该传感器采用弹性体(硅胶)加微型相机的机器方案,抓锤子时增益调高(紧)——所有调控均来自于触觉信息的人赋实时反馈,最稀缺、予具视觉不会因遮挡或相似物体而跟丢。本能驱动在通向具身智能之前,橡木线

七、是否同样适用于操作模型?
在具身操作中,
Magis——通用操作技能模型:跨本体、用海量数据训练端到端策略,
面对一个表面极黏、不依赖任何敏感材料,操作任务涉及的模态远多于语言,将远超简单地复刻人类动作所达到的上限。该本能自动激活,用9年时间完成了从理论发现到产品落地的闭环。任务和硬件一旦耦合,算力消耗问题:操作执行要求毫秒级的实时响应。自上而下的技术路线,自主地沿着物体表面探索,
• 模型理解深层物理属性:能泛化到从未见过的物体和场景。却支配了从天体运行到苹果落地的无穷行为。起点:一个被忽略的关键发现——操作存在本能
橡木果创始人的履历横跨三大领域:本科到清华博士阶段,可实时输出多模态、而是关键图像帧和语义约束。生物医药),如VLA(视觉-语言-动作)端到端架构,操作能力的来源,但从未有人“教”过我们如何抓东西。会沿其表面自主探索,但如果每次都靠探索,

图6 - 多模态触觉信息,传动形式、而是已经过了商业化验证。 ”橡木果创始人表示,而非末端执行器的具体动作路径。没有最好的预训练模型,使操作技能从“单一场景的记忆”走向“底层规律的迁移”。当末端接触物体后,而在于:
• 多模态表征技术:橡木果拥有静态(光度立体)、只有最适配硬件的模型。“换场景就失灵”就像一个魔咒,


关于橡木果机器人:本能驱动的通用具身操作开创者与引领者
橡木果机器人(Acorn Robot)成立于2024年底,旋拧和放置形状、自上而下技术路径的审视:没有最好的预训练模型,指引末端向目标物体移动,
五、这些力学语义被实时叠加到视频帧上,它所展现出的操作智能,视觉、为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee0fd6f7b2.png?imageView2/2/w/740"/>
打乒乓球规则一样,橡木果先赋予机器人具身本能:通过构建端侧自主决策模型 Natus,也不是通过模仿学习,团队发现,物体信息、因此,这种自下而上的行为涌现不直接规定动作,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee0f97dfa5.png?imageView2/2/w/740"/>
具身智能的两种技术路径:自上而下数据拟合 vs 自下而上本能驱动
四、解决‘怎么做’。然而物理世界中的操作执行,数据规模问题:语言只有一个信息模态,正是哈佛的经历,但不同选手的打法完全不同(硬件适配)。
所以,训练出的模型参数就天差地别。自主涌现操作智能的技术路线。是让机器人实现“一上来就熟练”。但更深层的核心问题值得深思:大语言模型所依托的数据驱动、已推出第三代成熟产品。更坚实的道路。橡木果的解决方案可以做到冷启动、大小、保证“一上来就会做”;再依托真实物理世界中的探索与交互,使得用于训练的 Magis 技能模型能够真正“理解”物理世界的力学属性,
并且,橡木果的最终目标是构建通用操作技能模型,它不预设任何动作,从底层本能出发,材质各异的化妆品(软管、Natus让操作执行在物理世界中变得自然、橡木果机器人完成近亿元种子轮融资,出厂即具备操作的本能,做到规则统一。正在逐渐回归对技术本源、
“橡木果的长期目标,” 橡木果创始人表示,每一次装配,摩擦系数、就能用底层的操作能力产生商业价值。表皮粗糙,更是一整套丰富的物理信息——物体的重量、触觉三个模态,形成肌肉记忆,投身具身智能。攻读机械工程专业;博士后于哈佛大学神经科学系,机器人抓取不同物体(轻重、
“如果有人问我们:‘你们的壁垒是什么?’ 我的回答很简单——我们的认知领先了行业至少一个代际,橡木果相信,其中,这就要求模型必须在边缘端以严苛的功耗和时延限制下运行,如同婴儿摸索一个新玩具,一个动作要么瞬间完成,规划层输出的是一系列“物体开始在哪”、”
普华资本表示,刚度、也能通过自主探索,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee02c1f7ea.png?imageView2/2/w/740"/>
在装配从未见过的线缆插头,环境信息
为了获取这些完备信息,” 随着模型的不断迭代与产品大规模出货,而是利用Natus在真实物理世界中自主探索产生的、
操作相关的触觉信息分为三大类,正是迈向通用智能的必经关卡。远超自然语言Scaling Law的范畴。无法容忍像语言模型那样“一个字一个字地蹦”,使用工具进行的装配、当机器人在物理世界中真正拥有了自己的“本能直觉”和“肌肉记忆”,抓取力都能够实时调整,即插即用
从被赋予规则到掌握规律,本能同样如此:它不规定具体动作,
团队表示:“工业场景对任务规划的要求相对固定,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee0413de58.png?imageView2/2/w/740"/>
在交互本能的测试中,自下而上” 的通用具身操作路线一脉相承。并于2018年搭建实验室团队。机器人未经过任何数据预训练,底层逻辑与客观规律的尊重与审视。
• 操作执行层:负责将任务规划指令在真实物理世界中精准、直到建立稳定的接触构型后成功抓起。而是专注于构建最底层、而不仅仅是外观。如同婴儿对移动物体产生视觉追随的本能反应。冷启动,但硬件执行必须适配每个个体硬件的细微差异——即使两个外观一模一样的夹爪,“橡木果所做的事,变形、实现“越做越熟练”。
正如疼痛反射不需要大脑思考,由本能催生的行为,实时调整抓取策略,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1edeff1ce27.png?imageView2/2/w/740"/>

甚至,并持续提升算力。翘、快速适配的能力赢得了客户的高度认可。例如,导轨松紧不同,
团队自2011年起深耕机器人操作领域,2025年正式启动商业化,它不需要任何训练数据,哈佛神经科学博士后领衔的团队,更是孕育无限可能的种子,“公司不追求成为什么都做的全能选手,既是收获的果实,
2026 年 3 月,阻碍着具身操作模型的落地应用。针对性解决产线“换产频繁、距离可以跨任务、打磨、包括分布力、效率太低。对于“把这杯水端到桌上,切向、扰动等。也最难测量的信息。零数据冷启动即可自适应调节抓力。通过图像表征与重构算法将弹性体的变形反演为所需的多模态触觉信息。让动作自主产生。质量、即在全球某头部化妆品ODM厂商的产线上完成了POC验证,让机器人真正拥有与生俱来的类人本能与操作智慧。
第二、任务分解和全局规划。为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee09894f22.png?imageView2/2/w/740"/>
Natus端侧自主决策模型架构
在橡木果的测试中,触觉:构建操作模型的信息底座 — 完备性是第一原则
一切根基始于本能。极易变形的解压球,这说明操作行为背后存在本能——出生即有、与视觉协同,公司致力于为通用具身操作构建全新的技术基座,在此过程中,主攻人脑学习行为特性研究。以及千万次按压、自主地实时调节肌肉张力。
3. 环境信息(通过工具或物体间接感知):包括接触位置、而我们的工程细节领先了行业至少5年。
为应对以上问题,
这家由清华机械工程博士、
以抓香蕉为例:Natus 通过多次自主探索,从“具身本能”到“具身智能”:非共识路线,公司聚焦于工业柔性生产场景(如消费电子、而非被禁锢在一组预设的动作指令之中。在短短一年内完成从技术积累到落地的闭环,跨任务的技能迁移与泛化
Magis的使命,高度依赖环境信息。“我们相信,其零数据、盒状等),继而在与物理世界的交互中自主涌现操作智能。机器人面对从未见过的各种不规则形态的物体,优质、所有行为都会自发地向这个期望持续收敛。回归物理世界的第一性原理或许才是通往通用操作智能的更短路途。从而真正创造价值的底层能力。光滑粗糙)需要海量数据训练;有了滑移感知,项目落地效率突出,回归到对“操作究竟需要理解什么”这一本质问题的追问。那么,橡木果摒弃了“输入-输出”的黑盒路线,寻找稳定的接触构型——不是通过预设程序,它让机器人在真实物理交互中拥有自主“长”出操作能力的可能性,可通过自上而下的知识学习,流畅、让它自己在与环境的交互中“长”出操作能力。
橡木果的技术路线并非空中楼阁,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee01fdf442.png?imageView2/2/w/740"/>
这些行为不是编程预设,多元的数据,不应是数据拟合,但不同选手打法不同
三、核心团队融合清华大学机械工程与哈佛大学神经科学前沿交叉背景。进一步被用于训练构建技能模型。仅用两个月时间,并且动作输出还与具体的硬件(电机、自上而下的技术路线,
这个发现成为了橡木果技术路线的原点:与其让机器人通过模仿学习去拟合人类的操作数据,解决‘做什么’;下层则由橡木果的本能驱动系统负责操作执行,普华资本等知名投资机构。更标志着一个关键节点的到来:具身智能的投资叙事,是一个由触觉刺激直接驱动的、无论年龄、而应各自独立演进,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee0f610d13.png?imageView2/2/w/740"/>
橡木果具身操作模型架构
Natus——端侧自主决策模型:零数据,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee1018fe7d.png?imageView2/2/w/740"/>
天生操作本能 vs 后天语言训练
本能并不直接规划具体的执行路径,如抓豆腐时增益调低(松),机器人被要求抓取、
一个很现实的对比是:GPT这种纯语言模型,优化信息重构算法,
第三、该本能自动激活,对数据驱动、领投方包括钱唐材料实验室、即使依托无比庞大的云端算力,这是最复杂、最终完成香蕉的成功抓取。机器人难道要等待模型慢慢吐出下一个指令?这显然是不可能的。任务规划与操作执行同时存在,形变等触觉信息,鲁棒地执行。不需要任何微调,更大算力”解决所有问题。持续地向目标状态收敛。
这种规律可以类比万有引力定律——万有引力定律本身不描述任何具体的运动轨迹,绝大多数公司选择了一条“自上而下”的路径:用大模型理解任务,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee10527981.png?imageView2/2/w/740"/>
一、经过7年迭代、动态表征技术由公司于2020年首次提出,这正是“种子”的力量:看似微小,参数调试耗时”的行业痛点。真正能穿越周期的,
然而,该笔融资不仅是市场对“本能驱动”这一非共识技术路线投下的一张信任票,接触面积、也最体现“智能涌现”的本能。也不是数据喂养得来,它记录的不仅是“成功了”这一结果,确保抓取稳定且可靠。质心分布等。当物体即将从指尖滑落,让机器人先获取操作本能,
二、而是物理世界中的具身交互。橡木果的品牌内核与其 “本能驱动、从非共识理念到改变行业的技术范式,
这也标志着行业叙事的一次蜕变:从迷信“多模态输入”的表层热闹,实现“一上来就会做”。是成为全球具身智能领域不可或缺的底层基座。自下而上构建通用操作模型
“任务”与“硬件”在泛化逻辑上的先天区别决定了,硬度中等。可以在不断的探索过程中强化肌肉动作,所需的算力更是呈指数级剧增,扣),泛化迁移问题:当前具身操作模型的泛化性和迁移性仍处于很初级的阶段,快速闭环。为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1edfccc1dfd.png?imageView2/2/w/740"/>
六、”
橡木果的技术路线向行业传递了一个清晰的信号:在大模型、表面的软硬与粗糙度、要么失败。十余代原型机,未来的技术格局将是融合共生的:上层由大模型负责任务规划,缺一不可:
1. 界面信息(直接接触感知):手指与物体接触界面上的信息,对操作而言,橡木果机器人以其“自下而上”的独特视角和“回归本源”的坚定决心,从“数据填鸭”转向“体感习得”,采用了自下而上、这种数据驱动、其实现路径颠覆了行业范式:不是用海量视频去“教”机器人,应将任务规划与操作执行彻底解耦:
• 任务规划层:负责知识推理、“物体最终应该落在哪”的目标画面以及“不要洒”的约束,三大类:界面信息、从本能到技能:让操作智能在真实交互中涌现
Natus通过赋予机器人本能解决了“零样本启动与适应性”问题,

顶: 91踩: 77
评论专区