當模型成為技能，誰來構建人形機器人的真“大腦”？

7 月 15 日，逐際動力發布了人形大腦系統 LimX COSA 0.5 版本最新 Demo。

在這個長視頻里，逐際動力的 Oli，無遙操，無剪輯，一鏡到底，連續完成了一長串家務：晾衣、收納、搬箱摞箱、深彎腰拾物、清理垃圾和遞送物品等

相較于今年 1 月份發布的 COSA，逐際動力這次的重點放在了人形 VLA 能力上，展示了大腦系統如何調度技能與全身運控，讓機器人在移動過程中連續、穩定、精準地完成操作任務。

如果只看結果，這似乎又是一段人形機器人學會了更多技能的演示。但真正值得關注的是，這些不同任務如何被理解、組織和執行，其背后指向的是當前具身智能行業的一場技術路線之爭：機器人的“大腦”，究竟是一個不斷變大的模型，還是一套能夠理解世界、調度技能并完成運動的系統？

“模型是技能，系統才是大腦”

當前，參數規模、訓練數據和任務成功率經常被用來衡量機器人的智能水平。一個模型能夠識別更多物體、理解更多指令、完成更多操作，也往往被描述為擁有了更強的“大腦”。

但逐際動力的創始人張巍并不認同這一判斷。“模型不是大腦，”他直言，“大腦是一個操作系統。它不光要管理記憶、存儲和思考，它還是一個 Agent，要調用 VLM、LLM、VLA 等各種模型和工具，才能完成一個任務。”

在真實物理世界中，一項任務通常由一連串相互關聯的行動組成。機器人需要理解目標、觀察環境、拆解任務，根據實際情況調用導航、抓取或全身移動操作等不同技能；在執行過程中，還要持續判斷任務進度，并協調身體平衡與動作精度。

模型可以提供其中某一項或某一類能力，卻很難單獨承擔記憶管理、任務調度、技能組合和狀態判斷等工作。即使一個模型學會的技能越來越多，也不意味著這些技能會自動組成一個能夠持續思考、判斷和行動的機器人大腦。

相較于試圖用一個模型包攬認知和動作，逐際動力選擇用系統組織不同模型和技能。它不僅關注機器人會不會做，還要解決機器人做什么、調用什么能力，以及如何把動作穩定地執行出來。對于需要在動態環境中連續完成復雜任務的人形機器人而言，這種系統化架構具有更明確的落地優勢。

COSA 作為逐際動力原創的人形大腦系統，展示的正是對這一路線的一次集中呈現。而支撐這條路徑落地的，是其由 S2 認知層、S1 技能層和 S0 運控執行層組成的三層技術架構：從認知和任務調度，到技能調用與動作指令生成，再到全身運控與精準執行，機器人由此形成一條從思考到行動的完整鏈路。

三層技術架構如何協同工作

在人形大腦系統 COSA 這套三層技術架構中，S2，負責認知、理解和任務調度；S1 是技能層，負責將任務意圖轉化為動作策略；S0 則負責全身動作跟蹤和精準執行。

（來源：逐際動力）

要理解三層之間的關系，可以沿著一條任務指令向下看。

當用戶要求 Oli“把椅子上衣服撿起來，把衣架上的衣服取走，都扔到臟衣簍”時，首先工作的是 S2 大腦系統。S2 是一套以 LLM/VLM 為核心的認知智能體，運行頻率約為 1 Hz，它負責理解目標、觀察場景、結合記憶判斷任務進度，并決定下一步需要調度什么技能。

當 S2 作出判斷后，任務便進入 S1 技能層。張巍將 S1 比作連接大腦與身體的“肌肉記憶”。廣義上的 VLA 和世界動作模型都屬于這一層，負責把上層意圖轉化為指導機器人行動的策略。不同任務對數據的要求并不相同，行走等技能可以更多依靠仿真訓練，而柔性物體操作和精細抓取則需要補充更多真機數據。

在收拾衣服并扔進臟衣簍的任務中，COSA 調用 S1 層的 VLA 技能 需要生成接近目標、調整站位、彎腰、抓取、起身和移動至衣架前等一系列動作，而不是一條孤立的機械臂軌跡。

（來源：逐際動力）

但生成動作方案，并不意味著機器人已經能夠穩定地做出動作。全尺寸人形機器人在彎腰、轉身、行走和搬運時，身體重心不斷變化，需要 S0 在執行過程中實時維持平衡。

S0 對應 LimX WBT 全身運動基礎模型，是一個約千萬參數的 Transformer 控制策略，完全運行在機器人本體上，控制頻率達到 1000 Hz。它接收 S1 生成的全身運動指令，持續調整關節狀態，使機器人準確跟隨全身移動與操作動作。

LimX WBT 與預先編排好、接到指令后按固定流程播放的動作不同。它不需要提前知道機器人下一步一定要怎樣運動，而是根據上層實時給出的目標調整全身動作，并在執行過程中保持平衡。

根據逐際動力公布的測試結果，LimX WBT 的平均關節位置誤差（MPJPE）為 12.85 毫米，SONIC（行業公開最強全身跟蹤模型）為 13.75 毫米；其平均關節角誤差為 1.5 度，對照結果為 3.3 度。在兩項動作平滑度指標上，LimX WBT 的測試結果也較對照數據低約 11% 和 20%，這些測試數據，越低代表效果越好。

由此，COSA 0.5 Demo 背后的鏈路變得清晰：S2 大腦系統理解任務并調度技能，S1-VLA 生成全身動作，S0-WBT 則把動作穩定、準確地執行出來。

從任務理解、技能生成到全身動作執行，三層技術架構把機器人的認知、技能和身體連接起來，也讓“大腦是系統”從一個概念落到了真實任務之中。

從模型到系統，人形機器人進入全棧能力競爭

放到全球范圍看，如何將認知、動作生成與全身運控連接起來，正在成為人形機器人競爭的核心課題。但能夠在長程任務中同時處理環境理解、移動操作、雙臂協同和身體平衡的公司，目前仍然不多。

Figure 是其中最受關注的代表。2025 年 9 月，Figure 完成超過 10 億美元融資，投后估值達到 390 億美元。此后，該公司連續展示機器人整理廚房、客廳和臥室等長程任務。

2026 年 1 月，Figure 發布 Helix 02，在此前 System 2 和 System 1 的基礎上加入以 1 kHz 運行的 System 0。三層分別處理語義理解與任務規劃、全身動作生成，以及平衡和運動控制。其廚房 Demo 持續約 4 分鐘，包含數十個連續動作，展示了較強的長程任務能力。

從公開演示看，Figure 和逐際動力都已經不再停留于單次抓取，而是要求機器人在較長時間內保持任務狀態，連續處理移動、操作和全身平衡。兩家公司也因此成為目前少數實現人形機器人長程移動操作能力的企業。

但兩者對機器人大腦的理解并不相同。Figure 更強調統一神經系統的端到端能力，通過模型連接視覺輸入、語義理解和全身動作；逐際動力則認為，模型無論覆蓋多少層級，首先仍然是一種能力。真正的大腦應當是一套位于模型和技能之上的操作系統，負責記憶管理、任務判斷和技能調度。

因此，逐際動力的重點不是將所有能力裝入一個更大的模型，而是在不同模型和技能之上建立一套大腦系統。具體的模型和技能可以更新、替換和擴展，COSA 作為人形大腦系統，則負責統一理解目標、管理任務并調度這些能力。

Flexion 專注于為人形機器人構建智能系統，被業內視為“人形機器人軟件大腦”賽道的重要玩家之一。2026 年 6 月，該公司發布 Reflect v1.0，同樣采用分層技術架構：頂層 VLM 負責任務理解和重新規劃，中間運動層結合 VLA 與強化學習技能生成動作，底層控制器則負責全身平衡。其 Command、Motion 和 Control 架構，與 COSA 所強調的認知、技能和運控分層頗為相似。

不過，其公開 Demo 使用的并非自研本體。與這種在第三方硬件上構建軟件能力的路徑不同，逐際動力同時自研人形機器人本體、Agent 智能體系統、VLA 技能和 LimX WBT 全身運控模型，能夠圍繞同一套硬件進行聯合設計和優化。這種從本體到軟硬一體的全棧自研與深度協同，構成了其區別于單一模型或軟件公司的核心技術壁壘。

COSA 0.5 Demo 中，Oli 完成的不只是物體抓取，還包括深彎腰、負載搬運、轉身移動、雙臂協同和邊走邊操作。這些動作同時考驗上層任務調度、中間層全身移動操作技能和底層運控能力。

（來源：逐際動力）

由此，逐際動力形成了一套完整的技術體系：向上，以 COSA 構建負責認知、記憶和任務調度的人形大腦系統；中間，以 VLA 等模型提供可以調用和擴展的技能；向下，以自研機器人本體和 LimX WBT 建立全身運控基礎，再通過軟硬件協同將這些能力連接起來。

在全棧自研之外，逐際動力還將人形大腦系統中的 VLA 能力面向行業開源。通過 FluxVLA Engine，數據處理、模型訓練、仿真評測、推理和真機部署被納入統一的工程框架，開發者可以基于這套底座研究、復用和迭代新的 VLA 技能，并探索其在人形機器人全身移動操作中的應用。

當然，一段 Demo 還不能回答人形機器人商業化的全部問題。長期任務成功率、異常恢復能力和大規模部署表現，仍需要更多數據驗證。但 COSA 0.5 提供了一種清晰的技術判斷：人形機器人的競爭正在從模型參數和技能數量，走向大腦系統、硬件本體、全身運控和開放生態之間的綜合競爭。

運營/排版：何晨龍