4个月前，星尘智能的Astribot S1横空出世——叠衣、分拣物品、颠锅炒菜、吸尘清洁、竞技叠杯等复杂技能样样精通。
一通丝滑操作猛如虎，甚至还被网友冠上了国产人形机器人「核弹」的头衔。
网友们纷纷表示：忽然看到未来养老机器人的希望！
不仅如此，它在国外也破了圈。
人形机器人市场咨询师Stewart Swayze称，我们离《杰森一家》中的Rosey越来越近了。
4个月后，星尘智能直接
向公众秀真机
了！
在今日举行的机器人大会上，顶流机器人一再奉上精彩表现，直接刷爆了好评。
就连大名鼎鼎的Figure AI公司CEO，也在实时追踪。
世界机器人大会现场，它用毛笔写下了铿锵有力的「北京」二字，围观群众为它响起了热烈的掌声。
你可能会疑问：
这家机器人的操作怎么这么神，在其他家机器人那里怎么没见过？
我们来逐帧看看这个两天前发布的详细产品演示！
S1产品视频
视频中，Astribot S1能泡茶、做华夫饼、喂猫、清洁……完成一连串高难度、长序列、可泛化的任务，说一句
「最强AI机器人助理」
，一点也不夸张！
划重点，以上这些demo，都是
1倍速
、实物实拍、
无遥操作
的。
S1表现出的敏捷、灵活、精准和丝滑度，无不令人惊叹。
要知道，上面这些动作人类做起很轻易，但对机器人来说，需要跨越极高的技术门槛，单拎出哪一个都不简单。
比如泡功夫茶这个复杂工具泛化的最强操作。
洗茶、冲泡、倒茶、分茶它样样都能拿捏。用视觉识别技术识别茶具位置、形状和状态，用精确的触觉和力觉控制系统舀茶叶、注水、倒茶，一气呵成。
在以后，我们还会有了解自己饮茶偏好的机器人，来提供个性化服务。
而弹奏扬琴，对机器人的细微操作和精准控制能力要求极高。
懂乐器的朋友们都知道，打击乐的精髓，就在于敲击动作的精准度。而且，演奏所持的琴竹和敲击的琴弦都具备弹性，这更是让控制的复杂性大大增加。
机器人必须具备极高的力控能力，和对弹性特性的准确建模，才能「硬控」住弹性形变，同时精细调节敲击力度。
可以看到，机器人会首先利用视觉识别技术，捕捉琴弦的位置和扬琴的结构；然后利用力觉反馈系统，让每一次敲击琴弦都安全准确，既不会太轻也不会太重。
接下来，S1还有一波酷炫操作。其中，投篮要的是精确控制力量和协调性，跳舞和打拳，则是要流畅的身体动作和节奏感。
相信大家看完演示，都有一个共同的感受：这个机器人，怎么这么像人？
是的，星尘智能的理念，即是
让机器人像人一样学习、思考和劳动，不断拓展应用边界。
看完S1大秀的这波神操作，我们有理由相信，它离人类互动和家务场景已经不远了！
能承载如此多高难度的精细操作，S1的身体，有必要说道说道。
生产线上精确控制的机械臂，不能算作机器人，因为既没有智能，也不会学习和处理问题。
那么，把大模型塞进机器人，就能得出真正的具身智能吗？
显然，并非如此。
正如Linda Smith在「具身假说」中所提出的，只有当一种智能能够感知和导航物理环境时，人类水平的智能才能出现，就像婴儿通过探索环境来学习一样。
同样，Meta的研究科学家Akshara Rai也曾表示，「缺乏物理具身的AI系统永远无法真正智能。想要完全理解世界，就必须与之进行互动，并观察这些互动的结果。」
所以，让AI发展出真正智能的唯一方法，就是给它一个身体，以及在世界中移动和体验的能力。
相比之下，纯数字化的AI可能在处理特定任务时表现出色，但总会遇到智能的天花板。
爆火全网的Flux+Gen 3生成的视频之所以有破绽，也是AI没有人类的身体，不理解人类的舌头、头发、眼睛为何物
然而，大多数机器人行业的人都知道，「做机器人很难」。这也正巧体现了
莫拉维克悖论：对机器人来说容易的事情对人类很难，反之亦然。
随着LLM的爆火，机器人研究领域也出现了一种新的趋势：将LLM嵌入到规划中，将VLM嵌入到感知中，将代码生成用于执行。
把AI「脑」放进机器人「身」，就足够吗
但仅仅把未经训练的AI 「大脑」放入机器人「身体」里，并不能解决问题。
毕竟，具身智能机器人是集众多领域之大成，包括但不限于机器学习、强化学习、计算机视觉、机器人技术、规划与控制、环境建模与预测、基于物理的仿真等等。
因此，各种多亟待解决的挑战也随之而来。
- 现实世界的知识：具身智能必须对物理世界及其规律和动态特性有深刻的理解，从而能够有效且安全地进行交互。
- 学习和适应能力：具身智能必须从经验中学习，并适应不断变化的环境。这需要先进的学习技术和极大的灵活性。
- 复杂的实体交互：具身智能需要一个能够与物理世界进行自然交互的系统。这涉及到运动协调、环境感知和实时决策的管理。
- 鲁棒性和可靠性：具身智能需要足够的鲁棒性（Robustness），从而可以在真实且常常不可预测和动态的环境中可靠地运行。
怎么解决？靠的就是机器人身体和大脑的完美配合。
研发耗时一年，S1在软硬一体化系统架构上取得了重大突破，既有智能的大脑，也有全能的身体。
星尘智能认为，研发出新一代最强AI机器人助理，便需要将
「AI智能」和「最强操作」强耦合。
在智能方面，S1拥有一个「最强大脑」。
不仅可以在复杂环境中进行感知、认知、实时决策，而且还具备智能理解和多模态交互执行能力。从而实现物体、任务和环境级别通用操作泛化。
更厉害的是，S1还具备
持续学习进化
的能力。
从前文的demo中不难看出，S1能像人一样去理解和分析、与人流畅交互，更能通过与人、与真实世界交互获得海量高维数据，从而持续学习进化，不断提升智能化和多任务泛化能力，逐步实现通用智能。
最强大脑，数据为先
大多业内人士认为，
机器人训练最大的瓶颈就是缺乏数据。
更何况，机器人还需要理解物理定律和人类现实世界。
对此，星尘智能的思路是：不仅要收集所有可以得到的数据，而且还要高效地利用起来。
「仿真数据要用，人体动捕数据要用，机器人实操数据也要用！」
而由此得到的S1，既可以用第一人称，支持从视频、动捕，以及遥操作收集多维度的高质量数据，实现人类多模态数据交互，也能低成本、高效率地利用已有的真实世界视频数据，以及人体动作数据。
围绕「力」展开研发，既丝滑又安全
在关于S1的视频中，弹幕中最常出现的评论就是——「太丝滑了」，为什么S1会让人有这样的感觉呢？
当然是因为，
它「用力」方式和人是一致的。
如果只是轨迹一致，并不能满足实操的效果，反而会僵硬，也没有泛化能力。怎么办？
星尘智能的解决办法是——
追求更高数据维度，也就是力觉、触觉等。
如果把力的信息采集下来，就能让机器人像人一样，用施加某种力的方式控制精度。
比如，S1把盐舀起来后，会在杯壁上刮了一下，可谓是把人的精巧、细微的力度控制都学出来。
在这个过程中，靠的就是力，而不用依赖路径。把刀压在黄瓜上，机器人会感受这个力，因此，直接把黄瓜换成胡萝卜也是可以的，极大提升了泛化性。
同样，安全的基础也是力。知道交互时要用多少力，才能不伤人、不伤己、不伤环境。
靠硬件，实现最强操作性能
S1采用了全新的
刚柔耦合传动机构设计
，刚柔并济，能
低成本实现
同规格机器人中的
「最强操作性能」
。
小小一个S1，单臂的额定负载就达到了10千克，平举10千克。
4月首发的S1 demo中，团队侧重的是
「有价值的上半身」
。现经过4个月训练，已将其打造成一个完整的机体。
具体来说，他们加入了仿人的腰，还有移动底盘，做出了
「可落地的下半身」
。
首先，有了移动底盘，扩大了S1的操作空间。从仅限桌面上的任务，扩展到不论任何高低的地方，皆可实现。
其次，在腰部，他们以人类自身为原型，从胳膊和腰发力的力度，得到启发，引入仿人的腰。
因此，S1能够执行用吸尘器清洁、蹲地喂猫粮等，这都需要腰部用力。
这种结构既提升了能力，又可以直接让机器人来学习采集来的人体数据。
核心：软硬一体
因为做到了软硬一体，所以机器人既能把握硬的准度，又能把握软的力度。无论是结构设计，还是很底层的硬件设计，都在追求这两者之间的平衡点。
虽然大家按照惯例，会觉得工业臂的刚度很高、能达到很高的精准，但CEO来杰认为，这条技术路线不可能进入家庭。
原因就在于，它的柔度不够。人可以很好地控制力度，而后者，才是交互的关键。
AI希望从数据里得到一些概念，但机器人本身，是纯物理世界的东西。
之所以要在硬件和AI上同步发展，也是因为硬件才是数据的来源。
在加入丰富的传感器、动作能力和执行器之后，就能解决数据可不可以被执行的问题。
当我们深扒S1背后的公司，更是为他们的神速所震惊了。
成立一年多，就做出让业界刮目相看的顶流明星机器人，初创背后技术团队的实力，着实不容小觑。
2022年底，星尘智能由创始人兼CEO来杰在深圳创立，核心6人团队，全部出自腾讯RobticsX实验室。
值得一提的是，来杰还曾是腾讯RobticsX实验室1号员工，拥有16年机器人研发经验。
鹅厂的轮腿式机器人Ollie，以及多款新型机器人，皆是由他主导研发。此外，他还曾担任过百度「小度机器人」团队负责人。
不仅如此，星尘智能团队的核心成员，还有来自谷歌、华为、大疆、优必选等国内科技大厂和顶尖高校。
这些顶尖AI人才的汇聚，就是为了做好一件事：要让通用机器人走进千家万户。
自今年4月，S1机器人demo首发亮相，凭借其灵巧的操作能力，在业界引发极大的关注。
而这家公司的创业团队，一直以来专注研发，对外比较低调。
今天，让我们来一起来扒一扒，创始人来杰和团队背后的故事。
究竟是什么契机，让他选择了在2022年底这个时间点上入局机器人领域？
从谷歌项目找到灵感
恰在2022年，谷歌发布了PaLM-SayCan，将语言模型PaLM与助手机器人结合，让其更好与人互动，提供帮助。
在此之前，来杰和团队一直集中精力去攻克具身模型、机器人本体，却没有深入到更上层的要素——模型。
谷歌SayCan项目的出现，让他们突然找到了灵感。
再加上，在百度小度机器人团队时，他本人也在一直关注语言模型的发展，并预感到类似GPT模型未来会现身。
甚至，在他的大脑中，已经有了「世界模型」概念的雏形。
也就是，
真正的智能，上层架构可以实现逻辑理解，中层架构能理解物理世界，底层架构可以实现与世界交互。
凭借在技术上的敏锐的嗅觉，来杰果断走出实验室，创办了星尘智能。
到了2023年，具身智能概念虽火了一年，但其中仍有很多问题还未解决。
如上所述，在AI+机器人行业领域深耕16年，来杰已经踩过非常多的坑，因此对机器人理解更偏架构层面。
有时候，并非是我们所想的，用AI数据堆砌的方式就能解决那么简单，必须要本体性能得到提升。
实际应用中，
有一些泛化问题，无论怎样提升数据质量，都无法解决。
因此，需要赋予机器人本体一些能力，在硬件设计上不断迭代，推陈出新。
其次，第二个问题是，在机器人行业发展过程中，抓手在哪？
数据、算法、算力是AI和机器人强耦合的重要因素。这其中，恒定不变的，唯有数据。
