庫薩機(jī)器人：在街道跑出能感知、會思考的城市具身智能

作者：阿茹娜

編輯：呂鑫燚

出品：具身研習(xí)社

具身智能的本質(zhì)是什么？

我們不急著回答問題，先來試想生活中最常見的畫面：在一個(gè)普通的傍晚，園區(qū)步道上幾位學(xué)生在周圍跑動，地上有一個(gè)敞開的書包，書包旁散落著草稿紙。

這時(shí)，一個(gè)負(fù)責(zé)清潔的具身智能產(chǎn)品看到上述景象，該如何規(guī)劃作業(yè)？

庫薩的機(jī)器人看到上述景象時(shí)，選擇繞開這堆“障礙物”繼續(xù)向前。

次日清晨。還是同一片區(qū)域，書包和孩子的身影早已消失，只剩紙張靜靜留在原地，庫薩機(jī)器人再次到達(dá)，這一次，它開始執(zhí)行清潔任務(wù)。

同一張紙，相隔幾小時(shí)，迎來了兩種完全不同的命運(yùn)。

在大眾的認(rèn)知里，無人清掃的核心競爭力是掃得干不干凈、吸力多大、續(xù)航多久、覆蓋率多高。但在城市具身智能中，真正的課題不單只是“怎么掃”，還有“掃不掃”。

什么是垃圾，什么不是？

掉在路中央的礦泉水瓶是，放在長椅上的半瓶水不是；散落在路面的落葉是，堆在樹坑邊待清運(yùn)的落葉堆不是；隔夜遺落的傳單是，路人剛失手掉落的身份證不是。這些人類憑借生活常識一秒鐘就能做出的判斷，曾是無人清掃車永遠(yuǎn)也寫不完的規(guī)則清單。

過去十余年，行業(yè)的通用解法是“背誦”。工程師把真實(shí)場景拆解成無數(shù)條指令：遇到書包不掃、遇到行人減速繞行、遇到路沿貼邊作業(yè)，代碼越寫越厚，規(guī)則越堆越細(xì)。但城市作為開放系統(tǒng)，變量永遠(yuǎn)跑在規(guī)則前面，一場突如其來的雨、一陣吹亂雜物的風(fēng)、一個(gè)路人隨手放在路邊的快遞袋，都可能讓整套精密的邏輯全面失效。

這也是傳統(tǒng)以自動駕駛為核心的清掃機(jī)器人面對的天花板，感知與動作是割裂的，機(jī)器能識別像素里的物體，精準(zhǔn)執(zhí)行預(yù)設(shè)指令，卻理解不了物理世界的因果與關(guān)聯(lián)。它更像一個(gè)死記硬背的應(yīng)試者，刷過的題庫能拿滿分，但凡遇到題庫外的新題，就只能手足無措。

不僅如此，自動駕駛模式只需要在平整路面做平面移動，路況與任務(wù)場景相對簡單，而城市服務(wù)機(jī)器人需要在高度動態(tài)的三維空間里完成清潔、巡檢等任務(wù)，多維度的空間環(huán)境會產(chǎn)生海量雜糅的環(huán)境信息，技術(shù)與操作復(fù)雜度直接高出一個(gè)層級。

這些困境正是庫薩亮劍的切口，它用自研全模態(tài)具身模型Kusa Omni-CTS，以及自研操作系統(tǒng)Kusa OS勾勒出具身智能的終極方向，真正理解物理世界的底層規(guī)律。

那張?jiān)诓降郎辖?jīng)歷了兩次不同命運(yùn)的草稿紙，正是這場從“背誦規(guī)則”到“理解物理”的產(chǎn)業(yè)躍遷中，最微小也最有說服力的注腳。

“機(jī)器人真正實(shí)現(xiàn)應(yīng)用落地的關(guān)鍵，在于能否適應(yīng)開放、復(fù)雜的城市場景，并實(shí)現(xiàn)規(guī)模化盈利。”

這是庫薩CEO楊希以落地為導(dǎo)向給出的規(guī)劃，也是庫薩的基因。

具體而言，城市場景有三大特點(diǎn)。首先，城市環(huán)境是一個(gè)具有極高“一致性”特點(diǎn)的場域，解決方案并不是為某個(gè)單獨(dú)城市服務(wù)的，而是所有城市。這便意味著，入局企業(yè)的商業(yè)上限極高，且不會陷入“部署成本”的魔咒。

其次，城市場景中沒有“存量市場”的概念，隨著技術(shù)的不斷提升，解決方案可以逐步響應(yīng)更復(fù)雜的需求。換言之，技術(shù)面前只有增量市場。這給入局企業(yè)帶來極大挑戰(zhàn)，也提供了更強(qiáng)的創(chuàng)新動力，讓企業(yè)能始終保持創(chuàng)新活力，征服更難的任務(wù)。

最后也是最重要的一點(diǎn)，就是這片場域，足夠難，護(hù)城河足夠長。

庫薩選擇以城市場景中具有高頻剛需痛點(diǎn)的環(huán)衛(wèi)賽道為切口，該賽道要的不是一輛底部安裝清洗工具的自動駕駛小車，而是一整套實(shí)時(shí)完成“感知-決策-執(zhí)行”閉環(huán)的具身智能解決方案。不僅要根據(jù)周圍環(huán)境、人物動作，來判斷面前的障礙物是不是垃圾，還要實(shí)時(shí)做好清潔軌跡規(guī)劃。遇到路口還要和行人、車輛進(jìn)行復(fù)雜的博弈，這不是簡單的自動駕駛避讓邏輯，環(huán)衛(wèi)車離人、車更近，其反應(yīng)速度也要更快，更零差錯(cuò)。

這里摻雜著太多場景 know how和模型能力。

因此，庫薩選擇的是一條以場景定義產(chǎn)品的發(fā)展道路，它不只是造出一臺會清掃的機(jī)器人，更是為整個(gè)城市服務(wù)機(jī)器人賽道，提供一套兼顧智能認(rèn)知、長期穩(wěn)定、規(guī)模化落地的完整具身智能解決方案。

其中智能認(rèn)知和長期穩(wěn)定的關(guān)鍵詞是前沿的模型能力，庫薩讓機(jī)器人真正在復(fù)雜場景中，依舊能做到“會思考”，真正理解物理世界；規(guī)模化落地的關(guān)鍵詞則是“車規(guī)級標(biāo)準(zhǔn)”。

楊希曾表示，大多數(shù)環(huán)衛(wèi)賽道產(chǎn)品以工業(yè)級為標(biāo)準(zhǔn)，但工業(yè)級并不完全適配開放環(huán)境，而車規(guī)級能支撐30萬公里的穩(wěn)定運(yùn)行，這才是城市服務(wù)機(jī)器人所需要的能力。因此，庫薩所有設(shè)計(jì)、開發(fā)流程，均以車規(guī)級為重點(diǎn)。這意味著，把民用工業(yè)產(chǎn)品里對安全、可靠度要求最嚴(yán)苛的一套制造體系，平移到尚處粗放期、成熟度有限的城市服務(wù)機(jī)器人身上。以這套近乎苛刻的標(biāo)尺打磨產(chǎn)品后，多款適配真實(shí)城市街景、能夠穩(wěn)定高效作業(yè)的清潔機(jī)器人得以平穩(wěn)落地。

時(shí)至今日，整套全棧解決方案已落地全國四十余座城市，硬核技術(shù)與大規(guī)模實(shí)景落地相互印證，順利跑通了可持續(xù)增長的商業(yè)正向飛輪。

當(dāng)前，行業(yè)在探索技術(shù)落地與商業(yè)化的平衡過程中，面臨著不同維度的挑戰(zhàn)。庫薩選擇的是將具身智能前沿能力落地到真實(shí)城市作業(yè)中，在持續(xù)驗(yàn)證中搭建起可持續(xù)運(yùn)轉(zhuǎn)的商業(yè)飛輪，為行業(yè)提供了技術(shù)價(jià)值與商業(yè)收益均衡兼顧的可行方案。

雖然城市場景中的環(huán)衛(wèi)賽道大有可為，但該怎么做，做到什么程度依舊很難有人能回答上來。

傳統(tǒng)無人清掃車通常是“自動駕駛底盤+清掃上裝”的拼接體，這種產(chǎn)品形態(tài)放在真實(shí)環(huán)境中可以簡單用起來，但并不好用。因?yàn)槌鞘星鍧嵉男枨笸c自動駕駛背道而馳。

不同于自動駕駛避免碰撞的原則，無人清掃車既要貼邊作業(yè)、主動接觸路沿，又要具備區(qū)分私人物品與垃圾的智能，傳統(tǒng)的純視覺+規(guī)則體系無法完成因果推理，難以滿足城市清潔場景的需求。

這也是無人清掃行業(yè)從封閉園區(qū)邁向開放街道過程中，需要持續(xù)突破的核心挑戰(zhàn)之一。開放街道的復(fù)雜性，從來不是多裝幾個(gè)傳感器、多寫幾條規(guī)則就能覆蓋的。問題的根，出在多模態(tài)融合的底層邏輯上：上一代技術(shù)框架里，始終在做“強(qiáng)行對齊”，而真實(shí)的物理世界，是連續(xù)的。

這是傳統(tǒng)解決方案的天花板，Kusa Omni-CTS 想解決的，正是這個(gè)問題。

庫薩科技自研的全模態(tài)具身模型Kusa Omni-CTS試圖從最底層的表征方式入手，給這個(gè)行業(yè)難題交出一份新的答案。

與主要依賴“視覺+語言”不同，Kusa Omni-CTS進(jìn)一步把機(jī)器人的本體感覺也納入了統(tǒng)一認(rèn)知體系。除了看見和聽懂指令，它還能感知自身運(yùn)動狀態(tài)以及所處的空間環(huán)境，就像人不僅依靠眼睛判斷世界，也會通過身體感知地面的高低、物體的重量和動作的慣性。

這不僅僅是多一個(gè)感知模態(tài)，而是讓機(jī)器人更清楚地知道它和環(huán)境的關(guān)系。

更重要的是，面對開放環(huán)境中的不同維度數(shù)據(jù)，過去往往將異構(gòu)數(shù)據(jù)同步成同一節(jié)奏，并以嚴(yán)格的方式采集。這種做法的本質(zhì)是割裂的，且高度依賴硬件性能。

而Kusa Omni-CTS能夠?qū)⒁曈X、雷達(dá)、力矩、文本指令等不同維度的數(shù)據(jù)匯入同一條河流，直接在模型內(nèi)部即可自動完成對齊與融合，使機(jī)器人運(yùn)動軌跡、交互動作更平滑穩(wěn)定。

具體來說，模型采用時(shí)序注意力模塊，實(shí)現(xiàn)數(shù)據(jù)流無縫融合，再結(jié)合物理動力學(xué)規(guī)律約束，在最終輸出指令環(huán)節(jié)，這一技術(shù)不僅能實(shí)現(xiàn)數(shù)據(jù)的平滑融合，更能確保指令執(zhí)行的流暢與可靠。

此外，Kusa Omni-CTS 不只是“感知當(dāng)下”，還能推測接下來會發(fā)生什么。

這背后也是由于Kusa Omni-CTS 模型不僅能夠理解當(dāng)前發(fā)生了什么，還能夠基于物理規(guī)律和環(huán)境變化，提前在大腦中推測接下來可能發(fā)生的種種狀況，再選擇最合理的執(zhí)行方式。對于機(jī)器人而言，這就像擁有了一種接近人類的“物理直覺”，真正開始理解世界如何運(yùn)轉(zhuǎn)。

Kusa Omni-CTS融合了更多感知維度，并能將這些維度的數(shù)據(jù)自動對齊，增加其一致性，幫助模型更好地實(shí)行物理推演，讓機(jī)器人從被動視覺識別到擁有場景常識、主動理解真實(shí)世界的質(zhì)變。

這場從“規(guī)則驅(qū)動”到“物理理解”的認(rèn)知躍遷，突破了傳統(tǒng)清掃設(shè)備的能力邊界，使城市服務(wù)具身智能的落地更加平穩(wěn)，為更多類型的城市服務(wù)機(jī)器人適配復(fù)雜開放的城市道路場景提供了智能支撐。

如果說Kusa Omni-CTS 決定了機(jī)器人“如何思考”，那么Kusa OS這套適配具身智能體的專屬底層操作系統(tǒng)，則決定了機(jī)器人如何穩(wěn)定、高效地行動，它給機(jī)器人裝上一套真正適合它的“操作系統(tǒng)”。

一直以來，機(jī)器人行業(yè)缺少一套更加通用的機(jī)器人操作系統(tǒng)，機(jī)型、傳感器適配成本極高，難以實(shí)現(xiàn)規(guī)模化落地。開發(fā)者大量時(shí)間花在底層兼容和系統(tǒng)調(diào)試上。

而Kusa OS的出現(xiàn)有望改變這種局面。

它更像機(jī)器人世界里的基礎(chǔ)設(shè)施，把復(fù)雜的底層能力統(tǒng)一封裝起來。從傳感器接入、算法運(yùn)行，到資源調(diào)度、安全保護(hù)，都交給系統(tǒng)自動完成。機(jī)器人開發(fā)者無需再反復(fù)處理底層適配，可以只管專注“讓機(jī)器人更聰明”這件事本身。

與此同時(shí)，Kusa OS 還提供了一套統(tǒng)一的平臺能力。

無論是大型道路清掃機(jī)器人，還是小型巡檢機(jī)器人，都可以運(yùn)行在同一套系統(tǒng)之上，這就好比不同品牌的電腦都能夠運(yùn)行同一套操作系統(tǒng)一樣。一套大腦，便能夠管理不同形態(tài)、不同尺寸的機(jī)器人，為城市服務(wù)機(jī)器人規(guī)模化部署提供了統(tǒng)一底座。

穩(wěn)定性同樣是這套系統(tǒng)的重要價(jià)值。Kusa OS 并非從零開始，而是脫胎于庫薩團(tuán)隊(duì)多年在自動駕駛、車規(guī)級芯片和機(jī)器人領(lǐng)域積累的底層技術(shù)，并已經(jīng)在超過40座城市的真實(shí)場景中持續(xù)驗(yàn)證。

Kusa OS解決了傳感器適配，不同本體開發(fā)各自為政、多機(jī)型調(diào)度難的問題，成為支撐具身智能大規(guī)模商業(yè)化落地的標(biāo)準(zhǔn)化底層基座。系統(tǒng)當(dāng)前已落地城市環(huán)衛(wèi)場景，后續(xù)還可拓展至各類城市服務(wù)賽道，從底層消除重復(fù)部署多場景的開發(fā)成本，加速城市服務(wù)機(jī)器人產(chǎn)業(yè)規(guī)模化、標(biāo)準(zhǔn)化發(fā)展。

這套系統(tǒng)的價(jià)值不止于“省時(shí)間”，更在于給多形態(tài)機(jī)器人提供了統(tǒng)一的大腦。無論是大型道路清掃機(jī)器人，還是小型巡檢機(jī)器人，都可以運(yùn)行在同一套OS 之上。一套系統(tǒng)管理不同尺寸、不同功能的本體，從根源上消除了多機(jī)型重復(fù)開發(fā)的成本，為城市服務(wù)機(jī)器人的批量部署鋪平了道路。

可見，Kusa OS 補(bǔ)上了具身智能商業(yè)化落地的最后一塊底層拼圖。它不只是一套服務(wù)于庫薩自身的系統(tǒng)，更是一套可以支撐整個(gè)城市服務(wù)賽道的標(biāo)準(zhǔn)化基座。

做到這一切的為什么是庫薩？

回到文章開頭的問題：具身智能的本質(zhì)，不是堆砌算法、背誦規(guī)則，而是讓機(jī)器人擁有類人的"思維"——讀懂環(huán)境中的人、物、時(shí)空關(guān)系，推演行為邏輯與物理約束，做出恰當(dāng)決策，實(shí)現(xiàn)感知、理解、規(guī)劃、行動的閉環(huán)。

庫薩的衡量標(biāo)準(zhǔn)一直很明確：在不可預(yù)測的真實(shí)世界里，穩(wěn)定、可靠地把事做完，并沉淀出可規(guī)模化復(fù)制的方案。

為此，庫薩始終深耕復(fù)雜開放的城市服務(wù)場景，在四十余座城市真實(shí)作業(yè)中持續(xù)積累，跑通"設(shè)備落地—場景數(shù)據(jù)—算法迭代"的正向商業(yè)飛輪。

這背后是一套完整的自研能力體系在支撐：Kusa Omni-CTS賦予機(jī)器人"物理直覺"，使其主動理解物理世界；Kusa OS統(tǒng)一多機(jī)型底層兼容，實(shí)現(xiàn)一腦管理多型。從認(rèn)知智能到底層架構(gòu)，層層相扣，共同構(gòu)成庫薩具身智能的核心底座。

從背誦規(guī)則到理解世界，從實(shí)驗(yàn)室到城市開放道路，庫薩始終相信：只有扎根真實(shí)場景、經(jīng)得起城市考驗(yàn)的技術(shù)，才具備持續(xù)進(jìn)化的生命力。城市服務(wù)是一道高難度考題，庫薩正在寫下自己的答案。