蓝鲸新闻11月24日讯（记者 武静静）在人工智能的叙事被大模型一统天下之前，星尘智能创始人来杰所执着的那条路，曾是一条少有人走，也少有人能看懂。

那时，“AI”与“机器人”在投资人眼中，是泾渭分明的两个赛道和两拨人，得帮助他们去理解这二者的融合。2022年底，来杰创立星尘智能在融资时经常被追问“你们做的到底是AI，还是机器人？”彼时，“AI+机器人”还是一个非共识方向。

然而，这个横亘在市场和创业者之间的认知鸿沟，对他而言，却早在十多年前在西安电子科技大学本科时期就已选定的方向，当时他就开始研究机器人与强化学习。

2014年百度全力投入AI，来杰加入百度，希望在这家技术雄厚的公司探索智能注入机器人的新可能，四年实战，他见证深度学习在虚拟世界所向披靡，却也更深地困惑：仅靠协作臂，真能满足AI对物理世界的渴望吗？

转机在2018年到来。马化腾宣布成立Robotics X，判断“AI终须回归现实，机器人将是载体”。张正友那句“AI与机器人应如两条腿走路”，如闪电击中了他。

从校园的起点到创业的启程，来杰这十几年的跋涉，正是中国具身智能浪潮从悄无声息到奔涌而来的一段缩影。

如今，具身智能赛道热浪迭起，星尘智能团队也因过往的多年积淀获得了头部机构的青睐。2025年11月18日，星尘智能宣布完成数亿元A++轮融资，这是该公司一年内的第三轮重大融资。国科投资和蚂蚁集团联合领投，Bloom Advance Capital、时代伯乐、南山战新投等机构跟投，老股东锦秋基金继续追投。而另一家同时被阿里系的蚂蚁集团与字节系的锦秋基金连续押注的企业，正是宇树科技。

此外，新加入的美元基金 Bloom Advance Capital曾成功押注过OpenAI、xAI和脑机接口公司NeuraLink等硬科技企业，也较少见。资本市场的持续加注，印证了来杰和他选择的技术路线正在获得市场认可。

图：Bloom Advance Capital曾投资OpenAI、和马斯克旗下的xAI、脑机接口公司Neuralink和SpaceX

而在具体的技术路径上，和多年前选择AI+机器人这个非共识一样，来杰又选择了一条非共识路线——放弃行业主流的关节直驱或连杆传动，转而押注没有现成方案、系统工程难度更高，但更加柔性的“绳驱结构”。

来杰的逻辑并不来自市场趋势，而是数年实验过程中得出的直观结论——绳驱更接近人体肌腱的力量组织方式，具有低摩擦、高顺应、连续力域等特性，能让机器人把身体的真实力学信息暴露给 AI，而不是被刚性结构中齿隙与减速器噪声“遮蔽”。“AI、机器人对世界的探索和试错，本来应该像个温柔的孩子一样：轻轻去碰世界、一步步积累经验。”来杰说。

目前，星尘的绳驱机器人已进入量产环节，是世界首个实现绳驱量产的团队,并在AGV底盘厂商、文旅设备企业等千台级订单中形成真实合作。

对于容易受到质疑的寿命问题，来杰提到，如果连续 24 小时在多任务、不同工况下运行，预测绳索使用寿命约为 3.2 到 6.2 年。同时，机器人采用模块化设计，超过使用年限后可以通过更换模组进行维护，跟车辆保养一样方便。

在技术路线的选择之外，星尘还坚持自建“本体—数据—模型”闭环体系。在他们看来，遥操作是整个链条中的关键环节：它既是高性价比的数据采集工具，也是早期商业落地的桥梁。来杰认为，相比之下，仿真数据成本低但偏差大，视频学习可大规模扩展却缺乏力觉信号，而遥操作能为未来的世界模型提供最具价值的最真实的全身交互数据。“对机器人企业而言，这不仅是技术问题，更关系到商业落地：当AI 机器人无法实现 100% 交付成功率，人（遥操）成了必须的实用的折衷方案，逐步迭代，逐步进入真正的产业化阶段。”

在采访中，来杰谈到他们的长期目标——“让数十亿人拥有 AI 机器人助理”，其中既包含“消费级”的想象，也包含“基础设施级”的战略，“家庭机器人真正的第一步，很可能不是一个全能助手，而是一个“人的分身”——一个能够承载情绪、关系与交互的远程代理体。技术、伦理与产品形态都决定了这条路不会快，而短期内能跑通的，仍是工程边界明确、任务可量化的专业场景。”

以下是蓝鲸科技和来杰的对话实录，经编辑修改：

一、来杰的非共识选择：历经百度、腾讯，我比市场更早看见“AI+机器人”的必然

蓝鲸科技：星尘智能成立于2022年底，时机上正值具身智能的“前夜”。当时是什么样的行业判断，让你们决定“押注AI机器人”这一方向？

来杰：在22年底到23年初进行融资时，GPT尚未爆发，向大家解释我们的理念其实是相当困难的。 当时我讲的是“AI+机器人”的概念，但投资人常常会追问“你们做的到底是AI还是机器人？”这反映了当时市场对这一融合方向存在普遍的理解误区。

之所以从一开始就坚定地提出“AI+机器人”，源于我多年来的思考和实践。

从2014年到2018年，我在百度组建机器人团队。加入百度前，我一直被两个问题困扰：第一，机器人未来要如何发展才能真正变得像人一样智能？第二，智能技术要如何发展才能真正理解物理世界？当时我判断，智能比机器人本身更为关键，而百度正全力投入AI，所以我选择加入并希望打造一个与机器人技术相关的、最前沿的团队。

然而，这条路并非一帆风顺。在百度工作四年后，我明显感觉到一个瓶颈：当时的深度学习虽然在各类应用中表现优异，百度的无人驾驶项目也进展迅速，但在机器人领域，我开始质疑，仅仅使用协作臂是否真的能满足AI在物理世界中的应用需求。

转折点出现在2018年。当时腾讯邀请张正友老师从微软回归，我参加了他的就职演讲。他提出了一个观点，让我深受触动：机器人和AI应该是两条腿走路，二者相互促进、相互关联，类似于计算机硬件与操作系统的关系。

演讲结束后，我立刻找到他深入交流，之后便决定加入腾讯，成为Robotics X实验室的初创员工之一，帮助他建立起整个机器人实验室的架构。

在腾讯，我作为架构师继续探索AI与机器人的结合，又工作了四年。到2022年，大模型爆发前夕，Transformer架构已在各个领域展现出其强大的潜力和变革性。我当时认为，这种处理高维信息对齐的方式非常适合机器人。

但更让我触动的是Yann LeCun（杨立昆）当时提出的“世界模型”（World Model）概念。 他在那篇影响深远的文章中强调，AI应该脱离互联网的束缚，去和真实世界进行交互。

只有这样，AI才能从现实世界中获得真实的反馈，而不是仅仅依赖人类输入的知识，这才是通往真正世界模型的必经之路。

那一刻我豁然开朗：他所描述的不就是一个机器人吗？我意识到，当前的大模型需要机器人。机器人不仅可以帮助大模型实现顶层的通用智能，更重要的是，机器人能为大模型提供海量的、宝贵的物理世界数据。

这能让AI真正脱离屏幕和文字，开启一个更高级的智能发展阶段。 正是看到了这些关键的结合点，我才决定带着团队出来创业，致力于打造一个拥有真正智能的机器人。

到了2023年，这个方向被外界正式命名为“具身智能”，并在2024年彻底火爆起来。这就是我们创业的完整心路历程。

蓝鲸科技：你们提出“让数十亿人拥有AI机器人助理”的愿景——这个目标背后，是一种“消费级”的设想，还是“基础设施级”的战略？

来杰：如果从产品路径来看，它一定不是单选题，它既包含“消费级”的想象，也包含“基础设施级”的战略。但两者的时间尺度不同，我们认为会分阶段实现的。

第一阶段更像是专业助理，是在封闭场景里把专业事做到极致。

比如我们现在在做的科研、商用、文娱、零售等场景，本质上都是“功能化 + 情绪价值”结合的专业助理。这类场景边界清晰、任务明确，模型和本体都能快速取得可商业化的效果，“本体—数据—模型”还能闭环持续迭代，我们认为这个阶段其实会先跑出来，甚至未来一两年就会看到比较成熟的规模化落地。

但家庭机器人不一样。家庭是开放、复杂、动态的环境，对智能要求极高，而且家庭用户要的是千人千面的“功能价值+情绪价值”。比如我们在养老院做探索时发现一个很有趣的问题：一个机器人，如果完全自主为老人服务，老人反而不一定喜欢；但如果它是“老人女儿的分身”——由家人通过遥操作参与、带有情绪价值——老人接受度会更高。

这意味着家庭场景里真正的第一步，可能不是一个“完备的家庭超级助理”，可能是一个人的“机器人分身”，一个真实关系的载体。这在技术、伦理、产品形态上都要慢很多。

蓝鲸科技：公司成立时就选择了“本体—数据—模型”三位一体的路线，这一架构是在怎样的技术与商业考量下形成的？

来杰：技术上，这是因为未来的机器人，需要Design for AI（面向AI设计）。

我们从成立的第一天起，就告诉团队，要做为AI设计的机器人。你看“本体—数据—模型”，其实就是“机器人 - 遥操作 - AI”。为什么？

AI的发展将是关键源头，最重要的增量、变量，是AI和机器人的结合。这几年，LLM、VLM，再到现在的多模态发展，虽然技术非常强大，但大模型还没有达到我们想要的智能水平。但互联网数据几乎已经用完，无法再为AI提供更多新的信息。这些信息应该从哪里来？答案是机器人。

机器人正是现在这个时间点最应发挥作用的时候。机器人可以完成两个重要任务。

第一个是与世界进行物理性的交互，像小孩一样不断地进行尝试。第二个是引入更多的物理信息，这些信息是从互联网的数据中无法获得的。

只有在这些数据的补充下，AI的模型才能得到跨越式的发展，进而构建出一个真正理解世界的模型。所以我认为，整个发展的源头是AI的进步，但这一时刻的质变是AI与机器人结合所带来的。

那遥操作处在中间，左边为AI提供数据，因为它是高效的数据采集方式，右边为机器人提供交互界面，因为是让人能真正把机器人“玩”起来，也才能让机器人“学”起来。

而在商业上，单独做模型，或单独做硬件都很难形成壁垒。缺乏遥操作，无法实现100%的成功交付，商业化无法落地。

一方面，我们觉得只有形成“本体—数据—模型”循环，才能形成行业真正的闭环，以及可规模化的商业模式。另一方面，在AI没有百分百成功率时，遥操作可以作为兜底和人机协作，提升交付的成功率。

二、技术选择：为何敢用“绳驱”定义下一代机器人？

蓝鲸科技：星尘智能在2022年底成立时，市场主流仍是连杆传动。是什么原因让团队大胆选择了技术门槛更高的绳驱传动，并将其定义为公司的核心竞争力？

来杰：从 2014 年到现在的持续探索和验证里，我越来越坚信：绳驱就是机器人的未来。它同时满足了 Design for AI（为 AI 而设计） 与 Design for Human（为人而设计），是两个目标里最好的交集方案。它解决了行业长期以来的痛点：“性能强就危险、安全强就没性能”。

从 Design for AI 的角度，绳驱首先提供了“最好的力的传递”。很多年前我在腾讯做机器人开门任务时，我就在想：“为什么盲人能开门，而机器人做不好，但阻尼（一个系统在运动中因摩擦、阻力等导致能量耗散、运动减缓的效应）变化了，什么时候要停下动作？这些都跟‘力’有关，而机器人缺少这个底层的、第一性的信息。”

后来我们做了大量实验，发现传统刚性电机和减速器，会把关键的力控细节吃掉——齿隙、摩擦、冲击都会让大量物理信息丢失，让AI 看到的身体是不完整的。你让它学人的运动轨迹，它只能学到末端（夹爪）那一点点结果，绝大多数细腻的关节、肌肉间的力关系都消失了。

绳驱不一样，它像人的肌腱一样发力，具有低摩擦、高跟随、连续力域，让 AI 第一次能够“看到”身体真实的力学结构，并学习真正的施力逻辑。我觉得这就是：智慧的“力量”。借助绳驱，我们直接解决了开门问题。

第二个Design for AI，是绳驱为 AI 提供了一个“最安全的探索世界、获得智能的方法”。2014 年我在百度做机器人强化学习训练时，模型刚跑起来没多久，机器人就会直接撞到桌子上，两三周维修才能继续训练是家常便饭，啥都做不了。当时行业普遍的结论是：机器人和 AI 天生难以结合，研究必须在仿真里做。

但我始终觉得这件事的本质不是 AI 的问题，而是——机器人本身不适合训练 AI。传统机器人太硬、太凶、太不仿人。那时的机器人，就像：给一个两岁孩子的大脑，装上两米高的身体和强壮的肌肉，这是不合适的。而AI、机器人对 世界的探索和试错，本来应该像个温柔的孩子一样：轻轻去碰世界、一步步积累经验。

但刚性结构让所有错误都变成“硬碰硬的事故”——一碰就坏。坏了就停，停就不能学，卡住了具身智能的进步。

而绳子天然的弹性，让绳驱有了 AI 学习迫切需要的三件事：不伤人、不伤自己、不伤环境。绳驱能把高频冲击吸掉，让机器人皮实不容易坏，能“多犯错”，也“犯得起错”——这意味着机器人能在物理世界里多一点时间去探索。而在操作中，如果人突然打扰、物体突然偏移，绳驱能“像手腕一样”化解掉一部分突发应力，随机应变。这对需要高精度力反馈和连续试错的 AI 模型来说，简直是天生的适配器。

同时，我们也积累了一些非常有价值的研究经验，为绳驱方案落地“打辅助”。绳驱技术经过长期酝酿，才水到渠成。比如，2019年MIT开源了 MIT Cheetah Mini 的电机驱动器方案，将行星齿轮集成到外转子电机中。这个看似简单的驱动器创新，却极大提升了力的跟随能力。在此之前，我们主要依赖 ZMP（零力矩点）控制，而自那时起逐步转向 MPC（模型预测控制）+ 强化学习的方式。这个转变的核心在于力控能力的提升，从而推动了整个软件和算法体系的优化。

另一方面，我们在腾讯调研了市面上大量腱绳方案，发现中国是腱绳大国，产业规模占据全球六成，供应链成熟且稳定，价格也有空间。

因此从星尘诞生的第一天起，我们就在机器人本体（硬件）层面明确了一个观点：未来是AI（软件）的，机器人要Design for AI，而绳驱，就是最具潜力的解决方案。

蓝鲸科技：你们是首个量产绳驱机器人的公司，绳驱传动相比传统刚性结构的真正突破点在哪里？它解决了什么“行业痛点”？

来杰：它满足了 Design for AI（为 AI 而设计） 与 Design for Human（为人而设计），是两个目标里最好的交集方案。它解决了行业长期以来的痛点：“性能强就危险、安全强就没性能”。

这个问题，我从Design for Human（为人而设计）的角度来回答。

家庭是所有场景里最“反直觉”的地方：它需要机器人又强大，又安全，而这两点传统上是矛盾的。你需要机器人：1）极致的安全，2）足够好的性能——高频动态响应、精确力反馈、好的负载，低噪音；3）结构要紧凑、轻量化、适应不同家庭，不能太笨重，4）能够尽量低成本实现。

那其实如果直接比较主流的传动方式，就不能看出绳驱所代表的未来：高安全、高性能、轻量化、成本将持续降低。

最后看成本，绳驱系统成本，在同等性能下，成本远低于谐波减速器，同时也低于行星减速器。在同尺寸、同体积条件下，其成本介于行星减速器和谐波减速器之间，但性能表现强于前两者。

蓝鲸科技：你们的绳驱方案是如何突破制造与稳定性难题的？

来杰：绳驱本身并非新技术，它在工业领域已有几十年应用，例如电梯、吊车等，使用寿命、可靠性和稳定性都经过了成熟场景验证。

在机器人领域，绳驱的应用历史也不短。早在2000年代初，WAM手臂就采用了精密的绳驱系统，将电机和减速器安装在基座或躯干上，通过钢缆驱动关节，实现高性能操作。这说明绳驱在机械臂上的可行性已得到验证。

绳驱在机器人界，这一年逐渐被越来越更多人认可。一方面，特斯拉及很多灵巧手公司都开始采用绳驱技术；另一方面，全世界目前真正做绳驱本体的成熟公司可能只有两家，除我们之外，还有 OpenAI 投资的 1X，他们最近发的家庭新产品也非常有影响力，但要到明年才供货，尚未量产。而我们已经率先实现量产，是世界首个实现绳驱量产的团队，这至少领先了1X一个周期。

绳驱制造上，又有一个反直觉的地方——绳驱的原理很简单，但要是在人形机器人上实现，工程难度非常高——整条链路涉及材料、结构、电气、控制算法等多环节协同，一环扣一环，是典型的大系统工程难题。

我们在死磕绳驱的时间，从在腾讯就开始了。

材料上，我们在腾讯时就做了大量材料学和机构层面研究。得益于现代金属材料科学的发展，钢绳的可靠性和稳定性远超预期。在腱绳寿命测试中，机械臂经过超过150万次反复弯折和运动后，绳索本身没出现问题，反而是轴承部件出现了明显磨损。这证明，绳索本身的可靠性不是问题。

近几年发展的碳丝、钨丝，在强度上也有了非常明显的提升，也在慢慢补充金属材料的短板。2024 年《Robotica》的由加拿大魁北克希库提米大学 LAR.i Lab 团队完成的一篇综述中，就对比了不同腱绳材料的特性，并给出了他们的评分，可以作为一个参考。

第二个是运控算法，绳驱的固有问题在于弹性。弹性既是优势也是劣势：优势在于它带来柔顺性，有利于力控和物理交互安全；劣势在于弹性导致系统初期难以精确控制，绳索表现为稳定的非线性状态，需要精确辨识并实时补偿。实现这一点对算法要求非常高，因此我们开发了大量核心算法，全部自研，包括驱动器自研。原因在于，许多算法必须直接嵌入驱动器，以实现高频率控制，补偿绳驱传动的非线性问题。

第三个在结构层面，我们采用创新型差分并联结构。传统绳驱系统多采用单电机驱动单关节，容易出现动力不足或响应延迟问题，我们让两个电机协同驱动一个关节，各分担 50% 的负载，不仅让动力性能提升 1 倍，还避免了传统串联电机“一个干活、一个闲置”的能量浪费，进一步提升了动作响应速度。

在寿命方面，如果连续 24 小时在多任务、不同工况下运行，预测绳索使用寿命约为 3.2 到 6.2 年。同时，机器人采用模块化设计，超过使用年限后可以通过更换模组进行维护，例如小臂磨损只需更换对应模块，无需整体报废。这种设计极大提升了整机长期可靠性和可维护性，类似车辆的维修保养，非常方便。

在装配和量产环节，由于绳驱机器人没有现成方案，我们开发了专门的自动化装配工具和标定流程，以保证绳索张紧力一致性。同时，我们进行专门设计确保装配精度，使每个出厂关节模块都具备高度一致的性能参数，从而解决了量产的核心瓶颈。我们是今年6月开始量产。

三、从“轮式人形”的务实选择，到“模块化”的终局思维

蓝鲸科技：从S1到未来机型，星尘在硬件迭代上有哪些方向性的进化？例如：双足移动、能耗优化或模块化扩展？

来杰：跟“跳舞走路”的运动型机器人相比，我们更偏向操作型机器人。因此产品形态从一开始就确定为“高价值的上半身，可落地的下半身”。这一理念贯穿始终：从设计初期起，我们就选择轮式人形而非双足人形。轮式相比双足在稳定性、续航、场景适配性以及噪音控制上具有明显优势。去年采用这一方案的厂商并不多，但到现在，市面上偏操作类的机器人本体，基本都向这个方向迁移。

具体来看，去年4月我们发布了 S0产品，仅包含胸部以上的上半身。到了去年8月份，整机进行了迭代，就是S1，新增带轮子的移动底盘。在下半身设计上，我们依然遵循仿人理念，但做到了简洁而高效。

一个有趣的设计细节是腰部以下的“腿部”结构，我们总共设置了四个自由度，分别对应人体的踝关节、膝关节、髋关节和腰部扭转。通过大量分析和评测，我们发现这四个关节对于保持平衡、调整重心和扩大操作范围至关重要。借助这种设计，机器人能够在最小复杂度下，实现强大的下半身姿态调整能力，适应不平整地面，或在需要时调整高度和姿态，以完成更复杂的任务。

今年上半年，我们在量产过程中实现了模块化设计。所有生产问题本质上都是设计问题，而我们的模块化理念让组装变得简单高效：胸腔、胳膊、下半身都是独立模块，最后一拼即可完成整机组装。这种设计不仅提高生产效率，也便于后期维护和升级。

今年10月，我们推出了半身机器人，主要满足客户需求。科研用户希望拥有“强操作能力”的上半身，但无需移动功能；商业客户，例如千台级的仙工智能，已经有AGV底盘和控制器，可以将半身产品灵活组合，快速部署到不同场景。

年底，我们将发布一个更具成本优势的全身产品，得益于过去一年供应链伙伴的持续支持和优化。然而，我们强调，操作类机器人，还是一分钱一分货。如果过度关注价格或过早陷入“内卷式”价格战，可能会牺牲产品可靠性和性能稳定性，最终损害整个行业的健康发展。历史经验表明，成功的自动化技术推广路径，总是价值驱动先于成本驱动。

蓝鲸科技：具身智能模型DuoCore 模型的“双系统”灵感源自卡尼曼的心理学理论，这个跨学科设计对AI机器人意味着什么？

来杰：DuoCore 的“双系统”设计，灵感来自心理学家卡尼曼对人类思维的划分：系统1是快速、直觉式决策系统，系统2是慢速、深思熟虑的分析系统。我们将这一理念映射到 AI 机器人上，形成“快慢系统”架构。快速系统负责即时反应和低层次控制，保证机器人在复杂环境下具有敏捷的动作和稳定的交互能力；慢速系统则负责规划、策略决策和高层次推理，使机器人能够在面对新任务时进行深度分析和调整行为。

这一跨学科设计对 AI 机器人意味着两点核心价值：一是兼顾反应速度与决策深度，让机器人既能安全高效地执行操作，又不局限于单一任务场景；二是为算法结构提供生物启发，将人类认知的分层逻辑直接应用到具身智能，使机器人在动作和策略之间形成高效协同。

目前全球估值最高的Figure AI的 Helix 也是快慢系统，不过我们更偏全身VLA。

蓝鲸科技：在具身智能领域，很多公司面临“数据瓶颈”与“泛化困难”。星尘的“快慢系统”和“元技能迁移”是如何具体解决这些问题的？

来杰：数据瓶颈和泛化困难本质上是因为传统训练方法需要大量任务特定的数据，而机器人在现实环境中很难快速积累足够多样的数据。我们的解决思路是从算法层面出发：首先，“快慢系统”允许机器人在快系统中高频率进行低层次动作学习，这相当于数据高效的微调与试错；慢系统则负责低频次的策略优化和技能整合。通过这种分工，机器人可以在有限数据下迅速学习基础动作，同时保持对复杂任务的策略规划能力。

其次，“元技能迁移”机制让机器人能够将一个场景学到的动作模式、控制策略或感知技能迁移到新任务中，而不需要从零开始训练。这种迁移不仅节省了训练数据，还显著提升了泛化能力，让机器人在不同场景和任务间快速适应。例如，抓握某种形状的物体学到的经验，可以迁移到类似但尺寸不同的物体上，机器人无需额外标注数据就能完成操作。

综合来看，这套方法打破了传统数据依赖的瓶颈，通过快慢系统和元技能迁移，机器人在有限数据下仍能实现高效学习和跨任务泛化。

蓝鲸科技：你们提到机器人可以“像人一样迁移旧经验到新场景”，这一过程是算法主导，还是通过人机协同的数据采集机制实现？

来杰：两者都需要。核心迁移能力由 DuoCore 算法驱动，通过快慢系统和元技能迁移实现经验在不同场景间的泛化；但算法本身仍依赖高质量的数据作为支撑。

蓝鲸科技：DuoCore-WB 从半身到全身智能的跨越中，最大的技术挑战是什么？是协调控制还是实时计算？

来杰：DuoCore-WB 从半身到全身的升级，最大的技术挑战在于协调控制和实时计算如何紧密配合。与半身机器人相比，全身智能机器人不仅要让双臂完成精细操作，还要在移动、弯腰、转身、蹲起等动态动作中保持稳定和精确。这意味着上半身操作和下半身姿态调整必须同时进行，机器人要能够跨区域、跨空间生成灵活的动作策略，并保证动作连续、安全。任何协调延迟或动作误差都可能影响任务成功率，因此协调控制是首要挑战。

为了解决这个问题，我们采取了几个关键设计。首先，机器人的动作在末端执行器（EE）的笛卡尔空间生成，每个末端执行器在自己的坐标系下学习动作增量。这不仅减少了关节误差积累，还能让机器人在大视角变化时依然动作稳健。其次，我们融合了多视角 RGB 图像和机器人自身状态信息，通过预训练视觉编码器和模态位置嵌入，把视觉信息和动作目标对齐，从而增强机器人在全身操作中的感知一致性。

与此同时，实时计算能力也非常关键。DuoCore-WB 的策略模型以 20 Hz 生成动作序列，然后通过轻量级的实时轨迹生成模块（RTG）以 250 Hz 向控制器输出平滑连续的动作轨迹。RTG 解决了动作片段内抖动和片段间突变问题，保证全身动作既连续又平滑，同时不会损坏硬件。这使得上层策略和底层控制系统能够无缝衔接，实现流畅、敏捷的动作。在多个家庭任务测试中，机器人任务成功率最高可达 100%。

蓝鲸科技：未来你们是否考虑开放模型API或平台生态，让外部开发者参与具身智能的技能训练？

来杰：目前已经在准备一些API开源，会适时公布。

蓝鲸科技：在星尘的整体技术体系中，遥操作系统承担怎样的角色？你们更倾向于将它视为数据采集与模型训练的工具，还是已经把它当作具备商业潜力的独立产品？参考自动驾驶的演进路径，星尘如何通过遥操来应对AI机器人在早期落地过程中的“corner case”问题

来杰：大众可能没那么了解“遥操”，所以会低估其重要性，但在我们的“本体（身体）—遥操—AI模型（大脑）—场景应用”闭环平台中，遥操作实际上是整个系统的关键环节。它既是高性价比的数据采集工具，也是早期商业落地的桥梁。

从数据采集的角度来看，遥操作能提供最精确的全身数据。相比之下，仿真数据虽然成本低、效率高，却存在仿真到真实的“分布偏移”问题；UMI 方案成本与精度平衡，但只限于末端操作；视频学习成本最低且易于规模化，但缺乏力觉和触觉信息，这对真实交互至关重要。遥操作则兼顾高精度和真实交互特性，尤其适合训练复杂的全身操作技能。

从本体的角度来看，遥操作是最好的 RUI（机器人交互界面）。可以把它类比为 Windows 系统对个人电脑的作用：如果电脑全靠命令行来操作，绝大多数人都无法用上电脑；而图形化界面让用户可以直观操作，同样地，遥操作让机器人更易被人类操控和训练。

在场景应用方面，我们参考自动驾驶的发展路径，从 L2 到 L4 逐步推进。早期阶段，AI + 遥操作即可完成商业闭环，既让机器人完成任务，也为 AI 模型积累高价值数据；后期阶段，当自主能力成熟时，遥操作成为兜底机制，用于处理复杂或极端环境下的“corner case”。这与无人驾驶中的远程座舱理念类似：即使自动驾驶已很成熟，仍可能遇到复杂环境需要远程接管。

因此，遥操作在星尘体系中既是训练数据源，也是商业落地工具，更是保障机器人安全可靠运行的关键支撑。我们目前在业内处于领先地位，比如WRC上，几乎没有能随时上手测试的遥操作方案，而好多同业伙伴都跑来我们展位“上手学习”。

我们现在支持近程遥操作（第三人称视角）、远程遥操作（第一人称视角），10月份刚刚发布了超远程遥操作（第一人称视角），已成功在跨省、跨国的真实客户案例中完成能力验证，应客户要求不能透露具体细节，是非常可靠的“远程专家分身”。

四、“千台级”订单背后，如何用绳驱机器人撬动商业场景

蓝鲸科技：S1已在科研、商业服务、文娱、工业等多领域落地。在选择首批落地和大规模部署的场景时，星尘智能的核心筛选标准是什么？星尘在文娱与零售场景的选择背后，有怎样的商业逻辑？

来杰：我们主要还是看能不能发挥“高价值（的上半身操作能力）”，和“可落地（的下半身）”，我们更希望机器人能出现在与人交互协作的场景里，比如商业服务，因为绳驱本身就在拟人操作和协作安全上有天生优势，既有用（真干活的功能价值），又有趣（高拟人的情绪价值）。

在文旅文娱、零售等商业场景，我们看重两点：机器人本身的互动和操作能力可以直接增强游客或消费者的体验；二是商业可复制性，部署后能够形成标准化的运营模式。

在一些需要深厚行业Know-how的场景里，比如物流制造、文旅零售，我们会跟有很强技术研发的伙伴合作，比如仙工智能、金马游乐，他们发挥行业know-how、渠道与客户优势；我们能专注研发，持续提升产品和客户体验。

最后，通过规模化订单的部署，我们能够高效闭环“数据—模型—本体”的迭代过程，为后续大规模落地积累经验，推动技术和商业模式双向发展。

蓝鲸科技：与百度和AIRS（先进技术研究院）的合作，在这次“AI+机器人第一单”的合作中，星尘智能的核心贡献（本体-数据-模型）与百度和AIRS的AI能力（模型、算法、场景）是如何精确分工和协同的？

来杰：主要就是强强联合，我们贡献本体-遥操-模型的平台，百度提供AI全栈经验，从研发、应用到生态资源，而AIRS聚焦专业的数据采集平台开发。

蓝鲸科技：星尘智能的首个文旅AI机器人游艺零售店为什么选择中山作为首发地，以及为什么选择与金马游乐这样的大型游乐设备制造商合作？资料称这是“行业较少的商业服务类大订单”。您能否透露这次订单的具体规模、部署时间表和机器人将执行的主要游艺零售任务？是否会被打造成一个标准化、可复制的商业模板？

来杰：中山发布这项新品，我特别感慨，因为这里不是一座普通的城市，而是中国现代游乐园的起点。四十多年前，中国第一座大型综合游乐园“长江乐园”就在这里诞生；当时国内设备还在起步阶段，很多项目需要从海外进口，但最难的安装、调试和维护工作，正是由中山机床厂——也就是我们的伙伴金马游乐——一手扛下来的。

所以说中国文旅装备行业的起跑线，就诞生在中山。今天我们与金马游乐携手，在这座充满创业精神与创新意义的城市（以及这次发布的游乐园，金马本身就提供大部分游乐设施。）发布全球首个由绳驱AI主理人自主运营的零售服务店，这不仅是一款新产品的诞生，更像中国文旅科技从这里再次出发、迈向下一代的象征。

这个是我们跟仙工智能之后另一个千台级合作，也是目前行业少有的偏商业服务方面的大合作（此前大部分偏工业、数据采集等），是非常适合绳驱机器人的场景。

金马游乐非常符合我们意向中的合作伙伴。一方面有技术，他们在核心技术层面突破国外垄断（LSM电磁弹射技术），保持了硬核自研的基因。另一方面有很深的行业know-how，他们多次成为知名乐园唯一国产设备供应商——是华侨城、华强方特、长隆等国内高端大型连锁主题乐园的重要合作伙伴，迪士尼、环球影城、乐高乐园等国际顶级主题乐园唯一的中国游乐设施供应商，远销欧美和全球近50个国家和地区。

我们希望机器人MART能复制到每个城市、每个景区、每个街角，期待与金马游乐携手打造一座座‘具身智能城市’雏形，向我们‘让数十亿人拥有AI机器人助理’的愿景更进一步。

蓝鲸科技：在不同场景（科研、养老、零售）中的数据差异，如何反哺模型迭代？

来杰：不同场景的数据具有互补性：比如科研场景有高精度操作、复杂任务的样本，有助于训练策略的精度和稳定性。零售、文娱场景提供多样化、动态环境数据，强化机器人在实际运营中的泛化能力。养老场景提供人机互动和安全约束数据，用于优化柔顺性和交互策略。

蓝鲸科技：你们怎么看“算法先行”与“硬件先行”的分歧？AI机器人最终的制胜点会在哪里？

来杰：我们自己定位是AI机器人公司，就是AI+机器人、软件+硬件缺一不可，比如两条腿走路，协同发展，所以都不能有明显短板，而且还要长板足够长。短期看，可以看本体和遥操（数据）、中长期看商业化落地和AI模型。

蓝鲸科技：如果把时间拉长五年，星尘希望在行业格局中处于什么位置？

来杰：技术和商业双轮驱动，使我们的平台和产品成为行业标杆，并形成可复制、可扩展的生态。

蓝鲸科技：接下来一年内，星尘的产品与技术路线重点是什么？

来杰：中长期在AI模型侧会有很多进展。商业挑战：打造扎实的商业化案例，形成可规模化落地的标准化运营模式，实现用户体验、成本和维护的平衡，让机器人真正融入日常生活。

蓝鲸科技：对“AI机器人助理进入家庭”这一愿景，你们认为最大的临界点是什么？

来杰：我们认为临界点在于安全、可靠且真正有用的操作能力。家庭环境复杂多变，机器人必须在无监督情况下安全完成任务，同时带来显著价值，才会获得用户广泛认可和接受。