經(jīng)典機器人設計通常依賴機器人專家和機械工程師的經(jīng)驗進行正向設計，并針對空間可達性、結(jié)構(gòu)強度、重量分布、重復精度等特性進行有選擇性的優(yōu)化。這個過程非常依賴設計師的經(jīng)驗，并且迭代周期較長，需要開發(fā)出數(shù)個版本的實體硬件進行測試、迭代，導致研發(fā)成本較高。而且在應用場景及任務更加復雜時，經(jīng)典設計的本體及末端執(zhí)行器構(gòu)型等在機器人任務執(zhí)行成功率、執(zhí)行效率、硬件成本等方面不能達到最優(yōu)。

依賴AI技術(shù)，尤其是基于Sim2Real具身智能引擎，跨維智能開始嘗試是否能夠比經(jīng)典方法更高效地探索廣泛的設計空間，最大化強度同時最小化材料使用的創(chuàng)新結(jié)構(gòu)，能夠像AlphoGo之于人類經(jīng)典棋譜一樣，突破思維定式，實現(xiàn)機器人本體的更優(yōu)的設計。

在“AI定義本體”的機器人研發(fā)發(fā)展趨勢下，跨維在這方面進行了首次嘗試。近日，跨維智能首款AI定義的具身智能機器人W1即將全球發(fā)布。該機器人由跨維智能從電機開始全棧自研，包含基于AI的機械結(jié)構(gòu)設計優(yōu)化、控制系統(tǒng)開發(fā)、感知系統(tǒng)搭建以及具身智能大模型等各個模塊，機器人本體在技術(shù)協(xié)同性、整體穩(wěn)定性等方面更具優(yōu)勢，能更好、更精準、更快速地展現(xiàn)具身智能大腦的能力，賦予大腦一個“指哪打哪”的軀體，展現(xiàn)出更強勁的性能表現(xiàn)。

▍具身智能機器人最高效演化與訓練場

技術(shù)實現(xiàn)上，具身智能機器人W1首先得益于跨維自研DexVerse?引擎，這是全球少有的空間與具身智能模型訓練引擎，具備“三維數(shù)字資產(chǎn)生成-物理仿真-數(shù)據(jù)合成與標注計算-模型訓練-模型驗證”全鏈條自動化能力，是空間智能、具身智能、生成式AI的核心底座。

機器人想要實現(xiàn)靈巧操作，預先訓練具身智能模型是一條捷徑。DexVerse?引擎作為人形機器人及不同形態(tài)具身智能機器人的最佳設計與演化場，能以落地場景和靈巧操作技能為目標，通過設計強化學習獎懲函數(shù)，以可微仿真的方式優(yōu)化機器人構(gòu)型、運動學、動力學等參數(shù)，實現(xiàn)針對作業(yè)場景及技能的最佳機器人形態(tài)。

基于Sim2Real具身智能引擎，W1具身智能機器人就在本體設計上輕松實現(xiàn)了包含機器人任務執(zhí)行目標、機器人構(gòu)型及運動學和動力學參數(shù)空間、可微物理仿真引擎等幾個關(guān)鍵模塊。通過強化學習等方式，跨維智能還針對目標場景和機器人任務技能，在參數(shù)空間中進行離散加局部連續(xù)優(yōu)化的方式，實現(xiàn)本體的更優(yōu)設計；而且這種方式也能實現(xiàn)針對末端執(zhí)行器以及機器人外觀形態(tài)等方面的更優(yōu)設計。

在機器人優(yōu)化方式上，基于Sim2Real具身智能引擎也可以采用模塊化設計加樹狀搜索的方式，降低學習成本，提升優(yōu)化效率。這種方式能夠在Sim2Real具身智能訓練場中，跟機器人技能訓練統(tǒng)一目標，在一個框架體系下完成，實現(xiàn)本體設計與任務技能學習的統(tǒng)一。

目前，跨維基于DexVerse?引擎，形成了包括具身智能感知套件、RoPilot新一代機器人控制器、移動操作式復合機器人等一系列軟硬件產(chǎn)品，以AnyPick, AnyPlace, AnyInsert, AnySort, AnyScrew等通用技能，賦能智能制造、商業(yè)服務、家庭助理等業(yè)務板塊。

▍“大腦+小腦+感知”擦出最閃亮“本體”火花

具身智能機器人要想大批量落地，大腦、小腦和感知缺一不可。

在一個完整的具身智能機器人中，往往需要“大腦”負責智能規(guī)劃與決策、自然認知與人機交互、多模態(tài)感知與精確定位；“小腦”負責高精度自適應運動控制與身體感知與反饋；傳感器作為機器人“感知”物理世界的窗口，才能更好實現(xiàn)任務執(zhí)行和落地。

跨維智能憑借強力的研發(fā)團隊，在具身智能機器人W1就做到了“大腦+小腦+感知”的融合，最完整大小腦團隊在W1機器人這個整體上迸發(fā)出創(chuàng)新的火花。

• 港中文（深圳）賈奎教授帶隊組成“最強大腦”

“大腦”是具身智能機器人的核心，由“認知-感知-規(guī)劃-控制”的具身智能分層模型中的前三個模塊組成。針對一個機器人靈巧操作任務，首先機器人“認知”模塊需要基于專用于具身任務的大語言模型/多模態(tài)大模型，（在認知層面）理解任務目標并拆解成機器人能夠執(zhí)行的基礎技能與原動作。隨后“感知”模塊負責在三維物理世界中進行目標物識別、定位、姿態(tài)估計、操作點/姿態(tài)估計等；“規(guī)劃”模塊則在空間感知的基礎上，規(guī)劃出機器人用以完成目標任務的動作軌跡。

“認知-感知-規(guī)劃”作為一個有機的整體形成“大腦”，算法方式上既可以通過分層模型實現(xiàn)，在足量高質(zhì)量數(shù)據(jù)下也可以端到端實現(xiàn)。

跨維擁有全球頂尖的“大腦”研發(fā)團隊，由具身智能、多模態(tài)大模型、3D生成式AI 、強化學習等方向權(quán)威專家組成。其中帶頭人賈奎教授是跨維智能創(chuàng)始人，香港中文大學（深圳）教授，全球Top2%頂尖科學家，廣東省“珠江人才計劃”創(chuàng)新創(chuàng)業(yè)團隊帶頭人，人工智能、具身智能、計算機視覺、機器學習等領域權(quán)威專家，發(fā)表頂級論文百余篇，獲CVPR19最佳論文候選，ICDP最佳論文獎，廣東省自然科學一等獎。

賈奎教授首創(chuàng)Fantasia3D, Grasp Proposal Networks, PCANet, DehazeNet等深度模型，曾研發(fā)出業(yè)界領先的深度三維物體檢測與姿態(tài)估計算法、深度三維物體表面重建算法、深度遷移與域適應學習算法，帶領團隊多次獲得物體抓取與姿態(tài)估計等領域權(quán)威競賽冠軍；擔任TIP, TMLR等頂刊副主編，ICCV/ICML/NeurIPS等AI頂會領域主席。目前帶隊跨維智能組成了具身智能機器人W1的“最強大腦”。

• 機器人專家、原三星首席工程師金毅博士帶隊“最靈小腦”

除了大腦，具身智能機器人還需要對周邊環(huán)境和本體狀態(tài)有全面的感知，并能夠根據(jù)反饋信息及時調(diào)整運動。由于周邊環(huán)境及任務的復雜性，具身智能機器人的運動需要高度的魯棒性、協(xié)調(diào)性和精確性。在這個過程中，機器人“小腦”就負責環(huán)境與本體的感知和自適應運動控制，能夠?qū)h(huán)境及本體的各種傳感器信息和本體的狀態(tài)信息作為“小腦”的輸入，預測即將發(fā)生的狀況，并計算出當下機器人應該做出的反應?！靶∧X”隨即調(diào)整運動控制策略并控制機器人的各個關(guān)節(jié)做出合適的應對。

機器人領域資深專家、前三星電子首席工程師金毅博士作為CTO帶領跨維研發(fā)團隊，進一步加強跨維在機器人本體控制的協(xié)調(diào)性和靈活性，為跨維具身智能大腦在各個場景落地提供支撐。

金毅博士本科畢業(yè)于浙江大學，博士畢業(yè)于韓國科學技術(shù)院（KAIST），主要研究方向為機器人控制、運動規(guī)劃及機器人本體設計。后于三星電子生產(chǎn)技術(shù)研究所擔任首席工程師，帶領百人團隊，主導了多款機械臂、移動機器人和復合機器人的研發(fā)及量產(chǎn)，攻克了一系列世界級難題，在工業(yè)及服務機器人領域擁有二十年的豐富的研發(fā)、量產(chǎn)及管理經(jīng)驗。目前支撐起了跨維智能W1的“最靈小腦”打造。

• 傳感器專家吳迪帶隊研發(fā)“慧雙眼”

傳感器是機器人感知物理世界的窗口，也是機器人邁向智能化的基礎。在機器人在智能化發(fā)展過程中，不斷對感知、交互、運動和控制等多個模塊提出更高要求，而傳感器在這些模塊中發(fā)揮著重要作用。

而視覺傳感器是機器人的“雙眼”，擁有視覺能使機器人更敏銳地獲取外界環(huán)境信息。為了讓機器人的感知能力接近人類的水平，關(guān)鍵在于充分發(fā)揮傳感器的感知潛力。跨維智能自研的全系列空間與具身智能傳感器，尤其是純視覺雙目結(jié)構(gòu)的Kingfisher系列，能有效適配各類工作環(huán)境，無論是室外強光、高反光物品、透明/黑色物品等，均能獲取到精確的空間位置信息，交由機器人“大腦”進行與環(huán)境的交互。

這背后是資深傳感器專家吳迪帶隊研發(fā)的“最慧雙眼”。吳迪曾任騰訊高級算法工程師，研發(fā)機器人及視覺產(chǎn)品；作為華為高級算法工程師負責華為首款雙攝手機三維重建算法，并曾在霍尼韋爾等世界500強企業(yè)擔任高級工程師職位，具備豐富的視覺傳感器產(chǎn)品、三維重建算法等領域的實戰(zhàn)經(jīng)驗，獲授權(quán)發(fā)明專利16件。

▍結(jié)語與未來

具身智能機器人的落地應用，是從研發(fā)到工程落地的系統(tǒng)性問題，從底層運動控制，到上層AI技術(shù)，到相互協(xié)調(diào)配合，都非常具有挑戰(zhàn)性，也是賈奎教授、金毅博士、吳迪等一直在探索的事業(yè)。

目前，跨維智能擁有全球頂尖的大腦團隊，在具身智能引擎、具身智能大模型上取得的成就有目共睹，結(jié)合小腦控制、本體研發(fā)、傳感器研發(fā)等方面的專長，尤其是基于“AI定義本體”的新理念，跨維通過自研的DexVerse?引擎，正以最高效、最低成本的方式打通具身智能機器人全鏈路，加快跨維具身智能機器人的整體研發(fā)與落地進程，并穩(wěn)步邁向Physical AGI的實現(xiàn)。

基于Sim2Real具身智能引擎推出W1具身智能機器人是跨維探索和落地Physical AGI的又一步。