硬氪首發 | 一臺80cm高的毛絨人形機器人，配一套面向未來的自研OS系統

一臺80cm高的毛絨人形機器人，可以承載多少想象力？

“它雖然沒有完全像人，但擁有全套的傳感器，可以跟你交互、分析你的表情，去看你是高興還是低落。只要算力可以滿足，它可以提供各種各樣的東西，軟件能增量開發的東西是有無限想象力的。”

青心意創CTO曾俊告訴硬氪。他所談論的是Amoo——青心意創推出的首款智能機器人產品Amoo，身高80cm，擬人雙足，無棱角毛絨全包覆。

曾俊曾擔任全球自動駕駛巨頭Cruise的核心模型科學家，帶領團隊取得多項行業領先成果。他是加州大學伯克利分校博士，本科是由上海交大和法國巴黎綜合理工聯合培養的應用數學與力學系精英。曾在在雙足機器人強化學習控制與安全關鍵系統領域發表了20余篇機器人國際頂會頂刊論文，并多次登頂最高引用及最佳論文。

他坦言，自動駕駛和研發機器人難點完全不一樣。“車有近乎無限的電力和算力，但本質上只有方向盤和油門兩個輸出。但機器人的輸出可太多了——它要說話、要做動作，還要和環境耦合，雖然有一定容錯率，算力卻相對較少，又有續航和電池的限制。”用曾俊的比喻來說，“水已經定好量了，要把選好的面放進去”。

因此，在曾俊看來，B端和C端對底層能力的要求不在一個量級——成熟的C端產品，軟硬件的技術鏈條都非常長的，“要真正把產品交付到用戶手上，你的東西得能持續升級，要對用戶有足夠的吸引力。”

不過，沒有統一的底層系統，C端機器人的持續迭代就是空中樓閣。這也是曾俊一直在思考的問題。

7月14日，青心意創正式發布Dino OS，就是為了解決這一難題。曾俊介紹，Dino OS包括Infra、Brain、Module三層架構，向上承載感知、決策與行為編排，向下連接運動控制、安全與硬件抽象。

“公司今天上一個功能、明天上一個功能，彼此之間沒有耦合關系，鏈條是斷開的，沒有一致化的大腦去操作。你今天可以跳舞，明天可能就摔倒了。有時候是通訊信道的問題，信道沒有固定，在跟別人搶信道，搶到了就正常工作，搶不到就斷掉。”

他認為，做OS就是要防范硬件連接錯誤、固定通信信道并提供一致化的控制與打斷機制，確保機器人的穩定運作，“讓它在一個明確的環境里運作，無論怎么上新功能，依然能穩定運作。”

不同于散裝架構的主流做法，Dino OS在底層邏輯上把各大核心模塊從"拼盤"變成"一體"。基于Dino Infra層，通過零拷貝數據序列化與共享內存通信機制，各能力層直接共享同一套數據，隨用隨讀，感知、決策、執行等多個數據流并行流轉，機器人動作自然連貫順滑。系統內置算力隔離機制，為避障、力控等關鍵任務開辟專用通道：緊急剎停的指令，不會因模型的“深度思考”而延遲。

要讓機器人擁有真正動人的"生命感"，光是運轉流暢還不夠，還必須有類人的交互反饋。在Dino Brain層，Dino OS獨創“雙腦閉環”設計，兼顧“大小腦”的分工體系和"快慢腦"的生物反應。其中“慢腦"理解場景、拆解任務、判斷上下文，“快腦”提供即時的社交反應，反射弧更短。自研的小腦作為“大腦快慢兩種反應”的執行層，實時接管運動控制、力反饋與安全邊界，確保毫秒級的物理執行。

（圖源/企業）

比如，用戶說"來客廳一起跳操，音樂先放"，傳統機器人會先原地呆滯幾秒處理音頻，再僵硬地走向客廳。在Dino OS的驅動下，機器人的身體運動也不再是決策的"輸出結果”，而是認知的一部分：在聽到指令的瞬間，“快腦”已驅動它向用戶轉身，“慢腦”同步拆解任務；在它向客廳邁步的同時，系統已聯動智能家居播放音樂——它的慢腦在思考，快腦在行動，小腦在感知平衡。

另一方面，傳統方案的拼盤架構還帶來另一隱痛：大量異構模塊和繁雜的第三方依賴，每拓展一個新場景，開發者就要重新"手搓"一遍底層鏈路，拖慢機器人的場景延展性。

“機器人要做自己的OS，否則所有人都在各自開發、反復造輪子”。反復造輪子意味著，在真正統一的OS缺失的情況下，機器人的研發代價不小，開發者不得不把大量的精力耗費在處理底層的硬件連接、數據后處理、網絡破損以及各組件通信等雜務上，沒有時間去打磨真正的用戶情緒價值和情感交互體驗。

通過Dino Module層，機器人將像搭積木一樣進行場景延展，打破了這種惡性循環。一方面，其打造了氣密性編譯環境，確保同一套代碼在不同編程環境下，都能跑出完全一致的穩定表現。另一方面，其將感知到執行的完整復雜鏈路，沉淀為可復用的行為單元和統一的接口，統一封裝為系統能力，開發者拿來即用，不再需要"手搓底層鏈路"。

（圖源/企業）

因此，自研OS也有利于更長遠的產品研發，“一致化的前端，一致化的后端，一個大腦去操作。你有了OS以后，做增量的開發就會非常高效”。曾俊說。這種跨本體移植能力，讓開發周期從年壓縮到月。

長期來看，青心意創希望研發的想做的不是一臺更聰明的設備，而是“一個有生命力、有活力的智能體”。這也是絕大部分消費級機器人要面對的課題，前半場卷硬件與模型，下半場決定產品能否真正走進物理世界的則是人機交互體驗。