.png?table=collection&id=cbe6506e-1263-8358-a4d7-07ce62fcbb3f&t=cbe6506e-1263-8358-a4d7-07ce62fcbb3f){kind=small}
ARTICLE SIGNAL
Current Robotics获数亿融资：大模型赋能人形机器人，前沿AI资讯解读
Current Robotics完成数亿元融资,布局人形智能,大模型,AI资讯,AGI,具身智能,世界模型,AI新闻,探索机器人全身灵巧操作与交互式仿真技术。
type
status
date
slug
summary
tags
category
icon
password
网址
当前，人工智能领域正迎来具身智能的全面爆发。随着硬件技术的不断突破，人形机器人正在从概念走向真实的物理世界。根据最新的AI资讯，国内领先的人形智能公司Current Robotics（元流）首次对外披露了其融资进展：公司已先后完成种子轮、天使轮、Pre-A轮融资，累计融资数亿元人民币。投资方阵容豪华，不仅包括BV百度风投、高瓴创投等顶级财务投资机构，还吸引了智元机器人、星海图等产业方的深度参与。
这一重磅AI新闻标志着人形机器人正在进入一个以数据和模型为核心的新竞争阶段。过去，我们惊叹于chatGPT或claude在文本和逻辑处理上的强大能力，而现在，大模型正在赋予机器人“大脑”与“小脑”。作为专注于前沿科技的AI门户，AIGC.BAR 致力于为您提供深度的AI日报与行业洞察。本文将深入解读Current Robotics的技术布局，探讨其如何通过全身灵巧操作基模与交互式世界模型，推动AGI（通用人工智能）在物理世界的落地。
突破硬件瓶颈：高维身体带来的数据挑战
过去两年，人形机器人的身体构造变得越来越复杂。从双足行走、腰部扭动到双臂协同，再叠加20自由度以上的灵巧手，整机的自由度一路飙升。硬件能力的推高固然令人振奋，但一批更底层的软件与算法问题也随之浮出水面：如此高维的身体，究竟需要什么样的数据来训练？
传统的机器人数据采集往往局限于机械臂和末端执行器，遥操作或第一人称视觉数据难以完整覆盖躯干、下肢的配合以及复杂的物理接触力。Current Robotics敏锐地捕捉到了这一痛点，推出了HumanEx人类数据采集系统。这套系统无需预先部署机器人，通过头戴式设备、数据手套、全身外骨骼等可穿戴设备，直接在工厂、办公室、家庭等真实环境中记录人类的第一视角视觉、全身动作及受力情况。
目前，Current Robotics已积累了超过21,000小时的人类行为数据。这种从人类真实行为中提取“经验”的数据路线，正是训练具身LLM（大型语言模型）和视觉-语言-动作（VLA）模型的关键基石。
Curr-0基模：让移动与灵巧操作合二为一
在传统的机器人系统中，移动（Locomotion）与操作（Manipulation）往往是割裂的。机器人通常需要先走到目标位置，停稳后，再执行手部任务。然而，在真实的家庭或工作场景中，人类的动作是连贯的。比如“抱物穿门”或“伸手够远处的物体”，都需要双臂、躯干和下肢的实时、持续配合。
为了解决这一问题，Current Robotics将研发重点放在了全身灵巧操作（Loco-Dexterous Manipulation）上，并推出了Curr-0基模。Curr-0能够运行于70+自由度的人形机器人平台，将灵巧手纳入统一的策略中，通过真实世界的数据进行端到端训练。
令人瞩目的是，Curr-0可以通过自然语言指令来区分任务。就像我们在使用openai的模型时输入Prompt（提示词）一样，操作人员只需下达简单的指令，机器人就能依靠一套共享权重的策略，完成撕茶包、盖章、清理桌面甚至抱物穿门等复杂任务。这种端到端的架构，极大提升了机器人的泛化能力。
CurrentWorld-0：交互式世界模型重塑策略评测
随着数据量的激增和模型的快速迭代，如何高效、低成本地验证机器人的能力成为了新的行业瓶颈。真机测试虽然最真实，但受限于硬件数量、场地以及任务复位的繁琐性，效率极低。特别是涉及衣物形变、液体流动等复杂物理交互时，真机试错的成本更是难以承受。
为此，Current Robotics团队推出了全球首个在统一框架中整合跨本体、多视角和力-触觉预测的交互式世界仿真器——CurrentWorld-0。与传统的视频生成模型不同，CurrentWorld-0不会自动“美化”或“修正”机器人的错误动作。如果机器人的策略（Policy）抓偏了，后续的生成状态也会沿着这个错误继续推演，从而真实反映策略的缺陷。
更重要的是，CurrentWorld-0引入了“人类介入”机制。当策略在仿真环境中陷入错误或不确定状态时，操作员可以直接接管并纠正。这些纠正过程中产生的新轨迹，将被重新用于模型的后训练（Post-training）。这种将评测、纠错和再训练紧密结合的闭环，为具身智能的高效迭代提供了革命性的工具。
产业资本入局：打通数据与应用闭环，加速AI变现
Current Robotics此次融资不仅获得了顶级VC的青睐，智元机器人、星海图等产业方的加入更是意义深远。这表明，Current Robotics的技术路线已经找到了直接的落地场景。
机器人学习离不开本体和真实场景。产业协同能够直接打通数据覆盖、训练效率和评测节奏的闭环。Current Robotics已经加入了相关的数据生态联盟，并成为具身智能数据平台的战略合作伙伴。从HumanEx的数据采集，到Curr-0的全身协调控制，再到CurrentWorld-0的仿真评测，Current Robotics构建了一套完整的技术基础设施。
对于整个行业而言，这不仅是技术的突破，更是AI变现的重要一步。当机器人能够高效地将人类在真实世界中的经验转化为自身能力时，它们在工业制造、家庭服务、医疗康养等领域的商业化落地将大大加速。
结语：人形智能始于人，迈向AGI的新征程
Current Robotics创始人祝毅晨曾提出全球首个VLM加扩散模型的VLA范式，其团队在机器人世界模型领域的深厚积累，为Current Robotics的快速发展奠定了坚实基础。正如公司所强调的“人形智能始于人”，当机器人的形态越来越接近人类，人类长期积累的物理交互经验就具有了无可估量的迁移价值。
随着大模型技术的不断演进，具身智能正成为通往AGI的关键路径。无论是通过提示词与机器人交互，还是利用世界模型进行无边界的仿真训练，人工智能正在以前所未有的速度重塑我们的物理世界。获取更多关于大模型前沿技术、实用Prompt技巧以及最新AI资讯，请持续关注专业的AI门户 AIGC.BAR，与我们一起见证智能时代的每一次飞跃。
Loading...