城市服务，成为了具身智能的新考场？ - 世界杯官网

将机器人置于工厂车间与城市街道，它们所面对的环境截然不同。在结构化环境中，如工厂，机器人的部署已相当成熟。然而，一旦进入开放的城市道路等非结构化场景，其复杂性便急剧提升。特别是在户外城市环境中，机器人需要全天候不间断运行，这意味着它们必须能够承受各种天气条件以及频繁的人流和车流。

中国信息通信研究院发布的《具身智能发展报告》指出，当前具身智能面临数据、模型、本体和场景难以形成闭环的挑战。尽管如此，到2026年，具身智能预计将从技术验证阶段过渡到场景落地阶段，而城市服务领域正成为检验其落地能力的关键场所。

面对这一趋势，库萨科技将目标定位于“让具身智能服务城市开放场景”，并采取了整合数据采集、模型训练及机器人部署的全栈工程化策略，旨在让机器人在真实世界中可靠运行。库萨科技认为，要跨越规模化落地的鸿沟，研发能力和工程化能力必须齐头并进。

库萨科技成立于2023年，其核心团队成员来自清华大学、上海交通大学等知名高校，并拥有约15年的整车、机器人及自动驾驶领域的研发与管理经验。公司的核心产品是面向城市开放场景的服务机器人，目前已在全国40多个城市投入运营。

在2026年7月中旬，库萨科技推出了Kusa Robo Platform，一个专为城市级具身智能部署设计的工程化平台，涵盖了从数据采集、模型训练到多终端部署及远程运维的全栈闭环。作为少数深入这一领域的公司，库萨科技希望通过该平台解决一个行业普遍存在的难题：为何在具身智能规模化落地过程中，构建专用平台至关重要？

01. 城市级具身智能面临的挑战

许多从自动驾驶领域转型的机器人团队最初认为，只需将二维问题提升至三维即可。库萨科技的团队也曾有此想法，但深入实践后发现，实际的基准和难度已发生根本性变化。

最核心的区别在于评价标准。在自动驾驶任务中，车辆从A点到B点，安全无碰撞且体感舒适即为成功。而城市环卫机器人则需要主动与各种物体互动并做出判断。例如，面对路上的一个黑色塑料袋，其内部填充物（砖块、水瓶或空瓶）决定了处理方式的巨大差异。自动驾驶车辆可能直接碾过或绕行，但环卫机器人必须尝试清扫，若不行再作进一步决策，因为其首要任务是清理垃圾，回避物体等于未完成工作。

评价标准的改变揭示了一个被低估的难点：物理交互。库萨科技联合创始人兼CTO陶圣指出，自动驾驶对接触力学不甚关注是因为汽车行业已有深厚积累，底盘已成熟。而城市服务机器人则必须实现末端清扫结构力矩反馈、旋转控制与整车控制的深度耦合。从“汽车”到“机器人”的转变，关键在于此。处理物理交互不仅需要传感器，更需要模型对物理世界的深刻理解。

02. 城市场景为何成为首选？

陶圣表示，选择城市场景是基于其真实且迫切的需求。城市空间复杂、技术壁垒高，同时能够直接产生可观的商业价值，这使其成为验证具身智能工程化能力的理想环境。更重要的是，城市服务机器人行业的市场渗透率不足1%，是一个潜力巨大的蓝海市场。

这是一个挑战巨大但回报明确的领域，值得长期投入。这种高门槛也决定了城市级具身智能需要一套专门的工程平台，而库萨科技的Kusa Robo Platform正是为此而生，其背后是三项核心技术的支撑。

03. 平台的三大核心技术：底座、燃料与大脑

此次发布的三项核心技术各司其职。Kusa OS是面向城市级具身智能的专用操作系统，负责机器人的稳定运行和实时调度。Corner Factory是数据工厂，用于从数据中自动挖掘、清洗和标注长尾场景。Kusa Omni-CTS是全模态具身模型，负责从场景感知、认知理解到动作输出的完整流程。这三项技术共同解决了机器人在城市中“跑得稳、学得快、懂场景”的问题。

Kusa OS旨在解决“跑得稳”的问题。该操作系统的研发可追溯至2018年库萨团队在码头无人驾驶项目中的经验。虽然ROS2是主流的机器人开源框架，易于快速开发算法，但其硬实时性不足，可能导致不可预测的延迟和抖动，这在要求高稳定性和实时性的城市服务场景中存在风险。因此，库萨科技从底层自研了Kusa OS。

与城市服务类似，码头场景也需要7×24小时不间断运行，对长期稳定性和实时性要求极高。库萨科技基于真实场景需求，从头开发了一套系统，核心在于精简和严格控制每个模块，从而实现更高的稳定性。经过长期迭代，该系统在长期稳定性、确定性调度和时延抖动压缩方面解决了行业痛点。

然而，自研OS也付出了巨大代价。陶圣坦言，最大的挑战在于工具链不完善。ROS2社区提供了丰富的开源工具，涵盖实时监测、动力学仿真和场景重建等，但自研意味着需要全部自行构建。库萨科技的解决方案是另起炉灶，开发一套编程工具链，利用描述性语言自动生成初始化代码，以降低迁移成本。自研的代价换来了底层的自由度和实时稳定性。

如果说Kusa OS是“底座”，那么Corner Factory就是“燃料”，它解决了“持续学习”的问题。库萨科技的数据飞轮效应体现在，公司首个量产产品落地时，整套数据处理管线已打通，自动标注的比例已从早期80%提升至90%以上。

根据陶圣的介绍，完整的数据链路是：机器人在作业中遇到异常自动停车，保存多传感器数据；返回作业点后，数据传输至数据工厂。随后进行人脸、车牌等脱敏处理，进入自动标注环节，从2D分割分类升级到3D占用网格和三维重建。人工进行最终修补和确认，再由专用模型筛选出有学习价值的长尾场景，最后输入模型训练。

在Corner Factory中，Kusa Omni-CTS能基于单帧真实场景生成时序视频流，并同步导出3D点云和OCC语义占用。Kusa Omni-CTS将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，支持高效数据闭环和模型周级迭代。然而，陶圣也强调，数据飞轮本身并非壁垒，真正壁垒在于数据本身，因为数据与场景高度相关，必须通过时间和数据量积累来克服。

位于顶层的Omni-CTS作为“大脑”，解决了让机器人“懂场景”的工程化难题。陶圣解释，库萨模型的“第一性原理”在于思维方法的转变，而非某个具体技术。他形容团队是“缝合怪”，但这种缝合是将视频生成、时空编码、3D Gaussian等前沿技术融合成一套原创的解决方案，其本质是模型结构的创新，突破了模型异步输入的瓶颈。

实际机器人中，多个传感器（如激光雷达10Hz、相机30Hz、IMU 1000Hz）数据采集频率不同，强制同步会导致卡顿或矛盾，严重影响模型性能。Kusa Omni-CTS通过两层机制解决此问题：

第一层是跨模态异步特征对齐。摒弃传统离散帧对齐，在高维隐空间构建连续时空曲线，使视觉、激光、IMU、力矩反馈等数据按各自节奏采集，并在模型中自动对齐，实现数据流畅流动，无需昂贵的硬件同步。

第二层是物理一致性预测，这是对“物理交互”难题的回应。模型在高维空间构建符合物理动力学的连续轨迹，不仅能理解当前状态，还能基于物理规律和环境变化，预测未来可能发生的状况，并选择最优执行方式。

从硬件角度看，该设计对硬件改动不大，但解决了因时间抖动导致模型能力大幅下降的问题。在具身智能领域，多模态融合是最终的解决方案，兼具上限和兜底能力。

对库萨科技而言，研发和工程化并非割裂。单纯的研发难以落地，单纯的工程化则无法守住技术门槛。库萨科技将两者置于同等重要的位置。Kusa Omni-CTS的结构创新和自研OS的底层重构体现了扎实的研发功底；而OS、数据飞轮、全模态融合的协同，则将研发成果转化为稳定、高效的工程系统。可以说，研发是库萨的基本功，而工程化则是其核心竞争力。

这三项技术共同构成了认知进化的闭环。虽然单点技术可能被复制，但OS、数据飞轮、全模态融合的深度耦合，加上城市场景的长期积累，形成了全栈协同的系统性优势，构筑了库萨科技独特的护城河。

04. 落地成效如何？

既然城市服务被视为一场考试，其成绩如何至关重要。

目前，库萨科技的具身智能产品已部署到40多个城市。从增长速度来看，公司在三年内从零起步，交付规模实现了数倍甚至数十倍的增长，在这一细分赛道中表现突出。在复杂开放道路场景中，库萨科技已进入常态化运营阶段，商业模式已跑通并产生实际作业价值。

然而，陶圣也为行业泼了一盆冷水：规模化问题尚未完全解决。场景泛化能力仍需提升，硬件尚未经受极端天气考验，产能也正从单线500台向5000台迈进。他直言：“在没有验证之前，都还是纸上谈兵。”

这是因为从0到1、1到100、100到10000的量产爬坡，每个阶段面临的问题都截然不同，难以评判哪个阶段“更难”。唯一可以确定的是，在这个过程中，技术迭代始终被真实需求驱动，真实世界中的长尾场景永远比预设的要多。

一个有说服力的场景是识别一根“不起眼”的鱼竿。当库萨科技将业务从市政道路拓展到公园、园区等更接近人的场景时，会遇到有人将鱼竿立在路边，细如一两厘米。此前团队专注于地面检测，从未考虑过空中的细小物体，因此需要重新采集数据进行训练。陶圣从中认识到，在规模化落地前，大部分技术迭代是为了应对突发的场景，团队不可能预设所有问题，这是一个逐步发现的过程。

另一个案例是“书包旁的纸与铅笔”。傍晚时分，机器人看到书包、纸笔和附近奔跑的学生。通过对场景的语义理解，机器人能判断学生可能是文具的主人，书包和文具属于临时存放，因此选择不清理。第二天，当书包和人都不在，但纸笔还在时，同样的一张纸就会被判定为遗留垃圾。这种场景判断的实现，依赖于大模型对整个图像的语义理解能力，能够关联人、物、时间、空间。

无论是识别鱼竿还是理解放学场景，这些快速迭代和部署的背后，都得益于Corner Factory的数据飞轮和Kusa Robo Platform的通用性。

除了处理长尾场景，平台还需要具备跨形态适应能力。一个有力的证明是“一脑管理多形”。同一套技术栈，在短期内实现了从轮式机器人到双轮足机器人的切换，机械臂控制也从2到3个自由度平滑扩展到多自由度。这意味着平台不会被特定机器人形态所限制。

跨形态适配的难点在于本体动力学和控制矩阵的差异。库萨科技的解决方案是硬件抽象层，将力矩、角度、圈数等统一抽象为上层算法不可见的量，再由底层运动学模型转换为可执行指令。陶圣将其比作人类游泳时无需刻意思考动作，动作会逐渐转化为肌肉记忆。一脑管理多形的奥秘在于，大模型负责顶层思维，底层小模型负责具体执行和“肌肉记忆”。

未来平台进化的最大空间在于大模型。陶圣认为，OS底层虽然枯燥、迭代慢，但已基本够用。大模型正回归数学本质，并开始引入物理和数学的硬约束，例如利用流体力学描述物理概念并嵌入世界模型，使3D空间理解成为共识。

具身智能的操作系统不太可能出现像手机那样一家独大的局面，机器人场景的碎片化程度远超手机和PC，最终很可能是“多家分天下”。在行业最终格局形成之前，库萨科技的目标是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，从而提升城市的运行效率和韧性。