城市服务，成为了具身智能的新考场？ - 世界杯赛程

在工厂车间与城市街道等不同环境中，同一款机器人所面临的挑战截然不同。相较于结构化场景的成熟应用，开放的城市道路对机器人提出了更为严苛的要求，它们必须全天候稳定运行，并能应对复杂的交通状况和多变的天气条件。

中国信息通信研究院的《具身智能发展报告》指出，当前具身智能发展面临数据、模型、本体及场景难以形成闭环的困境。然而，展望未来，2026年将是具身智能从技术验证迈向规模化落地的关键时期，而城市服务领域正成为检验其落地能力的重要试验场。

为应对这一挑战，库萨科技专注于“具身智能服务城市开放场景”，致力于打通数据采集、模型训练到机器人部署的全栈流程，确保机器人在真实环境中能够可靠运行。库萨科技认为，要克服规模化落地的障碍，研发能力和工程化能力必须并驾齐驱。

库萨科技成立于2023年，团队成员来自清华、上海交大等顶尖高校，拥有丰富的整车、机器人及自动驾驶研发与管理经验。其核心产品是面向城市开放场景的服务机器人，已在超过40座城市投入运营。

今年7月中旬，库萨科技发布了Kusa Robo Platform，这是一款专为城市级具身智能部署打造的工程化平台，覆盖了从数据采集、模型训练到多端部署、远程运维的全栈闭环。库萨科技希望通过这一平台，解决行业内关于为什么专用平台是实现具身智能规模化落地的关键这一难题。

城市级具身智能的挑战

自动驾驶领域的团队在转型至机器人领域时，最初普遍认为只需将二维问题提升至三维即可。库萨科技团队最初也持有类似看法，但深入实际场景后发现，评价标准已发生根本性变化。

举例来说，自动驾驶车辆的任务是从A点到达B点，避免碰撞并保证乘坐舒适性即可。而城市环卫机器人则需要主动与环境互动，例如，面对路面上的一个黑色塑料袋，自动驾驶车辆可能直接碾过或绕行，但环卫机器人必须判断袋中物品的性质，决定是清扫还是作其他处理，因为其核心任务是清除垃圾。

这种评价标准的转变，凸显了“物理交互”这一被低估的关键难点。库萨科技联合创始人兼CTO陶圣指出，自动驾驶领域对接触力学关注较少，是因为汽车行业已积累深厚基础。然而，城市服务机器人必须实现末端清扫结构与整车控制的深度耦合，从“车”到“机器人”的跨越，核心在于处理好物理交互。这不仅依赖传感器，更需要模型对物理世界有深刻理解。

为何聚焦城市场景

陶圣解释，选择城市场景是基于真实且迫切的市场需求。城市环境复杂度高、技术壁垒强，同时能直接产生商业价值，是验证具身智能工程化能力的理想土壤。此外，城市服务机器人行业的市场渗透率尚不足1%，是一个巨大的蓝海市场。

尽管挑战重重，但城市服务机器人领域的回报明确，值得长期技术投入。这种高门槛决定了城市级具身智能需要一套专用工程平台，而库萨的Kusa Robo Platform正是为此而生，其核心技术体现在三个方面。

底层架构、数据驱动与智能核心

库萨科技发布的三项核心技术各司其职：Kusa OS是专为城市级具身智能设计的操作系统，保障机器人稳定运行和实时调度；Corner Factory是数据工厂，负责自动挖掘、清洗和标注长尾场景数据；Kusa Omni-CTS是全模态具身模型，负责从感知、认知到动作输出的全链路。这三项技术共同致力于解决机器人在城市中“跑得稳、学得快、懂场景”的问题。

Kusa OS旨在解决“跑得稳”的问题，其研发可追溯至2018年库萨团队在码头无人驾驶项目中的经验。虽然ROS2是主流的开源框架，但其在硬实时性方面存在不足，可能导致不可预期的延迟和抖动，这在对稳定性和实时性要求极高的城市服务场景中存在风险。因此，库萨科技从底层自研Kusa OS，借鉴了码头场景7×24小时稳定运行的要求，通过精简系统设计，提升了长期稳定性、确定性调度和时延抖动压缩能力。

自研OS也带来了挑战，如工具链不完备，需要自行构建从实时监测到机器人仿真、场景重建的全套工具。库萨科技的解决方案是开发一套编程工具链，通过描述性语言自动生成初始化代码，降低迁移成本。这种自研为底层带来了自由度和实时稳定性。

如果说Kusa OS是“底座”，那么Corner Factory便是“燃料”，它解决了“持续学习”的问题。库萨科技的数据飞轮已打通，自动标注的比例从早期80%提升至90%以上。其数据处理流程包括：机器人作业异常时保存多传感器数据，回站后上传至数据工厂进行脱敏、自动标注（从2D升级到3D）、人工复核，然后由专用模型筛选长尾场景，用于模型训练。

Corner Factory中的Kusa Omni-CTS利用单帧真实场景生成时序视频流，并同步派生3D点云及OCC语义占用。它以OCC/3D点云作为核心中间表征，在二维观测与三维结构间建立物理级空间约束，确保空间理解的准确性，支撑数据闭环和模型迭代。陶圣强调，数据才是核心壁垒，数据飞轮带来的先发优势在于时间积累。

Kusa Omni-CTS作为“大脑”，解决了机器人“懂场景”的工程化难题。库萨模型的“第一性原理”在于思维方法的转变，通过融合视频生成、时空编码、3D Gaussian等前沿技术，构建原创解法。其模型结构创新突破了多传感器异步输入的难点。

真实机器人上的多个传感器（如激光雷达10Hz、相机30Hz、IMU 1000Hz）采集频率不同，强制同步会导致卡顿或矛盾，影响模型性能。Kusa Omni-CTS通过两层机制解决此问题：一是跨模态异步特征对齐，在高维隐空间构建连续时空曲线，使数据自然流动；二是物理一致性预测，基于物理规律和环境变化，提前推测未来状况并选择最优执行方式。

这套设计在硬件改动不大的情况下，解决了时间抖动导致模型能力下降的问题。在具身智能领域，多模态融合是关键解决方案。库萨科技将研发与工程化视为一体，自研OS的底层重构和Kusa Omni-CTS的结构创新体现了研发实力，而OS、数据飞轮和全模态融合的协同则将研发成果转化为高效工程系统。

落地成效与未来展望

库萨科技的具身智能产品已部署至40多个城市，三年内实现了从零起步的数倍乃至数十倍的交付规模增长。在中大型开放道路场景，公司已进入常态化运营阶段，实现了商业模式的跑通和实际作业价值的产生。

然而，陶圣也指出，规模化落地仍面临挑战，包括场景泛化能力提升、硬件极端天气适应性考验以及产能爬坡至5000台的里程碑。他强调，在实际验证前，许多成果仍停留在理论阶段。

规模化爬坡的每个阶段都面临不同问题。技术迭代主要由真实需求驱动，长尾场景的复杂性远超预设。一个“不起眼”的鱼竿，促使团队从地面检测转向空中细小物体识别，需要重新采集数据训练。另一个案例是“书包旁的纸与铅笔”，机器人通过大模型对整个场景的语义理解，能区分临时存放物品和被遗弃垃圾，实现对人、物、时间、空间的关联判断。

这些快速的迭代和部署得益于Corner Factory的数据飞轮和Kusa Robo Platform的通用性。平台还需支持形态切换，目前已能管理轮式和双轮足式机器人，并平滑扩展机械臂控制自由度。其硬件抽象层将力矩、角度等统一抽象，由底层模型转换为执行指令，实现“一脑管理多形”。

陶圣认为，未来平台进化空间最大的在于大模型。OS迭代周期长且已基本满足需求，而大模型正回归数学本质，引入物理和数学约束，使3D空间理解成为共识。

鉴于机器人场景的高度碎片化，具身智能的OS不太可能出现像手机操作系统那样一家独大的局面，更可能是“多家分天下”。在行业最终格局形成前，库萨科技致力于让城市服务机器人在更多纵深场景中实现开箱即用，成为可靠、持续、可规模化的生产力伙伴，提升城市运行的效率和韧性。