当具身智能行业竞相追逐“海量数据、大模型、高算力”的共识路径时，一家名为“橡木果”的初创公司，选择了一条截然不同的“反共识”道路。8月10日，橡木果机器人正式发布「Natus AGE-0 具身本能模型」——这是全球首个以触觉感知为核心、复刻人类操作机理的通用操作基座模型。 该模型不依赖任何数据预训练，而是赋予机器人“与生俱来”的操作本能，使其实现零样本泛化与毫秒级自适应操作。这一技术路线，旨在从根本上解决行业面临的“数据稀缺、场景失效、实时性不足”三大落地难题。同日，橡木果披露完成由招商局创投和蔚来资本共同领投的天使轮融资，资金将主要用于面向工业柔性生产的机器人产品研发、品牌体系构建与市场拓展。 当前，全球具身智能行业的主流技术路线高度趋同：信奉“数据即一切”，试图通过大规模数据采集、模型参数堆叠和算力投入，训练出一个通用的“大脑”。这种自上而下的数据驱动范式，虽然在语言大模型领域取得巨大成功，但在面对真实物理世界的复杂操作时，却陷入落地悖论——不成熟的模型无法进入真实工况采集高质量数据，缺少真实场景数据又反过来限制模型迭代。 橡木果发起人姜峣指出，这一困境的本质在于预训练模型存在结构性缺陷。视觉与语言模态擅长语义理解与场景规划，却无法细腻表征连续、动态、毫秒级的触觉交互与物理接触特性。强行将实时接触调控纳入大模型的高频推理链路，不仅无法适配物理规律，更从根源上限制了机器人的操作稳定性与泛化能力。 “智能的根基，从不在于海量样本的记忆，而是在瞬息万变的环境里，把握稳定不变的交互规律。”姜峣表示，橡木果的技术起点来源于对人类与自然界生物演化底层逻辑的洞察。人类在数百万年进化中，并非先拥有高级认知才学会操作，而是依靠“本能”——一种与生俱来、无需后天学习、基于感知应激的底层生存机制，在瞬息万变的物理世界中得以生存。橡木果的“本能驱动”技术路线，正是对这一演化规律的复刻：以不变的物理交互本能，应对万变的物理场景。 Natus AGE-0 的命名蕴含深意：Natus 在拉丁语中意为“与生俱来的”，AGE-0 则象征着持续进化的起点。其核心在于为机器人构建一套完整的“操作本能系统”，融合“本能反射”与“肌肉记忆”的双层架构，颠覆传统“视觉语言-动作”的机器人操作范式。 第一层“本能反射”，是零数据冷启动的基石。它从触觉与接触力学出发，建立通用的操作收敛规律。通过橡木果自研的视触觉传感器，机器人能够实时感知滑移、软硬、质感等丰富的力学语义。例如，在抓取一个从未见过的物体时，Natus 不是去识别“这是什么物体”，而是通过触觉感知物体“要掉不掉”的滑移感，本能地调节抓力，使物体稳定保持在抓得“刚刚好”的状态。这个过程完全绕开大脑的认知推理，是一个由感知“刺激”直接映射到动作“输出”的闭环。因此，机器人无需任何针对特定物体、工况或场景的预训练数据，即可实现零样本的跨本体、跨物料泛化，真正做到“即插即用”。 第二层“肌肉记忆”，使机器人在探索中自我进化。本能反射保证机器人“先动起来”，但效率并非最优。为此，Natus 设计了“肌肉记忆”机制：在本能反射的驱动下，机器人通过持续端侧自主探索，与真实物理世界交互。每一次成功探索，都会沉淀为“肌肉记忆”，将原本需要高频决策的精细交互，沉淀为更高效的操作链路。这就像人类学习骑自行车：一开始需要高度集中注意力，一旦形成肌肉记忆，便可以不假思索地保持平衡。Natus 让机器人从“有意识推演”进化到“无意识自适应完成”，作业效率随之大幅提升，并能自适应不同硬件本体和各类柔性物料的差异化特性。 在商业化路径上，姜峣强调“技术路线最终要回归到商业逻辑”。橡木果参照自动驾驶的发展路径，先让机器人在真实世界中“跑起来”。自动驾驶的商业进程证明，没有任何一家公司能够通过“关起门来”采集海量数据，训练一个完美模型再一步到位推向市场。成功的路径是：先做出一个哪怕只有L2级别的基础模型，让车先在路上“开起来”，通过规模化部署在真实场景中获取海量、多样且真实的交互数据，再反哺模型，形成正向飞轮。Natus AGE-0 的发布，正是这一逻辑的起点——用“本能”打通冷启动，用真实场景数据驱动持续进化，从工业柔性生产场景切入，逐步走向更广泛的物理世界操作落地。
热门跟贴