00后投身具身智能創(chuàng)業(yè)，劍指機(jī)器人界「Model 3」！已推出21個(gè)自由度靈巧手

十三 2025-06-22 13:02:12 來源：量子位

衡宇 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

每只手21個(gè)自由度，支持16主動(dòng)自由度，具備高精度操作能力。

在夾持、旋轉(zhuǎn)、精準(zhǔn)插拔等精細(xì)操作上，能力遠(yuǎn)超市面常見的6自由度抓取器。

這就是具身智能創(chuàng)業(yè)公司靈初智能最新推出的自研靈巧手。

要知道，人類的一只手是27個(gè)自由度，而特斯拉最新一代Optimus Gen-3靈巧手也只有22個(gè)自由度。

21個(gè)自由度，意味著機(jī)械結(jié)構(gòu)復(fù)雜，硬件制造上難度極高，還需要保證穩(wěn)定性和可量產(chǎn)性，造價(jià)下探很有難度，“市面上很多團(tuán)隊(duì)，光靈巧手就要幾十萬一只?！?/p>

而靈初智能創(chuàng)始人兼CEO王啟斌告訴量子位，靈初的目標(biāo)，是將一臺(tái)機(jī)器人整機(jī)的價(jià)格——

打到17000美元（約122083元）級(jí)別，對(duì)標(biāo)特斯拉“Model 3定價(jià)策略”。

由于視雙足為炫技，在整機(jī)設(shè)計(jì)上，靈初的人形機(jī)器人打造成“輪式+雙手”的形象，長下面這樣：

從Day One開始拋棄夾爪

先來說此次新推出靈巧手背后的故事。

靈初智能的目標(biāo)是打造通用靈巧操作的機(jī)器人系統(tǒng)，強(qiáng)調(diào)的是從動(dòng)作層面解決復(fù)雜任務(wù)。

在創(chuàng)始團(tuán)隊(duì)看來，“通用”和“復(fù)雜”，意味著機(jī)器人只配備夾爪來抓取遠(yuǎn)遠(yuǎn)不夠——

抓取只是一種簡單的單一技能，但現(xiàn)實(shí)中的任務(wù)，如使用工具、精密裝配、翻頁、掃碼、旋轉(zhuǎn)，必須具備更高自由度與靈巧度。

耶魯大學(xué)等在2013年的《Grasp Frequency and Usage in Daily Household and Machine Shop（抓取頻率及其在家庭與機(jī)械車間的應(yīng)用）》一文中總結(jié)了家庭和車間環(huán)境下人類手部的高頻抓取動(dòng)作，共10種。

很多看似簡單的操作，比如轉(zhuǎn)筆、精準(zhǔn)插拔、翻書、調(diào)方向，都需要高自由度手部與觸覺反饋才能完成。

考慮到落地，工業(yè)場景中很多手中操作（如轉(zhuǎn)動(dòng)螺絲刀）和精密操作（如電池抓取與攝像頭校準(zhǔn)）場景交給低自由度的靈巧手尚且無法完成，更別提夾爪了。

因此從Day One開始，靈初就決定不做夾爪。

之所以選擇自研，是因?yàn)殪`初團(tuán)隊(duì)覺得市面上的靈巧手產(chǎn)品都不好用。

而靈初身上頗有做靈巧手的技術(shù)基因。

公司首席科學(xué)家楊耀東，北京大學(xué)人工智能研究院助理教授、強(qiáng)化學(xué)習(xí)領(lǐng)域的知名學(xué)者。

2022年時(shí)，他帶領(lǐng)華人團(tuán)隊(duì)獲得NeurIPS 2022具身靈巧操作冠軍；那時(shí)候，楊耀東就開始和團(tuán)隊(duì)在仿真環(huán)境中用強(qiáng)化學(xué)習(xí)訓(xùn)練靈巧手完成復(fù)雜操作。

彼時(shí)團(tuán)隊(duì)中的一名00后陳源培，現(xiàn)在成了靈初的聯(lián)合創(chuàng)始人。

他師從李飛飛和Karen Liu（領(lǐng)導(dǎo)斯坦福機(jī)器人中心運(yùn)動(dòng)實(shí)驗(yàn)室），曾在全球全球范圍內(nèi)首次實(shí)現(xiàn)利用強(qiáng)化學(xué)習(xí)在真實(shí)世界同時(shí)控制雙臂、雙手多技能操作。

在機(jī)器人領(lǐng)域搞強(qiáng)化學(xué)習(xí)冷啟動(dòng)訓(xùn)練

從上面二人的經(jīng)歷中不難抽取出除「靈巧手」外的另一關(guān)鍵詞：

強(qiáng)化學(xué)習(xí)。

這個(gè)詞對(duì)大家來說并不陌生——近幾年，它在語言模型后訓(xùn)練階段立下豐功偉績。然而陳源培介紹，在機(jī)器人抓取任務(wù)領(lǐng)域，強(qiáng)化學(xué)習(xí)還是一個(gè)難度較高的小眾領(lǐng)域，有相關(guān)經(jīng)驗(yàn)的人并不多。

他例舉了做這件事的部分困難之處：兩個(gè)挑戰(zhàn) + 一個(gè)關(guān)鍵矛盾。

第一，自由度越高，訓(xùn)練難度越大。

現(xiàn)在經(jīng)常出街的機(jī)器狗基本上全身是12個(gè)自由度，其訓(xùn)練尚且不易。

靈初智能想做具身智能人形機(jī)器人，現(xiàn)階段光是一只手就21個(gè)自由度，對(duì)算法訓(xùn)練的要求不言而喻——能做出來和能用起來，中間還是有巨大的gap。

第二，具身智能在真實(shí)世界里需要完成的任務(wù)，更多是“開放場景長程復(fù)雜任務(wù)”，單就“長程”這一點(diǎn)來說，非常容易有誤差累積。

比如完成一個(gè)任務(wù)需要十個(gè)步驟，如果第二步有1cm的偏差，最后的操作結(jié)果就可能差出十萬八千里來。

剩下的那一個(gè)關(guān)鍵矛盾在于強(qiáng)化學(xué)習(xí)模型常專用于一個(gè)場景，遷移難，跨任務(wù)泛化能力差。

靈初是怎么解決這些問題的？

在去年成立之初，靈初就提出分層端到端快慢腦架構(gòu)技術(shù)路線。

快腦S1專注操作，靈巧操作涵蓋多種形式，其操作經(jīng)過tokenize后，作為S2慢腦（專注推理規(guī)劃）的輸入，和語言、視覺模態(tài)融合，基于Causal VLM自回歸架構(gòu)，實(shí)現(xiàn)多模態(tài)融合的推理和任務(wù)規(guī)劃。

更直接的理解是，快腦是小腦層，控制手部完成精細(xì)動(dòng)作，通過預(yù)訓(xùn)練仿真環(huán)境與真機(jī)數(shù)據(jù)回傳優(yōu)化動(dòng)作序列；慢腦是大腦層，基于視覺感知（多攝像頭采集牌面、手勢），通過語言模型決策出牌策略，處理開放環(huán)境中的規(guī)則變化。

快慢腦通過Action Tokenizer隱式連接，構(gòu)建了支持「動(dòng)作感知-環(huán)境反饋-動(dòng)態(tài)決策」全閉環(huán)的VLA模型，端到端訓(xùn)練，協(xié)同完成長程任務(wù)的靈巧操作。

而靈初推出的分層端到端VLA+強(qiáng)化學(xué)習(xí)算法模型Psi-R1，會(huì)結(jié)合歷史動(dòng)作與當(dāng)前環(huán)境狀態(tài)，理解動(dòng)作的長期影響，避免重復(fù)試錯(cuò)和動(dòng)作誤差積累，建立動(dòng)作與環(huán)境變化的因果鏈。

這就是靈初解決傳統(tǒng)VLM決策短視的辦法。

走一條“Model 3式的產(chǎn)業(yè)破局之路”

但王啟斌和陳源培提到，做“靈巧手”或“大小腦算法”，都不能概括靈初的全部。

靈初自研的靈巧手不會(huì)單賣，“今天做一個(gè)靈巧手去賣，沒意義?！?/p>

王啟斌表示，靈初的打法是將軟硬件深度耦合，系統(tǒng)層面定義體驗(yàn)。所有硬件都為算法、模型服務(wù)，強(qiáng)調(diào)系統(tǒng)閉環(huán)與數(shù)據(jù)鏈條完整性。

你得有整機(jī)+動(dòng)作系統(tǒng)+數(shù)據(jù)+任務(wù)交付，才叫產(chǎn)品。

根據(jù)這套公式，靈初目前手里的牌是這樣的——

• 整機(jī)：標(biāo)志性紫色的輪足雙手人形機(jī)器人；
• 動(dòng)作系統(tǒng)：已迭代至Psi-R1，重視強(qiáng)化學(xué)習(xí)技術(shù)，持續(xù)推進(jìn)中；
• 數(shù)據(jù)：從靈初接觸單個(gè)場景中逐步獲取并積累；
• 任務(wù)交付：目前ToB為主，3C制造和倉儲(chǔ)物流兩方重點(diǎn)發(fā)力，驗(yàn)證技術(shù)后再逐步向家庭場景延伸。

這么一套軟硬件協(xié)同的人形機(jī)器人產(chǎn)品，靈初給出的（理想）價(jià)格是17000美金，約12萬人民幣。

值得注意的是，特斯拉Model 3的平均整車成本也在1.7萬美元上下。

這不是偶然，而是靈初的特意計(jì)算和設(shè)計(jì)過的。

這個(gè)數(shù)字背后是走一條“Model 3式的產(chǎn)業(yè)破局之路”。

Model 3是特斯拉首款面向大眾市場的車型，相比之前的Model S和Model X大幅降低，使特斯拉產(chǎn)品進(jìn)入了普通消費(fèi)者可接受的價(jià)格區(qū)間。

把價(jià)格打下來、體驗(yàn)做好，出貨量就出現(xiàn)明顯拉升。截至今年，Model 3累計(jì)銷量已經(jīng)超過一百萬輛。

與此同時(shí)，特斯拉「硬件+FSD+數(shù)據(jù)」生態(tài)一體化，構(gòu)建了自己的獨(dú)特護(hù)城河。

與之對(duì)應(yīng)，當(dāng)具身智能玩家擁有可靠的、穩(wěn)定的、量產(chǎn)級(jí)硬件平臺(tái)，一體化的軟件體驗(yàn)與數(shù)據(jù)回傳機(jī)制，一個(gè)可以定義任務(wù)閉環(huán)的主導(dǎo)型平臺(tái)，還能單一場景ROI，那么就像特斯拉推出了Model 3一般，產(chǎn)業(yè)就能從試驗(yàn)轉(zhuǎn)向規(guī)模。

靈初現(xiàn)在做的，正是為機(jī)器人世界里的“Model 3”一步步打基礎(chǔ)。

王啟斌表示，具身智能需等到硬件成本降至10萬元人民幣級(jí)（預(yù)計(jì)2030年），且單場景出貨量突破百萬臺(tái)，才能觸發(fā)生態(tài)爆發(fā)。

一旦這一點(diǎn)打通了，產(chǎn)業(yè)拐點(diǎn)就來了。

就像Model 3之于智能電車行業(yè)，靈初也在押注：

不是第一個(gè)造出人形機(jī)器人的團(tuán)隊(duì)，但可能是第一個(gè)把機(jī)器人真正變成“可商用工具”的團(tuán)隊(duì)。