不做硅谷 follower：博士生团队押注双足人形机器人一体化大脑

成立刚满两个月的具身智能公司共生知行，因一段「机器人驾驶卡丁车连续过弯、一镜到底全自主」的视频引发关注。与以往机器人慢动作展示不同，这段视频里双足人形机器人做到了手、眼、足全身协同，在高速状态下完成多接触点平衡和精细力控，在同类演示中并不常见。

公司聚焦的方向是双足人形机器人的端到端感控一体化「大脑」，即机器人基座模型。创始人丁鹏翔出生于 1996 年，核心团队全部为 00 后博士在读生。团队此前累计发表 40 余篇顶会论文，获两项 Best Paper，并打造了国内首个 GitHub Stars 突破 2K 的具身基座模型。

为什么押「纯端到端」

共生知行押注的技术路线是让模型直接面对全身几十个关节的状态，输出关节目标层（Joint Target）的动作，跳过传统「大脑管决策、小脑管运动」的分层拆解。

丁鹏翔解释了其判断逻辑。他在 2023 年 12 月以一作身份发布 QUAR-VLA，是首个面向四足机器人的 VLA 任务范式，采用的就是分层架构。但在后续研究中，他逐渐意识到分层路线存在结构性瓶颈：

• 大脑与小脑分开训练、部署时再拼接，局部最优无法保证全局最优；
• 两层之间每翻译一次都会增加级联误差和信息损失；
• 只要分层存在，中间就存在信息瓶颈，接口设计决定了这种架构「无法实现真正意义上的 Scaling」。

参照自动驾驶从模块化走向端到端的演进路径，他判断机器人最终也会经历类似变化，让模型直接从数据中学习完整的「感知—理解—行动」过程。

值得注意的是，这一选择比行业主流更激进。RSS 2026 顶会形成的共识认为，端到端单模型现阶段尚无法覆盖全身复杂动态，分层模块化仍是更优的落地方案；谷歌 Gemini Robotics 2 则在尝试用单一策略统一从脚到指尖的全身动作。

技术核心：从运动学跨到动力学

双足人形机器人与机械臂的本质差异在于：后者通常固定基座、学的是从 A 点到 B 点的运动学轨迹；前者有 29 个自由度，下蹲、伸手、接触障碍物时，全身重心、摩擦、惯性与接触力同时变化，模型面对的是一套全身动力学。

共生知行给出的解法是一套「任务行为建模—运动先验蒸馏」的双域协同机制：

• 一条通路延续行为克隆，保证任务精度与动作拟合；
• 另一条通过 DriftDistill，将底层控制器积累的稳定性、抗扰动与 Failure Recovery 能力蒸馏为统一模型的内生运动先验；
• 由此衍生的 Motion Expert（运动专家模型）目前规模接近 1B，并不断吸收不同运控模型的能力。

在此基础上，他们还规划了 Force Expert（力专家），负责施力、柔顺、阻抗与接触反馈，通过策略蒸馏逐步融入最终的端到端模型。丁鹏翔的表述是：位置决定机器人能不能「到那里」，力决定它能不能「把事情做好」。

数据、时间表与未收敛的难题

模型训练首先撞上的是数据荒。截至 2026 年初，全球合规机器人数据约 50 万小时，不足大语言模型训练量的两万分之一。其中大量数据是「站定操作」，对全身移动操作帮助有限。

共生知行的应对方案是 TrajBooster：从机械臂或轮式机器人身上提取末端轨迹，让人形机器人在仿真中追踪并保持平衡，把不同来源的动作统一到同一空间，复用机械臂已经定义好的任务多样性。

在丁鹏翔看来，人形机器人当前最难的三件事依次是：

1. 感知与控制究竟应如何结合；
2. 应使用什么类型的数据；
3. 才是数据规模本身。

他判断十万小时左右仍属实验室级 Demo，真正具备大规模商业意义可能要到百万小时之后；行业目前对最优数据形式尚未收敛，肌电、外骨骼、动捕、Pico 遥操等路线仍在并行竞争。

选择双足的逻辑

为什么是双足，而不是轮式或四足？丁鹏翔给出的理由是「第一性原理」：人类社会的建筑、工具、环境全部按人的身体构型设计，轮式机器人只能固定在产线和商场里干活，双足能出门、上下楼、开车，并跨场景完成任务，通用性意味着成本可摊薄，同时具备拟人化的亲和感。

时机上，2026 年 4 月英伟达 Sonic 开源之前，双足人形甚至没有可用的通用遥操作模型，行业处于「想训也没有数据」的阶段。如今窗口已经打开，又尚未走到路线完全收敛的终局。共生知行赌的就是这个中间窗口。

丁鹏翔希望，有一天由中国团队设计的机器人模型架构能反过来被北美同行广泛采用。这群还没拿到毕业证的博士生选择的，是具身智能里最难、最前沿的一条路，行业本身距离证明终局路线跑通还有相当距离。