当人形机器人赛道挤满巨头和资本时，29岁的彭锐选了一个不太一样的切入点：仿生柔性机械臂。
元股证券:ygzq.hk
南京配资公司彭锐是香港大学机械工程系博士。19岁那年他拿了全国大学生电子设计竞赛一等奖和RoboCon全国一等奖，21岁加入大疆做机器人嵌入式开发，博士期间以独立第一作者在Nature子刊发表了机器人方向的研究成果。从本体设计到底层控制，从感知决策到智能模型，他几乎把机器人技术栈的每个关键环节都走了一遍。
2025年3月，他创办了擎羽科技。团队成员来自斯坦福、清华、普林斯顿等高校以及大疆等科技公司，平均年龄26岁，最年轻的成员仅19岁。
这家年轻公司近期完成了由顺为资本与五源资本联合投资的Pre-A轮融资。成立至今，擎羽已完成四轮融资：2025年7月获得奇绩创坛种子轮投资；2026年1月完成由德迅投资领投的天使轮融资；3月完成由东方富海领投的天使+轮融资及由德迅投资领投的Pre-A轮融资。
顺为资本对此给出的判断是："擎羽科技的绳驱柔性机器人有望突破传统刚性机器人在安全性与部署成本上的限制。同时，该路线天然适配具身模型训练，可实现末端轨迹与硬件解耦，并以少量真机数据合成大规模有效仿真数据，缓解数据瓶颈。"
擎羽的技术布局可以拆成三个环节：柔性硬件、数据飞轮、跨本体模型。三个环节是递进的，柔性硬件给出差异化的物理能力，数据飞轮把这种能力转化成训练燃料，跨本体模型再把积累的经验泛化出去。
硬件是起点。核心产品是一台自重750克起步的绳驱柔性机械臂。绳驱这条路本身不算新，但它长期卡在实验室里出不来。根子在于微型驱动模组的工程化一直没走通：驱动单元怎么做得足够小、绳索张紧机构怎么保证不松不断、柔性体的控制精度能不能达到实用的水平，这三件事，没有一件能从论文直接变成产品。擎羽的路子是自研紧凑型驱动模组，把电机、减速机构和张力补偿塞进一个有限空间里，最终机械臂维持5:1的负载自重比和单关节35公斤承重，自重压到了公斤级以下。
柔性结构带来的控制挑战同样不小。受力时的弹性形变、绳索的摩擦非线性，都会让末端的实际位置偏离理论值，而且偏离量随工况变化。擎羽的办法是在仿真里建高保真的柔性体动力学模型，拿少量真机数据做参数标定后迁移，目前操作成功率在95%以上。另外产品走的是模块化路线，10厘米到2米都可以定制，同一套驱动和控制架构能适配形态差异很大的本体，这给后面的跨本体模型训练留了硬件接口。
硬件之上是数据飞轮。擎羽的数据来源有三条线：不同应用场景的行业机器人操作数据，覆盖多样化的任务和环境条件；通过遥操作和示教采集的人类操作轨迹，人类策略对任务变异的泛化能力往往优于算法生成的路径；自有机器人在实际部署中产生的回流数据，这部分数据不经过仿真，权威股票配资，多空杠杆，股票配资公司，平台测评直接来自真实世界。三条线汇到一起，用来迭代训练跨本体模型。模型变强，部署成功率就上去了，能进的场景就更多，回流数据就更多，循环就这么转起来。
不过飞轮能否持续运转，取决于数据管道能否维持足够的多样性和质量。数据规模增长带来的边际收益递减，是这一类系统的共同挑战，擎羽目前还处于飞轮的早期阶段。
飞轮指向的终点是跨本体通用智能模型。"跨本体"指的是同一个模型能够驱动不同形态、不同自由度、不同规格的机器人执行任务，这比跨视觉、跨语言更困难，因为机器人的物理形态直接决定了它与环境交互的全部条件。
擎羽的思路是在轨迹规划层和硬件执行层之间做一层解耦，模型只输出跟硬件无关的操作意图和末端轨迹，由各本体自己的控制器把抽象指令翻译成关节驱动信号。这么一拆，接入新形态的机器人只需要搞定控制器层，模型核心不用动。理论上看，具身智能跨场景部署的麻烦会少很多。
这一思路与硅谷的PhysicalIntelligence存在交集，PI同样强调用多本体数据训练统一模型。区别在于，擎羽想把跨本体从训练阶段延伸到推理部署阶段，让同一个模型实例直接跑在不同的硬件上。难度显然更高一截，目前还没有公开的第三方验证。
整体来看，擎羽的三个技术环节是串行的链条，柔性硬件提供差异化的物理能力，数据飞轮把这些能力转化为训练燃料，跨本体模型将积累的经验泛化。但同样值得理性看待的是，三个环节目前都处于验证期，硬件的量产一致性、飞轮的数据转化效率、模型在复杂真实场景下的鲁棒性，都需要更长的运行时间和更大的部署规模来给出答案。（本文首发钛媒体APP，文|智客Zhiker，作者｜郭虹妘，编辑丨杨林）
特别声明：以上内容仅代表作者本人的观点或立场配资使用教程，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。
安全杠杆配资网提示：本文来自互联网，不代表本网站观点。
