Инвестиционное сообщество узнало, что компания по разработке человекоподобных роботов Current Robotics (Yuanliu) впервые раскрыла информацию о финансировании — она завершила раунды посевного, ангельского и Pre-A финансирования, накопив общую сумму в несколько сотен миллионов юаней.
Среди инвесторов есть как известные рыночные институции, такие как BV Baidu Ventures, Gaoling, GreenOasis Capital, Monolith Capital, Qianhai Ark, Fosun Capital, Junshan Capital, так и представители индустриальных кругов: Zhiyuan, Xinghaitutu, Jike Technology.
Основатель Чжу Ичэнь — 95-й год рождения. Он рано начал заниматься исследованиями VLA, за это время опубликовал более 40 статей на ведущих конференциях. Многолетний технический путь вылился в комплексную инфраструктуру, охватывающую базовые модели для манипуляции всем телом, оборудование для сбора данных и стратегии оценки мировых моделей, постоянно превращая реальное человеческое поведение в способности человекоподобных роботов.
«Человекоподобный интеллект начинается с человека.» В соответствии с философией Current Robotics мы становимся свидетелями того, как роботы начинают переходить с демонстрационных стендов в тысячи домов.
95-й гений, быстро завершивший три раунда финансирования
История Current Robotics начинается с Чжу Ичэня.
95-й год рождения, бывший глава отдела воплощенного интеллекта в Midea Group, один из первых исследователей в Китае, опубликовавших работы по VLA и мировым моделям. Он возглавлял команду, которая первой предложила парадигму VLA на основе диффузионных моделей и VLM (TinyVLA), расширила стратегию CoT (DiffusionVLA & DexVLA, опубликовано в ICML и CoRL), первой предложила использовать мировые модели для оценки воплощенных стратегий (dWorldEval, опубликовано в ICML Spotlight).
В статье π0 компании Physical Intelligence есть только одна ссылка на работу китайской команды — именно на исследования TinyVLA и ScaleDP, выполненные командой Чжу Ичэня. Впоследствии эти исследования от моделей VLA и данных демонстраций человека постепенно расширились до обучения роботов всем телом, превратившись в технологическую основу Current Robotics.
Основание компании стало логичным шагом. Чжу Ичэнь заметил, что ранее человекоподобные роботы либо фокусировались на управлении всем телом для лучшей «ходьбы», либо на манипуляции руками для лучшего «захвата», в итоге демонстрируя картину «сначала подойти, потом остановиться и действовать». Но задачи в реальном мире часто не так просты, даже простое действие требует стабильной координации рук и тела.
Для этого нужна «ловкая манипуляция всем телом» (Loco-Dexterous Manipulation). Решение Current Robotics — системная интеграция, объединяющая передвижение всем телом, координацию поз и тонкое взаимодействие рук в одной стратегии для обучения. Так была представлена модель ловкой манипуляции всем телом Curr-0, позволяющая роботу непрерывно корректировать свои действия во время движения. В настоящее время пять типов задач выполняются одной стратегией с общими весами и различаются по языковым командам.
Робот несет предмет через дверной проем и кладет в определенное место
С появлением модели возникли новые практические вопросы — прежде всего, данные. Current Robotics разработала собственную систему сбора данных с экзоскелетом всего тела, расширив сцену сбора данных с лаборатории до заводов, офисов, домов и других более реалистичных сред. Далее — более быстрая оценка и итерация, исследование использования мировых моделей для оценки стратегий реальных роботов.
На сегодня компания сосредоточена на Loco-Dexterous Manipulation, сформировав полный цикл технических возможностей: сбор данных, обучение моделей, оценка на основе мировых моделей и дообучение, направленные на повышение мобильности, манипулятивных способностей и обобщения роботов в различных задачах и средах.
Это очень ценное качество в условиях, когда воплощенному интеллекту часто не хватает практичности, данных и обобщения. Поэтому Current Robotics с момента основания привлекла коллективные инвестиции известных рыночных институций, что говорит о высокой степени доверия. Еще более редким является совместное участие индустриальных партнеров, что помимо финансирования имеет важное значение для отраслевой координации.
Инвестиционное сообщество узнало, что Current Robotics присоединилась к альянсу экосистемы данных интеллектуальных данных Yishu, инициированному Xinghaitutu, для совместного построения полной цепочки от сбора и разметки данных до применения. Кроме того, компания является стратегическим партнером платформы данных воплощенного интеллекта Mifeng Technology, принадлежащей Zhiyuan.
Предоставление капитала, заказов, экосистемы — такой подход к инвестициям особенно характерен для эры воплощенного интеллекта. В конце концов, только наличие сценариев может создать эффект колеса данных, позволяя с меньшими затратами и за более короткое время наделить роботов способностью стабильно работать в реальном мире.
Создание инфраструктуры для воплощенного интеллекта
С самого начала Current Robotics сосредоточилась на заполнении пробелов в существующих технологических путях воплощенного интеллекта.
Например, чтобы зажечь спираль от комаров, естественная мысль — робот сначала подходит к нужному месту, затем останавливается и действует. Соответствующее техническое решение — отдельное обучение стратегии передвижения и стратегии манипуляции с последующим инженерным соединением. Этот подход может работать на заводских конвейерах, но при попадании в реальные сценарии, такие как дом, между движением и манипуляцией возникает явный разрыв.
Это легко понять: даже когда робот стоит на месте, выполняя задачу на столе, поясница и нижние конечности все равно должны корректироваться в соответствии с движениями верхней части тела. Используя только метод «соединения», при малейшем наклоне тела нарушается способ приложения усилия рукой, и робот выглядит неуклюжим.
Представленная Current Robotics базовая модель ловкой манипуляции всем телом Curr-0 как раз и создана для координации — полное сопряжение навигационного движения, баланса всего тела и ловких рук для достижения координации рук и ног. От заваривания чайного пакетика и уборки мусора со стола до переноски предмета через дверной проем — эти сложные задачи, которые трудно просто разбить на этапы «идти» и «делать», показывают неплохие результаты в решении Current Robotics.
После модели источник данных также нуждается в обновлении. Основной сбор данных от первого лица охватывает богатую среду и поведение, но не может точно воспроизвести состояние движения человека и физическую информацию о взаимодействии, такую как контактные силы; сбор данных с телеуправлением более точен, но ограничения по оборудованию и стоимости затрудняют его масштабирование.
Можно ли эффективно собирать данные, одновременно отражающие среду, движения тела и физическое взаимодействие? Исходя из этого, Current Robotics разработала собственное оборудование для сбора данных всего тела, используя головные устройства, датчики-перчатки, экзоскелет всего тела, электромиографические устройства для записи зрения от первого лица, действий обеих рук и всего тела, сил воздействия на тело в реальных сценариях. Весь процесс не требует предварительного развертывания робота. Таким образом, сцена сбора данных напрямую расширяется до реальных человеческих задач, что не только оптимизирует затраты и применимость, но и поддерживает реальные данные, необходимые для «мозга» человекоподобных роботов.
Носимая система HumanEx
Наконец, этапы оценки и дообучения. Традиционная оценка на реальных роботах зависит от самого робота, площадки и ручного сброса, аппаратные затраты, время тестирования и стоимость воспроизведения сцен сравнительно высоки. Особенно в задачах с непрерывным изменением контактного состояния, состояние среды после сбоя трудно точно вернуть к предыдущему моменту, что напрямую влияет на эффективность итерации модели.
Исходя из этого, Current Robotics давно начала исследовать использование мировых моделей для оценки стратегий роботов. Команда предложила WorldEval, dWorldEval, помещая стратегию робота в сгенерированный будущий мир для выполнения и оценивая производительность стратегии, прогнозируя ход задачи; затем в Hi-WM (Human-in-the-World-Model, опубликовано на RSS 2026 Robot World Models Workshop) добавила человеческое вмешательство: когда в стратегии возникают ошибки или неопределенности, человек может напрямую вмешаться для исправления, и новые траектории взаимодействия могут продолжать использоваться для дообучения.
Представленный на этой неделе CurrentWorld-0 продвигает работу Current Robotics по оценке стратегий и дообучению на основе мировых моделей к более полной интерактивной среде. Команда определяет его как интерактивный симулятор мира (Interactive World Simulator) и впервые объединяет прогнозирование для разных платформ, многоракурсное и силово-тактильное прогнозирование в единую структуру.
Как только робот меняет платформу, пространство действий и способ управления также меняются. Разным роботам изначально трудно использовать одно и то же низкоуровневое представление управления, но CurrentWorld-0 хорошо сохраняет эти различия, позволяя различным роботизированным платформам действовать по-своему, а затем обучаться разделяемой динамике среды на основе межплатформенного взаимодействия.
После решения проблемы различий платформ возникает новый вопрос — «как видеть». Реальные роботы часто одновременно полагаются на вид с головы, запястья и третьего лица, кадры одной и той же задачи с разных углов сильно отличаются, но лежащее в основе состояние объектов, поза робота и ход задачи не могут идти своим путем. Если объект уже сдвинут в одном ракурсе, другие ракурсы также должны синхронизироваться; даже если он временно перекрыт, последующее состояние должно продолжать уже произошедшее взаимодействие.
А когда робот действительно вступает в контакт с объектом, RGB быстро показывает свои ограничения. Устойчивость захвата, изменение силы на конце, тенденция скольжения объекта — не всегда можно судить напрямую по изображению. Поэтому CurrentWorld-0 дополнительно включает силовую и тактильную обратную связь в прогнозирование, позволяя физической обратной связи, которую трудно охватить визуально во время контакта, также непрерывно изменяться вместе с действиями.
От складывания носков и упорядочивания подушек до чистки огурцов, открывания бутылок и наливания напитков, CurrentWorld-0 обрабатывает не только манипуляции с твердыми телами, гибкие объекты, жидкости и сложные контакты также интегрированы в генерируемую среду. На этапе оценки стратегий модель должна постоянно реагировать на фактические действия робота: если policy уже схватила неправильно, последующие состояния не должны быть возвращены видеоприоритетом к обычной успешной траектории, изначально запланированные записи неудач должны быть сохранены, а не «исправлены».
Это также основа, позволяющая CurrentWorld-0 использоваться для сравнения стратегий. Стратегии роботов могут сначала выполняться в сгенерированной среде, сравниваться и выявлять режимы сбоев, а затем результаты сопоставляться с производительностью на реальном роботе. Результаты, опубликованные командой, показывают, что относительная производительность разных policy хорошо соответствует тестам на реальных роботах, основные режимы сбоев при выполнении на реальном роботе также могут быть воспроизведены в сгенерированной среде.
После оценки этот опыт неудач можно продолжать использовать. Когда стратегия достигает позиции, где легко ошибиться, человек может вмешаться; даже одно и то же промежуточное состояние может быть сохранено, откачено, а затем с этой точки можно попробовать разные способы восстановления. Возникающие в результате corrective trajectories могут продолжать использоваться для дообучения стратегии (policy post-training), превращая проблемы, выявленные в одной оценке, в данные для следующего цикла обучения.
На этом этапе CurrentWorld-0 уже формирует относительно полную цепочку оценки моделей и сбора данных для дообучения: стратегия сначала проверяется в сгенерированной среде, после выявления проблем через человеческие исправления добавляется новый опыт взаимодействия, который затем продолжает использоваться для дообучения.
【Результаты post-training с использованием мультимодальных корректирующих траекторий CurrentWorld-0】
Таким образом, Current Robotics постепенно сформировала систему данных, моделей и оценки, сосредоточенную на ловкой манипуляции всем телом: реальные данные предоставляют физический опыт, модель отвечает за преобразование этого опыта в способности к передвижению и манипуляции, а мировая модель продолжает выполнять проверку стратегий, исправление ошибок и дообучение, способствуя постоянной итерации способностей роботов.
Ключевой скачок, роботы выходят в реальный мир
«Когда роботы смогут работать?»
Как мы видим, воплощенный интеллект сбрасывает одежды рассказчика историй и вступает в фазу «сдачи ответов», где важна реализация. Независимо от того, насколько красивы демо-версии и впечатляющи выступления, в конечном итоге все должно быть реализовано в реальных рабочих сценариях, что гораздо сложнее и грубее, чем концептуальные модели —
С одной стороны, традиционные фиксированные операции на рабочих местах затрагивают лишь очень узкую часть физического труда, большинство реальных задач требуют перемещения между пространствами. С другой стороны, роботы сталкиваются с непрерывным, сложным, неисчерпаемым реальным миром, объем работы по обучению и итерации за этим не поддается оценке, остро необходимы эффективные и простые способы сбора и обработки данных.
От HumanEx, Curr-0 до CurrentWorld-0, Current Robotics соединяет реальный человеческий опыт, обучение способностям роботов и последующую итерацию оценки, реализуя полный замкнутый цикл (full-stack closed loop): сбор реального поведения на переднем конце, формирование способностей ловкой манипуляции всем телом в середине, затем проверка стратегий в мировой модели, новые данные, сгенерированные вблизи сбоев, продолжают возвращаться в обучение.
Более глубокий подход заключается в мышлении от конечной цели.
Рынок голосует реальными деньгами, отраслевые дивиденды воплощенного интеллекта достанутся только тем, кто действительно сможет реализовать и создать реальную отраслевую ценность. В ходе этого отраслевая конкуренция распространяется от создания платформ до захвата данных и инфраструктуры; те, кто первыми смогут создать барьеры в виде данных и следующего поколения эволюции моделей, получат преимущество в новом цикле итераций.
На это Current Robotics дает предельно ориентированный на конечный результат ответ — сначала предположить, что данные бесконечно большие, а затем разработать решение на основе реального способа функционирования человеческого интеллекта. Таким образом, навигация, баланс тела и действия рук могут быть полностью сопряжены, локализация интегрирована end-to-end, а сбор данных также может получать более богатые детали в реальном рабочем процессе.
Широко известна заключительная часть романа «Великий Гэтсби»: «Итак, мы плывем вперед, борясь с течением, и нас постоянно сносит назад в прошлое.» Именно отсюда происходит название Current Robotics — преодоление ограничений существующих технологий, движение против течения, наведение мостов между человеческим опытом и человекоподобными роботами. Как и логотип компании, вдохновленный «Витрувианским человеком» Леонардо да Винчи, символом, где человеческое тело рассматривается как мера движения, пропорций и дизайна.
Логотип компании Current Robotics
В конце концов, источник человекоподобного интеллекта по-прежнему — человек. Посредством сбора данных с носимых устройств, создания базовых моделей, имитирующих движения человека, сочетания оценки с человеческим вмешательством и дообучения, Current Robotics делает именно это — через аппаратное обеспечение, конвейеры данных и замкнутый цикл моделей непрерывно превращает реальное человеческое поведение в более сильные способности человекоподобных роботов.
Носимая система сбора данных Current Robotics улавливает сигнал, называемый «попутным человеческим поведением» — естественные, свободные физические действия, возникающие спонтанно при выполнении человеком реальных задач в реальной среде, смежные с задачей. Эти физические априорные знания, которые трудно симулировать и невозможно описать языковыми командами, никогда не могут быть отделены от исходных человеческих демонстраций, демонстрируя уникальную ценность человеческого интеллекта в процессе взаимодействия человека и машины.
«Бессознательное поведение очень важно в humanoid-роботах. Оно достаточно антропоморфно, чтобы приносить большую эмоциональную ценность, часто превосходящую чисто функциональность», — делился Чжу Ичэнь. Например, робот держит предмет обеими руками и толкает дверь телом, простые человекоподобные действия становятся яркими благодаря живости.
Этот момент, возможно, уже не за горами. «Вырастая из самого реального человеческого интеллекта и возвращаясь в конечном итоге в реальный жизненный мир» — перед нами постепенно разворачивается картина гармоничного сосуществования человека и машины.
Эта статья из WeChat Official Account «投资界» (ID: pedaily2012), автор: Юй Мэнъин
