作者丨高景辉
编辑丨董子博
AI 科技评论独家获悉，橡木果机器人近日完成数亿元人民币天使轮融资，由招商局创投、蔚来资本共同领投，水木清华校友基金跟投。
自具身智能概念兴起，“数据驱动”被视为核心路径，尤其是“以人为中心的数据”范式成为行业共识。然而，人类智能并非全由后天习得，抓握等基础能力是与生俱来的“本能”。橡木果机器人另辟蹊径，提出“本能驱动”路线：先让机器人具备基于触觉感知的本能，在真实物理世界中自主探索生成数据，再通过自学习优化智能。
基于此理念，橡木果构建了 Natus（本能）与 Magis（自学习）双层模型架构。目前，其方案已进入全球头部 ODM 厂商产线并完成 POC 验证。AI 科技评论对话橡木果发起人姜峣，深入探讨机器人“本能”的诞生逻辑与技术落地。
01 人类“抓握”无需后天学习，机器人亦然
AI 科技评论：您的机器人研究启蒙始于何时？
姜峣：我出身普通，大学期间通过参加数学、力学及机器人竞赛崭露头角，曾获江苏省机械创新设计大赛一等奖及周培源力学竞赛全国第一名。博士期间深耕机电软控全栈技术，曾耗时两年研制出当时全球精度最高的微米级并联机器人平台。
AI 科技评论：进入应用阶段后，最初聚焦于哪些领域？
姜：早期从事传统工业机器人研发，主要解决效率与精度问题，本质是延续上世纪 50 年代以来的工业自动化逻辑，如汽车生产流水线。
AI 科技评论：为何从传统工业转向具身智能的操作方向？
姜峣：传统工业自动化已相对成熟，但涉及复杂环境接触的“操作”（Manipulation）仍是难题。具身智能涵盖跑跳、自动驾驶等，但操作涉及复杂的接触力学，挑战最大。2016 年左右，我意识到单纯依靠建模解决工程问题已触及天花板，必须寻求下一代技术突破。
AI 科技评论：您认为下一代操作技术的核心指标是什么？
姜峣：2018 年在哈佛研究神经科学时，我确立了两个核心指标：通用泛化性与在线自学习。人类无需预编程即可适应不同物体（如插拔各类接口），且越用越熟练，而传统工业机器人无法做到这一点。
AI 科技评论：“本能驱动”的技术路线是如何确立的？
姜峣：哈佛实验室的研究揭示了人类操作背后的“隐式模型”，即本能。实验显示，尽管万人万法，但抓取的最终结果一致：力度适中，既不捏坏也不掉落。这种底层逻辑的一致性表明，操作能力不完全依赖后天数据训练，而是存在生物进化形成的本能机制。若忽视这一规律，纯数据驱动将陷入边际效益递减的困境。
AI 科技评论：如何定义机器人的“本能”？
姜峣：本能不是具体动作，而是感知期望。例如，疼痛是本能，躲避是反应，但具体躲避姿态因人而异。操作的本能则是克服万有引力的最优解，即以最小代价实现最高上限。人类的抓取具备无需大量训练、强泛化性、高鲁棒性及低能耗等优势，这正是机器人应追求的目标。
AI 科技评论：纯数据驱动路线在操作领域存在哪些局限？
姜峣：上层任务规划可借助数据驱动，但下层执行纯靠数据行不通。操作具有强时序相关性，环境状态瞬息万变（如物体表面摩擦力差异），所需数据量无穷无尽且难以标准化。相比之下，视觉和语言数据相对静态且易标准化，而动作数据的映射与对齐极为困难，缺乏统一 Benchmark 导致行业难以形成共识。
02 先靠本能动起来，再通过自学习不断优化
AI 科技评论：为何选择从触觉传感器切入？
姜峣：研究表明，人类中枢控制频率仅二三十赫兹，触觉信号传导存在延迟，但在遇到打滑等突发状况时，本地回路能瞬间反应。这启示我们：不必追求极致的硬件精度，而应追求信息的丰富性与深度理解。人类触觉精度不高但维度丰富，能分辨软硬、滑涩及纹理，这是操作智能的基础。
AI 科技评论：为何独钟“视触觉”技术路线？
姜峣：视触觉是目前信息模态最丰富的方案。它基于形变反推力学机制，能同时获取应力与应变信息，进而推导变形、形貌、模量等所有接触属性。相比压电、压阻等基于材料特性的传感器，视触觉的上限由算法决定，更具扩展性。尽管存在尺寸、功耗及实时性等工程挑战，但其性能上限更高，适合通过工程优化逐步逼近。
AI 科技评论：目前视触觉传感器的工程化进展如何？
姜峣：经过多年优化，传感器耐久性已达千万次级别，力学重构延时降至 5 毫秒左右。通过分布式处理与实时标定技术，有效解决了发热漂移等问题，确保了产品在真实场景中的可用性。
AI 科技评论：基于触觉的“本能”架构是如何设计的？
姜峣：我们采用双层架构：
1. Natus（本能）模型：底层模型，基于触觉定义本能规则（如“力度刚好”的感知期望）。它不输出具体动作，而是指导机器人在线探索，自主寻找最优路径，确保通用泛化性。
2. Magis（自学习）模型：上层模型，负责在线自学习。将触觉探索数据与视觉对齐，形成预测能力，实现“熟能生巧”。
两者配合，底层保证鲁棒性，上层提升效率。这与当前主流的 VLA（视觉 - 语言 - 动作）模型不同，我们不直接输出动作序列，而是输出目标期望，让底层本能实时处理执行细节。
AI 科技评论：这种架构的优势何在？
姜峣：只要期望正确，系统自然会收敛至最优结果。本能模型结构简单，可在端侧高频运行（250Hz），满足实时性要求。用户不关心模型大小，只关注解决问题的效果与成本。用简洁的端侧模型实现高效操作，才是最优解。
03 聚焦工业柔性生产，以头部客户打磨产品
AI 科技评论：在落地层面，模型做了哪些针对性优化？
姜峣：工业客户无法接受漫长的离线训练周期。面对上千 SKU 的快消 ODM 场景，换型频繁，传统方案调试成本高。我们的目标是实现分钟级部署，无需重新采集数据或训练模型，即可适应新产品。
AI 科技评论：目标客户群体有哪些特征？
姜峣：我们聚焦SKU 丰富、行业头部、有利润空间及出海需求的客户。这类企业面临极致柔性生产的痛点：传统自动化无法应对多品种、小批量订单，人工则存在不稳定与品控波动问题。通过与头部客户共建，我们能以最高标准打磨产品，面向未来五年的生产形态。
AI 科技评论：产品形态是怎样的？是否自研本体？
姜峣：我们提供软硬一体的完整机器人产品。为保证规模化复制，必须确保硬件的通用性，避免陷入定制化项目的泥潭。当前聚焦工业柔性生产场景，打造通用的柔性操作单元。
AI 科技评论：如何定义“极致柔性”？
姜峣：仅有十几种规格不算柔性。真正的柔性是逻辑上的泛化，能适应一年两代甚至更快的产品迭代。我们的目标是实现“生产即服务”，由订单直接驱动生产，跳过繁琐的工艺拆解与调试流程。
AI 科技评论：未来推广面临的最大不确定性是什么？
姜峣：一是产品定义，需在真实场景中不断验证迭代；二是规模化复制能力，需建立高效的运营体系，确保边际成本递减。唯一的抓手是迭代速度，团队需长期驻场，快速响应产线需求，形成可复制的落地模式。
AI 科技评论：对“本能”这一信念是否存有疑虑？
姜峣：底层逻辑不会错。大自然演化遵循最小代价、最高效率原则，人类低能耗实现复杂操作必然依托简洁的底层机制。最好的学术与产品往往是简洁的（Simple is Best）。不用堆砌昂贵硬件，以最简洁方式撬动最大效果，才是正确方向。
未经「AI 科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！
公众号转载请先在「AI 科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。