7.1
深览指数
科技量子位··AI 生成
刚刚，逐际动力放出一段Demo，Figure：睡不着啊
逐际动力发布了一段全尺寸人形机器人Oli全自主完成长程家务的演示视频，与Figure的同类演示形成对标。文章的核心非共识判断是：机器人大脑不应是单一强大模型，而应是一个包含认知、技能、运控多模块协同的「操作系统」（Embodied Agentic OS）。文章详细拆解了其LimX COSA 0.5的三层架构（S2认知、S1技能、S0运控），并指出这种系统化路线与行业主流的「唯模型论」形成了根本分野。适合对具身智能技术路线、人形机器人行业竞争格局有基础了解的读者深读。原文 ↗
核心观点
- ▍机器人大脑不应是单一强大模型，而应是一个由认知、技能、运控多模块协同配合的「操作系统」（Embodied Agentic OS），「模型只是一个一个的技能，系统才是大脑」。
- ▍行业目前的「唯模型规模论」（通过更大的VLM/VLA端到端模型暴力破解物理世界复杂性）可能走偏了，系统化路线（软硬一体、分层协同）是更务实的选择。
- 01逐际动力展示了全尺寸人形机器人Oli以31个自由度，在3分钟一镜到底视频中，连续完成提衣、扔衣入篓、收纳玩偶、搬箱、深弯腰拾物等长程任务，全程无人工远程介入，是中国首个完整实录。
- 02文章将逐际动力Oli的演示与Figure的厨房/房间/客厅整理Demo对标，认为在任务连续性、自主决策深度、技能调用及全身运控上已处于同一水准线。
- 03LimX COSA 0.5采用S2-S1-S0三层架构：S2（认知层，1Hz）负责理解、记忆与宏观决策；S1（技能层，50Hz）是可复用的技能集合，每个技能独立训练；S0（运控层，1000Hz）基于自研LimX WBT全身运动基础模型，负责维持平衡与精确执行。
- 04LimX WBT全身运动基础模型在多项关键指标上与行业最先进的SONIC模型对比占优：平均关节角误差1.5°（vs SONIC 3.3°），基座朝向jerk（平滑度）90.3（vs SONIC 113.0）。
- 05逐际动力在训练中引入了真机强化学习迭代机制，当任务失败时由专家遥操接管进行微调纠正，并将纠正数据喂给奖励模型，实现「越用越聪明」。
反方 / 局限
- — 文章虽批评「唯模型论」，但承认Figure提出的System 1/System 2双系统框架以及Skild AI的「全能体」基础模型路线（模型即大脑）在业界仍具影响力。
- — 文章指出逐际动力的COSA 0.5仅是「0.5版本」，暗示系统化路线从落地开始就需与物理世界不断对话、反复校准，远未成熟。
逐际动力OliLimX COSAFigureFlexionSkild AISONIC张巍具身智能体系统Embodied Agentic OSLimX WBTHumanoid FluxVLA EngineValley
14 分钟 · 3 卡片 · 8 资料
读原文 →