逐际动力发布了一段最新演示让Figure难以入眠

昨日，逐际动力成功完成2亿美元Pre-IPO轮融资后，并未急于举办庆功宴，而是直接发布了一段全尺寸人形机器人Oli执行家务的实况视频。画面中，Oli能够从衣架取衣、精准将脏衣服投入脏衣篓、整理散落的玩偶、搬运箱子并深弯腰捡拾地面物品，整个动作链条流畅自如，一气呵成。

这段三分多钟的视频采用一镜到底拍摄，既无后台遥控干预，也无分段剪辑拼接。这并非精心编排的演示片段，而是中国首台能在真实家庭环境中全自主、不间断完成整套家务流程的全尺寸人形机器人。

Oli全程依赖视觉与环境感知系统，能够自如站立、蹲下与弯腰，在非结构化的家庭场景中灵活穿梭，顺利执行多项任务。这不仅代表了长程移动操作能力的重大突破，放眼全球，能够实现如此完整实况演示的企业亦屈指可数。

支撑Oli如此卓越表现的，是逐际动力最新推出的人形大脑系统——LimX COSA 0.5。

在复杂连续的家务实操领域，硅谷估值领先的人形机器人独角兽Figure此前也发布过多段类似视频。其厨房整理、房间整理与客厅整理三段长程任务已成为行业标杆，被广泛视为性能参考基准。逐际动力此次展示的Demo，在任务连续性、自主决策深度、技能调用以及全身协同控制等方面，已与Figure达到同等水平线。两家公司硬件能力相近，可以说分别代表了中西方人形机器人的技术最高水准。那么，究竟孰强孰弱？

真正的分野，并不在于Demo本身，而是支撑机器人运转的底层“大脑”技术路线。

过去数年间，整个具身智能行业沉迷于追逐模型参数和榜单排名，仿佛谁的模型更优，谁的机器人大脑就更强大。Figure推出的System 1/System 2双系统框架，以及许多国内外厂商主打的全能视觉动作基础模型，底层逻辑均依赖于更强大的单一大型模型。行业几乎全面陷入了“唯模型规模论”的内卷之中。

然而，一旦进入真实场景落地，这些机器人往往动作卡顿、适应性不佳。逐际动力较早洞察到这一问题，并提出了行业非共识观点：模型不是大脑，系统才是大脑。

在逐际动力的技术框架中，真正的机器人大脑应像人类神经系统一样，由认知、技能与运动控制多模块协同配合，而非依赖单一基础模型。今年1月，逐际动力首次提出LimX COSA概念，展示了高阶认知与全身运动控制的深度融合，让机器人“能思考、能行动、边思考边干活”。此次0.5版本的升级，逐际动力首次完整呈现了COSA的三层技术架构。然而，这仅仅是0.5版本。作为当前可与Figure抗衡的中国玩家，逐际动力的核心底牌仍未完全亮出。

大脑不是模型，而是操作系统

要让机器人进入千家万户的复杂场景，究竟需要一个怎样的“大脑”？

行业普遍做法是大力提升各类VLM或VLA端到端模型的规模，试图用更大的参数量暴力破解物理世界的复杂性。但这种唯模型论的“暴力美学”可能偏离了正确方向。

在逐际动力创始人张巍看来，大多数人认为“做大模型就是做大大脑”，将大脑等同于模型，这本身就是一种误导。模型只是一个个技能，而系统才是真正的大脑。

逐际动力的大脑并非单一模型，而是一个具身智能体系统：负责管理记忆、调度与决策，调用VLM/VLA等技能及全身运动控制。在这个框架中，任何一个单一技能（即便最先进的VLA）都只是“技能”，而非“大脑”。唯有将认知、技能、运动控制，连同记忆与调度真正协同，并与硬件联合优化，才能构成“大脑系统”。逐际动力将其定义为Embodied Agentic OS，它需要调用包括VLM、LLM、VLA在内的多种模型才能完成任务。这也是LimX COSA与“做模型”路线的根本区别。

为了验证这一逻辑，COSA 0.5版本直接用一段毫无剪辑水分、无摆拍成分的硬核真机视频发声。

逐际动力在配备31个本体自由度（不含末端灵巧手）的全尺寸人形机器人Oli上，完成了包括收纳整理、搬箱、深弯腰拾物等在内的全套长程多任务演示。在未知环境中，它必须自发读取视觉信息、理解当前杂乱状态、自主规划长程任务步骤，然后调用技能与身体运动控制能力进行连续操作。能干活，且干活方式像人一样，这是通用人形机器人必备的能力——它是机器人，而非机器。

这种在真实长程家庭场景下的高鲁棒性表现，任务复杂度堪比Figure此前广受关注的厨房/房间/客厅整理场景。只不过，Figure底层的技术逻辑仍是在端到端模型内部做切分，本质上尚未跳出模型范畴。纵观全球具身智能公司，在长程、不间断、无遥操作的真实家庭任务上，目前仅有逐际动力与Figure做出了可信度高的完整演示。

欧洲领先的具身模型公司Flexion，公开的Demo让Unitree G1取快递、搬运包裹，任务复杂度相对较低，全身运动控制的稳定性和准确性也存在不足。另一家备受关注的高估值独角兽Skild AI，展示了跨形态和跨任务的能力片段，广度上占优，但并未展现长程全身移动操作演示能力。看来，“谁的模型更强”是一回事，而“谁真正做出了大脑系统”，则是另一个维度的竞争。

三层架构，如何构建最强大脑系统？

COSA的骨架由S2-S1-S0三层架构组成。这套系统完全依照人类神经系统的生物学逻辑，进行了彻底的分层解耦。三层各自运行在完全不同的时间尺度上，通过刻意收窄的接口协同工作。执行时，意图自上而下流动，机器人的姿态与环境状态则自下而上实时反馈，异步运行且互不阻塞。

先看S2认知层，负责理解、记忆与决策、人机交互。

它运行缓慢而审慎，工作在低频的1Hz尺度上，意味着每秒只做一次全局决策。这并非偷懒，而是因为认知层的任务天然不需要高频。你见过哪位运筹帷幄的将军，听到风声就下令全军出击？得先把敌我态势在脑子里反复权衡，再决定如何作战。S2层正是负责慢慢思考。它读取头部与手腕相机的实时视觉输入以及人类的语言指令，负责长程场景的宏观理解、构建世界模型、处理人机交互与逻辑推理，并决定机器人下一步“要想做什么”。随后，将分解好的任务精准调度给下层。单独看S2，它就如同“坐在轮椅上的霍金”，极其聪明却无法动弹。支持这一层的并非某一孤立的大模型，视觉语言模型、世界模型都在这里，形成一个带记忆与调度的操作系统。

接下来，是S1技能层（Skills）。

它运行在50Hz的中频尺度上，负责将能力沉淀为一个个可复用的技能。注意是“可复用”，而非盲目堆砌的大杂烩。S2决定“要做什么”，S1回答的是“用什么技能做”。这一层并非单一模型，而是一组技能的集合。一个VLA（即便最先进的）也只是其中一个技能，剥鸡蛋、开瓶盖、搬箱子，各自独立存在，按需调用。逐际动力判断：不同技能需要的数据不同，训练方式也不同。将剥鸡蛋和开赛车的数据混在一起，反而会导致严重参数干扰，最后什么也做不好。这与语言模型“大力出奇迹”的堆数据逻辑截然不同。具身技能遵循多元数据路线，每个技能有自己的data recipe，单独训练、单独优化。这种设计的另一个好处是渐进叠加，技能可以像搭积木一样逐个添加。今天学会搬箱子，明天学会叠衣服，后天学会开抽屉，无需推翻重来。S1层的技能库越丰富，机器人能做的事就越多，但大脑架构本身无需改变。

之后，进入S0运控层。

它负责让整个身体始终保持平衡，并精准执行动作实际动起来。这也是Demo中Oli能够毫无迟滞地边走边弯腰边伸手，展现出极具人类感姿态的直接来源。S0的底层是逐际动力自研的LimX WBT全身运动基础模型。约千万参数的Transformer策略完全运行在机上，控制频率高达1000Hz。它只暴露一个统一接口，将任意上游全身运动目标转化为平衡协调的关节指令，训练一次后与任何具体任务无关，可复用于VLA执行、遥操作采集、零样本回放三类任务。S0的职责非常纯粹：无论上层的S1、S2下达多么复杂的全身运动目标，它都能在1毫秒内将其转化为保证绝对平衡的协调关节指令。

在衡量底层运动控制实力的核心指标中，LimX WBT直接与行业公开最先进的全身跟踪模型SONIC进行了较量。

• 全身位置误差MPJPE：SONIC是13.75mm，LimX WBT做到12.85mm。
• 平均关节角误差：SONIC是3.3°，LimX WBT做到1.5°，降幅超过一半。

在精度与平滑度——这两个通常需要取舍的维度上，LimX WBT同样保持领先：

• 关节空间jerk（平滑度）：SONIC是129.2，LimX WBT是115.2，低约11%。
• 基座朝向jerk（平滑度）：SONIC是113.0，LimX WBT是90.3，低约20%。

请注意，这里的测评指标数值越低越好。关节点位偏移误差更小，机器人动作不会出现跑偏或错位；四肢与躯干转动角度偏差减半，抬手、转身、迈步动作更贴合预期，不会动作走形；代表抖动与顿挫程度的jerk数值全面降低，身体晃动更少，不会像初学滑冰的人那样一顿一顿。换句话说，SONIC已能让机器人“完成任务”，但LimX WBT能让机器人完成得更稳定、更优雅、更像人。

在训练过程中，为提高任务成功率，团队还引入了真机RL（强化学习）迭代机制。当任务失败时，引入专家遥操作接管，对复杂动作进行微调纠正，使VLA策略持续优化。这些纠正数据被迅速喂给专门的奖励模型，从而在真机上进行高效训练。这让大脑系统在现实演练中“越用越聪明”。

S0在底层全程独立维持机器人不摔倒的平衡状态，精准执行动作指令。按张巍的话说：没有小脑，是长不出大脑的。

值得一提的是，这套三层技术架构中，任一层均可独立迭代、替换或后训练，而不牵动其余两层。这种设计思路也引起了海外玩家的关注。Flexion后来提出的Command/Motion/Control三层自主栈，架构范式与COSA趋同。不同点是，逐际动力同时掌握身体与大脑系统，无需借用别人身体练功夫。这种软硬件联合优化，纯软件公司无法做到。

Figure最强对手，不在硅谷

人形机器人的全球竞争风向已发生转变。全行业正从唯参数论的“谁的模型规模更强、谁的榜单刷得更高”，务实转向“谁能率先做出高成熟度、软硬一体的完整大脑系统”。这不仅是一场技术路线的选择，更是开启可持续平台化演进的商业分水岭。

放眼全球具身智能版图，真正有资格在这场终局之战中坐上头等舱牌桌的玩家寥寥无几。

Skild走的是最纯粹的“模型即大脑”路线，用一个“全能体”基础模型控制所有机器人。Flexion的架构范式又跟随COSA。Figure算是一个强劲对手，它更早提出System 1/System 2，在长程真实任务上与逐际动力形成代际领先优势。但Figure的核心落脚点仍是“模型”，而非大脑“系统”，且Figure全栈闭源。

逐际动力则聪明地将技术资产进行了战略划分：开源了Humanoid FluxVLA Engine的训练与推理代码，让“大脑”可被开发者复用，以此换取生态与开发者反哺。Figure和逐际动力，一个在美国西海岸，一个在中国深圳，各自定义着“人形机器人大脑”。但很明显，逐际动力希望将路走得更宽。因为当人形机器人进入“双雄时代”，堆砌模型参数的意义正在衰减，唯有构建更完整的大脑系统，才能真正跑通快速迭代的闭环。

One more thing

“三层大脑系统+软硬件联合优化+开放生态”，这套组合拳之下，别人可以学习架构，却抄不了自家硬件上生长出来的运动控制策略以及大脑与身体的协同。别人可以堆砌参数，却堆不出真机持续迭代的RL闭环。

告别唯模型论，软硬一体、分层协同的系统化路线，似乎成为当下一种更务实的选择：不赌某个模型能通吃一切，而是让认知、技能与运动控制在真实身体中各就各位、协同运转。只是系统化路线从落地那一刻起，就注定要与物理世界不断对话、反复校准。毕竟，哪家做操作系统的，会满足于停留在0.5版本呢？

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：逐际动力发布了一段最新演示让Figure难以入眠要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题