近日，人形機器人企業(yè)靈寶CASBOT宣布完成新一輪融資，融資金額近億元人民幣。本輪融資由藍思科技領投，天津佳益跟投，老股東國投創(chuàng)合、河南資產持續(xù)加注。在當前人形機器人賽道競爭日趨激烈的背景下，這筆融資的完成為觀察行業(yè)技術路線演進和商業(yè)化進展提供了新的視角。

▍VLA模型的工程化挑戰(zhàn)與解決方案

視覺語言動作（Vision-Language-Action，VLA）模型作為具身智能領域的重要技術方向，在從理論研究向工程應用轉化的過程中面臨著諸多挑戰(zhàn)。核心問題在于：如何在保持模型泛化能力的同時，滿足特定任務對精度和穩(wěn)定性的嚴格要求。

面對純VLA 模型在精細化作業(yè)任務中的技術挑戰(zhàn)，靈寶 CASBOT與中國科學院自動化研究所合作提出了ConRFT（Consistency-based Reinforced Fine-tuning）方法，通過引入強化學習機制來增強VLA模型的任務執(zhí)行能力。

ConRFT方法采用兩階段優(yōu)化策略。離線微調階段（Cal-ConRFT）將校準Q學習（Cal-QL）與行為克隆（BC）相結合。Cal-QL通過減少時間差分誤差并引入正則化項，在有限的離線數(shù)據(jù)集上訓練Q函數(shù)。BC損失則通過最小化策略輸出動作與演示軌跡動作之間的距離，為模型提供額外的監(jiān)督約束。這種組合方法使系統(tǒng)能夠在僅有20-30條演示數(shù)據(jù)的條件下完成初步的策略學習。

基于強化學習的真實環(huán)境下VLA模型微調方法ConRFT框架

在線微調階段（HIL-ConRFT）在保留離線階段演示緩沖區(qū)的基礎上，使用回放緩沖區(qū)存儲在線數(shù)據(jù)，并實施對稱采樣策略。關鍵創(chuàng)新在于引入人類干預機制（Human-in-the-Loop）——當機器人出現(xiàn)破壞性行為或陷入局部最優(yōu)時，人類操作員可以介入并提供糾正措施，這些修正數(shù)據(jù)被添加到演示緩沖區(qū)中，用于后續(xù)的策略優(yōu)化。

根據(jù)公開的實驗數(shù)據(jù)，該方法在八項真實場景任務測試中實現(xiàn)了96.3%的平均成功率，相較傳統(tǒng)監(jiān)督微調方法提升144%；平均任務完成步數(shù)從56.3步降至30.7步，效率提升約1.9倍。在"穿針引線"等高精度任務中表現(xiàn)尤為突出。這種性能提升對于工業(yè)應用具有直接價值——更少的動作步驟意味著更短的生產周期和更高的效率。

八個不同類型的真實場景任務

數(shù)據(jù)采集策略方面，靈寶CASBOT構建了“三域”體系：真機域（傳統(tǒng)的機器人遙操作數(shù)據(jù)，占比最少）、仿真域（在虛擬環(huán)境中生成的訓練數(shù)據(jù)，占比較高）、真人域（通過專用數(shù)據(jù)手套和眼鏡設備采集的人類演示數(shù)據(jù)）。真人域數(shù)據(jù)采集的創(chuàng)新之處在于直接捕獲人類的自然操作動作，避免了傳統(tǒng)遙操作中為確保穩(wěn)定性而犧牲效率的問題。采集的數(shù)據(jù)包含雙目RGB圖像、末端位姿、觸覺反饋等多模態(tài)信息。

據(jù)該公司技術負責人介紹，這種方法能夠將原本需要數(shù)十秒完成的遙操作動作壓縮到接近人類的執(zhí)行時間（幾秒），從而提高了訓練數(shù)據(jù)的質量和采集效率。

▍分層架構設計的技術考量

在系統(tǒng)架構選擇上，靈寶CASBOT采用了分層端到端模型技術路線。這種選擇是在評估了業(yè)內主流的端到端具身大模型、分段決策模型以及示教模仿訓練技能模型后做出的。根據(jù)其技術文檔，分層架構能夠結合各種路線的優(yōu)勢，同時規(guī)避它們的不足。

這種架構允許系統(tǒng)根據(jù)不同場景需求靈活調配計算資源。在工業(yè)制造等場景中，系統(tǒng)可以關閉云端大模型調用，僅依靠端側的具身操作大模型完成任務閉環(huán)。這種設計降低了網(wǎng)絡依賴，提高了響應速度。而在需要復雜人機交互的商業(yè)服務場景中，則可通過Agent框架調用云端的開源大模型資源。

從硬件配置看，CASBOT 02搭載的275TOPS算力芯片主要用于支撐端側的VLA模型運行和整機運動控制。該公司在部分非關鍵模塊（如HRU）采用了國產芯片RK3588，顯示出對供應鏈安全的考慮。據(jù)介紹，這一算力水平不僅滿足當前需求，還為未來的OTA升級和功能擴展預留了空間。

這種分層設計不僅是技術選擇，也反映了對部署環(huán)境的實際考慮。許多工業(yè)和礦業(yè)場景對數(shù)據(jù)安全和網(wǎng)絡穩(wěn)定性有嚴格要求，端側閉環(huán)的能力成為必要條件。同時，這種架構也便于根據(jù)客戶的具體需求進行功能裁剪或增強，提高了產品的適應性。

在運動控制方面，CASBOT系列采用了結合對抗運動先驗和全身控制（WBC）的框架，通過生成對抗模仿學習網(wǎng)絡的訓練，使模型能夠生成高度擬人的運動控制策略。這種方法使得機器人能夠根據(jù)任務內容展現(xiàn)出行走、跑步、上下坡等多種運動能力，提高了模型的通用性。

▍產品參數(shù)優(yōu)化背后的工程權衡

CASBOT 02相比CASBOT 01的參數(shù)變化體現(xiàn)了明確的產品策略調整。身高從179cm調整為163cm，自由度從52個優(yōu)化為33個，體重從60kg降至55kg，算力從550T調整為275TOPS。這些變化并非簡單的成本削減，而是基于實際應用反饋的針對性優(yōu)化。

根據(jù)該公司的說明，通過01產品在多個真實場景的探索和交互，他們發(fā)現(xiàn)“相比于‘全能型產品’，用戶更容易記住并選擇一個把單一功能做到極致，打磨成‘超預期’體驗的產品”。這一認知轉變推動了產品設計理念的調整。自由度的優(yōu)化使得控制算法的復雜度降低，提高了系統(tǒng)的穩(wěn)定性和響應速度，同時也降低了生產成本。

硬件設計的重要改進是模塊化架構。通過將外骨骼與內部結構解耦，不僅提升了生產裝配效率，更重要的是為不同應用場景的硬件配置提供了靈活性。例如，在礦業(yè)場景中，可根據(jù)巷道環(huán)境選擇輪式或履帶式底盤；在工業(yè)場景中，可根據(jù)作業(yè)需求配置不同類型的末端執(zhí)行器。這種模塊化設計也便于后續(xù)的維護和升級。

人機交互功能的增強基于明確的客戶需求。在中關村論壇等活動中，CASBOT 01作為主持人進行了多語言交互展示，獲得了良好反響。而在后續(xù)的商業(yè)服務場景試用中，客戶反饋希望機器人“更加擬人化，更加靈動”。為此，CASBOT 02引入了“靈動模式”，使機器人在待機狀態(tài)下也能展現(xiàn)自然的小動作。同時強化了人臉追蹤、聲紋識別等功能，實現(xiàn)“專屬跟隨”和“聽聲辨人”。

在續(xù)航和充電設計上，CASBOT 02采用滑軌式快換電池設計，支持快充、無線充電與自主回充。這種設計不僅方便日常使用，也為長時間連續(xù)作業(yè)提供了保障。這些細節(jié)改進雖然看似微小，但對提升產品的實用性具有重要作用。

▍垂直場景選擇的商業(yè)邏輯

在商業(yè)化策略上，靈寶CASBOT選擇了工業(yè)制造和礦業(yè)能源作為首批主要發(fā)力方向。這種選擇基于對市場需求和自身能力的綜合判斷。

工業(yè)制造場景的選擇基于三個關鍵因素。第一，需求的剛性——在柔性制造生產線上，存在對泛化作業(yè)能力機器人的明確需求。第二，ROI的可量化性——工業(yè)客戶對投資回報有固定的測算方式，通常要求12-18個月完成成本回收。第三，技術適配性——半結構化場景相比完全非結構化的家庭場景，泛化難度降低，更容易驗證技術的有效性。

具體應用案例包括柔性質檢和制鞋等場景。在質檢應用中，機器人通過模仿學習掌握人類的手眼協(xié)同作業(yè)模式：利用靈巧手的泛化抓取能力抓起產品，通過雙臂雙手翻轉讓相機從多角度檢查，然后放回生產線。這種應用充分發(fā)揮了具身智能的核心能力。在制鞋場景中，由于需要適應35-45碼的不同尺碼以及左右腳的差異，傳統(tǒng)的編程式工業(yè)機器人難以勝任，而具身智能的泛化能力恰好滿足了這一需求。

礦業(yè)能源場景代表了另一種商業(yè)化思路。根據(jù)七部委聯(lián)合印發(fā)的《礦山安全發(fā)展指導意見》，到2026年底如果不能實現(xiàn)關鍵崗位的機器人替代，將直接限制相關央企的開采活動。這種政策驅動創(chuàng)造了明確的市場需求。在井下1000-2000米、溫度30-40度、存在瓦斯等有害氣體的極端環(huán)境中，機器人不是效率工具，而是保障安全生產的必需品。

合作模式方面，靈寶CASBOT與合作伙伴采用聯(lián)合研發(fā)方式：公司提供標準化的機器人產品和基礎算法，合作伙伴負責防爆改造、資質認證等專業(yè)工作。雙方在合作協(xié)議中會明確約定研發(fā)方向和POC（概念驗證）訂單。這種分工既發(fā)揮了各自優(yōu)勢，也通過具體訂單體現(xiàn)了合作誠意。

在市場策略上，該公司堅持“小規(guī)模量產和交付”原則，2025年計劃三條產品線（全尺寸雙足、輪式、靈巧手）各完成約百臺套的交付。靈寶CASBOT聯(lián)合創(chuàng)始人兼COO張淼明確表示：“量產背后一定都是帶著交付兩個字的”，量產的產品都對應明確的商業(yè)化需求和應用場景。這種務實的策略避免了盲目擴張帶來的資源浪費。

正是基于在工業(yè)制造等垂直場景中積累的技術工程化經(jīng)驗與場景需求理解，靈寶CASBOT 獲得藍思科技領投支持。作為消費電子制造領域龍頭企業(yè)，藍思科技關注到其在柔性作業(yè)泛化能力、模塊化硬件設計等方面的技術特點。此次領投不僅體現(xiàn)了產業(yè)資本對其技術落地路徑的認可，也為雙方后續(xù)圍繞技術研發(fā)與產業(yè)應用展開溝通奠定了基礎。

▍技術演進路徑與產業(yè)發(fā)展趨勢

通過分析靈寶CASBOT的實踐，可以觀察到人形機器人產業(yè)發(fā)展的幾個重要特征和趨勢。

首先，在技術路線上，行業(yè)正在從單一技術路徑向混合技術方案演進。VLA模型雖然是主流方向，但純VLA在工程落地時的局限性推動了技術融合。ConRFT方法通過強化學習增強VLA模型的案例表明，根據(jù)具體應用需求選擇和組合不同技術，比追求某一技術的極致更具實用價值。這種務實的技術選擇反映了產業(yè)從概念驗證向商業(yè)應用轉型的必然要求。

其次，數(shù)據(jù)策略的創(chuàng)新正在成為競爭力的重要來源。傳統(tǒng)依賴真機遙操作的數(shù)據(jù)采集方式成本高、效率低，且數(shù)據(jù)質量受限。靈寶CASBOT的“三域”數(shù)據(jù)體系，特別是真人域數(shù)據(jù)采集的創(chuàng)新，不僅降低了成本，更重要的是提高了數(shù)據(jù)質量。這種方法使得中小企業(yè)也能夠積累高質量的訓練數(shù)據(jù)，有望改變當前數(shù)據(jù)資源高度集中的格局。

第三，產品設計理念正在發(fā)生根本轉變。從追求參數(shù)的極致到注重實用性的轉變，反映了市場對人形機器人認知的成熟。自由度數(shù)量、算力大小等技術指標不再是評價產品的唯一標準，能否有效解決實際問題、投資回報是否合理成為更重要的考量因素。這種轉變將推動整個行業(yè)向更加理性和務實的方向發(fā)展。

第四，商業(yè)模式的探索呈現(xiàn)出明顯的分化趨勢。不同企業(yè)根據(jù)自身技術特點和資源稟賦選擇不同的商業(yè)化路徑。垂直場景深耕策略的成功，證明了在當前技術條件下，聚焦特定領域、深入理解場景需求是可行的商業(yè)化路徑。但這并不意味著通用型路線沒有價值，隨著技術成熟度的提升，不同路徑可能會在更高層次上實現(xiàn)融合。

最后，產業(yè)生態(tài)的重要性日益凸顯。單一企業(yè)難以完成從基礎研究到產品開發(fā)再到市場應用的全鏈條工作。靈寶CASBOT與中科院自動化所的技術合作、與藍思科技等產業(yè)方的商業(yè)合作、與礦業(yè)央國企的聯(lián)合研發(fā)，都體現(xiàn)了生態(tài)協(xié)同的價值。這種開放合作的模式有望成為推動產業(yè)發(fā)展的重要機制。

展望未來，人形機器人產業(yè)仍處于早期階段，技術和商業(yè)模式都在快速演進中。但從靈寶CASBOT等企業(yè)的實踐可以看出，產業(yè)正在向著更加務實、更加聚焦應用價值的方向發(fā)展。隨著更多企業(yè)找到適合自己的技術路線和商業(yè)模式，人形機器人從概念到大規(guī)模應用的進程將不斷加速。