2026年5月11-12日，普渡机器人相继发布具身智能大模型Pudu Foundation Model（PuduFM 1.0）和通用具身智能体平台PuduAgent。PuduFM 1.0实现了从"简单执行"向"物理认知"的跨越，而PuduAgent则构建了面向物理世界的通用智能体平台，两者共同解决了具身智能规模化落地的核心难题。
01.
让机器人理解世界：PuduFM 1.0重塑具身智能新范式
当前具身智能落地面临三大困境：导航与操作的割裂导致机器人在复杂任务中出现显著的行为断层；缺乏物理直觉使机器人沦为"高度近视的操作员"；异构数据难复用造成"一机一模"的研发困局。
为此，普渡机器人发布的PuduFM 1.0构建了三大核心技术维度：对三维空间的深度感知与推理、面向未来的物理状态预测、在真实交互中持续进化的学习机制。该模型采用分层解耦、协同进化的系统架构，通过模拟生物神经系统的"大脑"高层逻辑规划与"小脑"底层精细控制的清晰分工，赋予机器人应对复杂、不确定性场景的卓越鲁棒性。
Physical Intuition Model（PIM）专精于物理规律的隐式表征与建模。PIM接收规划指令及机器人的实时状态，通过类世界模型架构预演状态变化，输出物理直觉特征与价值评估。该模型采用因果注意力Transformer架构，通过在编码器中融入槽注意力与图神经网络，能够聚焦关键物体，显式建模物体间的物理交互关系。PIM坚决摒弃像素级未来预测，转而进行稀疏状态预测，在潜空间内剥离视觉纹理等表象干扰，精准捕捉物理动力学本质。
Vision Language Action（VLA）承担实时感知与精细控制。其Visual Language Model处理机器人本体的视觉和语言输入，并结合PIM注入的物理直觉特征与价值评估，指导Action Expert生成去噪后的精确动作。VLA采用分层注入机制和渐进式融合机制，让语言-视觉-动作在统一的潜空间中实现深度对齐，确保"看到即理解，理解即执行"。
World Model负责构建高保真的数字仿真环境，与真实商业现场形成虚实双数据闭环。在仿真端，千万级对抗性轨迹预演生成合成数据；在现实端，人在环机制捕获修正数据。基于Diffusion Transformer架构的World Simulator能够在纯数字隐空间内精确预测未来状态，通过奖励评估头对生成向量实时打分，自主筛选并保留高成功率的执行轨迹。
02.
三阶段训练法与真实世界数据飞轮
普渡机器人提出了独特的三段式训练法。第一阶段预训练，利用海量跨模态的互联网数据，为模型注入物理常识和多模态理解能力；第二阶段基于World Simulator的强化学习，在虚拟世界中打磨决策能力，此时PIM和VLM被冻结，仅更新Action Expert模块；第三阶段基于Real World交互的迭代学习，引入人在环反馈机制，利用真实反馈数据更新PIM和World Simulator，形成"模拟预训练—真实微调—人类反馈"的闭环。
数据质量与获取效率决定了迭代速度。普渡机器人依托全球化商业布局，构建起业内最庞大的真实世界数据资产。3650万小时导航数据：依托部署在全球80多个国家的13万台商用机器人，覆盖20多个行业的3D场景，每年累计生产3650万小时真实导航数据，相当于自动驾驶行业最新公开数据集NVIDIA Physical AV Dataset（1727小时）的20000倍以上。1580万小时操作数据：通过"无感采集"模式，联合全球渠道伙伴与客户部署无感化数据采集设备，操作人员无需改变日常工作习惯即可完成数据收集，每人每天产生6小时有效数据，通过生态协作形成每年1580万小时的操作数据洪流。普渡机器人每年数据获取规模是当前公布的最大机器人操作数据规模的58倍。
通过对行业的深入洞察以及对技术的深刻剖析，普渡机器人提出了以人类视频和机器人视频数据为根基的数据金字塔体系。
普渡机器人"场景即采集、工作即数据"的模式，不仅将数据采集成本降低一个数量级，更确保了数据的物理真实性与动作自然度。依赖大量的无感采集数据，PuduFM会学习到大量的先验知识和操作概念。普渡机器人提出了利用纠正数据和故障数据进行强化学习微调的学习范式，支持大规模机器人在线分布式策略更新和持续进化。
03.
打造General Physical Agent，服务行业，走进生活
普渡机器人具身智能的目标，不是单点能力的提升，而是让机器开始理解物理世界的运行方式。通过创新性的PIM，VLA的深度协同统一框架，以及虚实双空间的数据闭环，打通了"规划—预测—执行"的完整链路，让机器人能够在真实环境中完成跨小时的复杂任务，在变化中持续修正，在不确定中稳定运行。
更重要的是，依托全球真实场景的持续沉淀与高速增长的数据飞轮，PuduFM 1.0并不是一次性的能力释放，而是一个不断进化的系统。当机器人开始理解空间、预见物理结果并主动修正行为，它就不再只是执行工具，而成为长期协作，持续创造价值的通用物理智能体（GeneralPhysical Agent）。普渡机器人将持续推进具身基座大模型的创新和产业生态合作，打造面向广泛场景的General Physical Agent。既深入千行百业，推动规模化落地；也走进大众生活，融入日常场景与人协作。
04.
PuduAgent：下一代通用物理智能体平台
针对机器人大规模落地的三大困局——超长程任务中的记忆崩塌、能力模块的集成之难、AI Agent进入物理世界时的执行缺失——普渡机器人推出了PuduAgent。
PuduAgent是一个面向物理世界的通用具身智能体平台，包含三大核心能力：系统层（PuduAgent OS）提供运行环境与认知基座；能力层（PuduAgent Skills）构建标准化的原子能力库；安全层（PuduAgent Safety）实现执行约束与风险控制。
Agent Core是物理世界的智能核心。和传统AI Agent主要依赖通用LLM或VLM作为决策核心不同，PuduAgent面对真实物理世界的复杂性，必须以机器人原生大模型Agent Core作为核心大脑进行重新构建。普渡机器人基于自身在多种机器人形态与广泛业务场景中的数据积累，采集并标注了大规模物理世界数据集，从一开始就围绕3D感知与物理交互过程，构建融合多模态感知与环境反馈的统一模型体系，使模型不仅"能理解文字"，更"能理解物理状态"。
Agent Core构建了多尺度任务规划框架，先进行宏观战略拆解，再逐步细化为微观战术执行，有效解耦了复杂任务间的耦合依赖。更关键的是，它突破了传统"一次性规划、机械执行"的静态模式局限，构建了动态调节闭环，能自适应地调整策略。
Agent Memory不再只是存储语义信息，而是一个跨时间、跨模态、跨物理状态的统一经验系统。它引入了工作记忆（实时维护当前执行上下文）、情景记忆（存储过往成功路径与失败教训）和记忆压缩与抽象系统，使机器人在漫长任务链条中始终保持"目标清醒"。
Agent Runner作为毫秒级执行底座，负责对高层指令进行实时解析与硬件映射，提供高度并发的任务流管理与资源分配机制，确保感知、规划、控制在毫秒级延迟内完成闭环。
PuduAgent Skills将复杂的机器人行为抽象为标准化的原子技能，通过统一接口定义，开发者可以像搭积木一样组合不同能力。技能可按需加载，同一技能可快速适配不同机器人形态，无论是传统算法还是前沿VLA、WM模型，均作为技能被统一调度。
PuduAgent Safety在系统层面对行为进行约束：可行性判断——在执行前评估动作是否满足物理约束；风险预判——识别潜在碰撞、过载、不稳定等风险；异常干预——在检测到异常时主动调整或中止任务。这一机制有效降低了试错成本，使机器人在复杂环境中具备更高的可用性与安全性。
05.
从单机智能到群体智能的跃迁
"一脑多形"是具身智能规模化落地的关键能力。PuduAgent通过构建统一的Agent OS架构，将感知、记忆、规划与执行解耦，使"能力"从具体硬件形态中独立出来。无论是配送机器人、清洁机器人、工业机器人，还是人形或四足形态，均可共享同一套Agent Core与Agent Memory，通过参数化Skill与设备适配层完成快速迁移。
在群体协同方面，PuduAgent基于统一调度机制，将不同形态、不同能力边界的机器人抽象为标准化的"可调度资源"。系统能够根据任务类型、环境状态与设备实时能力，动态完成任务拆解、分配与重调度。通过共享Memory，不同机器人之间可以对环境状态与任务进度达成一致认知，避免信息割裂与重复执行。
06.
PuduAgent具身基础设施
PuduAgent不仅是技术底座，更是面向全球开发者的开放平台，提供完善的SDK、仿真环境和SkillHub。开发者可贡献并商业化自己的技能模块，专注于行业逻辑而非底层机器人技术。PuduAgent构建了一个可扩展的具身智能基础设施。原子技能一旦开发，可在不同场景、不同机器人形态间复用，每解决一个新问题，都在强化整个平台。
随着部署规模扩大，平台积累的真实物理世界交互数据将反哺Agent Core等核心模型，形成持续的技术领先优势。开放平台与开发者生态一旦形成规模，将构建起"技能越多→场景覆盖越广→开发者越多"的正向循环。PuduAgent成为物理世界中的通用智能底座，让能力从硬件形态中解耦，让智能从单机节点走向群体协同，让具身智能在真实世界中更快地实现大规模落地。
热门跟贴