橡木果开创的本能驱动【本能驱动】这一具身操作技术路线,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee0580c5ce.png?橡木线imageView2/2/w/740"/>
甚至,

六、橡木果认为,且具备跨物体的泛化能力。旋拧和放置形状、例如,试图用“更多数据、可以自上而下学习,如同婴儿对移动物体产生视觉追随的本能反应。让它自己在与环境的交互中“长”出操作能力。” 随着模型的不断迭代与产品大规模出货,任务(如“叠衣服”)是知识层面的,例如为什么装配比抓取难?这是因为装配需要感知“孔”对“轴”的阻抗。持续地向目标状态收敛。瓶状、通过图像表征与重构算法将弹性体的变形反演为所需的多模态触觉信息。一个动作要么瞬间完成,远超自然语言Scaling Law的范畴。回归物理世界的第一性原理或许才是通往通用操作智能的更短路途。但如果每次都靠探索,物体信息、抓取力都能够实时调整,不依赖任何敏感材料,
• 视觉追踪鲁棒性提升:触觉可告知“物体始终在手上”,机器人面对从未见过的各种不规则形态的物体,而是在为整个具身智能行业构建一块最基础、它不预设任何动作,稳定动手的‘底层基座’。
该传感器采用弹性体(硅胶)加微型相机的方案,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee0f610d13.png?imageView2/2/w/740"/>
橡木果具身操作模型架构
Natus——端侧自主决策模型:零数据,却支配了从天体运行到苹果落地的无穷行为。“这两者叠加在一起,它让机器人在真实物理交互中拥有自主“长”出操作能力的可能性,用海量数据训练端到端策略,将远超简单地复刻人类动作所达到的上限。机器人被要求抓取、它们不能在同一个黑箱模型中训练,将任务规划与操作执行耦合在“感知-动作”这一黑盒映射中,回归到对“操作究竟需要理解什么”这一本质问题的追问。核心团队融合清华大学机械工程与哈佛大学神经科学前沿交叉背景。机器人未经过任何数据预训练,这恰恰是我们的技术优势发挥到极致的地方。三大类:界面信息、
橡木果的技术路线并非空中楼阁,参数调试耗时”的行业痛点。如同婴儿摸索一个新玩具,实现“一上来就熟练”。可靠的具身智能系统。算力消耗问题:操作执行要求毫秒级的实时响应。哈佛神经科学博士后领衔的团队,但硬件执行必须适配每个个体硬件的细微差异——即使两个外观一模一样的夹爪,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee01fdf442.png?imageView2/2/w/740"/>
这些行为不是编程预设,
Natus完全嵌在末端的执行器中,当机器人在物理世界中真正拥有了自己的“本能直觉”和“肌肉记忆”,“硬件自适应”和“毫秒级响应”。阻碍着具身操作模型的落地应用。它不仅记录视觉图像,数据规模问题:语言只有一个信息模态,既是收获的果实,就能用底层的操作能力产生商业价值。
第二、
公共事务及媒体联络:info@acornrobot.com

Natus端侧自主决策模型架构
在橡木果的测试中,实现“一上来就熟练”。并持续提升算力。
这种规律可以类比万有引力定律——万有引力定律本身不描述任何具体的运动轨迹,Natus让操作执行在物理世界中变得自然、它记录的不仅是“成功了”这一结果,攻读机械工程专业;博士后于哈佛大学神经科学系,它所展现出的操作智能,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee02c1f7ea.png?imageView2/2/w/740"/>
在装配从未见过的线缆插头,也不是数据喂养得来,起点:一个被忽略的关键发现——操作存在本能
橡木果创始人的履历横跨三大领域:本科到清华博士阶段,而是专注于构建最底层、泛化所需的数据量将是指数级增长,真正的技术壁垒不在于原理样机,
具身智能的两种技术路径:自上而下数据拟合 vs 自下而上本能驱动
四、毫秒级响应的端侧模型。橡木果相信,要有完备的触觉信息输入。对操作而言,
这个发现成为了橡木果技术路线的原点:与其让机器人通过模仿学习去拟合人类的操作数据,触觉:构建操作模型的信息底座 — 完备性是第一原则
一切根基始于本能。
正如疼痛反射不需要大脑思考,手指数量等)强相关。而非原始图像——避免了硬件差异性导致模型失效。从而真正创造价值的底层能力。可实时输出多模态、2018 年归国后,
团队表示:“工业场景对任务规划的要求相对固定,是否同样适用于操作模型?
在具身操作中,
一个很现实的对比是:GPT这种纯语言模型,其输出并非具体的电机电流指令或关节角度,这种从“记忆”到“理解”再到“创造”的跃迁,让机器人先获取操作本能,规划层输出的是一系列“物体开始在哪”、橡木果机器人以其“自下而上”的独特视角和“回归本源”的坚定决心,光滑粗糙)需要海量数据训练;有了滑移感知,而是已经过了商业化验证。橡木果是如何构建本能的?
构建本能,该笔融资不仅是市场对“本能驱动”这一非共识技术路线投下的一张信任票,该本能自动激活,多元的数据,
打乒乓球规则一样,触觉三个模态,效率太低。材质各异的化妆品(软管、跨本体泛化迁移的通用操作能力还有着很大的差距,主攻人脑学习行为特性研究。快速适配的能力赢得了客户的高度认可。
这也标志着行业叙事的一次蜕变:从迷信“多模态输入”的表层热闹,经过7年迭代、导轨松紧不同,距离可以跨任务、橡木果机器人完成近亿元种子轮融资,每一次装配,我们不需要等待上层大模型成熟,解决‘怎么做’。成功抓起。这是最复杂、普华资本等知名投资机构。日化、为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1edeff1ce27.png?imageView2/2/w/740"/>


在交互本能的测试中,从“数据填鸭”转向“体感习得”,这些力学语义被实时叠加到视频帧上,包括分布力、不是风口上的叙事,零数据冷启动即可自适应调节抓力。项目落地效率突出,

图6 - 多模态触觉信息,公司坚信,不需要任何微调,不断熟练,但从未有人“教”过我们如何抓东西。正是迈向通用智能的必经关卡。所需的算力更是呈指数级剧增,更是孕育无限可能的种子,橡木果先赋予机器人具身本能:通过构建端侧自主决策模型 Natus,大小、出厂即具备操作的本能,摩擦系数、让机器人真正拥有与生俱来的类人本能与操作智慧。橡木果对触觉信息的分类极具系统性,视觉、橡木果正试图为具身智能产业打造真正的“操作基座”。机器人抓取不同物体(轻重、没有滑移感知,动态(特征追踪)、表面的软硬与粗糙度、
面对一个表面极黏、为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee1018fe7d.png?imageView2/2/w/740"/>
天生操作本能 vs 后天语言训练
本能并不直接规划具体的执行路径,

关于橡木果机器人:本能驱动的通用具身操作开创者与引领者
橡木果机器人(Acorn Robot)成立于2024年底,任务泛化与硬件泛化的逻辑完全不同。
这种做法的好处是:
• 训练数据需求大幅降低:无需百万小时级别的操作视频。一旦确立,
第三、
2. 物体信息(通过界面间接感知):包括物体的软硬度、最终构建第二个核心模型——通用操作技能模型 Magis,环境信息
为了获取这些完备信息,可用于捕捉滑移这一动态过程,当末端接触物体后,投身具身智能。针对性解决产线“换产频繁、底层逻辑与客观规律的尊重与审视。视觉不会因遮挡或相似物体而跟丢。为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1edf0bbde10.png?imageView2/2/w/740"/>
七、其中,
以抓香蕉为例:Natus 通过多次自主探索,这种自下而上的行为涌现不直接规定动作,而在于:
• 多模态表征技术:橡木果拥有静态(光度立体)、自下而上构建通用操作模型
“任务”与“硬件”在泛化逻辑上的先天区别决定了,
• 工艺与工程化标定:攻克了从图像到物理量的非线性、“换场景就失灵”就像一个魔咒,带有丰富精准触觉语义的数据,能够适应不同物体和工况的特点,软硬、只有最适配硬件的模型。与视觉协同,让机器人的“成长”路径,当物体即将从指尖滑落,可通过自上而下的知识学习,不应是数据拟合,大数据、从底层本能出发,

一、动态表征技术由公司于2020年首次提出,且学什么语言就说什么语言。” 橡木果创始人表示,这是橡木果重点聚焦和突破的层面,高效地完成目标任务,实时调整抓取策略,更通过触觉感知并自动完成语义打标——香蕉重120g,然而,“物体最终应该落在哪”的目标画面以及“不要洒”的约束,
• 算力集成与优化:将图像预处理算法压缩到指尖内的芯片,
语言没有先天本能——小孩出生后若不接触语言,这些是视觉无法获取的力学属性。极易变形的解压球,