01
最新动态
02
详细技术路线
数据入口通过增强型 UMI 采集超过 1 万小时无本体人类操作数据，并结合多机器人轨迹、语言和视频先验扩大任务与动作覆盖。→
世界表征用残差向量量化建立跨本体动作表征，并通过视频—物理模态对齐和物理归纳偏置学习可迁移的状态变化与动作后果。→
策略与控制RDT2 以 7B VLM 理解任务，使用 flow matching 生成连续动作，再经蒸馏满足实时控制；公司世界模型计划在执行前推演候选动作。→
本体部署在自研双臂五指本体上验证旋拧、柔顺接触、长程精细操作和动态控制，同时把模型迁移到未见机械臂作为核心目标。→
反馈闭环把新本体部署中的成功、失败、接入数据量和微调时间回流训练，以跨本体零样本成功率检验无本体数采是否真正降低成本。
TECHNOLOGY / 补充技术机制与验证证据
- 数据入口：用增强型 UMI 让人直接持操作器采集无本体示范，RDT2 公开论文披露数据超过 1 万小时；与昂贵的逐台机器人遥操作相比，这条路线更容易扩展动作多样性
- 世界表征：通过模态对齐把海量视频中的视觉变化与稀缺物理操作数据连接，并计划把物理规律作为归纳偏置注入模型；公司级世界模型的具体状态变量和训练目标仍未公开
- 策略与控制：RDT2 以 7B VLM 为语义底座，用残差向量量化连接离散语言知识与连续动作，再通过 flow matching 和蒸馏输出实时控制；RDT-1B 则以扩散 Transformer 生成双臂动作
- 本体部署：公司同时自研双臂五指硬件，把旋拧、柔顺接触和动态操作作为高自由度验证；公开 Demo 尚缺统一任务集、长时间成功率和外部复现
03
创始人、核心成员与团队规模
公开团队规模：待核实：团队规模未公开。人员任职信息更新至页面标注日期。
- 刘松铭：创始人兼 CEO；清华大学计算机系博士生，RDT-1B 与 RDT2 第一作者，研究覆盖 AI for Physics、扩散策略和跨本体机器人学习
- 林凡淇：联合创始人；机器人模仿学习与数据 Scaling Law 研究背景，公开资料显示参与公司灵巧操作基础模型和自研本体研发
- 团队公开演示由模型、数据、机器人硬件与灵巧操作人员共同完成；截至核验日未披露正式团队人数和完整管理层名单
04
上下游、产品和商业部署
UPSTREAM & ECOSYSTEM / 上下游与生态
- 真格基金、红杉中国、美团龙珠与顺为资本为投资方，不作为产品客户统计
PRODUCTS / 产品
- 高自由度灵巧操作具身基础模型与双臂五指 Demo：覆盖旋瓶盖、精细抓取、柔顺操作和动态控制；目前主要为公司技术演示
- RDT2：7B 视觉—语言—动作模型，使用超过 1 万小时 UMI 数据训练，研究目标是在新语言、新物体、新场景和新机器人本体上零样本迁移
- RDT-1B：1.2B 参数扩散式双臂操作基础模型，基于 46 个多机器人数据集、100 万条以上轨迹预训练；属于创始团队创业前的重要技术基线
- 物理世界模型：公司已公开技术方向和演示，但尚未发布独立模型卡、权重、API、开发套件或商业定价
COMMERCIAL DEPLOYMENT / 商业部署
- 公司称未来一年计划与头部机器人企业和自动驾驶公司开展联合验证；截至核验日未公开可确认的客户名称、订单金额或量产部署
- RDT 系列研究来自清华大学朱军、苏航团队；论文合作关系与公司知识产权、商业授权边界以正式文件为准
合作仅指公开战略合作、联合研发、适配、客户部署或产业协同；分类依据公开表述，不把同一生态中的出现推断为正式订单。
05
融资情况
- 融资阶段：Pre-A 轮（2026-06）
- 融资总额：2026 年上半年连续完成多轮数亿元人民币融资；精确累计金额未统一披露
- 2026 年上半年：连续完成种子轮、天使轮、天使+轮和 Pre-A 轮，公开报道合计融资数亿元人民币
- 2026-06：数亿元 Pre-A 轮由顺为资本领投，真格基金、红杉中国等继续加注；更早轮次公开投资方还包括美团龙珠
- 最新估值和各轮精确金额未由公司统一披露
06
竞争定位、差异性与相似公司
POSITION / 竞争位置
位于跨本体 VLA、物理世界模型和高自由度灵巧操作的交叉位置，核心命题是显著降低新机器人接入的数据与微调成本。
DIFFERENTIATION / 核心差异化
把无本体人类数采、跨本体动作编码、视频/物理模态对齐和自研灵巧本体串成一条 Scaling 路径，而非为每台机器人重复建设数据闭环。
MOAT / 竞争壁垒
RDT 系列研究积累、超过万小时的 UMI 数据工程和灵巧本体协同是早期壁垒；是否能成为商业壁垒取决于客户接入时间、数据节省和真机成功率。
INSIGHT
相关深度洞察
产业技术谱系 · 更新于 2026-08-09同叫世界模型，却在学习不同的世界：15 条创业与研究线索的技术分野
从动作—后果、跨本体策略、显式因果、可交互视频、持久三维世界到可微物理仿真，逐项拆解十家公司、三条学术路线与两项未证实线索，回答什么样的世界模型才真正进入 Physical AI 闭环。
阅读全文 ↗产业与资本 · 更新于 2026-08-09中国世界模型之战：资本下注的四类团队，谁真正接近 Physical AI 版 DeepSeek？高校实验室、自动驾驶老兵、视频生成团队和大模型创业者同时涌向世界模型。真正的分水岭不是融资速度或标签，而是谁能取得真实系统的决策权，把高因果密度数据、跨本体适配、在线评测与部署反馈压进一条边际成本持续下降的学习曲线。
阅读全文 ↗07
信息来源
优先采用公司官网、监管 / 政府信息和正式公告。来源旁的日期为信息更新日期，不一定是事件发生日期。