在人流如织的大街小巷，这家公司的机器人正跑着自己的「马拉松」

AIGC动态12小时前发布 almosthuman2014

68 0 0

文章摘要

人形机器人半程马拉松活动引发了广泛讨论，既有对机器人耐力和稳定性的赞赏，也有对其频繁摔倒的失望。这一现象促使人们思考，机器人技术的热议是否仅仅是炒作。然而，更值得探讨的是如何打造真正能够走入现实世界的机器人。推行科技创始人卢鹰翔指出，更复杂、更智能的具身智能机器人需要建立在上一代具身智能完成商业闭环和真实世界数据闭环的基础上。推行科技的物流机器人已经在苏州、深圳、上海等城市投入使用，能够在复杂的交通环境中穿行，并实现商业化运营，履约率高达98.5%，甚至在某些高价值场景中实现了单个机器人的盈亏平衡。

推行科技通过从技术可及的场景入手，将机器人大量投入现实世界，实现了商业化运营，并构建了数据飞轮。这一策略为打造更复杂、更智能的具身智能机器人奠定了基础。推行科技的初代物流机器人能够在复杂的交通环境中穿行，而第二代移动操作机器人Carri Flex则增加了灵活的上肢操作能力。通过与人类骑手一起在商家门口等待接单，推行科技的机器人已经能够覆盖自身的成本，实现了商业化闭环。

在具身智能领域，真机数据、合成/仿真数据和互联网级的通识数据是训练通用泛化具身模型的关键。推行科技自研的「骑手影子系统」构建了覆盖多种任务类型与环境变数的高密度人类行为数据集，从根本上提升了机器人在开放物理世界中的泛化能力与可靠性。这一系统通过模仿学习和强化学习算法，让机器人学习人类骑手的行为，从而能够在复杂多变的城市环境中自主导航。推行科技在短短两三年内积累了数千万公里的行驶数据，数量级相当于国内头部自动驾驶公司的历史路测数据积累总和。

推行科技的数据闭环平台能够对骑手的动作行为进行自动分解及标注，发现骑手递送任务实际上由三个核心原子任务排列组合而成。基于这一发现，推行科技成功定义了具备单臂操作能力的Carri Flex机器人，并将其部署于真实开放的物理世界。推行科技的行为树VLA模型使用LLM进行高层任务规划，能够将高级指令转化为行为树结构，并通过回环反馈逻辑提高整个系统的适应性和可靠性。

推行科技的模型具有较强的泛化能力，可以实现「⼀脑多形」和「⼀脑多栖」的部署。他们的模型不仅可以在自己的机器人身上部署，还可以泛化到四足机器狗平台和传统阿克曼底盘，甚至在静水船只上发挥作用。推行科技已经和国内三家头部全国性即时配送平台达成业务合作，完成了近10万单配送。此外，推行科技团队的技术背景和人才储备为其具身智能路线提供了有力支持。

推行科技的故事表明，具身智能的发展不必追求一步登天的技术突破，而是先在真实环境中找到商业闭环，再以此为基础逐步迭代。这种务实的进化路径，或许才是具身智能走向未来的最短捷径。