人形之外，擎羽把“身体”变成具身智能的新变量

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 人形之外，擎羽把“身体”变成具身智能的新变量 思邈 2026-08-12 12:29:57 来源： 量子位 从柔性本体走向跨本体基础智能，让任务与世界知识延续 允中 发自 凹非寺 量子位 | 公众号 QbitAI 机器人身体，正在成为具身智能里最被低估的变量。 过去两年，滚烫的金钱和聪明的大脑纷纷涌入人形机器人行业。 这背后的逻辑足够清晰：现实世界围绕人体尺度建造，双腿可以跨越台阶，双臂可以覆盖工作台，双手可以使用现成工具。 一副与人相似的身体，理论上能够直接进入工厂、仓库、商店和家庭，复用人类已经建立的物理基础设施。 但人形所追求的通用性，也把机器人领域最困难的一组问题，压进了同一套系统。 比如动态平衡、高自由度控制、灵巧操作、碰撞安全、能量效率和开放环境泛化，需要在一副身体上同时成立。 而当机器人真正走向产业，另一个问题正在浮现： 通用机器人是否一定意味着通用身体？ 李飞飞近期在围绕空间智能和机器人训练的讨论中，也给出了一个接近工程现实的观察： 人体由演化塑造成了适应开放、非结构化环境的通用形态，当任务边界足够明确时，最高效的身体可能沿着完全不同的方向演化。 她用“爬树”举例，如果一种生物长期面对的核心任务只有爬树，它最终形成的身体形态，大概率不会和人类相同。 这恰好解释了擎羽科技（FEAGINE）选择的路线。 擎羽由香港大学机器人学博士、前大疆创新嵌入式工程师 彭锐 创立，聚集了一批来自 斯坦福、清华、普林斯顿、大疆 等全球顶尖科技与研究体系的人才。 这家公司没有从复制一副人体开始，而是先把“ 身体 ”本身作为一个可以重新设计的变量。 在本次发布中，擎羽带来了 FEAGINE A01、A02、A03 三款仿生柔性机器人，以及第一代跨本体基础模型 Fi0：Foundation Intelligence Across Embodiments 。 前者解决的是机器人可以拥有怎样的身体，后者研究的则是身体发生变化之后，已经获得的智能能否继续使用。 单独看，A01、A02、A03是三款长度、节段、自由度和负载能力不同的柔性机器人；把它们与Fi0放进同一张技术路线图，它们又成为一组真实的embodiment variation。 身体逐渐变长，节段逐渐增加，可达空间、运动路径和接触方式随之变化，而模型需要理解其中哪些东西属于任务和世界，哪些东西由身体决定。 擎羽把这条硬件、数据与模型共同演化的技术路线称为： 柔性具身智能 。 人形之外，具身智能的身体仍有巨大的设计空间 在机器人领域，柔性通常首先指向材料和机械结构。 软体机器人、连续体机器人和绳驱机器人通过弹性结构、连续弯曲或柔顺驱动获得更丰富的构型，使机器人能够顺应环境、包络物体，并降低刚性碰撞带来的风险。 柔性具身智能将这个概念继续向上推进。 柔性具身智能，是以可连续形变、可顺应接触的机器人本体为物理基础，将身体的结构参数、实时形态、感知和驱动能力纳入模型上下文，使任务知识与世界理解能够跨越不同身体复用，并由模型为当前身体生成适配行动的一类具身智能系统。 在擎羽的判断中，柔性本体能够拓展近人交互与复杂动作的边界，连续构型也为数据映射和跨本体泛化提供了新的基础。 友善的本体、丰富的数据、泛化的模型，被擎羽视为机器人进入真实生活空间的三个核心要素。 这条路线没有否定人形机器人的长期价值。它提出的是另一种市场结构： 未来的机器人可能拥有许多不同的身体，通用性由共享智能提供，而每一种身体围绕自己的任务和环境达到更高效率。 全球首个量产绳驱柔性本体产品矩阵 FEAGINE A01、A02和A03，构成了 全球首个 实现标准化量产交付的绳驱柔性本体产品矩阵。 三款产品沿节段数量、自由度、长度和负载能力逐级展开，对应不同的实际部署需求。 FEAGINE A01采用一段柔性关节和2个自由度，整机重量750克，末端负载200克，更适合搭载在移动底盘、巡检设备和其他对重量敏感的平台上，在有限空间内完成轻量操作。 A02扩展至两段柔性关节和4个自由度，整臂长度30厘米，末端负载400克，最高移动速度达到0.78米每秒。 更大的工作空间和连续弯曲能力，使它能够进入桌面操作、近人服务、狭窄空间作业以及需要柔顺接触的场景。 A03进一步增加到三段柔性关节和6+1个自由度，整臂长度50厘米，末端负载600克，最高移动速度达到1.17米每秒。 更多节段带来了更大的构型空间，使机器人能够绕过障碍、从复杂角度接近目标，并承担更长距离、更高自由度的操作任务。 三款产品均支持ROS 1、ROS 2、Python与C++，A02和A03还配套GUI、MuJoCo与SAPIEN环境。 从移动操作、近人服务，到复杂空间中的抓取和交互，擎羽把柔性机械臂从实验室里的科研用具，变成可以 直接集成和部署的标准机器人本体 。 对Fi0而言，这组产品还有另一层意义。 随着长度、节段和自由度变化，同一个任务会自然产生不同的运动路径、身体构型和接触方式。 短臂可以直接接近目标，拥有更多节段的长臂能够利用构型冗余绕开障碍，双臂或多臂系统还可能重新组织任务中的动作分工。 任务保持不变，身体开始系统地改变任务的实现方式。 A01、A02和A03因此不只是三个SKU，它们也为Fi0提供了一组真实、连续且可以反复验证的本体差异。 每增加一种长度、节段和组合，模型都获得一个新的样本，用来理解身体变化究竟如何改变行动。 Fi0：跨本体基础模型Foundation Intelligence Across Embodiments 从上下文学习机器人技能，理解物理世界，并让行动适应不同身体。 Fi是擎羽对Foundation Intelligence的长期研究方向，Fi0是这一方向下的第一代跨本体基础模型。 它建立在一个基础判断上： 机器人对于任务和物理世界的理解，应当可以跨越身体继续复用； 真正需要随着身体变化的，是行动。 当任务是“把方块放进碗里”，机器人从A01换成A03，或者从单臂变成双臂，任务本身并没有重新定义。 操作对象之间的关系、抓取与释放的接触逻辑、任务推进的顺序以及最终的成功状态，仍然可以复用。 随着身体变化，真正需要重组的是可达空间、动作维度、运动路径、身体构型和动力学结果。 Fi0希望让任务意图、物体关系、接触逻辑和目标状态在不同身体之间延续，再根据当前机器人的形态、感知、驱动能力和动态状态，生成适合这副身体的动作。 但跨越身体只是Fi0希望解决的一半问题。 真实世界中的任务同样不会在训练阶段被穷尽。对于模型已经掌握的技能，Fi0可以直接执行；遇到训练覆盖之外的任务时，人类可以通过擎羽的Ego头环来提供一次demonstration。 模型将这段示范作为推理时的skill context，从中理解操作对象、任务过程、关键接触和目标状态，再调用已经获得的世界知识与操作能力完成执行，而无需针对当前任务重新训练参数。 由此，Fi0的能力沿着两个方向同时展开： 新的技能可以通过上下