城市服务，成为了具身智能的新考场？ - 世界杯官网

将机器人放置在工厂车间和城市街道，它们将面临截然不同的环境。在工厂等结构化环境中，机器人的应用已相当成熟，但一旦进入城市道路等开放场景，挑战便显著增加。尤其是在户外城市环境中，机器人需要全天候不间断工作，这要求它们能够适应各种天气条件和人车流。

中国信息通信研究院的《具身智能发展报告》指出，当前具身智能发展面临数据、模型、本体和场景难以形成闭环的困境。然而，到2026年，具身智能有望从技术验证阶段过渡到场景落地阶段，而城市服务正成为检验其落地能力的关键领域。

针对这一挑战，库萨科技将目标定位于“让具身智能服务城市开放场景”，并采取了打通数据采集、模型训练及机器人部署全栈工程的策略，旨在让机器人在真实世界中稳定运行。库萨认为，要弥合规模化落地的差距，研发与工程化能力必须齐头并进。

库萨科技成立于2023年，其核心团队成员来自清华、上海交大等知名高校，并拥有15年的整车、机器人及自动驾驶研发与管理经验。该公司专注于面向城市开放场景的服务机器人，产品已在超过40个城市投入运营。

今年7月中旬，库萨科技推出了Kusa Robo Platform，一个专为城市级具身智能部署设计的工程化平台，实现了从数据采集、模型训练到多端部署和远程运维的全栈闭环。作为少数进入这一“考场”的公司之一，库萨希望通过该平台解答行业普遍存在的疑问：为何做好专用平台是具身智能实现规模化落地的关键？

01. 城市级具身智能为何困难重重？

许多从自动驾驶领域转型的机器人团队起初认为，将二维问题升级到三维即可。库萨团队也曾有过类似的看法，但深入实际场景后发现，其基础标准完全不同。

最根本的区别在于评价方法的转变。在同一场景下，乘用车的任务是安全抵达目的地，而城市环卫机器人则需主动与各种物体互动并做出判断。例如，路上的一个黑色塑料袋，其内部填充物（砖头、水瓶或空瓶）会决定环卫机器人的处理方式。自动驾驶车辆可能直接碾过或绕行，但环卫机器人必须尝试清扫，未能完成清扫任务即视为未达标。

评价方法的改变揭示了一个被低估的难点：物理交互。库萨科技联合创始人兼CTO陶圣表示，自动驾驶车辆不太关注接触力学，因为汽车行业已有成熟的解决方案。然而，城市服务机器人必须将末端清扫结构的力矩反馈、旋转控制与整车控制深度耦合。从“车”到“机器人”的跨越，核心在于物理交互的处理。这不仅需要传感器，还需要模型对物理世界有深刻理解。

02. 为何选择城市场景？

陶圣解释，选择城市场景是基于对真实且紧迫需求的判断。城市空间复杂性高、技术壁垒强，同时具有直接产生商业价值的潜力，是验证具身智能工程化能力的理想环境。更重要的是，城市服务机器人行业的市场渗透率尚不足1%，是一个巨大的蓝海市场。

尽管挑战巨大，但明确的回报使得这项“难而正确的事”值得长期的技术投入。这种高门槛也决定了城市级具身智能需要一个专用工程平台，而库萨的Kusa Robo Platform正是为此而生，其核心技术包括三大部分。

03. 底座、燃料与大脑

库萨发布的三项核心技术各有分工：Kusa OS是面向城市级具身智能的专用操作系统，负责机器人的稳定运行和实时调度；Corner Factory是数据工厂，用于自动挖掘、清洗和标注长尾场景数据；Kusa Omni-CTS是全模态具身模型，负责从场景感知、认知理解到动作输出的完整流程。这三项技术共同解决了机器人在城市中“跑得稳、学得快、懂场景”的问题。

Kusa OS的首要任务是确保“跑得稳”。该操作系统的研发可追溯至2018年库萨团队在码头无人驾驶项目中的经验。虽然ROS2是主流的机器人开源框架，但其在硬实时性方面存在不足，可能导致不可预测的延迟和抖动，这在对长期稳定性和实时性要求极高的城市服务场景中存在风险。因此，库萨从底层自主研发了Kusa OS，其核心理念是精简系统，严格控制每个模块，以实现更高的稳定性和确定性。该系统解决了长期稳定性、确定性调度和时延抖动压缩等问题。

然而，自主研发OS的代价也不小。陶圣坦言，最大的挑战在于工具链不完善。ROS2社区拥有丰富的开源工具，而自研则需要从零开始构建。库萨的解决方案是自行开发一套编程工具链，通过描述性语言自动生成初始化代码，降低迁移成本，最终实现了底层的自由度和实时稳定性。

如果说OS是“底座”，那么Corner Factory就是“燃料”，它解决了“持续学习”的问题。库萨的数据飞轮体现在其产品交付时已打通整套管线，自动标注占比已从早期提升至90%以上。其数据链路包括：机器人作业中遇到异常自动保存多传感器数据，回站后传回数据工厂进行脱敏、自动标注（从2D分割升级到3D占用网格和三维重建），人工修补确认，再由专用模型筛选长尾场景并用于模型训练。

Corner Factory中的Kusa Omni-CTS能基于单帧真实场景生成时序视频流，并同步派生3D点云和OCC语义占用。Kusa Omni-CTS将OCC/3D点云作为核心中间表征，在二维观测与三维结构间建立物理级空间约束，确保空间理解的准确性，支撑数据闭环的高效运转和模型周级迭代。陶圣强调，数据飞轮并非壁垒，数据本身才是，因为数据与场景高度相关，实际经验无法凭空想象。数据飞轮带来的先发优势，本质上是时间和数据的积累。

作为“大脑”的Omni-CTS，则解决了机器人“懂场景”的工程化难题。库萨模型的“第一性原理”在于思维方法的转变，而非某个具体技术。它融合了视频生成、时空编码、3D Gaussian等前沿技术，形成了一套原创解决方案，突破了模型异步输入的瓶颈。

在真实机器人上，多个传感器的数据采集频率不同（如激光雷达10Hz，相机30Hz，IMU 1000Hz），强制同步会导致卡顿或冲突，从而大幅降低模型性能。Kusa Omni-CTS通过两层机制解决此问题：一是跨模态异步特征对齐，在高维隐空间构建连续时空曲线，使不同节奏的数据能自动“对表”，实现自然流动；二是物理一致性预测，在高维空间构建符合物理动力学的连续轨迹，使模型不仅能理解当前情况，还能基于物理规律预测未来发展，并选择最优执行方式。

从硬件角度看，此设计对硬件改动不大，却解决了因时间抖动导致的模型能力下降问题。在具身智能领域，多模态融合是最终的解决方案。对库萨而言，研发与工程化密不可分。Kusa Omni-CTS的结构创新和自研OS的底层重构体现了研发实力，而OS、数据飞轮和全模态融合的结合则将研发成果转化为稳定、高效的工程系统。研发是库萨的基础，工程化是其核心竞争力。三项技术共同构成了认知进化的闭环，而OS、数据飞轮、全模态融合的深度耦合，加上城市场景的时间积累，形成了全栈协同的系统性优势，构筑了库萨独特的竞争壁垒。

04. 落地情况如何？

库萨的具身智能产品已部署至40多个城市，三年内实现从零起步，交付规模连续数倍甚至数十倍增长，在细分赛道中表现突出。在中大型开放道路场景，库萨已进入常态化运营阶段，商业模式跑通并产生实际作业价值。但陶圣也指出，规模化问题尚未完美解决，场景泛化能力仍需提升，硬件尚待极端天气考验，产能也正从单线500台向5000台迈进。

他坦言，在真正验证之前，一切都只是“纸上谈兵”。从0到1、1到100、100到10000，每个阶段的规模化问题都不同。唯一确定的是，技术迭代始终由真实需求驱动，长尾场景永远比预设的多。

一个有说服力的场景是识别“不起眼”的鱼竿。当库萨的产品从市政道路扩展到公园、园区等更接近人的场景时，会遇到钓鱼者放置的细长鱼竿。此前团队专注于地面检测，从未考虑过空中细小物体，这促使他们重新采集数据进行训练。陶圣从中领悟到，在规模化落地前，大部分技术迭代是为了应对突发场景，团队不可能预设所有问题，这是一个逐步发现的过程。

另一个案例是“书包旁的纸与铅笔”。傍晚时分，机器人看到书包、纸笔和附近奔跑的学生，通过语义理解，它能判断学生可能是文具的主人，书包和文具属于临时存放，因此选择不清理。第二天，在无人且书包不在场的情况下，同样的纸张会被判定为垃圾。这个场景判断的实现，依赖于大模型对整张图片的语义理解能力，能够关联人、物、时间、空间。

无论是识别鱼竿还是理解放学场景，这些迭代之所以能快速发生并部署到机器人，得益于Corner Factory的数据飞轮和Kusa Robo Platform的通用性。除了长尾场景，平台还需支持形态切换。同一套技术栈，已成功从轮式机器人切换到双轮足式，机械臂控制也从2-3个自由度平滑扩展到多自由度。这意味着平台不会被特定机器人形态所限制。

跨形态适配的难点在于本体动力学和控制矩阵的差异。库萨通过硬件抽象层，将力矩、角度、圈数等统一抽象，再由底层运动学模型转换为可执行指令。陶圣将其比作游泳时的肌肉记忆，大模型负责顶层思维，底层小模型负责具体执行。

未来平台进化的最大空间在于大模型。OS底层相对稳定，而大模型正回归数学本质，引入物理和数学硬约束，例如利用流体力学描述物理概念嵌入世界模型，使3D空间理解成为共识。

具身智能的操作系统不太可能出现一家独大的局面，机器人场景的碎片化程度远超手机和PC，最终很可能是“多家分天下”。在此之前，库萨致力于让城市服务机器人在更多场景中“开箱即用”，成为可靠、持续、可规模化的生产力伙伴，从而提升城市的运行效率和韧性。