4NseF40n12m tech.huanqiu.comarticle穹彻智能卢策吾：从刮黄瓜到冰淇淋球，人形机器人的“手感革命”/e3pmh164r/e3pmtmdvg<article><section data-type="rtext"><p>【环球网科技报道 记者 李文瑶】“为什么选择让机器人刮冰淇淋球？因为它代表着机器人操作中极致的难度。”面对记者关于场景落地的疑问，穹彻智能创始人卢策吾表示，机器人在使用冰激凌勺时动作轻柔得像在触碰易碎品——这恰恰是机器人领域最难攻克的“持续接触操作”。</p><p>在2025世界机器人大会的采访中，这家成立不到两年却已站上人形机器人技术前沿的初创公司，向外界展示了其技术路线的底层逻辑。</p><p><video controls src="https://v6.huanqiucdn.cn/4394989evodtranscq1500012236/442c14965145403694997753277/v.f100830.mp4" data-alt="" poster="https://v6.huanqiucdn.cn/4394989evodtranscq1500012236/442c14965145403694997753277/sampleSnapshot/sampleSnapshot_10_0.jpg?imageView2/2/w/1260"></video></p><p>在卢策吾看来，机器人操作可分为两类：一类是常见的抓取等“静态死锁操作”，物体状态固定如“一锤子买卖”；另一类则是“持续接触操作”，如刮黄瓜、刮胡子、擦桌子、处理食材，机器需在毫秒级动态调整施力方向与强度。</p> <adv-loader __attr__inner="7004636" __attr__style="width: auto;position: relative;float: left;border: 1px solid #ebebeb; padding: 20px;overflow: hidden;margin: 10px 30px 40px 0;"></adv-loader> <p>“刮一次冰淇淋球需要30～40厘米的连续接触，过程中冰淇淋状态、刀具阻力每秒变化上千次。一旦某个节点计算崩坏，误差就会像滚雪球般累积。”卢策吾以团队最新突破举例。当传统方案还在依赖预设轨迹时，穹彻智能通过自研的VLA架构，让机器人实时感知压力与切向力，跳出轨迹范式的限制。</p><p>这种被行业称为“手感学习”的技术，正在食品加工领域打开突破口。比如要用机器人处理三文鱼的场景——去鳞时需感知鱼皮弹性，切片时要规避软骨阻力，每个动作都是对持续接触能力的极端考验。</p><p>“但不是所有场景都要堆砌硬件。就像我们展示的电器化机器人，成本足够低，但能覆盖大部分家务。”卢策吾强调，家庭场景的落地关键在于技术能力与人类预期的匹配。他认为：“这是一个渐进过程，但整理衣物、基础清洁等功能已经就绪。”</p><p>谈及行业融资困境，“钱少意味着你无法同时验证多条技术路线，必须用科学远见做抉择。”卢策吾坦言，这倒逼企业领导者必须具备顶尖的技术判断力——就像穹彻选择通用模型而非行业垂直模型。他认为：“要用通用模型做底座，到具体行业再做适配，这样才能降低场景切入成本。”</p><p>“我们选择通用模型底板战略。就像培养大学生，他学医、学工程都很快；若只培养小学生，转型成本极高。”在卢策吾的规划中，通用模型配合低成本行业数据再训练，才能实现商业化速度最大化。</p><p>面对中美技术路线差异，卢策吾认为“重算法还是重工程”是伪命题。“硬件供应链中国独当一面，AI人才储备双方各有优势，最终比拼的是系统整合能力。”他透露，穹彻已实现用语言大模型（LLM）的骨干网络训练机器人模型，对强化学习、环境交互等核心模块进行了重构。</p></section></article>1754990835404环球网版权作品，未经书面授权，严禁转载或镜像，违者将被追究法律责任。责编：窦鹏环球网17549908354041[]{"email":"doupeng@huanqiu.com","name":"窦鹏"}