城市服务，成为了具身智能的新考场？ - 2026世界杯

在结构化环境中，机器人技术的应用已相当成熟，但将其置于开放的城市街道等非结构化场景，挑战便截然不同。尤其是在户外，机器人需要全天候不间断运行，这意味着它们必须能够应对各种天气条件和复杂的交通人流。

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、场景难以形成闭环的困境。尽管如此，到2026年，具身智能将从技术验证阶段过渡到实际应用阶段，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，库萨科技专注于“让具身智能服务城市开放场景”，其核心策略是整合数据采集、模型训练和机器人部署的全栈工程流程，确保机器人在真实环境中能够稳定运行。库萨认为，要跨越规模化落地的鸿沟，研发和工程化能力必须齐头并进。

库萨科技成立于2023年，团队汇聚了来自清华、上海交大等高校的优秀人才，核心成员在整车、机器人及自动驾驶领域拥有长达15年的研发和管理经验。其主要产品是面向城市开放场景的服务机器人，目前已在超过40个城市投入运营。

今年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而设计的工程化平台，涵盖了从数据采集、模型训练到多端部署和远程运维的全栈闭环。作为少数深入这一领域的企业，库萨致力于解答一个行业普遍存在的疑问：为何做好专用平台是实现具身智能规模化落地的关键？

城市级具身智能的挑战所在

许多自动驾驶团队在转型机器人领域时，最初认为这只是将二维问题提升到三维。库萨团队也曾有此想法，但深入实际场景后发现，基础评价标准已发生根本性改变。

最本质的区别在于评价体系的演变。乘用车在特定场景下只需从A点安全抵达B点，而城市环卫机器人则需要主动与周围环境互动并做出判断。例如，路面上一个鼓胀的塑料袋，其内部填充物（砖头、水瓶或空瓶）会决定处理方式的不同。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，若无法完成才考虑其他方案，因为其核心任务是清除垃圾。

评价体系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的关注度较低，是因为汽车行业有成熟的底盘技术。而城市服务机器人则需要将末端执行器的力矩反馈、旋转控制与整车控制深度耦合。从“车”到“机器人”的转变，关键在于物理交互的处理。这不仅需要传感器，还需要模型对物理世界的深刻理解。

为何聚焦城市服务场景

陶圣解释，选择城市服务场景的核心在于其真实且迫切的需求。城市环境复杂性高、技术壁垒强，同时能直接产生商业价值，是验证具身智能工程化能力的理想土壤。更重要的是，城市服务机器人行业的市场渗透率尚不足1%，是一个巨大的蓝海市场。

尽管挑战重重，但潜在回报丰厚，这使得城市级具身智能成为一项值得长期投入的“难而正确的事”。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，而库萨的Kusa Robo Platform正是为此而生，其背后是三项核心技术的支撑。

支撑具身智能的“底座、燃料和大脑”

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，专注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如何在城市中“跑得稳、学得快、懂场景”的问题。

Kusa OS的首要任务是确保“跑得稳”。该操作系统的研发可以追溯到2018年库萨团队在码头无人驾驶项目上的经验。ROS2虽然是机器人领域主流的开源框架，但其在硬实时性方面存在不足，可能导致不可预期的延迟和抖动，这对于高稳定性和实时性要求的城市服务场景存在风险。

因此，库萨从底层自研了Kusa OS。借鉴码头场景7×24小时不间断运行的需求，库萨基于数据分发技术，从头构建了一套精简且模块化控制的系统，以实现更高的稳定性和可靠性。经过长期迭代，Kusa OS在长期稳定性、确定性调度和时延抖动压缩方面取得了显著成效。

然而，自研OS也付出了巨大的代价，尤其是在工具链方面。ROS2社区拥有丰富的开源资源，而自研则意味着需要从零构建一套完整的工具链。库萨的解决方案是自主开发一套编程工具链，通过描述性语言自动生成初始化代码，以降低迁移成本。自研的付出换来了底层自由度和实时稳定性的提升。

如果说OS是“底座”，那么Corner Factory就是“燃料”，它解决了“持续学习”的问题。库萨的数据飞轮已形成闭环，从早期自动标注占比80%提升至90%以上。陶圣介绍，其数据链路的运转流程是：机器人遇到异常自动停车，保存多传感器数据；数据回传至数据工厂，完成脱敏、自动标注（从2D分割分类升级到3D占用网格和三维重建）；人工复核后，专用模型筛选值得学习的长尾场景，用于模型训练。

在Corner Factory中，Kusa Omni-CTS基于单帧真实场景生成时序视频流，并同步派生3D点云及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构建物理级空间约束，确保空间理解的准确性，支撑高效的数据闭环和模型周级迭代。陶圣强调，数据本身才是真正的壁垒，因为数据与场景高度相关，先发优势来源于时间和量的积累。

作为“大脑”的Omni-CTS，则致力于解决机器人“懂场景”的工程化难题。陶圣指出，库萨模型的“第一性原理”在于思维方式的转变，通过融合视频生成、时空编码、3D Gaussian等前沿技术，形成了一套原创的解决方案，突破了模型异步输入的难题。

在实际机器人应用中，多传感器数据同步是一个普遍存在的问题，如激光雷达10Hz、相机30Hz、IMU可能高达1000Hz，数据节奏差异巨大。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，在高维隐空间构建连续时空曲线，使各传感器数据在高维空间自动对齐，实现自然流动，无需昂贵的硬件同步。第二层是物理一致性预测，在高维空间构建符合物理动力学的连续轨迹，使模型不仅能理解当前情况，还能基于物理规律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的模型性能大幅下降的问题。在具身智能领域，多模态融合是最终的解决方案。对库萨而言，研发和工程化并非割裂，而是紧密结合。Kusa Omni-CTS的结构创新和OS的底层重构体现了其研发实力，而OS、数据飞轮和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。研发是库萨的基础，工程化是其核心竞争力。三项技术整合形成了认知进化的闭环，OS、数据飞轮和全模态融合的深度耦合，叠加城市场景的时间积累，构筑了全栈协同的系统性优势，为库萨建立了独特的护城河。

落地成效与未来展望

库萨的具身智能产品已部署至40多个城市，三年内从零起步实现了数倍甚至数十倍的交付规模增长，在这一细分赛道中表现突出。在中大型开放道路场景，库萨已进入常态化运营阶段，商业模式跑通并产生实际作业价值。然而，陶圣也指出，规模化问题尚未完全解决，场景泛化能力仍需提升，硬件需经受极端天气考验，产能也正从单线500台向5000台迈进。

他坦言：“没有验证之前，都还是打嘴炮。”量产爬坡的不同阶段都面临着各自的挑战，但可以确定的是，技术迭代始终由真实需求驱动，尤其是真实世界中层出不穷的长尾场景。

一个有说服力的例子是识别“不起眼”的鱼竿。当库萨的产品从市政道路扩展到公园、园区等更接近人的场景时，会遇到钓鱼者放置的细长鱼竿，这超出了以往地面线缆检测的经验，需要重新采集数据进行训练。陶圣从中领悟到，在规模化落地前，大部分技术迭代是为了应对突发场景，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，机器人识别到书包、纸笔和奔跑的学生，通过语义理解，判断学生可能是文具的主人，书包和文具为临时存放，故不予清扫。次日，当书包和人都不在场时，同样的纸张则被判定为垃圾。这种场景判断的实现，依赖于大模型对整张图片的语义理解能力，能够关联人、物、时间、空间。

这些快速迭代和部署得益于Corner Factory的数据飞轮和Kusa Robo Platform的通用性。此外，平台还能适应不同形态的机器人，同一套系统能在短时间内从轮式机器人切换到双轮足机器人，机械臂控制也从2-3个自由度平滑扩展至多自由度，避免了被单一机器人形态锁定。跨形态适配的关键在于硬件抽象层，将力矩、角度等统一抽象，再由底层运动学模型转换为执行指令。陶圣将此比作人的肌肉记忆，大模型负责顶层思维，底层小模型负责具体执行。

未来，平台进化的最大空间在于大模型。OS的迭代相对缓慢且已趋于成熟，而大模型正回归数学本质，融入物理和数学硬约束，例如利用流体力学描述物理概念，使3D空间理解成为共识。

具身智能的操作系统不会像手机那样出现一家独大的局面，机器人场景的碎片化程度远超手机和PC，最终很可能呈现“多家分天下”的格局。在此之前，库萨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，提升城市运行的效率和韧性。