从灵巧手出发,曦诺未来想做具身智能的“英伟达”

◎ “做基础设施”,要经得起客户长期使用。

△ 撰文:董志洋

如果只有一年时间、一笔固定预算,要让机器人学会可靠地使用陌生工具,应该先改硬件,还是先做算法?在CoRL 2026机器人学习大会的“双手灵巧工具使用”专题研讨会圆桌上,曦诺未来创始人兼CEO夏宇轩选择了硬件。

在他看来,大家已经习惯了在可靠的硬件上研究算法,却低估了灵巧手本身还有多少问题没解决。

加州大学伯克利分校教授Jitendra Malik的选择恰好相反:优先投入智能层,尤其是预训练。语言模型随着规模扩大展现出的能力,让他相信智能还有很大的提升空间。

也有嘉宾认为,硬件和学习方法应该一起改进,仿真与计算同样值得投入。

这也是灵巧手企业绕不开的问题。模型越来越强,机器人能尝试的任务越来越多,一只手也就要应付更多物体、工具和接触方式。

客户拿到产品后,能不能顺利装进机器人、训练出需要的技能,并长期稳定使用,都需要供应商提供支持。

两人的分歧,首先是对研发瓶颈的判断不同。Malik更期待预训练带来新的能力,夏宇轩则担心,手本身的误差和不稳定,会让这些能力难以在真机上复现。

对一家灵巧手公司来说,这会影响投入顺序:一边要让研究者方便地试新算法,一边又得把传动、装配和维护做扎实。而曦诺的产品和软件布局,可以沿着这两项需求来理解。

近期,曦诺未来带着直驱灵巧手Prima 1和混驱灵巧手Flex 2,参加了CoRL和里斯本Web Summit科技大会。

展台上,灵巧手用两根手指持续转动小球;在CoRL的受邀演讲中,夏宇轩却用了不少篇幅讲齿轮磨损、线缆断裂和散热,以及如何训练策略、组织机器人完成任务。

夏宇轩曾在接受交流时说:“我们希望成为具身智能行业的英伟达,一个基础设施的构建者。”

要做这样的基础设施,交付一只手只是开始。控制器能否在不同实物手上稳定运行,客户能否方便地训练技能,出了故障又能否尽快恢复使用,这些都得由供应商一起解决。曦诺未来正试着把硬件、算法和后续服务放在同一套产品里。

▎换个球,灵巧手还能接着转

在CoRL展台上,Prima 1用两根手指夹住小球,让它在指间连续滚动。整个过程中,小球靠两个接触点支撑,手指一边调整关节,一边改变小球的位置和朝向。

只靠两根手指转球,很考验动作与受力的配合。手指既要夹稳小球,又得顺着球面滚动;夹得不合适或动作跟不上,小球就可能滑脱。随着小球转动,手指的姿态和接触位置也一直在变。

人工换上一颗不同直径的小球后,Prima 1仍能接着转,无须重新标定或更换运动程序。把球拿走,手指就停下来;重新放回球,滚动又会继续。

这套启停逻辑来自强化学习策略。策略会读取触觉信息,失去接触就暂停滚动,接触恢复后再继续。

指尖视触觉传感器的触觉分辨率为0.1N,帮助系统判断当前的夹持状态。

触觉在这里直接参与了动作决策。研究者可以换一种球径,观察手指怎样接续操作,也可以拿走小球,检查系统会不会及时停下。

这比始终转动同一颗球,更能看出策略对接触变化的处理能力。

△ Prima 1滚动操作的仿真训练画面

为了评价这类结构的运动能力,曦诺未来还采用了MIT Improbable AI Lab提出的KaRMA指标。在关节限位、碰撞及滚动接触等约束下,测试计算两指保持接触时,球形物体能够到达的位置和朝向。

KaRMA-T衡量手内平移能力,KaRMA-R衡量改变物体朝向的能力,KaRMA-S反映结果对初始抓取的敏感性。在曦诺未来这次比较的20款灵巧手模型中,Prima 1的T项第二、R项第一、S项第三。

公司同时展示了双指捏持球体的三维可达范围,用来观察关节布置与行程能支持多大的操作空间。

△ 运动学评价中,两指保持接触时球体的可达位置与朝向。

运动学评价先回答结构上的问题:这样的关节布局和行程,允许手指把物体移动到哪里、转到什么角度。到了真机上,摩擦、传感噪声和执行误差还会影响结果,研究者需要继续验证手指在不同材质与负载下的表现。

△ 本次20款模型比较的分项结果。T、R、S分别描述平移、朝向与初始抓取敏感性。

这场CoRL圆桌讨论的,也是动作做出来之后的问题:换一种工具、遇到第N+1个对象,机器人还要练多久,能不能做得更快?Malik尤其看重速度与可靠性,因为生产效率取决于单位时间内能稳定完成多少工作。

研究者可以先通过运动学评价调整关节和行程,再用真机测试接触与受力。Prima 1同时提供仿真模型和实物平台,方便研究者在两者之间反复验证。

▎直驱和混驱,为什么同时做?

曦诺未来的产品从腱绳驱动的Flex 1,发展到混驱的Flex 2,又增加直驱系列Prima 1。两条产品线并存:Prima 1主要服务科研和算法开发,Flex 2面向工业与消费应用。

夏宇轩在接受Mergermarket交流时强调,它们对应不同需求,会作为两条产品线并行发展。

Prima 1有22个主动自由度,驱动靠近关节,并采用较低减速比。这样的设计让外力更容易反向带动关节,控制器也更容易判断手指的受力变化,进而调整动作。

它的直驱架构保留了传动和减速机构,但尽量减少这些机构对力控的干扰。

Prima 1手部重850g,力控响应小于10ms,力控精度为0.5N,关节重复定位精度优于±0.2°。单指尖力不低于15N,整手可抓握提拉20kg。

研究者既能测试它负载下的动作,也能研究较小接触力的控制。

为方便研究者接入系统,该产品提供CAN FD和EtherCAT通信,ROS1、ROS2支持,以及URDF模型、MuJoCo和Isaac Lab仿真环境。研究团队可以先在仿真中开发控制和学习方法,再到同一款实物手上验证。

研究者调试一套算法,首先得弄清动作为什么失败。是策略本身有问题,还是摩擦、传动耦合让手指偏离了指令?

关节能够独立控制、结构容易建模、受力反馈清楚,都能让这件事省力一些。

科研平台的价值,也在于让实验更容易解释。研究者修改了策略,希望看到的是这次修改带来的变化;如果手指的摩擦、耦合和响应也在变化,就得先花时间排除硬件的影响。

因此,关节控制和建模越方便,团队就越容易比较不同方法,把实验继续做下去。这是科研用户选择灵巧手时,性能参数之外的一项实际需求。

△ 左为Flex 2,右为Prima 1

Flex 2更看重轻巧的手掌、柔顺的接触和较大的出力。负责屈曲的主要驱动放在前臂,通过腱绳拉动手指;手指侧摆、拇指对掌等动作,则交给掌内驱动,再配合连杆完成。

夏宇轩在ICRA 2026的技术演讲中解释了这种安排:腱绳传动存在迟滞,控制手指根部侧摆时,还可能额外带出屈曲力矩。

因此,团队将侧摆和对掌交给掌内驱动,减少动作之间的耦合;需要较大力量的屈曲动作,则利用前臂的驱动。

Flex 2的指尖力超过20N,可抓举20kg物体,水平提拉负载达到10kg;重复定位误差控制在±0.1mm以内,力控精度为0.05N。负载能力与小力控制放在同一套系统里,用来应对拿稳重物和细致施力这两类不同要求。

在Over The Horizon平台的交流栏目《LIVE @ THE ROBOTICS WATERING HOLE》中,夏宇轩详细介绍了Flex 2的结构。

他展示的版本在前臂布置了约14个线性执行器,手指伸展则依靠弹簧回位。控制时要处理腱绳张力、摩擦和弹簧负载,驱动不必全部挤在手指里。

夏宇轩也谈到,使用剪刀等任务需要更主动的伸展能力,后续结构还会继续调整。

为了把驱动装进有限空间,曦诺未来自研了直径8mm的无刷空心杯电机、7mm行星滚柱丝杠及微型电缸。执行器同时采用滚珠丝杠与行星滚柱丝杠方案,设计时要在承载、速度、噪声与反驱性能之间取舍。

在这期交流中,夏宇轩说,行星滚柱丝杠更擅长承受较大负载,滚珠丝杠则更容易获得良好的反驱性能。

嘉宾进一步追问了“柔顺”究竟来自哪里:腱绳松弛时,手指可以顺着外力弯曲;要让这股外力通过传动机构带动电机,并据此控制受力,还得考虑反驱和力反馈。

节目中展示的Flex 2,手部约400g,算上前臂驱动,完整单元约1.7至1.8kg,共23个自由度,其中两个在腕部。它把更多重量放在前臂,也就需要整机厂在设计时为驱动单元预留空间,并考虑这部分质量。

手部变轻,手臂加减速时的末端惯性负担也会减小。不过,给现有机械臂装上这样一套系统,还要处理前臂的机械连接、走线和控制。混驱带来的轻巧与柔顺,需要和整机的布置一起考虑。

Flex 2用不同传感器配合完成接近和接触过程:腕部双目相机观察空间,掌部ToF补充近距离感知;手指碰到物体后,指尖传感器测量三维力,掌部主要记录法向受力。视觉帮助找准物体,接触反馈则告诉系统手有没有拿稳、力用得是否合适。

外层设计同样服务于不同使用需求。Prima 1采用金属骨架及壳体、外覆硅胶,兼顾力控性能与模块维护;Flex 2的前臂和手背容纳机械结构,掌指区域使用织物覆盖,让接触面更柔顺。

此前WRC上,Prima 1展示绘画,Flex 2参与液体调配与双手协调操作,也是在用具体任务解释产品分工。

曦诺希望把Prima 1上积累的算法、交互数据和控制经验,用到Flex 2的开发中。两款产品共享开发工具与训练经验,策略迁移时再针对各自的传动、摩擦和动态响应进行适配。

这样安排,两条产品线就能各自承担不同的研发任务:在便于建模和控制的手上验证方法,再围绕更轻、更柔顺的结构研究应用。它们联系在一起的,是开发工具、数据和操作经验。

迁移过程中,研究者还可以比较同一项操作在两种结构上的表现,找出问题究竟来自策略,还是来自传动和响应差异。这些比较又能为下一轮硬件与控制改进提供依据。

因此,两条产品线各有侧重。科研用户需要方便建模和调试的手,应用用户还关心柔顺接触、末端重量,以及怎么装进整机。

但无论哪条路线,要长期使用,都得解决传动、布线和控制在反复运动中的稳定性。

▎3250个零件,怎样一起稳定工作?

在CoRL的这场受邀演讲中,夏宇轩展示了一只约有3250个独立零件的灵巧手,其中有200多个齿轮、100多个传感器。

这些部件挤在接近人手大小的空间里,运动时会相互影响,还要承受反复受力与持续发热,设计和装配都得考虑它们怎样配合。

装配时看着合适的空间,运动起来就可能出问题。手指伸直时留足余量的线,弯曲时可能被拉紧;腱绳每次经过同一处边缘,久了就会磨损。

改一个零件,又可能挤占旁边的空间,或改变其他部件的受力。

曦诺早期腱绳传动约一万次循环后,就出现导向部件磨损、腱绳散开的情况。改版后,传动结构经受180万次以上循环,结构件未出现可见磨损。

改进首先是增加导向滑轮,把较多滑动摩擦改为滚动接触,减少腱绳与导向件相互磨损。

团队还把腱绳材料从聚合物纤维换成金属丝,改善抗拉、耐磨和张力保持能力,同时重做回位机构,让弹簧更均匀地分担载荷。这些改动与导向滑轮配合,延长了传动结构的测试寿命。

谈到实际寿命,夏宇轩在Over The Horizon的这期交流中给出了更具体的条件:百万次整手开合是在轻载下完成的,约150万次则是腱绳的实验室测试。面对外物接触、碰撞和负载变化,他仍然谨慎看待高强度连续使用的寿命。

对客户来说,重要的是整只手能连续用多久。研发团队则要逐个排查容易失效的地方:腱绳更耐磨了,电路和其他活动部件能不能跟上?其中任何一处断了,都可能让手停下来。

电连接是另一处容易被忽略的薄弱点。FPC柔性电路把电源与信号送到各个关节和传感器,早期版本却连2000次弯折都没有撑过。

关节附近的金属导线反复受拉压,裂纹出现后,整根手指可能就要返工。

团队改变走线,避免弯曲总集中在同一位置;使用延展性更好的导体,并调整电路层结构,让应变更均匀。每轮弯折后,再通过X射线寻找内部裂纹,用检查结果决定下一轮修改。FPC弯折寿命由不足2000次提高到20万次以上。

机械传动和电连接,需要分别解决各自的耐久问题。腱绳与导向件要减少磨损,柔性电路则要避免反复弯折造成疲劳。团队逐项找出故障、修改结构并复测,整只手才能用得更久。

△ 传动结构与FPC的耐久改进,分别对应机械磨损和反复弯折失效

除了寿命,传动还要满足定位要求。曦诺早期六级齿轮传动的末端累计误差约1.59mm,最后一级贡献了较大比例。

每个齿轮分别符合自身要求,装配成一根手指后,间隙和安装误差仍会累积。

这种误差会在动作里表现出来。例如手指反向运动时,电机已经转了,传动间隙却可能让末端晚动一步;抓小物体时,就会影响对齐和施力。因此,定位测试也要考虑运动方向与负载变化。

曦诺的做法是反复修改齿形、材料和制造公差,再用样机测量误差与振动。传动做紧一些,间隙可能减小,摩擦和发热却又会增加,团队需要在精度、效率、出力和寿命之间找到合适的取舍。

持续握住物体,还会带来散热问题。电机和驱动电子集中在很小的空间里,热量又会传到与人和物体接触的表面。

曦诺先让机械弹性元件分担持载负荷,减少电机持续出力,再通过导热垫等结构,把热量引到壳体。

热量到达壳体之后,还要排出去。微型离心风扇与内部风道负责散热,并兼顾噪声、防护和必要的隔热。

在Flex 2的一组热像对照中,温度从60.1℃降至49.6℃;Prima 1的热像则展示了掌部温度分布的改善。

减少电机持续出力,可以少产生一些热;导热路径和风道则负责把热量带出去。几种办法需要配合:既要让局部热量及时散开,也要让手保持所需的握持力。

△ 持载与散热改进,以及Flex 2的一组热像温度对照。

控制器要准确判断关节位置,编码器的反馈就得先校准。偏轴编码器容易受到磁耦合和安装偏差影响,形成系统性误差,团队便以同轴测量为参照做校准。

在此基础上,控制器再按实际握持需要调整电流,兼顾抓稳和减少发热。

手指之间的碰撞也会让电机堵转、电流骤增。为此,避碰控制需要在运动中检查手指是否相互干涉,并及时调整路径,避免结构碰撞带来的过载。

夏宇轩还强调了一件事:同一个控制器,要能在不同实物手上稳定工作。如果同型号的手在摩擦、间隙和响应上差别很大,研究者换一只手就可能得到不同结果,算法调试也就更难判断问题出在哪里。

这让齿轮、线缆和装配工艺与算法开发有了直接关系。硬件的一致性越好,已有控制方法和策略就越容易复用。

研究者复现实验、客户更换零件后恢复任务,都能少花一些重新排查和调试的时间。

策略是在具体的硬件响应中学出来的。相同指令会带来多大位移、接触后多久产生作用,都会影响下一步动作。

换一只手后,这些关系如果变了,原来的策略也可能跟着失准。

所以,制造一致性与算法复用紧密相关。供应商把同型号产品做得更接近,研究者才更容易复现实验,整机厂也更容易增加设备、替换故障部件。硬件质量由此影响了客户后续的开发和维护工作。

▎从关节控制,走向技能调用

在里斯本Web Summit科技大会的演讲中,夏宇轩提到一次工厂参观:产线已经高度自动化,揭产品标签却还由工人完成。

人找到边缘,捏住后拉开,揭不下来就换个角度;机器人接手时,也要知道有没有捏住、该用多大力,以及标签滑脱或撕裂后怎么处理。

操作难就难在,许多信息得动手以后才能知道。物体有多重、表面有多滑,会影响后续动作,前一步没做好,后一步也容易出错。

夏宇轩还提到真机试错的代价:除了算力消耗,训练还会磨损硬件,严重失误后甚至要维修设备。

夏宇轩在Web Summit谈到的数据短缺,恰好与这类接触有关。看人揭标签的视频,能学到动作的大致过程,却很难知道指尖感觉到了什么、拉力有多大。

仿真可以增加试错的次数和变化,真实交互数据则帮助研究者检查材料、摩擦和接触的模拟是否准确,再据此调整训练。

△ 真实交互与仿真共同提供训练经验,普通视频难以完整记录接触力与触觉

在CoRL演讲中,夏宇轩介绍了相应的训练办法:先在仿真里尝试策略,再拿到真机上比较,修正模型与控制;同时用遥操作采集示范和真实交互数据,继续训练、部署、测试。他也计划开放部分流程和数据集,方便研究者使用。

曦诺在CoRL展示的基础策略,将视觉-语言-动作(VLA)模型与世界模型结合,接收相机图像、触觉、本体状态和任务指令。世界模型根据当前及历史观测预测接下来的交互变化,动作生成模块再结合预测与当前观测,生成一段动作序列。

比如要把物体在手里转过来,策略除了知道目标朝向,还得判断接下来怎么动:手指继续推,物体会顺着滚动,还是会滑脱?世界模型对动作后果的预测,就是为这类决策提供帮助。

基础策略给出动作后,残差策略再根据传感反馈做修正。训练残差策略时,基础策略保持冻结,由另一套强化学习策略学习怎样调整原有动作,以应对眼前的接触变化。

尝试失败时,人类操作者可以接管,接管过程也会留下来,用于继续训练修正策略。这样,训练数据里就有了失败发生时怎样调整的经验,研究者可以集中优化局部误差,减少反复训练整个基础模型的工作。

这套办法的思路,是把已有动作能力和眼前的误差修正分开处理。基础策略继续生成动作,残差策略利用接触反馈作调整,研究者可以围绕具体失误改进,观察修正后是否更稳。

因此,人类接管的数据也有了明确用途:记录操作偏离预期后怎样救回来。成功示范告诉机器人通常该怎么做,接管过程则补充遇到偏差时怎样继续。

△ 基础策略负责动作生成,残差策略根据传感反馈修正动作;人类接管数据用于继续训练

团队还在探索可微动力学模型与物理约束学习,用仿真和真实数据学习动作会怎样改变交互状态,并预测短时间内的结果。训练时再利用模型的梯度调整策略,为基础动作生成和残差修正提供帮助。

把一个动作接成一项任务,曦诺又设计了操作Agent系统。上层Brain负责拆分任务、提出下一步目标,Harness负责跟踪状态、检查执行条件与安全约束,决定继续、重试还是重新规划。任务开始后,系统还要随时检查执行得怎么样。

Bridge监控进度、反馈异常,“小脑”则调用操作技能、生成动作序列,交给运动控制器执行,再接收传感器反馈。从接近、对齐到抓取、转移、释放,每一步都要检查进展,遇到失败再安排恢复。

例如要把零件放到指定位置,系统得先确认抓住了零件,再确认转移完成,最后才能释放。如果抓取失手,就要重试或调整计划,而不能让机械臂继续搬运一个并未抓住的零件。

动作之间是否衔接得上,会决定一次任务能不能完成。抓取模块即使能多次成功,如果系统没发现这次抓空了,后续的搬运和放置仍会失败。任务系统因此要持续检查执行结果,再决定下一步。

这也解释了为什么曦诺在讲关节控制之外,还要讲状态监控、重试和恢复。客户交给机器人的通常是一项完整工作,开发者需要把操作技能与这些执行规则一起组织起来。

△ 操作Agent的任务拆分、状态检查、进度监控与动作执行分工

这些检查还得足够快。在Over The Horizon的这期交流中,夏宇轩希望将一部分快速反应交给手和手臂附近的局部控制系统,缩短等待上层推理的时间。

CoRL圆桌讨论的滑移处理也有类似要求:及时发现物体开始滑动,再决定调整握持、重新抓取或停止。

在Over The Horizon的这期交流中,其他嘉宾还建议增加手部感知、减少腕部相机,以降低多路图像处理的延迟。夏宇轩则表示,客户的相机需求不同,可以调整配置。

要留下哪些传感器,需要同时考虑任务所需的信息和处理速度。

在Web Summit,夏宇轩把这套开发方式概括为Dexterity API:让开发者直接调用操作技能,减少逐个关节编写命令的工作。如果抓取、转动、对齐、放置等技能足够稳定,开发者就能把更多精力用在任务组合和异常处理上。

回到CoRL圆桌,Malik对通用模型的期待更高:模型有机会吸收乃至超越既有研究。他也要求用实验检验这种能力。

生成代码、调用本地资源复现控制实验,是其中一步;能否进一步控制真机,则要看实际执行结果。

仿真也有具体难题。在同一场CoRL圆桌上,英伟达机器人研究科学家Ankur Handa谈到精密插接等接触任务,希望物理仿真做得更准。

密歇根大学机器人学副教授Nima Fazeli则强调,驱动机构到指尖之间的间隙与摩擦也会影响动作,他希望用多个仿真器训练策略、再到真机交叉测试,找出哪些物理特征最有帮助。

对于不同机器人之间的能力迁移,Malik认为,基本能力可以共享,而要获得更高性能,还得用好各自硬件的特点。这也适用于曦诺的双产品线:开发接口可以统一,策略仍要针对不同手的运动空间、传动和响应做适配。

通用模型能帮助不同机器人理解任务、利用已有知识,具体的手则决定动作如何执行。对灵巧操作而言,知道目标还需要配合关节行程、传动响应和实时接触,才能形成稳定的操作。

沿着这个分工,模型进步会扩大开发者能尝试的任务,供应商的控制、数据与工具则帮助他们把任务落到硬件上。曦诺投入软件,是希望降低这一段的开发难度。

对开发者来说,技能是否好用,最终要落到操作表现上:能处理多少种对象,成功率和速度如何,换一种物体或换一只手,还需要多少训练。这些结果会直接影响开发周期,也会影响客户是否愿意采用这套软件。

▎把手卖出去,还得让客户持续使用

在里斯本Web Summit期间接受CGTN交流时,夏宇轩说,现阶段的主要用户仍是实验室和科技企业,下一步会优先关注布料处理、包装与零件搬运。

随着客户开始用灵巧手持续完成工序,作业速度、停机时间和维护成本会变得更重要。

CoRL圆桌上也有人提出,简单夹爪已经能干不少活,为什么还需要高自由度灵巧手?夏宇轩举的是钥匙:拿起来后,还要在手里调整位置、对准锁孔并转动。

Fazeli则提到电钻,握持时要扣扳机,手里还可能同时拿着螺钉,一只手需要配合完成多个动作。

固定物体、固定抓取点的搬运,往往可以用更简单的末端工具完成。灵巧手要争取的,是那些需要应付物体变化、使用工具、连续调整姿态的工作。

找到这些动作真正影响效率的工序,才能让多指结构的投入获得回报。

为方便整机厂采用,夏宇轩在Over The Horizon的这期交流中谈了两种合作办法:提供更完整的手臂操作方案,或在整机下一代产品的早期就参与共同设计,提前安排机械空间和接口。

公司选择专注灵巧操作,与整机企业合作,不做完整的人形机器人。

Flex 2尤其需要这样的配合。除了手部,整机厂还得为前臂执行器、传感器和局部控制预留位置。早期一起设计,比机械结构定下来后再修改,通常更省事。

但在这期交流中,其他嘉宾也替整机企业提出了顾虑。外部供应会影响成本、交期和系统控制,手坏了,最终用户仍然会找机器人厂商;换一家供应商,又可能要重新适配控制、训练策略,原先的开发投入也就受到影响。

整机厂把手部研发交给供应商,是希望少一些开发和使用负担。因此,供应商还得说清楚出了故障由谁处理、多久能解决,让客户既能拿到产品,也能得到后续支持。

维修就是很实际的一关。节目中讨论了两种办法:用备件替换整只手,再送回维修;或者在现场换掉损坏的手指。

前者需要安排备件周转,后者则要求模块方便拆装、接口一致,维修后还要检查动态响应、校准和原有策略能否继续使用。

所以,夏宇轩谈寿命时,最终谈到了投资回报率。高负载动作做得出来,如果总要维修、等待备件或重新标定,客户仍可能觉得不划算。采购价格之外,维护费用和停工时间也要一起算。

客户算这笔账时,会把故障后的处理也算进去。整手更换要准备备件和返修周转,现场换手指要有易拆装的模块,还要检查更换后能否恢复原有动作。维修方案本身就会影响停工时间。

由此看,寿命、可维护性和策略复用需要一起考虑。供应商若能让客户少等一次维修、少做一次重复调试,就能减少使用成本,也更容易支撑长期合作。

交流中的嘉宾还问到清洁、防护和可更换的保护手套。增加一层外罩,可以帮助处理污损和磨损,但也会改变表面摩擦、触觉传递和近距离感知。保护层装上后,需要连同操作一起测试。

这些问题会反过来影响产品怎么设计、怎么生产。原型阶段,工程师可以逐只调整;交付数量增加后,装配、备件、标定和故障排查就要有更统一的办法。

曦诺同时投入微型执行器、灵巧手、控制与制造,也是在为后续交付和维护做准备。

曦诺未来成立于2024年,到今年7月完成四轮、累计近15亿元融资,目前已完成五轮融资,团队约600人,其中约300人为研发工程师,服务全球100多家客户。

约5400平方米工厂已经投产,公司计划在2026年底形成每年1万台灵巧手、20万台微型电缸的产能。

把关键驱动部件留在内部,方便团队一起修改执行器和整手。电机、丝杠或传动布局有了新设计,制造端就做出样件,再通过装配、标定和测试看效果,修改结果也能更快用于下一版产品。

夏宇轩在Over The Horizon的这期交流中说,设计、研发和工厂就在同一栋楼,团队几乎每月迭代一次,供应商也能迅速配合修改。他在CGTN交流中还谈到,中国的工程制造和供应链能力,可以与欧洲等海外市场的合作需求结合。

研发和制造离得近,直接影响样件能多快做出来、问题能多快改掉。灵巧手的传动、布线和散热还在不断调整,缩短等待样件的时间,就能多验证一些改进。

在同一次CGTN交流中,夏宇轩也把供应链协同和应用规模扩大视为降本条件:目前科研采购量有限,应用规模上来后,成本才有更大的下降空间。

研发、制造和供应商靠得近,能缩短一次修改从图纸到样件的时间。但产品改版之后,客户已经调好的控制和技能还要继续使用,这又要求团队检查新旧硬件的差异,安排标定和适配。

从这个角度看,快速迭代与稳定交付是公司要同时完成的工作:研发端尽快解决新问题,客户使用时则尽量少受版本变更影响。

曦诺还在CoRL推出了面向高校和科研团队的支持计划,涵盖采购与产品升级优惠、Rising Stars研究奖励、灵巧手借用,以及实习、访问和技术交流,帮助研究者降低实验启动成本,积累数据与控制经验。

这些积累,才是客户愿意继续使用同一平台的理由。研究者已经训练好的策略,整机厂已经设计好的空间和接口,都是实实在在的投入。

产品升级、零件维修时,能尽量保住这些成果,供应商才能和客户建立更长久的合作。

CoRL圆桌最后,主持人问,什么结果会让嘉宾改变自己的判断?夏宇轩说,如果模型面对未知或不够可靠的硬件,也能零样本或经过少量尝试就用得很好,他会重新评估硬件的重要性。

Malik则希望用不同对象上的表现、速度和准确率,检验通用模型究竟能做到什么程度。

这场争论还会继续,但客户已经要为眼前的工作付费。一项任务训练好了、调通了,换一只故障手或升级一代产品后,原来的技能还能不能接着用,会直接影响他们的选择。

曦诺未来想做具身智能的“英伟达”,需要让客户在这双手上积累的技能和开发成果长期用下去。模型越强,开发者越有能力尝试新的操作,供应商也要让硬件、控制和开发工具跟上这些需求。

客户是否持续采用同一平台,最终也会取决于供应商能帮他们节省多少反复训练、调试和停机的成本。

-END-

点击查看全文
评论赞0 分享
轨迹
曦诺未来 灵巧手 具身智能

欢迎关注我们!

版权所有:上海恩翌信息科技有限公司
联系人1:NE时代-小恩
联系电话:188-1775-0862
备案许可号:沪ICP备17041240号-4
RSS 订阅通过rss订阅最新文章