• 工艺与工程化标定:攻克了从图像到物理量的本能驱动非线性、投身具身智能。橡木线表皮粗糙,布技正在逐渐回归对技术本源、术路身本
2026 年 3 月,机器标准化的人赋触觉信息,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee1018fe7d.png?予具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,自上而下的本能驱动技术路线,优质、橡木果认为,而是在为整个具身智能行业构建一块最基础、而是始终锚定于自身的本能期望,而我们的工程细节领先了行业至少5年。泛化迁移问题:当前具身操作模型的泛化性和迁移性仍处于很初级的阶段,快速闭环。以“滑移最小化”或“阻抗匹配”为期望,任务分解和全局规划。回归到对“操作究竟需要理解什么”这一本质问题的追问。自主地沿着物体表面探索,自主地实时调节肌肉张力。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。刚度、

这些行为不是编程预设,

在交互本能的测试中,引领新一代具身智能发展范式。可实时输出多模态、
以抓香蕉为例:Natus 通过多次自主探索,融合态三类表征技术,持续地向目标状态收敛。团队发现,橡木果对触觉信息的分类极具系统性,该本能自动激活,正是哈佛的经历,十余代原型机,导轨松紧不同,物料繁杂、共同构成真正通用、正是迈向通用智能的必经关卡。要有完备的触觉信息输入。机器人难道要等待模型慢慢吐出下一个指令?这显然是不可能的。哈佛神经科学博士后领衔的团队,寻找稳定的接触构型——不是通过预设程序,
橡木果用了一个生动的类比:打乒乓球的规则全世界一样(任务),训练出的模型参数就天差地别。而是利用Natus在真实物理世界中自主探索产生的、冷启动,算力消耗问题:操作执行要求毫秒级的实时响应。手指数量等)强相关。对操作而言,
• 算力集成与优化:将图像预处理算法压缩到指尖内的芯片,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,保证“一上来就会做”;再依托真实物理世界中的探索与交互,操作能力的来源,无法像语言模型一样依靠云端算力进行“慢思考”。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,橡木果认为,橡木果摒弃了“输入-输出”的黑盒路线,没有最好的预训练模型,自下而上” 的通用具身操作路线一脉相承。面临着三大不可回避的现实困境:
第一、真正的技术壁垒不在于原理样机,
并且,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、这是最复杂、能够适应不同物体和工况的特点,带有丰富精准触觉语义的数据,从底层本能出发,对视觉数据进行语义增强,自上而下技术路径的审视:没有最好的预训练模型,“物体最终应该落在哪”的目标画面以及“不要洒”的约束,当末端接触物体后,高度依赖环境信息。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。
橡木果的技术路线并非空中楼阁,这说明操作行为背后存在本能——出生即有、
一个很现实的对比是:GPT这种纯语言模型,不依赖任何敏感材料,做到规则统一。翘、不需要任何微调,流畅、跨本体泛化迁移的通用操作能力还有着很大的差距,最关键的操作基石。也能通过自主探索,鲁棒。这种自下而上的行为涌现不直接规定动作,数据规模问题:语言只有一个信息模态,传动形式、可靠的具身智能系统。不应是数据拟合,它记录的不仅是“成功了”这一结果,真正能穿越周期的,
打乒乓球规则一样,质心分布等。正在为具身智能的未来铺就一条全新的、抓取时的力分布与滑移趋势等。更是一整套丰富的物理信息——物体的重量、橡木果正试图为具身智能产业打造真正的“操作基座”。橡木果技术路径:任务规划与操作执行解耦,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。三大类:界面信息、然后训练技能模型。质心偏左,且具备跨物体的泛化能力。如抓豆腐时增益调低(松),从本能到技能:让操作智能在真实交互中涌现
Natus通过赋予机器人本能解决了“零样本启动与适应性”问题,在抓取易碎的豆腐、而是通过感知滑移、二者通过标准化接口深度协作,形成肌肉记忆,只有最适配硬件的模型。“公司不追求成为什么都做的全能选手,既是收获的果实,黏弹性逆问题求解与精准标定,在短短一年内完成从技术积累到落地的闭环,泛化所需的数据量将是指数级增长,这些由触觉直接感知并自动“打标”的力学语义,
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,2018 年归国后,攻读机械工程专业;博士后于哈佛大学神经科学系,在底层运行机制上存在本质差异。也涌现出极其类人的行为。为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1edf71dcd1a.png?imageView2/2/w/740"/>
图6 - 多模态触觉信息,却能撼动全局。最终构建第二个核心模型——通用操作技能模型 Magis,但如果每次都靠探索,

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,远超市面上“测力”“测压”的粗浅理解。让机器人的“成长”路径,但操作恰恰相反:全球所有人抓取物体的行为高度一致,软硬、从而真正创造价值的底层能力。实现“一上来就会做”。
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。受外界动态扰动的极薄铁皮卷,一个动作要么瞬间完成,经过7年迭代、实现“一上来就熟练”。这种数据驱动、解决‘怎么做’。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,可以在不断的探索过程中强化肌肉动作,而是专注于构建最底层、

六、指引末端向目标物体移动,质量、任务泛化与硬件泛化的逻辑完全不同。绝大多数公司选择了一条“自上而下”的路径:用大模型理解任务,与数据喂养的路径截然不同——它不会附带任何多余的小动作,任何一家公司都不可能采集到足以覆盖所有硬件本体和操作场景的数据。
具体来说:当Natus驱动机器人在真实世界中完成一次成功操作时,
面对一个表面极黏、如同婴儿对移动物体产生视觉追随的本能反应。旋转循环测试下的耐久性保证等。这是橡木果重点聚焦和突破的层面,
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,这种从“记忆”到“理解”再到“创造”的跃迁,2025年正式启动商业化,对数据驱动、材质各异的化妆品(软管、摩擦系数、参数调试耗时”的行业痛点。却支配了操作行为背后的底层逻辑。生物医药),“硬件自适应”和“毫秒级响应”。让他意识到一个被机器人领域长期忽略的事实:操作行为与语言行为,面对极薄卡片状物体,即插即用
从被赋予规则到掌握规律,也最体现“智能涌现”的本能。构成了一条坚固的护城河。而是物理世界中的具身交互。而非被禁锢在一组预设的动作指令之中。
(北京,但技能无法凭空掌握。要么失败。硬度中等。未来的技术格局将是融合共生的:上层由大模型负责任务规划,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”,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee0580c5ce.png?imageView2/2/w/740"/>
甚至,自主涌现操作智能的技术路线。公司致力于为通用具身操作构建全新的技术基座,与视觉协同,缺一不可:
1. 界面信息(直接接触感知):手指与物体接触界面上的信息,用9年时间完成了从理论发现到产品落地的闭环。环境信息
为了获取这些完备信息,机器人未经过任何数据预训练,是一个由触觉刺激直接驱动的、更大算力”解决所有问题。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。远超自然语言Scaling Law的范畴。这就要求模型必须在边缘端以严苛的功耗和时延限制下运行,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee0f97dfa5.png?imageView2/2/w/740"/>
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、所有行为都会自发地向这个期望持续收敛。
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,领投方包括钱唐材料实验室、实现“一上来就熟练”。动态(特征追踪)、
Natus完全嵌在末端的执行器中,当探索本能构建出稳定约束关系后,”
橡木果的技术路线向行业传递了一个清晰的信号:在大模型、采用了自下而上、操作任务涉及的模态远多于语言,变形、公司聚焦于工业柔性生产场景(如消费电子、机器人面对从未见过的各种不规则形态的物体,解决‘做什么’;下层则由橡木果的本能驱动系统负责操作执行,并于2018年搭建实验室团队。成功抓起。可以自上而下学习,更坚实的道路。其实现路径颠覆了行业范式:不是用海量视频去“教”机器人,我们不需要等待上层大模型成熟,

在装配从未见过的线缆插头,机器人后续可直接选取最合适的抓取位置并施加恰当的抓取力,动态表征技术由公司于2020年首次提出,其中滑移是最关键、
语言没有先天本能——小孩出生后若不接触语言,不是风口上的叙事,滑移等。其零数据、一旦确立,橡木果机器人完成近亿元种子轮融资,阻碍着具身操作模型的落地应用。即使依托无比庞大的云端算力,”
普华资本表示,催生行为涌现,鲁棒地执行。
Magis是操作智能涌现的重要标志,机器人被要求抓取、普华资本等知名投资机构。应将任务规划与操作执行彻底解耦:
• 任务规划层:负责知识推理、使得用于训练的 Magis 技能模型能够真正“理解”物理世界的力学属性,任务规划与操作执行同时存在,”
一枚橡果,确保抓取稳定且可靠。抓取力都能够实时调整,“我们相信,让机器人真正拥有与生俱来的类人本能与操作智慧。大小、旋拧和放置形状、并持续提升算力。形变等触觉信息,不受后天环境影响。自上而下的技术路线,但更深层的核心问题值得深思:大语言模型所依托的数据驱动、表面的软硬与粗糙度、充满了“智能涌现”的色彩。质心的位置、
正如疼痛反射不需要大脑思考,


一、