文章摘要
国内人形机器人企业逐际动力公开全尺寸人形机器人Oli自主完成全套家务的实拍视频，Oli成为国内首个全自主完成长程移动操作家庭任务的全尺寸人形机器人。支撑其完成动作的是更新的人形大脑系统LimX COSA 0.5。该系统采用三层技术架构，与“唯模型论”路线有根本区别。当前人形机器人竞争风向转变，逐际动力的系统化路线或是务实破局方向。

刚完成2亿美元Pre-IPO轮融资后，国内人形机器人企业逐际动力没有优先披露资本动态，而是公开了一段全尺寸人形机器人Oli自主完成全套家务的实拍视频。
这段3分钟的一镜到底视频没有任何人工远程干预或后期剪辑，Oli连贯完成了从高处取衣、收纳脏衣物、整理玩偶、搬箱摞放到捡拾地面杂物等一系列家务动作。
这也让Oli成为国内首个全自主完成长程移动操作家庭任务的全尺寸人形机器人，它通过视觉与环境感知，在站立、蹲下、弯腰等姿态切换中，完成了家庭非结构化场景下的多任务操作。这不仅是全尺寸人形机器人长程移动操作能力的重大突破，也是全球范围内为数不多的完整无剪辑实操实录。
支撑Oli完成全套动作的，正是逐际动力刚刚更新的人形大脑系统LimX COSA 0.5。

无独有偶，硅谷高估值人形机器人独角兽Figure此前也发布过多段连贯的家庭任务实操视频，涵盖厨房整理、房间整理、客厅整理等场景，这些演示成为行业公认的性能参考标杆。逐际动力的这段Demo，在任务连续性、自主决策深度、技能调用以及全身运动控制层面，已与Figure处于同一水准，双方硬件实力也不相上下，代表了中西方全尺寸人形机器人的顶尖水平。
那么两家企业究竟谁更胜一筹？真正的差距并不在Demo的表面效果，而在于支撑机器人运行的底层大脑技术路线差异。

过去几年，整个具身智能行业普遍陷入“唯模型规模论”的内卷，不少厂商将模型参数、评测榜单作为核心追求，认为拥有更强的模型就等于拥有顶尖的机器人大脑。无论是Figure的双系统框架，还是国内外多数厂商主打全能视觉动作基础模型，底层逻辑都依赖于更庞大的单一大模型。
但这类方案在落地真实场景时，常常出现行动卡顿、适配性差的问题。逐际动力很早就发现了这一痛点，并提出了行业非共识的核心观点：

模型不是大脑，系统才是。
在逐际动力的技术框架中，真正的机器人大脑应当复刻人类神经系统，由认知、技能、运控多模块协同配合，而非仅靠单一基础模型。 围绕这一判断，今年1月LimX COSA的概念首次被提出，当时就展示了高阶认知与全身运控的深度融合，让机器人实现“能想、能动、边思考边干活”。而此次0.5版本的更新，逐际动力首次完整公开了COSA的三层技术架构，不过这也仅仅是0.5版本——作为当前能与Figure抗衡的中国玩家，逐际动力的技术底牌还未完全亮出。

要让机器人真正进入千家万户的复杂场景，行业普遍的做法是“哪里不会点哪里”，通过不断做大VLM或VLA端到端模型的参数量，试图用暴力方式破解物理世界的复杂性。但逐际动力创始人张巍认为，这种思路存在明显误导：大部分人将模型等同于大脑，实际上模型只是一个个独立的技能，系统才是真正的大脑。
逐际动力的大脑并非单一模型，而是一套具身智能体系统，负责管理记忆、调度、决策，调用VLM/VLA等技能以及全身运控能力。在这套框架中，哪怕是最先进的VLA也只是单一技能，只有将认知、技能、运控与记忆调度真正协同，并实现软硬件联合优化，才能称之为完整的“大脑系统”。逐际动力将其定义为Embodied Agentic OS，需要调用VLM、LLM、VLA等多种模型才能完成任务，这也是LimX COSA与“唯模型论”路线的根本区别。

为了验证这套逻辑的可行性，本次更新的COSA 0.5版本直接用一段无剪辑、无摆拍的硬核真机视频说话。逐际动力在一台拥有31个本体自由度（不含末端灵巧手）的全尺寸人形机器人Oli上，完成了收纳整理、搬箱、深弯腰拾物等全套长程多任务演示。
Oli需要在未知环境中自主读取视觉信息、理解当前杂乱状态、规划长程任务步骤，再调用技能与身体运控能力完成连续操作——能干活且干得像人一样，这是通用人形机器人必备的核心能力，它区别于传统工业机器的关键所在。
这套演示的任务复杂度，堪比Figure此前广受关注的厨房、房间、客厅整理场景，但Figure的底层技术逻辑仍在端到端模型内部进行切分，本质上并未跳出单一模型的范畴。目前全球范围内，能完成长程、不间断、无遥操作的真实家庭任务且可信度较高的企业，仅有逐际动力与Figure两家。

欧洲领先的具身模型公司Flexion公开的Demo中，让Unitree G1完成取快递、搬运包裹等任务，但任务复杂度相对较低，全身运控的稳定性与准确性略有不足。另一家风头正劲的高估值独角兽Skild AI，虽展示了跨形态、跨任务的能力片段，在广度上表现亮眼，但并未公开长程全身移动操作的完整演示。
由此可见，“谁的模型更强”只是一个维度的竞争，而“谁真正做出了大脑系统”则是另一个维度的较量。

COSA的核心骨架由S2-S1-S0三层架构组成，这套系统完全按照人类神经系统的生物学逻辑进行分层解耦，三层各自运行在不同的时间尺度上，通过刻意收窄的接口协同工作。在执行过程中，任务意图自上而下流动，机器人姿态与环境状态则自下而上实时反馈，实现异步运行且互不阻塞。

首先是S2认知层，负责理解、记忆、决策以及人机交互。它运行在低频的1Hz尺度上，每秒仅完成一次全局决策，这并非偷懒，而是认知类任务天然不需要高频响应。就像运筹帷幄的将军，不会仅凭风声就下令出击，而是先梳理敌我态势再制定作战计划——S2层的核心作用就是“慢慢想”。
它会读取头部与手腕相机的实时视觉输入，以及人类的语言指令，负责长程场景的宏观理解、构建世界模型、处理人机交互与逻辑推理，确定机器人当前“要做什么”，再将分解后的任务精准调度给下层模块。单独拎出S2层来看，它就像“坐在轮椅上的霍金”，拥有极强的认知能力却无法自主行动。支撑这一层的并非单一孤立的大模型，而是由视觉语言模型、世界模型共同组成的带记忆与调度功能的操作系统。

接下来是S1技能层（Skills），运行在50Hz的中频尺度上，负责将能力沉淀为可复用的技能集合。与盲目堆砌的大杂烩不同，S1层是一组独立技能的组合，而非单一模型。S2层确定“要做什么”，S1层则回答“用什么技能做”。
哪怕是最先进的VLA，也只是S1层中的一个独立技能，剥鸡蛋、开瓶盖、搬箱子等动作各自独立存在，按需调用。逐际动力的技术判断是：不同技能需要的数据与训练方式完全不同，如果将剥鸡蛋与开赛车的数据混在一起训练，会产生严重的参数干扰，最终导致所有任务都无法做好。这与语言模型“大力出奇迹”的堆数据逻辑完全不同，具身技能走的是多元数据路线，每个技能都有专属的数据配方，单独训练、单独优化。
这种设计的另一大优势是渐进式叠加：技能可以像搭积木一样逐个添加，今天学会搬箱子，明天学会叠衣服，后天学会开抽屉，无需推翻现有架构重来。S1层的技能库越丰富，机器人能完成的任务就越多，但大脑的整体架构无需调整。

最后是S0运控层，负责让机器人全身保持平衡并精准执行动作，这也是Demo中Oli能毫无迟滞地完成边走边弯腰、伸手等极具人类感姿态的核心原因。
S0层的底层是逐际动力自研的LimX WBT全身运动基础模型，这是一款约千万参数的Transformer策略模型，完全部署在机器人本地，控制频率高达1000Hz。它仅暴露一个统一接口，可将任意上游全身运动目标转化为平衡协调的关节指令，训练一次即可复用于VLA执行、遥操作采集、零样本回放三类任务，与具体任务无关。
S0层的职责非常纯粹：

无论上层的S1、S2下达多么复杂的全身运动目标，它都能在1毫秒内将其转化为保证绝对平衡的协调关节指令。
在底层运控实力的核心测评中，LimX WBT与行业公开最先进的全身跟踪模型SONIC进行了直接对比：
  • 全身位置误差MPJPE：SONIC为13.75mm，LimX WBT做到12.85mm
  • 平均关节角误差：SONIC为3.3°，LimX WBT做到1.5°，降幅超过50%
在精度与平滑度这两个通常需要取舍的维度上，LimX WBT同样保持领先：
  • 关节空间jerk（平滑度）：SONIC为129.2，LimX WBT为115.2，低约11%
  • 基座朝向jerk（平滑度）：SONIC为113.0，LimX WBT为90.3，低约20%
需要注意的是，所有测评指标的数值越低越好：更低的关节点位偏移误差意味着机器人动作不会跑偏错位；更小的四肢、躯干转动角度偏差让抬手、转身、迈步等动作更贴合预期，不会出现动作走形；更低的jerk数值则代表抖动、顿挫程度更低，身体晃动更少，不会像初学滑冰的人那样动作僵硬卡顿。 换句话说，SONIC已经能让机器人“完成任务”，但LimX WBT能让机器人完成得更稳定、更优雅、更像人。 在训练过程中，为了提升任务成功率，团队还引入了真机RL（强化学习）迭代机制：当任务失败时，通过专家遥操接管对复杂动作进行微调纠正，将这些纠正数据快速喂给专门的奖励模型，从而在真机上实现高效训练，让这套大脑系统在现实演练中“越用越聪明”。 S0层会在底层全程独立维持机器人的平衡状态，精准执行动作指令——据团队透露，他们曾用脚踹过逐际动力的几款机器人，均未出现倾倒情况。正如张巍所说：
没有小脑，是长不出大脑的。
值得一提的是，这套三层技术架构的任意一层都可以独立迭代、替换或进行后训练，不会影响其他两层的运行。这种设计思路也引起了海外玩家的关注，Flexion后来提出的Command/Motion/Control三层自主栈，架构范式与COSA高度趋同。但不同的是，逐际动力同时掌握机器人硬件与大脑系统，无需借助第三方硬件进行技术验证，这种软硬件联合优化的能力是纯软件公司无法实现的。

当前人形机器人的全球竞争风向已经发生转变，全行业正在从唯参数论的“谁的模型规模更强、谁的榜单刷得更高”，转向务实的“谁能率先做出高成熟度、软硬一体的完整大脑系统”。这不仅是技术路线的选择，更是开启可持续平台化演进路线的商业分水岭。
放眼全球具身智能版图，真正有资格在这场终局之战中占据领先位置的玩家寥寥无几：
Skild AI走的是最纯粹的“模型即大脑”路线，用一个“全能体”基础模型控制所有机器人；Flexion的架构范式跟随COSA；Figure更早提出System 1/System 2框架，在长程真实任务上与逐际动力形成代际领先优势，但Figure的核心落脚点仍是模型而非大脑系统，且其全栈技术完全闭源。
逐际动力则采取了更聪明的技术资产战略划分：他们开源了Humanoid FluxVLA Engine的训练与推理代码，让开发者可以复用这套大脑系统的核心能力，以此换取生态建设与开发者的反哺。

Figure与逐际动力，一个位于美国西海岸，一个扎根中国深圳，各自定义着人形机器人大脑的技术方向。但显然逐际动力希望将这条路走得更宽：当人形机器人赛道进入双雄竞争格局，单纯堆砌模型参数的价值正在逐步衰减，唯有搭建完整的大脑系统、实现软硬件协同优化，并构建开放生态，才能跑通快速迭代的正向循环。
这套“三层大脑系统+软硬件联合优化+开放生态”的组合拳，让其他玩家可以借鉴架构，但无法复制逐际动力在自有硬件上打磨出的运控策略，以及大脑与身体的协同优化能力；其他厂商可以堆参数量，但无法复刻在真机上持续迭代的RL闭环。
告别唯模型论，选择软硬一体、分层协同的系统化路线，无疑是当下更务实的破局方向：不再赌单一模型能通吃所有场景，而是让认知、技能、运控模块在实体机器人中各司其职、协同运转。当然，这条系统化落地之路需要持续与物理世界对话校准，毕竟没有哪家操作系统会停在0.5版本止步不前。

以上内容不代表本平台立场，仅供读者参考