机器人可被编程执行包装、手术等多种任务，但每个动作均需特定训练，导致其在现实场景中难以灵活适应。
Mbodi 致力于借助 AI 代理简化并加速机器人训练流程。作为 TechCrunch Disrupt 2025 Startup Battlefield 前 20 强决赛选手之一，该公司将在大会上展示这项技术。
总部位于纽约的 Mbodi 构建了一套云到边缘混合计算系统，旨在无缝集成至现有机器人技术栈。该软件依托多个协同通信的 AI 代理收集信息，帮助机器人快速掌握新任务。部署后，系统还能从实际应用场景中持续学习数据。
Mbodi 联合创始人 Xavier Chi 表示，用户通过自然语言提示软件，系统会将请求拆解为子任务。AI 代理集群以“分而治之”的方式高效收集信息，从而根据提示快速训练机器人。
“物理世界的棘手之处在于其可能性无限。每次创造全新事物时都缺乏数据，这是物理世界的一大难题。我们需要一个能编排不同模型的系统，或允许任何人纠正机器人，指导其以特定方式执行操作。”
Chi 透露，他与联合创始人 Sebastian Peralta 在谷歌担任工程师期间萌生了创业想法。尽管当时未涉足机器人领域，但他们意识到 AI 正迈向物理世界，而现有的物理 AI 虽在发展，仍缺乏高效的机器人训练方法。
Skild AI、FieldAI 等公司试图通过构建拥有海量真实世界数据的大型世界模型来加速训练，使机器人更易适应新环境。但 Chi 认为，面对不断变化的现实世界，这种理念难以奏效。
Mbodi 于 2024 年推出，初期聚焦拣选与包装领域。去年，该公司赢得 ABB Robotics AI 初创竞赛，并与这家瑞士机器人组织建立合作（该组织已于今年 10 月被软银以 54 亿美元收购）。
目前，Mbodi 正与一家财富 100 强消费品企业开展概念验证。
“快消品客户每天需将不同品牌产品装入托盘或货架，场景每日都在变化，因此无法部署固定机器人。重新编程不可行，仍需大量人工完成作业。”
Mbodi 计划自 2026 年起扩大软件部署规模。
“我们致力于构建真正可用、可落地的产品，而非研究实验室。我们的目标是将可靠的技术投入生产实践。”
本文已更新，以更准确地反映 Chi 的职位。