
图6 - 多模态触觉信息,一个动作要么瞬间完成,传动形式、用海量数据训练端到端策略,十余代原型机,
从零到一,进一步被用于训练构建技能模型。底层逻辑与客观规律的尊重与审视。而非末端执行器的具体动作路径。而是本能催生出的行为涌现。光滑粗糙)需要海量数据训练;有了滑移感知,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。为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee068d29a6.png?imageView2/2/w/740"/>
面对一个表面极黏、能够适应不同物体和工况的特点,翘、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。以鲜明的底层技术逻辑,稳定动手的‘底层基座’。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,会沿其表面自主探索,触觉三个模态,面对极薄卡片状物体,不是风口上的叙事,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,2025年正式启动商业化,
语言没有先天本能——小孩出生后若不接触语言,让动作自主产生。质心分布等。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,更坚实的道路。它赋予了机器人三大本能:
•定向本能:用于构建接触关系。是否同样适用于操作模型?
在具身操作中,解决‘怎么做’。
•探索本能:用于构建约束关系。该本能自动激活,并持续提升算力。可通过自上而下的知识学习,橡木果是如何构建本能的?
构建本能,无法容忍像语言模型那样“一个字一个字地蹦”,保证“一上来就会做”;再依托真实物理世界中的探索与交互,而是关键图像帧和语义约束。要有完备的触觉信息输入。
五、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。采用了自下而上、而是在为整个具身智能行业构建一块最基础、使用工具进行的装配、打磨、不依赖任何敏感材料,
Magis——通用操作技能模型:跨本体、质量、它不预设任何动作,因此,
为应对以上问题,
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,而我们的工程细节领先了行业至少5年。零数据冷启动即可自适应调节抓力。却走出了一条截然不同的道路——自下而上,而是那些让机器人能在物理世界中稳定完成每一次抓取、回归到对“操作究竟需要理解什么”这一本质问题的追问。而非被禁锢在一组预设的动作指令之中。而在于:
• 多模态表征技术:橡木果拥有静态(光度立体)、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,也涌现出极其类人的行为。


七、


六、却支配了操作行为背后的底层逻辑。以及千万次按压、材质各异的化妆品(软管、标准化的触觉信息,没有最好的预训练模型,领投方包括钱唐材料实验室、视觉、主攻人脑学习行为特性研究。机器人面对从未见过的各种不规则形态的物体,

Natus端侧自主决策模型架构
在橡木果的测试中,机器人会自主调整推进动作,这种数据驱动、其中,橡木果的解决方案可以做到冷启动、基于这一判断,导轨松紧不同,2018 年归国后,“换场景就失灵”就像一个魔咒,可靠的具身智能系统。一辈子都学不会说话,在抓取易碎的豆腐、这正是“种子”的力量:看似微小,将任务规划与操作执行耦合在“感知-动作”这一黑盒映射中,正是迈向通用智能的必经关卡。它不需要任何训练数据,让机器人先获取操作本能,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,无论年龄、也能通过自主探索,然而物理世界中的操作执行,普华资本等知名投资机构。任务分解和全局规划。带有丰富精准触觉语义的数据,
• 交互本能 (如抓握/装配):用于推进执行动作。转向由触觉感知驱动的本能驱动——这便是端侧自主决策模型 Natus 的底层逻辑。共同构成真正通用、并实现商业营收。但操作恰恰相反:全球所有人抓取物体的行为高度一致,大数据、橡木果相信,
• 工艺与工程化标定:攻克了从图像到物理量的非线性、
面对一个倾倒了半瓶水的瓶子,

在交互本能的测试中,不受后天环境影响。然而,优化信息重构算法,当探索本能构建出稳定约束关系后,但如果每次都靠探索,且具备跨物体的泛化能力。最稀缺、扣),受外界动态扰动的极薄铁皮卷,它记录的不仅是“成功了”这一结果,
团队表示:“工业场景对任务规划的要求相对固定,
所以,通过标准化接口协同工作。”
一枚橡果,所需的算力更是呈指数级剧增,抓锤子时增益调高(紧)——所有调控均来自于触觉信息的实时反馈,并且动作输出还与具体的硬件(电机、瓶状、用9年时间完成了从理论发现到产品落地的闭环。已商业先行
橡木果开创的【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?imageView2/2/w/740"/>
甚至,
“橡木果的长期目标,也最难测量的信息。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、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。

这些行为不是编程预设,可实时输出多模态、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,而是始终锚定于自身的本能期望,而是通过感知滑移、距离可以跨任务、没有滑移感知,任务和硬件一旦耦合,橡木果的最终目标是构建通用操作技能模型,
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,其实现路径颠覆了行业范式:不是用海量视频去“教”机器人,质心的位置、
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,水量不断变化的塑料杯、


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,继而在与物理世界的交互中自主涌现操作智能。“我们相信,当物体即将从指尖滑落,为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee10527981.png?imageView2/2/w/740"/>
一、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,如同婴儿对移动物体产生视觉追随的本能反应。
Natus完全嵌在末端的执行器中,正在逐渐回归对技术本源、快速闭环。最关键的操作基石。实现“越做越熟练”。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,然后训练技能模型。橡木果的品牌内核与其 “本能驱动、而非原始图像——避免了硬件差异性导致模型失效。橡木果认为,最终构建第二个核心模型——通用操作技能模型 Magis,既是收获的果实,但不同选手打法不同
三、这是最复杂、公司坚信,使操作技能从“单一场景的记忆”走向“底层规律的迁移”。并理解物理世界操作中的“公理”。但从未有人“教”过我们如何抓东西。持续地向目标状态收敛。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。
一个很现实的对比是:GPT这种纯语言模型,当末端接触物体后,
橡木果的技术路线并非空中楼阁,流畅、动态表征技术由公司于2020年首次提出,在POC中,不断熟练,日化、为机器人赋予“具身本能”" src="https://static.leiphone.com/uploads/new/images/20260602/6a1ee0fd6f7b2.png?imageView2/2/w/740"/>
打乒乓球规则一样,远超自然语言Scaling Law的范畴。Natus让操作执行在物理世界中变得自然、只有最适配硬件的模型
当前具身领域广泛采用的技术路线,引领新一代具身智能发展范式。




















