近期，具身智能創(chuàng)業(yè)公司“自變量機(jī)器人（X Square Robot）”完成數(shù)億元Pre-A++輪融資。本輪融資由光速光合與君聯(lián)資本領(lǐng)投、北京機(jī)器人產(chǎn)業(yè)基金、神騏資本跟投。融資將用于下一代統(tǒng)一具身智能通用大模型的訓(xùn)練與場景落地。

據(jù)了解，這是光速光合首度投資具身智能大模型方向，而君聯(lián)資本同樣在具身智能大模型領(lǐng)域積極布局，對這一賽道給予了高度關(guān)注與投入。北京機(jī)器人產(chǎn)業(yè)基金和神騏資本作為產(chǎn)業(yè)方投資人，將加速自變量機(jī)器人的場景落地進(jìn)程。

自變量機(jī)器人成立于2023年12月，致力于通過研發(fā)具身智能通用大模型，實(shí)現(xiàn)通用機(jī)器人。2024年11月完成億元級Pre-A與Pre-A+輪融資。

通用機(jī)器人的終極目標(biāo)是像人一樣通過交互、感知和行動自主執(zhí)行任務(wù)，并具備高效的泛化和遷移能力。而實(shí)現(xiàn)這一目標(biāo)的核心，就在于機(jī)器人通用具身智能大模型。

在海外，包括Skild AI、谷歌DeepMind、Physical Intelligence（PI）等科技公司都在該領(lǐng)域進(jìn)行積極布局。

具身智能可主要分為大腦（認(rèn)知與決策）和小腦（運(yùn)動控制）。目前國內(nèi)企業(yè)在探索不同發(fā)展路徑：部分專注于大腦，提升機(jī)器人語言理解與規(guī)劃能力；部分聚焦小腦，優(yōu)化行走、抓取動作等運(yùn)動控制；也有企業(yè)選擇大小腦統(tǒng)一的端到端路線，這一路線也是國外頭部科技公司如Physical Intelligence（PI）、Skild AI等的選擇。

統(tǒng)一端到端具身智能大模型是提升機(jī)器人泛化能力和適應(yīng)能力的關(guān)鍵。傳統(tǒng)的分層架構(gòu)雖能在特定任務(wù)上實(shí)現(xiàn)優(yōu)化，但難以適應(yīng)復(fù)雜環(huán)境的動態(tài)變化。而端到端方案，使機(jī)器人能夠從感知直接映射到運(yùn)動，形成高效的反饋閉環(huán)，從而在多任務(wù)、多場景中具備更強(qiáng)的自主學(xué)習(xí)與適應(yīng)能力。

自變量從成立之初就選擇了“大小腦統(tǒng)一的端到端大模型”路線。公司創(chuàng)始人兼CEO王潛表示，真正的具身智能大模型，應(yīng)當(dāng)由一個(gè)模型覆蓋從感知信號輸入到動作輸出的完整過程，而不進(jìn)行人為地分層或模塊劃分。這才是實(shí)現(xiàn)通用具身智能的真正解法。

而在國內(nèi)，選擇端到端模型的廠商中，技術(shù)路線也有所分化：部分廠商選擇優(yōu)先訓(xùn)練特定任務(wù)或單一場景的小模型；自變量則從一開始采用多任務(wù)、大量場景訓(xùn)練，以提升模型的通用性和適應(yīng)能力。

王潛表示，目前業(yè)內(nèi)對于明顯超過單一操作的復(fù)雜任務(wù)，所有較好的實(shí)現(xiàn)結(jié)果幾乎都是由具身智能大模型完成的。小模型為每個(gè)任務(wù)設(shè)計(jì)特定的模型結(jié)構(gòu)，往往只能執(zhí)行最基本的單一操作，無法實(shí)現(xiàn)泛化。與之相反，大模型則重視如何通過工程化方式實(shí)現(xiàn)模型的scaling-up，直至達(dá)到完全通用。二者技術(shù)棧完全不同，依賴小模型的積累并不能有效遷移實(shí)現(xiàn)大模型。

通用性和泛化性是定義這一代具身智能技術(shù)最核心的要素。只有達(dá)到足夠的通用性、泛化性和可遷移性，才使得具身智能真正區(qū)別于傳統(tǒng)自動化，能實(shí)現(xiàn)在自由環(huán)境中，不受預(yù)設(shè)環(huán)境和預(yù)設(shè)物體限制的自由操作。

去年11月，自變量機(jī)器人宣布實(shí)現(xiàn)了全球目前最大參數(shù)規(guī)模的具身智能通用操作大模型——Great Wall系列（GW）的WALL-A模型。該模型在通用性、泛化性上可以做到用極少的樣本，完成各種物理環(huán)境變量、動作模式的泛化和遷移，同時(shí)在長序列復(fù)雜操作上具有絕對優(yōu)勢。

王潛表示，經(jīng)過最近數(shù)月的迭代，WALL-A模型的能力已經(jīng)與Skild AI、Physical Intelligence處于同一水平線上，部分能力甚至強(qiáng)于國外競爭對手。從任務(wù)復(fù)雜度層面來看，能夠完成例如拉拉鏈、整理衣物等精細(xì)操作，展現(xiàn)出在隨機(jī)環(huán)境中對復(fù)雜拓?fù)浣Y(jié)構(gòu)、復(fù)雜物理交互的強(qiáng)大適應(yīng)性。從復(fù)雜任務(wù)的準(zhǔn)確率來看，在疊衣服、晾衣服等復(fù)雜柔性操作中表現(xiàn)出色，數(shù)分鐘級別的任務(wù)成功率達(dá)到90%以上。

此外，自變量機(jī)器人的通用具身智能大模型，還能夠?qū)崿F(xiàn)無需地圖和深度輸入的語義導(dǎo)航，并能基于視頻進(jìn)行即時(shí)決策和實(shí)時(shí)指令跟隨，也具備自主環(huán)境探索能力。

團(tuán)隊(duì)方面，自變量機(jī)器人的核心團(tuán)隊(duì)成員位于深圳，軟件算法團(tuán)隊(duì)具有Robotics Learning（機(jī)器人學(xué)習(xí)）和大模型的雙重背景。硬件方面，公司匯集了一批來自頭部硬件公司的核心技術(shù)骨干及高管，擁有成熟的工程能力和量產(chǎn)經(jīng)驗(yàn)。

創(chuàng)始人兼CEO王潛本碩畢業(yè)于清華大學(xué)，是全球最早在神經(jīng)網(wǎng)絡(luò)中提出注意力機(jī)制的研究人員之一，博士期間曾在美國頂級機(jī)器人實(shí)驗(yàn)室參與了多項(xiàng)Robotics Learning的研究，研究經(jīng)歷涵蓋機(jī)器人操作和家庭服務(wù)機(jī)器人相關(guān)的幾乎所有領(lǐng)域。聯(lián)合創(chuàng)始人兼CTO王昊是北大計(jì)算物理博士，曾在粵港澳大灣區(qū)數(shù)字經(jīng)濟(jì)研究院（IDEA研究院）擔(dān)任封神榜大模型團(tuán)隊(duì)算法負(fù)責(zé)人，領(lǐng)導(dǎo)了國內(nèi)第一個(gè)百億級大模型和最早一批千億級大模型之一Ziya的研發(fā)。

-轉(zhuǎn)載自“自變量機(jī)器人”公眾號-

自變量機(jī)器人成立于2023年12月。公司致力于通過研發(fā)具身智能通用大模型的路徑，實(shí)現(xiàn)通用機(jī)器人。2024年4月初，《智能涌現(xiàn)》曾報(bào)道過其完成數(shù)千萬元天使輪及天使+輪融資。