不卷模型卷大脑系统！国内首次，机器人一镜到底全自主干完家务

全尺寸人形机器人长程移动操作能力迎来重大突破！

逐际动力发布了一次全球屈指可数的完整实录：无遥操，无剪辑，一镜到底，全尺寸人形机器人 Oli，不间断干完一屋子家务。

这是继 Figure 之后，全球唯二，中国首个，能全自主完成长程移动操作家庭任务的全尺寸人形机器人。

逐际动力正式发布人形大脑系统 LimX COSA 0.5 版本。

COSA 由三层架构组成——System 2 是认知层、System 1 是技能层、System 0 是运控层，三层协同，把认知、记忆、调度、技能与全身运控组织成一个整体，是真正跑在物理世界里的智能系统。

在人形大脑系统的调度下，人形 VLA 能力全面提升。

过去一年，具身智能行业最热的叙事围绕模型展开——端到端模型越做越大，VLA 参数量不断刷新，资本和关注都涌向「谁的模型更强」。

逐际动力创始人张巍的判断截然不同：纯大模型就像躺在病床上的霍金——极其聪明，具备强大的思考、决策、认知能力，但无法自主行动。

这次 COSA 0.5 的发布抛出一个行业反共识：模型只是技能，系统才是大脑。

Figure 把端到端模型做分层，Skild AI 用一个通用模型控制所有机器人，大量创业公司把 VLA 当大脑——回答的都是同一个问题：如何造出更强的技能。

逐际动力回答的是另一个问题：如何把能力组织成一个能在真实身体上运转的系统。

聪明的人形大脑系统如何让 Oli 在非结构化的家庭场景连续不断地执行任务？我们看视频说话。

大脑系统在真实世界的考试

COSA 0.5 的 Demo 选了一个看似普通、实则极难的场景：做家务。

大脑系统要证明的，是机器人能不能像人一样连续、稳定地干活。

本体 31 个自由度的全尺寸人形机器人 Oli，把椅子上的衣服拿起放在手臂，转身从衣架高处取下衣服，再依次扔进脏衣篓、然后再收纳玩偶、搬箱摞箱、深弯腰拾物、清理垃圾、递物，不靠遥操，稳定、流畅地完成一整套家庭任务。

全程全身边移动边操作，任务之间不剪辑、不复位。

「一镜到底」比拼接单个任务的 Demo 难得多，因为它考验的是，在人形大脑系统 COSA 的认知和调度下，三层系统同时运转的协同能力。

COSA 相关三层系统

S2 是认知层，频率约 1 Hz。

它通过读取头部与手腕相机画面和语言指令，负责场景理解、记忆、推理和调度，决定「要做什么」。

在一镜到底 Demo 中，机器人不知道下一轮要面对什么布局，S2 必须实时判断下一步该做什么。

S1 是技能层，频率约 50 Hz，S2 决定「做什么」，S1 提供「用什么技能做」。

这一层是一组可复用技能的集合，VLA 只是其中一个技能。

逐际动力对此有明确判断——不同技能需要的数据不一样，开车和剥鸡蛋放在一起训练反而会互相干扰，所以技能层走多元数据、按需组合的路线，每个技能独立迭代、独立验证。

这样设计的好处在于，机器人真的可以像人一样，且比人更快，持续不断学习新的技能。

Demo 中，Oli 调用了「边走边弯腰边伸手」的技能，同时把意图变成底盘、躯干、头部、双臂、双手协同的「全身动作块」，再透过 S0 落到真实身体上。

S0 是运控层，频率最快，1000 Hz。

这一层用的是逐际动力自研的 LimX WBT 全身运动基础模型——基于千万参数级的 Transformer 策略，完全跑在机上。

不需要让机器人训练具体任务，只要训练一次动作，即可复用于 VLA 执行、遥操作采集、零样本回放三类场景。

S0 只暴露一个统一接口，接收上游的全身运动目标，输出平衡协调的关节指令。

正因为有了 S0，我们才能看到 Demo 里，上层任务指令不断切换，下层的全身运控，依旧能保持全程平衡、稳定、精准地执行全身动作。

S0 是整个人形大脑系统立足其上的地基——用张巍的话说，「没有小脑，是长不出大脑的」。

底层 S0 / WBT 也有对标行业公开最强全身跟踪模型 SONIC 的量化数据：关节角误差从 3.3° 降到 1.5°，全身位置误差从 13.75 mm 降到 12.85 mm，动作平滑度同步提升。

这意味着，关节「指哪儿去哪儿」的精度翻了一倍多，身体晃动和抖动明显更少。

当行业普遍把「具身基础模型」等同于大脑时，逐际动力用三层技术架构给出不同答案：认知、技能、运控各自都只是能力，把它们加上记忆与调度组织成一个能在真实身体上、在物理世界中稳定运转的整体，才是大脑系统。

这让逐际动力不必在「谁的单一模型更大」上打军备竞赛，而是在「谁的系统更完善」这条差异化赛道上竞争。

把视野放到全球，与逐际动力最值得对比的是三家公司：Figure（美国，全球最高估值人形公司）、Flexion（欧洲领先的具身模型公司）、Skild AI（美国，高估值具身基础模型公司）。

架构理念是最根本的分野。

Figure 的 System 1 / System 2 和 Skild AI 的通用基础模型，底层逻辑都是「模型即大脑」。

Flexion 比较特殊——它提出的 Command / Motion / Control 三层自主栈，架构范式与 COSA 的 S2 / S1 / S0 高度趋同。

逐际动力是最早提出并布局人形大脑系统的具身智能公司；后来者的趋同，从侧面印证了这条路线的前瞻性和引领性。

Demo 复杂度的差距更直观。

Flexion 的公开 Demo 跑在第三方硬件宇树 G1 上，任务以户外拾取、搬运包裹为主，时长和复杂度与逐际动力和 Figure 的家庭长程任务有一些差距，全身运控的稳定性和精度也受限于第三方硬件。

Flexion

Skild AI 的展示以跨形态、跨任务的能力片段和 in-context 适应为主——广度取胜，并未展示长程全身移动操作能力。

Skild AI

在长程、不间断、不遥操的真实家庭任务上，目前全球只有逐际动力和 Figure 做出了可信度高的完整演示——Figure 有厨房整理、房间整理、客厅整理等一系列家庭场景 Demo，逐际动力有这次的一镜到底的客厅整理。二者相对其他玩家有接近代际差的领先。

Figure 03

可以说，人形机器人进入双雄时代——逐际动力是 Figure 在中国最强大的对手，COSA 是目前最完整的人形大脑系统。

大脑系统 + 软硬一体 + 开放底座

逐际动力与其他机器人公司之间最大的壁垒，除了大脑系统，还在于与硬件联合优化。

这是逐际动力作为产品型主机厂的核心壁垒：

它同时掌握身体与大脑，能做纯软件公司做不到的软硬协同，更具备硬件公司无法触及的能力上限；

同时把工程底座 FluxVLA Engine 开源，以开放换生态与开发者反哺。

本次同步开源的 Humanoid FluxVLA Engine，包含从训练到推理的完整代码，并首次支持端侧（本机）推理；

开发者可以通过统一的配置管理，以即插即用的方式训练与评测 π0、π0.5、GR00T、OpenVLA、LlavaVLA、DreamZero 等多种主流 VLA 策略。

这一开放底座是逐际动力区别于 Figure 全栈闭源的关键：不止展示能力，更把工程基础设施交给社区，被开发者复用。

COSA 负责「大脑系统」，FluxVLA Engine 负责让这套系统的 VLA 技能可被训练、复用、被反馈、被迭代。

「大脑系统＋软硬一体＋开放底座」这一组合，是逐际动力推动人形机器人在物理世界持续运行的底气。

当人形机器人真正走进家庭和商业空间，用户关心的只有一件事：这台机器人能不能稳定地把活干完。

COSA 0.5 实现的效果惊艳的一镜到底 Demo，就是逐际动力对这个问题最有力的回答。

参考资料：逐际动力完成Pre-IPO轮融资