近日，具身智能公司RoboScience完成數千萬元種子輪融資，由零一創投獨家投資。

北京機科未來科技有限公司成立于2024年12月，由前蘋果技術主管田野與新加坡國立大學助理教授邵林共同創立。創始人兼CEO田野，曾以專業第一從中科大物理系畢業，后赴斯坦福人工智能實驗室深造，師從吳恩達。田野曾是蘋果總部最年輕的主任工程師之一。在蘋果的7年時間中，他作為技術主管，帶領團隊打造了蘋果的機器學習平臺，支撐了相機、Siri、Apple Intelligence等AI應用和CoreML、ARKit、Vision Framework、NLP framework等AI生態框架，推出多項世界領先的端側訓練和推理技術，服務了數億用戶和數十億設備，具有把AI技術落地到軟硬件產品的豐富經驗。

另一創始人兼首席科學家邵林，目前于新加坡國立大學擔任助理教授，深耕具身智能領域。此前，邵林博士畢業于斯坦福大學，師從Jeannette Bohg和Leonidas J. Guibas教授。2023年，邵林合作發表的論文提出SAM-RL方法，有效解決了對世界進行高效建模的問題，入圍了國際機器人頂會RSS的最佳系統論文獎。2024年，邵林帶領團隊提出了 D(R,O) Grasp方法，通過創新性地建立機器手與物體在抓取姿態下的交互模型，成功實現了對機器手與物體幾何形狀的高度泛化能力，并極大提升了抓取速度，重塑了跨智能體靈巧手抓取，獲得CoRL MAPoDeL Workshop最佳機器人論文。

田野與邵林合作推出的統一操作大模型，是視覺語言大模型與物理世界的橋梁，已完成了三個維度的泛化：指導任意的機器人，操作任意物體，完成任意任務。此外，RoboScience已建立規模化獲取并使用仿真數據、視頻數據和真實數據的系統，覆蓋了日常生活中可見的各種類型及各種維度的物體和任務，提升了數據質量，降低了數據成本。

技術路線上，RoboScience從成立之初就堅定地選擇做快慢腦分層模型，這與海外明星公司Figure的探索方向不謀而合。另一明星公司Physical Intelligence最新發布的模型也從端到端VLA模型轉為了分層模型。不同于大語言模型可以從網絡上抓取數據，數據來源問題一直是具身智能發展的阻礙。RoboScience已建立規模化獲取并使用仿真數據、視頻數據和真實數據的系統，覆蓋了日常生活中可見的各種類型及各種維度的物體和任務，提升了數據質量，降低了數據成本。

商業化方面，基于其技術的高度泛化能力，RoboScience的產品將根據落地場景的具體需求，高效適配不同配置和性能的硬件，拓展落地場景、提升落地效率。之所以選擇這樣的開發路徑，基于RoboScience團隊對于市場的洞察：一是由于隨著具身智能的發展，未來不同場景下需要不同的硬件設備，很難用一個統一的硬件來覆蓋機器人需要完成的所有任務。二是背靠中國的供應鏈優勢，硬件成本正在快速下降，此時推出通用操作的軟件模型，有利于將供應鏈優勢在具身智能領域快速發揮出來。三是由于軟件研發迭代速度顯著快于硬件，對于RoboScience這樣在軟件方面有豐富產業經驗與學界技術支持的團隊而言，與硬件廠商合作來做不同場景無疑是將優勢最大化的選擇。