<mark id="oztn4"></mark>
0
| 本文作者： 小七 | 2026-06-17 20:02 |
編輯丨李希
人形機器人的操作能力研究，長期面臨一個系統性困境：移動與操作被當作兩個獨立問題來解決。
現有方案的主流路徑是讓機器人走到目標位置，停下來，再執行操作策略。但這種順序執行的邏輯在真實場景中根本行不通——站姿決定抓取可達性，軀干姿態影響手臂施力方式，足地接觸條件制約全身平衡，手部接觸又反過來改變身體的未來運動。移動與操作在物理上是強耦合的，不是兩個可以串行的模塊。
今天，Current Robotics發布Curr-0，一個面向人形機器人的全身靈巧操作基礎系統，通過Single Policy將移動控制、全身姿態協調與手部精細操作作為統一問題進行端到端訓練，運行在70+自由度人形本體上，單一模型，共享權重，全程自主。
Current Robotics專注于機器人數據基礎設施與具身智能全棧訓練系統研發。
01
Curr-0的核心是通過Single Policy將推理、全身運動控制與精細交互統一在同一策略框架下，而不是三個獨立模塊的順序拼接。
系統內部采用Tri-System架構：高層負責推理與任務理解，中層負責全身運動與穩定性協調，底層負責手部與物體的精細交互。三者在同一閉環策略中實時協同運行，機器人不需要"先想好再動"，而是在運動過程中讓全身與手實時耦合調整。
02
Curr-0基于21,000小時真實人類行為數據訓練，其中包含2,800小時全身示教數據。這些數據來自Current Robotics自研的HumanEx全身外骨骼數據采集系統。
HumanEx的核心設計是將數據采集從機器人本體解耦。不同于遙操作方案需要人直接控制機器人，HumanEx讓人類穿戴外骨骼設備在真實場景中自然完成任務，同步采集全身姿態、關節運動、手部動作、本體感知、肌電信號和環境交互數據。由于無需控制機器人本體，系統可以直接部署在工廠、實驗室、辦公室等多種真實場景中進行采集。
這將數據規模的增長路徑從"機器人部署小時數"切換為"人類任務小時數"。
03
數據和模型之外，Current Robotics還在攻克另一個系統性瓶頸：物理世界本身無法規模化。
對于全身接觸豐富的人形機器人任務，每次策略評測都需要消耗真實硬件、能源和人力，失敗無法回滾，場景無法按需重置。Current Robotics正在構建覆蓋視覺、本體感知、力覺等物理信號的多物理模態交互世界模型，作為物理世界的可擴展替代，用于策略評測、后訓練和部署驗證。
在此基礎上，團隊提出Human-in-the-World-Model框架：策略在世界模型中閉環運行，當出現錯誤或不確定時，人類直接在世界模型中介入修正，修正片段用于后續訓練，為后訓練提供更高效的迭代路徑。
04
Curr-0不是一個孤立的模型發布，而是Current Robotics全棧具身智能基礎設施的階段性成果。
從HumanEx外骨骼采集真實人類行為數據，到Curr-0端到端訓練，再到多物理模態世界模型支撐的評測與后訓練，最后到Human-in-the-World-Model加速部署驗證——數據、模型、評測、部署四個環節在同一套體系內持續迭代。
Current Robotics認為，具身智能系統的核心競爭不在于單點模型能力，而在于能否構建一套可持續擴展的數據與迭代基礎設施。隨著人類行為數據的持續積累，模型能力可以不依賴機器人fleet規模的擴張而持續提升。
技術報告請點擊「閱讀原文」：current-robotics.com/blog/curr-0
