近日，具身智能公司 RoboScience 完成數(shù)千萬元種子輪融資，由零一創(chuàng)投獨家投資。
北京機科未來科技有限公司成立于 2024 年 12 月，由前蘋果技術(shù)主管田野與新加坡國立大學助理教授邵林共同創(chuàng)立。創(chuàng)始人兼 CEO 田野，曾以專業(yè)第一從中科大物理系畢業(yè)，后赴斯坦福人工智能實驗室深造，師從吳恩達。田野曾是蘋果總部最年輕的主任工程師之一。在蘋果的 7 年時間中，他作為技術(shù)主管，帶領(lǐng)團隊打造了蘋果的機器學習平臺，支撐了相機、Siri、Apple Intelligence 等 AI 應用和 CoreML、ARKit、Vision Framework、NLP framework 等 AI 生態(tài)框架，推出多項世界領(lǐng)先的端側(cè)訓練和推理技術(shù)，服務了數(shù)億用戶和數(shù)十億設(shè)備，具有把 AI 技術(shù)落地到軟硬件產(chǎn)品的豐富經(jīng)驗。
另一創(chuàng)始人兼首席科學家邵林，目前于新加坡國立大學擔任助理教授，深耕具身智能領(lǐng)域。此前，邵林博士畢業(yè)于斯坦福大學，師從 Jeannette Bohg 和 Leonidas J. Guibas 教授。2023 年，邵林合作發(fā)表的論文提出 SAM-RL 方法，有效解決了對世界進行高效建模的問題，入圍了國際機器人頂會 RSS 的最佳系統(tǒng)論文獎。2024 年，邵林帶領(lǐng)團隊提出了 D ( R,O ) Grasp 方法，通過創(chuàng)新性地建立機器手與物體在抓取姿態(tài)下的交互模型，成功實現(xiàn)了對機器手與物體幾何形狀的高度泛化能力，并極大提升了抓取速度，重塑了跨智能體靈巧手抓取，獲得 CoRL MAPoDeL Workshop 最佳機器人論文。
田野與邵林合作推出的統(tǒng)一操作大模型，是視覺語言大模型與物理世界的橋梁，已完成了三個維度的泛化：指導任意的機器人，操作任意物體，完成任意任務。此外，RoboScience 已建立規(guī)模化獲取并使用仿真數(shù)據(jù)、視頻數(shù)據(jù)和真實數(shù)據(jù)的系統(tǒng)，覆蓋了日常生活中可見的各種類型及各種維度的物體和任務，提升了數(shù)據(jù)質(zhì)量，降低了數(shù)據(jù)成本。
技術(shù)路線上，RoboScience 從成立之初就堅定地選擇做快慢腦分層模型，這與海外明星公司 Figure 的探索方向不謀而合。另一明星公司 Physical Intelligence 最新發(fā)布的模型也從端到端 VLA 模型轉(zhuǎn)為了分層模型。不同于大語言模型可以從網(wǎng)絡(luò)上抓取數(shù)據(jù)，數(shù)據(jù)來源問題一直是具身智能發(fā)展的阻礙。RoboScience 已建立規(guī)模化獲取并使用仿真數(shù)據(jù)、視頻數(shù)據(jù)和真實數(shù)據(jù)的系統(tǒng)，覆蓋了日常生活中可見的各種類型及各種維度的物體和任務，提升了數(shù)據(jù)質(zhì)量，降低了數(shù)據(jù)成本。
商業(yè)化方面，基于其技術(shù)的高度泛化能力，RoboScience 的產(chǎn)品將根據(jù)落地場景的具體需求，高效適配不同配置和性能的硬件，拓展落地場景、提升落地效率。之所以選擇這樣的開發(fā)路徑，基于 RoboScience 團隊對于市場的洞察：一是由于隨著具身智能的發(fā)展，未來不同場景下需要不同的硬件設(shè)備，很難用一個統(tǒng)一的硬件來覆蓋機器人需要完成的所有任務。二是背靠中國的供應鏈優(yōu)勢，硬件成本正在快速下降，此時推出通用操作的軟件模型，有利于將供應鏈優(yōu)勢在具身智能領(lǐng)域快速發(fā)揮出來。三是由于軟件研發(fā)迭代速度顯著快于硬件，對于 RoboScience 這樣在軟件方面有豐富產(chǎn)業(yè)經(jīng)驗與學界技術(shù)支持的團隊而言，與硬件廠商合作來做不同場景無疑是將優(yōu)勢最大化的選擇。
來源：獵云網(wǎng)
