模型非常重要◈ღ✿◈★，它的难度可能被很多人低估了◈ღ✿◈★。现在很多机器人系统的问题在于◈ღ✿◈★，它们虽然学会了动作◈ღ✿◈★，但并不真正理解任务◈ღ✿◈★。你会看到一些机器人一直在移动物体◈ღ✿◈★，却不知道什么叫“整理好桌面”◈ღ✿◈★。它能模仿行为◈ღ✿◈★，却不一定理解行为背后的意图◈ღ✿◈★。

　　模型需要同时处理目标理解◈ღ✿◈★、环境感知和实时控制◈ღ✿◈★，负担会越来越重◈ღ✿◈★。所以我们的思路是◈ღ✿◈★，高层负责理解任务◈ღ✿◈★，底层负责完成操作德扑之星官网◈ღ✿◈★，两者通过抽象的语义信息交互◈ღ✿◈★。这样不仅更容易适配不同机器人本体◈ღ✿◈★，也更符合操作智能本身的规律◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：但如果上层的模型一直没有真正突破◈ღ✿◈★，你们下面这一层即使做得很好◈ღ✿◈★，整体能力会不会受限？

　　姜峣◈ღ✿◈★：这是一个特别好的问题◈ღ✿◈★。具身智能本质上是闭环◈ღ✿◈★，如果只解决底层的操作问题◈ღ✿◈★，最终一定会被上层环节限制◈ღ✿◈★。

　　但这里有一个关键因素◈ღ✿◈★：场景◈ღ✿◈★。如果一开始就做家庭机器人◈ღ✿◈★，上层任务理解确实会成为巨大瓶颈◈ღ✿◈★。家庭环境太复杂了◈ღ✿◈★，一句帮我整理桌子背后包含大量常识和判断◈ღ✿◈★。

　　但在很多 To B 场景里不一样◈ღ✿◈★。工业环境天然更结构化◈ღ✿◈★，流程◈ღ✿◈★、目标和工位都是明确的◈ღ✿◈★。企业真正缺的◈ღ✿◈★，往往不是理解能力◈ღ✿◈★，而是稳定◈ღ✿◈★、灵活的操作能力德扑之星官网◈ღ✿◈★。尤其在快消◈ღ✿◈★、3C 和柔性制造领域◈ღ✿◈★，包装规格变了◈ღ✿◈★、摆放位置变了◈ღ✿◈★、材质变了◈ღ✿◈★，传统自动化就需要重新调试◈ღ✿◈★。而这种变化恰恰是我们最关注的问题◈ღ✿◈★。我们的核心能力就是让机器人具备适应和探索能力◈ღ✿◈★，在变化中持续完成任务◈ღ✿◈★。

　　所以我们的思路是◈ღ✿◈★，先把执行层跑起来DPT◈ღ✿◈★，◈ღ✿◈★，先解决工业场景里那些真实存在◈ღ✿◈★、但一直没被很好解决的操作问题◈ღ✿◈★。这方面我们已经和一些头部厂家进行了长期的合作验证◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：你们觉得 VLA 路线不是一条“完全正确”的道路◈ღ✿◈★，那你们和 VLA 路线做过直接对比吗？

　　姜峣◈ღ✿◈★：我们做过比较直接的对比◈ღ✿◈★。比如装配任务◈ღ✿◈★，我们用典型 VLA 或模仿学习那套逻辑◈ღ✿◈★，在仿真环境里大概训练了十万次◈ღ✿◈★，然后迁移到真实环境◈ღ✿◈★。

　　在工况变化不大的情况下◈ღ✿◈★，它表现并不差◈ღ✿◈★，甚至在某些固定场景里效率可能比我们本能驱动的方案高一点◈ღ✿◈★。这个我觉得是客观结果◈ღ✿◈★，因为它毕竟已经被大量数据训练过了◈ღ✿◈★。

　　但问题在于泛化能力非常脆弱◈ღ✿◈★。我们后来只是稍微改了一下条件◈ღ✿◈★，例如把孔径变小一点◈ღ✿◈★、换一批零件或者改变一点装配误差◈ღ✿◈★，整个系统马上就不稳定了◈ღ✿◈★。有时候需要重新训练◈ღ✿◈★，有时候甚至直接卡死◈ღ✿◈★。

　　这特别能说明一个问题◈ღ✿◈★：如果操作执行完全依赖数据学习◈ღ✿◈★，它的覆盖范围会变得极其庞大◈ღ✿◈★。操作里的可能性太多了◈ღ✿◈★，几乎不可能把所有情况提前采满◈ღ✿◈★。而且这里有一个重要区别◈ღ✿◈★：我们是冷启动◈ღ✿◈★。在对方已经训练了十万次的情况下◈ღ✿◈★，我们一开始没有任何数据积累◈ღ✿◈★，但系统依然能通过探索把任务完成◈ღ✿◈★。

　　姜峣◈ღ✿◈★：最重要的原因还是大语言模型过去几年取得了巨大成功◈ღ✿◈★。VLA 延续的是整个 AI 行业最熟悉的逻辑◈ღ✿◈★：更多数据◈ღ✿◈★、更大模型◈ღ✿◈★、更强算力◈ღ✿◈★。这个范式已经被验证过一次◈ღ✿◈★，大家自然希望复制到机器人领域◈ღ✿◈★，但忽略了 AI 和 Embodied AI 之间差了一个硬件会带来巨大的差别◈ღ✿◈★。

　　但还是这个观点◈ღ✿◈★，语言智能和操作智能可能是两类不同的问题◈ღ✿◈★。语言处理的是符号◈ღ✿◈★，操作面对的是连续的物理世界◈ღ✿◈★。操作不仅涉及视觉◈ღ✿◈★，还涉及接触◈ღ✿◈★、力反馈◈ღ✿◈★、环境变化和实时控制◈ღ✿◈★。很多问题未必能通过单纯增加数据和算力解决◈ღ✿◈★。

　　当然◈ღ✿◈★，这不意味着数据没有价值◈ღ✿◈★，我们始终认为数据是极为重要的◈ღ✿◈★。只是从实践来看◈ღ✿◈★，机器人可能需要一套更符合操作本质的架构◈ღ✿◈★：先建立基本的操作能力疯狂新婚夜◈ღ✿◈★，再通过真实世界里的持续交互◈ღ✿◈★，在交互中获取大量真实数据持续学习◈ღ✿◈★，把经验逐步沉淀成技能◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：听说你们之前只用了两个月◈ღ✿◈★，就在一家化妆品工厂做出了 POC（Proof of Concept◈ღ✿◈★，概念验证）◈ღ✿◈★。能展开讲讲吗？

　　姜峣◈ღ✿◈★：是的◈ღ✿◈★，真正开发的时间只有一个多月◈ღ✿◈★。当时我们有一个很明确的想法◈ღ✿◈★：必须尽快把实验室里的能力放到真实场景里验证◈ღ✿◈★。

　　一开始也看过一些传统自动化场景◈ღ✿◈★，但发现不太适合◈ღ✿◈★。很多标准化产线已经被优化得非常成熟◈ღ✿◈★，替代空间有限◈ღ✿◈★。后来发现柔性制造才是真正需要我们的地方◈ღ✿◈★。化妆品行业是典型例子◈ღ✿◈★。产品规格◈ღ✿◈★、包装形式◈ღ✿◈★、摆放状态经常变化◈ღ✿◈★，传统自动化一旦变化就需要重新调试◈ღ✿◈★。

　　那家客户之前接触过不少自动化团队和具身智能公司◈ღ✿◈★，效果都不理想◈ღ✿◈★。后来找到我们◈ღ✿◈★，是因为他们意识到问题的核心不在大脑◈ღ✿◈★，而在执行层◈ღ✿◈★。项目推进得非常快◈ღ✿◈★：过年签约◈ღ✿◈★，三月份开始实施◈ღ✿◈★，四月份完成 POC 验证◈ღ✿◈★，目前已经进入产品化阶段并获得订单◈ღ✿◈★。

　　对我们来说◈ღ✿◈★，重要的事不是做一个演示效果很好的机器人◈ღ✿◈★，而是让产品真正进入工厂持续运行◈ღ✿◈★。因为每一次真实操作都在产生数据◈ღ✿◈★，每一次数据积累都在提升系统能力◈ღ✿◈★。这才是我们最看重的飞轮◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：其实今年具身智能整个行业都特别热◈ღ✿◈★，但舆论和投资热度之间是有反差的◈ღ✿◈★。很多人会觉得还没有在具身智能上看到和热度相称的结果◈ღ✿◈★。你对自己的技术路线有信心吗？它是否有机会带来下一阶段的突破？

　　因为过去几年◈ღ✿◈★，行业里出现了很多演示效果很惊艳的机器人视频◈ღ✿◈★，但大家也逐渐意识到◈ღ✿◈★，视频不等于真实能力◈ღ✿◈★。真正进入工厂之后◈ღ✿◈★，客户关心的问题其实很简单◈ღ✿◈★：你到底能不能稳定地把活干完◈ღ✿◈★。

　　不过从另一个角度看◈ღ✿◈★，这些展示也完成了一部分市场教育◈ღ✿◈★。越来越多企业开始接受这样一个事实◈ღ✿◈★：机器人未来不仅仅是固定程序执行工具◈ღ✿◈★，它应该具备适应变化和自主操作的能力◈ღ✿◈★。所以现在行业正在从“看视频”走向“看交付”◈ღ✿◈★。而我们一直相信◈ღ✿◈★，通用操作智能不会一夜之间出现◈ღ✿◈★。它一定是从一个个具体能力开始◈ღ✿◈★，逐步积累起来的◈ღ✿◈★。

　　因此我们的策略一直很明确◈ღ✿◈★：不追求一开始解决所有问题◈ღ✿◈★，而是先把一个能力◈ღ✿◈★，比如最为基础的抓取能力◈ღ✿◈★，做到接近甚至超越人类的能力◈ღ✿◈★，再做到真正可用◈ღ✿◈★、可靠◈ღ✿◈★，实现商业价值◈ღ✿◈★。因为对于客户来说◈ღ✿◈★，决定是否采购的关键从来不是机器人能不能偶尔完成一次精彩演示◈ღ✿◈★，而是能不能长期稳定运行◈ღ✿◈★，并且比人工更有性价比◈ღ✿◈★。

　　很多技术路线还在不断变化◈ღ✿◈★，但我们更希望把一个真实能力持续做深疯狂新婚夜◈ღ✿◈★、做透◈ღ✿◈★。只要有一个技能能够接近人的水平◈ღ✿◈★，并且成本和部署效率优于人工◈ღ✿◈★，它就足以创造巨大的价值◈ღ✿◈★。

　　姜峣◈ღ✿◈★：我觉得最大的瓶颈◈ღ✿◈★，其实是行业到现在还没有出现一条真正被验证◈ღ✿◈★、能够持续往前推进的技术路径◈ღ✿◈★。现在很多方向大家都讲过◈ღ✿◈★，也都能讲出很宏大的故事◈ღ✿◈★，但问题在于◈ღ✿◈★，你最后到底能不能真正拿出一个稳定工作的东西◈ღ✿◈★。因为行业走到今天帐篷篷房◈ღ✿◈★，◈ღ✿◈★，大家已经不像前几年那样◈ღ✿◈★，只要看个 Demo 视频就会兴奋了◈ღ✿◈★。

　　姜峣◈ღ✿◈★：对◈ღ✿◈★，行业现在已经开始从“讲故事”重新回到“商业应用”本身了◈ღ✿◈★。过去三年◈ღ✿◈★，其实很多公司都拿了非常多融资◈ღ✿◈★，但真正实现大规模商业闭环的案例并不多◈ღ✿◈★。所以我觉得现在最关键的问题已经不是“愿景够不够大”◈ღ✿◈★，而是你到底怎么兑现这些期待◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：你们在三月才刚刚完成了近亿元的种子轮融资◈ღ✿◈★。对于一家成立近 8 年的公司◈ღ✿◈★，这个节奏似乎有些不算快◈ღ✿◈★。背后的原因是什么？投资人又是怎么看待你们这条路线的？

　　姜峣◈ღ✿◈★：其实去年六七月份之前◈ღ✿◈★，我一直非常抗拒融资◈ღ✿◈★。这可能跟我的学术背景有关疯狂新婚夜◈ღ✿◈★，会对资本市场有距离感◈ღ✿◈★。很长一段时间里◈ღ✿◈★，我们更想靠产品和应用自己慢慢往前走◈ღ✿◈★。

　　但我现在认为◈ღ✿◈★，这个行业不是一个可以慢慢悠悠做起来的行业◈ღ✿◈★。别人如果能一年投一个亿◈ღ✿◈★、十个亿去推进◈ღ✿◈★，你到底跟不跟？情怀归情怀◈ღ✿◈★，但如果真想把事做成◈ღ✿◈★，就必须融入产业◈ღ✿◈★。

　　所以从去年开始◈ღ✿◈★，我们才真正开始系统融资◈ღ✿◈★。第一轮融资的时候◈ღ✿◈★，我们其实还没有正式讲“本能驱动”这套逻辑◈ღ✿◈★，当时更多是在讲触觉◈ღ✿◈★、传感器和操作能力◈ღ✿◈★。那一轮拿到了行业里触觉方向最大的一笔融资之一◈ღ✿◈★。但这一轮不一样德扑之星官网◈ღ✿◈★。我们开始正式对外讲“本能驱动”◈ღ✿◈★，不是为了融资◈ღ✿◈★，而是因为我觉得时间点到了◈ღ✿◈★。

　　去年整个行业对 VLA 和大模型路线的热情还非常高◈ღ✿◈★，你现在突然跳出来说“操作智能和语言智能可能是两种不同的问题”◈ღ✿◈★，其实没人愿意听◈ღ✿◈★。但今年开始◈ღ✿◈★，越来越多人发现◈ღ✿◈★，无论是世界模型还是 VLA◈ღ✿◈★，都还没有真正解决操作里的核心问题◈ღ✿◈★。所以我觉得◈ღ✿◈★，现在是重新讨论底层逻辑的时候◈ღ✿◈★。

　　投资人的反应其实也很有意思◈ღ✿◈★。有些人一下子就能理解◈ღ✿◈★；有些人听懂了◈ღ✿◈★，但不太敢接受◈ღ✿◈★；还有一些人其实已经隐约意识到问题◈ღ✿◈★，只是之前重仓了数据驱动路线◈ღ✿◈★，很难彻底转过来◈ღ✿◈★。

　　我们真正想表达的◈ღ✿◈★，其实不是融资本身◈ღ✿◈★，而是这条技术路径◈ღ✿◈★。因为从 2017 年到今天◈ღ✿◈★，我们越来越确信一件事◈ღ✿◈★：操作智能和语言智能可能本来就是两种不同的问题◈ღ✿◈★，语言可以自上而下◈ღ✿◈★，但操作执行一定要自下而上◈ღ✿◈★。最终这条路对不对◈ღ✿◈★，还是要靠产品和结果来证明◈ღ✿◈★。

　　DeepTech◈ღ✿◈★：你们核心技术团队九个人◈ღ✿◈★，实验室过去每年只招一个人◈ღ✿◈★。你们筛选人的标准是什么？

　　姜峣◈ღ✿◈★：这是我们公司一个非常特殊的地方◈ღ✿◈★。从 2016 年开始◈ღ✿◈★，这批人就一直在一起◈ღ✿◈★。现在团队成员基本都是 95 后到 00 后◈ღ✿◈★，每个人只差一岁◈ღ✿◈★。

　　这些人全部来自我们实验室的博士体系◈ღ✿◈★。筛选一直非常严格◈ღ✿◈★，通常我会在学生大二时就开始接触◈ღ✿◈★，每年十几个学生进入实验室做科研训练◈ღ✿◈★。我们非常看重理论能力◈ღ✿◈★，很多学生本科阶段就已经发表过论文◈ღ✿◈★。

　　但能力不是最关键的◈ღ✿◈★。更重要的是◈ღ✿◈★，我会花很长时间跟他们聊◈ღ✿◈★，看他们到底想做什么◈ღ✿◈★。因为我们做的是周期非常长的事情◈ღ✿◈★，很多问题可能十年才会真正看到成果◈ღ✿◈★。最后留下来的人◈ღ✿◈★，往往都经历了至少一年以上的观察和磨合◈ღ✿◈★。而且实验室有一个特殊机制◈ღ✿◈★：新成员进组时◈ღ✿◈★，原来的博士生必须全部认可◈ღ✿◈★。因为大家未来是要长期背靠背作战的◈ღ✿◈★。

　　现在这九个人◈ღ✿◈★，每个人都能独立负责一个方向◈ღ✿◈★：触觉◈ღ✿◈★、驱动控制◈ღ✿◈★、结构硬件◈ღ✿◈★、算法和技能模型◈ღ✿◈★。大家一起共事做过很多研究和项目◈ღ✿◈★，磨合得非常深◈ღ✿◈★。真正重要的不是招到了九个人◈ღ✿◈★，而是这九个人之间已经建立了长期共同工作的信任感◈ღ✿◈★。这种东西很难复制◈ღ✿◈★。

　　姜峣◈ღ✿◈★：这个名字其实和我们的技术理念很像◈ღ✿◈★。你看过《冰河世纪》吗？里面有只一直追着橡果跑的小松鼠◈ღ✿◈★。当时给公司起名时◈ღ✿◈★，大家讨论过很多听起来更“科技”的名字◈ღ✿◈★，但最后还是选了橡木果◈ღ✿◈★。因为我们一直觉得◈ღ✿◈★，很多重要的变化◈ღ✿◈★，往往是从一个很小的◈ღ✿◈★、不起眼的东西开始的◈ღ✿◈★。

　　无论是触觉◈ღ✿◈★、本能◈ღ✿◈★，还是操作能力◈ღ✿◈★，它们在今天看来可能都不是行业里最显眼◈ღ✿◈★、最热门的方向◈ღ✿◈★。但我们相信◈ღ✿◈★，恰恰是这些基础能力◈ღ✿◈★，最终会决定机器人能不能真正进入现实世界◈ღ✿◈★。所以橡木果这个名字特别符合我们的想法◈ღ✿◈★：它既是一颗种子◈ღ✿◈★，也是一粒果实◈ღ✿◈★，和我们“本能驱动”的路线一脉相承◈ღ✿◈★。而这颗种子的力量◈ღ✿◈★：看似微小◈ღ✿◈★，却能撼动全局◈ღ✿◈★。

　　当然◈ღ✿◈★，也有人第一次听到会觉得像家具公司（笑）◈ღ✿◈★。但我一直觉得◈ღ✿◈★，名字本身没有那么重要◈ღ✿◈★，重要的是你最后把它变成什么◈ღ✿◈★。就像“Apple”刚出现的时候◈ღ✿◈★，大家可能也不觉得它和科技有什么关系◈ღ✿◈★。