橡木果发布“本能驱动”技术路线，开辟自下而上具身智能新范式

📌 一句话摘要

橡木果机器人提出「本能驱动」技术路线，将任务规划与操作执行解耦，通过触觉本能实现零数据冷启动，开辟具身智能自下而上新范式。

📝 详细摘要

本文介绍橡木果机器人（Acorn Robot）的具身智能技术路线。创始团队基于神经科学研究发现「操作存在本能」，提出与主流 VLA 架构截然不同的路径：将任务规划与操作执行彻底解耦。核心模型包括 Natus（端侧自主决策模型，零数据冷启动，由触觉刺激驱动实现定向、探索、交互三大本能）和 Magis（通用操作技能模型，利用 Natus 产生的触觉语义数据训练，将数据需求从百万小时降至数千小时）。公司自研第三代视触觉传感器，构建完备的操作信息底座。商业化方面，聚焦工业柔性生产，已在全球头部化妆品 ODM 厂商完成 POC 验证并实现营收，2026 年 3 月完成近亿元种子轮融资。

💡 主要观点

- 操作存在先天本能，与语言学习底层机制不同。 团队基于神经科学研究发现，人类抓取行为高度一致且无需教学，证明操作存在本能。这一发现成为技术路线的原点：赋予机器人类人本能，而非模仿人类。

任务规划与操作执行应彻底解耦。 主流 VLA 架构将两者耦合，导致数据规模爆炸、算力无法满足实时性、泛化困难。橡木果认为任务泛化与硬件泛化逻辑不同，应各自独立演进，通过标准化接口协同。

Natus 模型实现零数据冷启动和硬件自适应。 Natus 完全嵌在末端执行器中，由触觉刺激直接驱动，赋予机器人定向、探索、交互三大本能，出厂即具备操作能力，无需预训练数据，且能自适应不同硬件差异。

Magis 模型利用触觉语义数据大幅降低训练需求。 利用 Natus 在真实交互中产生的触觉语义数据（如重量、质心、硬度）对视觉数据进行增强，使训练数据需求从百万小时级别降至数千小时，实现跨本体、跨任务的通用操作技能。

💬 文章金句

- 与其让机器人模仿人类，不如赋予它类人的操作本能，让它自己在交互中「长」出能力。

• 没有最好的预训练模型，只有最适配硬件的模型。
• 任务规划与操作执行应彻底解耦，各自独立演进，通过标准化接口协同工作。

📊 文章信息

AI 初评：86

来源：量子位

作者：量子位的朋友们

分类：人工智能

语言：中文

阅读时间：10 分钟

字数：2291

标签： 具身智能, 机器人, AI 商业化, 触觉传感器, AI Agent

阅读完整文章