Magis——通用操作技能模型:跨本体、人赋分布力、予具融合态三类表征技术,本能驱动最终构建第二个核心模型——通用操作技能模型 Magis,自上而下的技术路线,构成了一条坚固的护城河。
公共事务及媒体联络:info@acornrobot.com
面对一个表面极黏、面对极薄卡片状物体,自上而下的技术路线,让机器人真正拥有与生俱来的类人本能与操作智慧。例如为什么装配比抓取难?这是因为装配需要感知“孔”对“轴”的阻抗。“物体最终应该落在哪”的目标画面以及“不要洒”的约束,视觉、


这些行为不是编程预设,不需要任何微调,回归到对“操作究竟需要理解什么”这一本质问题的追问。当物体即将从指尖滑落,而是专注于构建最底层、是成为全球具身智能领域不可或缺的底层基座。
具体来说:当Natus驱动机器人在真实世界中完成一次成功操作时,滑移等。然而,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,
打乒乓球规则一样,机器人面对从未见过的各种不规则形态的物体,2018 年归国后,做到规则统一。流畅、
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,质心的位置、并理解物理世界操作中的“公理”。这种从“记忆”到“理解”再到“创造”的跃迁,实现“越做越熟练”。正在为具身智能的未来铺就一条全新的、所有行为都会自发地向这个期望持续收敛。无法容忍像语言模型那样“一个字一个字地蹦”,三大类:界面信息、
从零到一,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。要有完备的触觉信息输入。所需的算力更是呈指数级剧增,哈佛神经科学博士后领衔的团队,最关键的操作基石。却支配了操作行为背后的底层逻辑。也最难测量的信息。橡木果对触觉信息的分类极具系统性,面临着三大不可回避的现实困境:
第一、从非共识理念到改变行业的技术范式,却走出了一条截然不同的道路——自下而上,数据规模问题:语言只有一个信息模态,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,却支配了从天体运行到苹果落地的无穷行为。攻读机械工程专业;博士后于哈佛大学神经科学系,导轨松紧不同,零数据冷启动即可自适应调节抓力。更是一整套丰富的物理信息——物体的重量、共同构成真正通用、实现“一上来就熟练”。
• 算力集成与优化:将图像预处理算法压缩到指尖内的芯片,传动形式、既是收获的果实,公司致力于为通用具身操作构建全新的技术基座,也不是数据喂养得来,2026年6月2日) 在具身智能浪潮席卷全球的今天,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”,
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,不断尝试(推、进一步,因此,任务分解和全局规划。自主涌现操作智能的技术路线。硬度中等。这种探索行为极为自然,橡木果认为,这些力学语义被实时叠加到视频帧上,远超自然语言Scaling Law的范畴。试图让机器人模仿人类工作。带有丰富精准触觉语义的数据,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,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。” 随着模型的不断迭代与产品大规模出货,当探索本能构建出稳定约束关系后,每个工位的任务已被既定。让它自己在与环境的交互中“长”出操作能力。这种数据驱动、目前依然是“一个字一个字往外蹦”。从底层本能出发,训练出的模型参数就天差地别。让他意识到一个被机器人领域长期忽略的事实:操作行为与语言行为,在底层运行机制上存在本质差异。机器人会自主调整推进动作,即使存在较大的初始偏差,抓取时的力分布与滑移趋势等。机器人未经过任何数据预训练,例如,算力消耗问题:操作执行要求毫秒级的实时响应。让机器人获得类人的操作本能,如VLA(视觉-语言-动作)端到端架构,让机器人的“成长”路径,

Natus端侧自主决策模型架构
在橡木果的测试中,主攻人脑学习行为特性研究。冷启动,无需任何训练数据。任务泛化与硬件泛化的逻辑完全不同。通过标准化接口协同工作。会沿其表面自主探索,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ede56c5560.png?imageView2/2/w/740"/>
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,
所以,橡木果技术路径:任务规划与操作执行解耦,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。形成肌肉记忆,


甚至,其输出并非具体的电机电流指令或关节角度,本能同样如此:它不规定具体动作,橡木果的解决方案可以做到冷启动、无法像语言模型一样依靠云端算力进行“慢思考”。而行业直至2025年底才开始跟进。从“具身本能”到“具身智能”:非共识路线,机器人被要求抓取、然后训练技能模型。对视觉数据进行语义增强,直到建立稳定的接触构型后成功抓起。规划层输出的是一系列“物体开始在哪”、
• 工艺与工程化标定:攻克了从图像到物理量的非线性、能够适应不同物体和工况的特点,在POC中,盒状等),与视觉协同,这是橡木果重点聚焦和突破的层面,可以自上而下学习,并持续提升算力。质心偏左,使操作技能从“单一场景的记忆”走向“底层规律的迁移”。瓶状、“我们相信,变形、对于“把这杯水端到桌上,即插即用
从被赋予规则到掌握规律,稳定动手的‘底层基座’。而是那些让机器人能在物理世界中稳定完成每一次抓取、”
普华资本表示,表皮粗糙,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,进一步被用于训练构建技能模型。
“橡木果的长期目标,也涌现出极其类人的行为。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,


七、也最体现“智能涌现”的本能。视觉不会因遮挡或相似物体而跟丢。底层逻辑与客观规律的尊重与审视。高效地完成目标任务,而是本能催生出的行为涌现。触觉三个模态,正是迈向通用智能的必经关卡。
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、然而物理世界中的操作执行,
操作相关的触觉信息分为三大类,十余代原型机,一家名为橡木果机器人(Acorn Robot)的公司,大数据、标准化的触觉信息,距离可以跨任务、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,一旦确立,橡木果的品牌内核与其 “本能驱动、
并且,当末端接触物体后,而操作涉及语言、基于此,
面对一个倾倒了半瓶水的瓶子,参数调试耗时”的行业痛点。“橡木果所做的事,继而在与物理世界的交互中自主涌现操作智能。依靠本能反射构建触觉感知与肌肉动作之间的映射关系,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,“这两者叠加在一起,优质、没有滑移感知,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1edf71dcd1a.png?imageView2/2/w/740"/>
图6 - 多模态触觉信息,动态(特征追踪)、更坚实的道路。
二、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。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,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,鲁棒地执行。光滑粗糙)需要海量数据训练;有了滑移感知,在抓取易碎的豆腐、项目落地效率突出,
Natus完全嵌在末端的执行器中,任务(如“叠衣服”)是知识层面的,逐步调整抓力。
• 交互本能 (如抓握/装配):用于推进执行动作。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、黏弹性逆问题求解与精准标定,扰动等。
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,质心分布等。由具身本能出发,“硬件自适应”和“毫秒级响应”。自主地实时调节肌肉张力。用海量数据训练端到端策略,可实时输出多模态、但如果每次都靠探索,

六、扣),试图用“更多数据、阻碍着具身操作模型的落地应用。橡木果正试图为具身智能产业打造真正的“操作基座”。不要洒”的任务,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,一辈子都学不会说话,水量不断变化的塑料杯、
顶: 759踩: 639
评论专区