一个机器人拿到宜家家具说明书，自己读懂装配步骤，然后协调双臂完成穿孔、旋转、插接——当人为拆掉已装好的部件，它还能自动恢复，接续完成。这不是科幻电影，而是RoboScience机器科学6月24日在深圳发布会上展示的真实场景。
家具拼装被业内视为具身智能领域的"登月级"任务——手内操作、双臂协同、毫米级插接、精细力控、物体重排，几乎囊括了机器人操作的全部技术难点。能完成这件事，意味着机器人"干活"的能力已经突破了实验室的边界。
这场发布会上，RoboScience首次完整披露了其自研通用具身大模型Visics的技术架构VLOA（Vision-Language-Object-Action），以及支撑模型运转的数据体系与商业化路线图。从现场展示来看，这家成立仅一年半的公司，在具身智能最核心的操作泛化问题上，选了一条跟主流VLA路线截然不同的路。
不学手怎么动，学物体怎么变
当前具身智能行业最热门的路线是VLA（Vision-Language-Action），核心思路是让机器人通过模仿学习，直接学会执行器的关节动作。但这条路有个绕不开的坎：换一个机器人、换一只灵巧手，之前学的全部作废，得从头再来。
RoboScience的解法是"以物体为中心"。CEO田野在现场打了个比方：同样是把控制器拿到椅子上，谁来完成不重要——人拿可以，夹爪拿可以，五指灵巧手拿也可以。模型只关注一件事：被操作物体在三维空间中的运动轨迹。
这就是Visics的核心创新——Object Trajectory（物体3D点云轨迹）。它被设计为具身智能的"token"，类似于大语言模型中的文本token、自动驾驶中的像素。模型不关心机器人怎么动，只关心物体的位置、形变如何变化。这一套表征方式天然跨越了三个维度的多样性：任意机器人本体、任意物体属性（刚性/柔性/铰链体）、任意任务类型。
基于这个"token"，Visics构建了VLOA双引擎架构。上层是具身世界模型，负责"在脑子里预演"——接收视觉和语言指令后，想象出物体在未来应该怎样运动；下层是通用操作模型，负责把预演的轨迹转化成真实的接触力控制和关节指令。两者通过Object Trajectory这一中间接口无缝衔接，实现了认知与执行的彻底解耦。
"Object这个词本身有'物体'和'目标'两种意思，所以它精确地描述了机器人本体跟物体要发生什么样的交互、要完成什么样的物体运动状态的变化。"田野在发布会上解释道。
一个月产万条数据？不够，要千万小时
具身智能行业有一个公开的秘密：数据瓶颈。
真机采集方案月产能只有万条级别，单条成本几块钱，而且采出来的数据跟硬件强绑定、难以复用。面对大模型级别的数据需求——千万小时甚至亿万小时级别的预训练数据——这条路被RoboScience联合创始人兼执行总裁汪涛直白地称为"5到10年后才能跑通"。
RoboScience的选择是"以算力换时间"。公司自研了高精度物理仿真引擎RoboMirage，从最底层的求解器做起，解决了仿真到现实迁移的核心难题——穿模、物理失真。在此基础上构建了"仿真+视频"双数据飞轮：
具身世界模型用海量互联网视频数据训练，通过全自动标注管线，目前已积累数百万小时以物体为中心的操作数据，目标2026年构建上千万小时级数据集；通用操作模型则用仿真数据训练，已积累数百亿次操作轨迹——单条数据成本降至传统方案的1/20到1/200。
说白了，别人靠人采数据，一条几块钱，一个月万条；RoboScience靠GPU生成，一条几分钱，产能没有上限。这是一个量级的碾压，也是Visics能够实现"跨本体、跨物体、跨任务"泛化的底层燃料。
不绑硬件卖大脑，零售物流打头阵
在商业化路径上，RoboScience做了一个有意思的选择：不把自己的大脑绑死在自家硬件上。
由于VLOA架构的训练源头就跟硬件解耦，Visics可以灵活适配不同构型的机器人。汪涛透露，公司目前有三层交付方式：纯软件License上云、端侧控制器出货、以及自研标准本体。目前已适配了市场上主流的灵巧手厂商，并已产生收入。
场景选择上，RoboScience优先切入零售、电商物流——这些场景天然面临海量SKU和多品类拣选补货需求，对物体维度泛化能力要求极高，却也最适配Visics的核心能力。在真实场景中干活产生的数据，反过来又能持续反哺模型进化。
"我们选择从物体维度切入，而不是直接进工业场景跟自动化方案竞争。"汪涛表示。中短期目标是在此基础上扩展任务维度和机器人维度的泛化边界，推动自研硬件本体量产，推出具身智能操作系统与开发平台。长期目标则是进入家庭场景——当然，那得等成本和技术都准备好。
资本端，公司成立一年多已完成七轮融资，投资方包括京东集团、商汤科技、达晨财智、招商局创投等头部机构。团队来自斯坦福、中科大、新加坡国立大学以及苹果、字节、腾讯、大疆等，首席科学家邵林团队连续两年获得机器人顶会ICRA最佳论文奖/提名。
在田野的设想中，未来不是一个机器人代替人的故事，而是"每一个普通人，包括一个小孩，都能跟机器人一起协作，把脑海里的想法变成真正的东西。机器人不是人类的替代者，而是人类文明的增幅器。"
机器人学看说明书拼家具，RoboScience发布通用具身大模型Visics
这家成立仅一年半的公司，在具身智能最核心的操作泛化问题上，选了一条跟主流VLA路线截然不同的路。
一个机器人拿到宜家家具说明书，自己读懂装配步骤，然后协调双臂完成穿孔、旋转、插接——当人为拆掉已装好的部件，它还能自动恢复，接续完成。这不是科幻电影，而是RoboScience机器科学6月24日在深圳发布会上展示的真实场景。
家具拼装被业内视为具身智能领域的"登月级"任务——手内操作、双臂协同、毫米级插接、精细力控、物体重排，几乎囊括了机器人操作的全部技术难点。能完成这件事，意味着机器人"干活"的能力已经突破了实验室的边界。
这场发布会上，RoboScience首次完整披露了其自研通用具身大模型Visics的技术架构VLOA（Vision-Language-Object-Action），以及支撑模型运转的数据体系与商业化路线图。从现场展示来看，这家成立仅一年半的公司，在具身智能最核心的操作泛化问题上，选了一条跟主流VLA路线截然不同的路。
不学手怎么动，学物体怎么变
当前具身智能行业最热门的路线是VLA（Vision-Language-Action），核心思路是让机器人通过模仿学习，直接学会执行器的关节动作。但这条路有个绕不开的坎：换一个机器人、换一只灵巧手，之前学的全部作废，得从头再来。
RoboScience的解法是"以物体为中心"。CEO田野在现场打了个比方：同样是把控制器拿到椅子上，谁来完成不重要——人拿可以，夹爪拿可以，五指灵巧手拿也可以。模型只关注一件事：被操作物体在三维空间中的运动轨迹。
这就是Visics的核心创新——Object Trajectory（物体3D点云轨迹）。它被设计为具身智能的"token"，类似于大语言模型中的文本token、自动驾驶中的像素。模型不关心机器人怎么动，只关心物体的位置、形变如何变化。这一套表征方式天然跨越了三个维度的多样性：任意机器人本体、任意物体属性（刚性/柔性/铰链体）、任意任务类型。
基于这个"token"，Visics构建了VLOA双引擎架构。上层是具身世界模型，负责"在脑子里预演"——接收视觉和语言指令后，想象出物体在未来应该怎样运动；下层是通用操作模型，负责把预演的轨迹转化成真实的接触力控制和关节指令。两者通过Object Trajectory这一中间接口无缝衔接，实现了认知与执行的彻底解耦。
"Object这个词本身有'物体'和'目标'两种意思，所以它精确地描述了机器人本体跟物体要发生什么样的交互、要完成什么样的物体运动状态的变化。"田野在发布会上解释道。
一个月产万条数据？不够，要千万小时
具身智能行业有一个公开的秘密：数据瓶颈。
真机采集方案月产能只有万条级别，单条成本几块钱，而且采出来的数据跟硬件强绑定、难以复用。面对大模型级别的数据需求——千万小时甚至亿万小时级别的预训练数据——这条路被RoboScience联合创始人兼执行总裁汪涛直白地称为"5到10年后才能跑通"。
RoboScience的选择是"以算力换时间"。公司自研了高精度物理仿真引擎RoboMirage，从最底层的求解器做起，解决了仿真到现实迁移的核心难题——穿模、物理失真。在此基础上构建了"仿真+视频"双数据飞轮：
具身世界模型用海量互联网视频数据训练，通过全自动标注管线，目前已积累数百万小时以物体为中心的操作数据，目标2026年构建上千万小时级数据集；通用操作模型则用仿真数据训练，已积累数百亿次操作轨迹——单条数据成本降至传统方案的1/20到1/200。
说白了，别人靠人采数据，一条几块钱，一个月万条；RoboScience靠GPU生成，一条几分钱，产能没有上限。这是一个量级的碾压，也是Visics能够实现"跨本体、跨物体、跨任务"泛化的底层燃料。
不绑硬件卖大脑，零售物流打头阵
在商业化路径上，RoboScience做了一个有意思的选择：不把自己的大脑绑死在自家硬件上。
由于VLOA架构的训练源头就跟硬件解耦，Visics可以灵活适配不同构型的机器人。汪涛透露，公司目前有三层交付方式：纯软件License上云、端侧控制器出货、以及自研标准本体。目前已适配了市场上主流的灵巧手厂商，并已产生收入。
场景选择上，RoboScience优先切入零售、电商物流——这些场景天然面临海量SKU和多品类拣选补货需求，对物体维度泛化能力要求极高，却也最适配Visics的核心能力。在真实场景中干活产生的数据，反过来又能持续反哺模型进化。
"我们选择从物体维度切入，而不是直接进工业场景跟自动化方案竞争。"汪涛表示。中短期目标是在此基础上扩展任务维度和机器人维度的泛化边界，推动自研硬件本体量产，推出具身智能操作系统与开发平台。长期目标则是进入家庭场景——当然，那得等成本和技术都准备好。
资本端，公司成立一年多已完成七轮融资，投资方包括京东集团、商汤科技、达晨财智、招商局创投等头部机构。团队来自斯坦福、中科大、新加坡国立大学以及苹果、字节、腾讯、大疆等，首席科学家邵林团队连续两年获得机器人顶会ICRA最佳论文奖/提名。
在田野的设想中，未来不是一个机器人代替人的故事，而是"每一个普通人，包括一个小孩，都能跟机器人一起协作，把脑海里的想法变成真正的东西。机器人不是人类的替代者，而是人类文明的增幅器。"
0
第一时间获取股权投资行业新鲜资讯和深度商业分析，请在微信公众账号中搜索投中网，或用手机扫描左侧二维码，即可获得投中网每日精华内容推送。
发表评论
全部评论