作者 | 許麗思
編輯 | 漠影
智東西2月7日報道，智東西從零次方機器人獲悉，該公司已完成數千萬元天使輪融資，並拿下千萬訂單，預計將在今年實現共計500餘臺多型號人形機器人的量產落地，應用於服務業、教育、文娛、展覽等行業。
零次方機器人正式成立於今年1月，由清華大學和江淮前沿技術協同創新中心聯合孵化。團隊主創成員均為來自清華大學AI&Robot智慧機器人實驗室的00後，在機器人操作及運動控制領域成果突出，已在T-RO、CoRL、ICRA、IROS等頂級機器人會議和期刊發表多篇學術論文。該公司也持續吸引了來自百度、字節跳動、科大訊飛、美的等企業的人才，專注於具身智慧領域的底層技術創新與L2級智慧化產品的應用下放，具備本體硬體與AI演算法軟體的全棧自研能力。
該公司已推出了人形機器人ZERITH Z1，採用AI輔助進行機器人的結構引數設計，實現了更高的動態運動效能與更低的能耗，還自研了物理互動世界模型演算法進行運動控制，能夠實現各種複雜工況的適應和複雜環境下的的盲走能力。
▲ZERITH Z1在複雜地形進行行走、模仿人類拳擊運動
在泛化操作模型上，零次方針對機器人領域開發了專有場景泛化操作方案，能夠對專有場景中的工序進行規範化，並結合視覺語言大模型進行場景解析，獲得流程化的任務描述。機器人在實際執行過程中，就可以透過分析任務的類別選擇不同的解決方案。
▲魯棒雙臂操作、泛化抓取收納
根據機器人的所需的移動佔比，可以將任務劃分為兩類：長距離移動操作任務和區域性長序列操作任務。
長距離移動任務主要涉及到送遞和歸納物體等空間變換需求，為此零次方機器人提出了能夠結合環境資訊和任務需求的通用抓取放置模型GP-6D作為解決方案。GP-6D透過利用視覺語言大模型與3D場景關係圖生成最優的放置位姿，結合自外感知規劃實現無碰放置。
為解決區域性長序列操作任務中存在的級聯誤差傳播問題，該公司提出了基於模組化動作基元的複合策略生成框架。該框架透過構建面向操作物件泛化的技能表徵體系，將複雜任務分解為可組合的動作基元，透過對庫中各項動作基元的篩選組合來完成任務。
其中，為了保證技能的成功率，該公司還提出了IRL的訓練框架，將模仿學習的高效性和強化學習的魯棒性結合，並透過現實與模擬迭代交替的方式實現泛化。
▲專有領域泛化通用操作方案
為了進一步拓展資料來源、降低單位資料成本，零次方機器人還研發了一套低成本單目攝像頭視覺重對映機器人控制方案，透過一個廉價的RGB攝像頭對操作者的動作行為進行捕捉，即時重對映到機器人上，端到端操作延遲低於150毫秒，較傳統手柄或VR系統降低80%以上，較動捕技術硬體成本下降99%。
▲重對映機器人方案
針對機器人在使用過程中可能存在的安全問題，零次方機器人表示正在對現有穩定版本進行重構，並計劃後續將推出最“安全”的人形機器人，代號為Security。