9月19日云栖大会上，一场名为《人形机器人的「图灵时刻」》的圆桌讨论汇聚了四位业界顶尖专家，这中间还包括逐际动力的创始人张巍博士（右一）。

  在这次讨论中，各位专家一致认同人形机器人的重点是「泛化」，「泛化」意味着机器人不仅要可处理特定的任务，还应该达到跟人一样的环境适应能力和任务的泛化性。

  张巍博士认为，人形机器人作为一个新的物种，并非传统机械臂的延伸，其核心在于双腿。

  这主要体现在两个方面：一个是腿能否胜任其基本功能，特别地形的泛化能力；二是能否支撑双臂完成全身协同通用的操作，这也是腿部设计的重要意义所在。

  逐际动力是由南方科技大学、深圳本地企业和国际知名高校共同推进的足式机器人产学研项目所孵化出的一家公司。

  逐际动力创始人张巍博士是南方科技大学长聘正教授、深圳市鹏城学者特聘教授，国家特聘专家（青年），美国国家科学基金职业奖获得者。

  张巍博士本科就读于中国科技大学自动化系，之后赴美国留学，在美国普渡大学获得统计学硕士学位和电气与计算机工程系博士学位。

  博士毕业后，张巍博士加入美国加州大学伯克利分校担任博士后研究员。2011年，他开始在美国俄亥俄州立大学电气与计算机工程系任助理教授，并于2017年6月晋升终身教授。

  张巍博士在美工作期间获得美国国家科学基金项目5项，美国国家实验室项目10余项，以及美国NASA与美国空军实验室项目等多方面资助。科研成果获得美国国家科学基金职业奖和美国俄亥俄州立大学Lumley杰出科研奖。

  2019年5月，张巍博士回国加入南方科技大学，担任机械与能源工程系教授，机器人控制与学习实验室(CLEAR Lab)负责人。他的研究方向包括控制理论与应用，机器学习理论和算法，机器人，无人系统，智能电网等。

  随着研究上的进展，张巍博士逐渐看到足式机器人在全地形移动能力（Mobility）方面的可能性。虽然当时条件不太成熟，人形机器人领域也并不热门，但他希望能把自己的研究成果应用到实践中去，尤其是在一个以应用为导向的人形机器人领域中，他认为产业界的实践才是推动行业发展的重要力量。

  基于这个理由，张巍博士于2022年1月创立了逐际动力，并于2023年9月发布他们第一款机器人——四轮足机器人W1。

  逐际动力的核心团队在机器人领域拥有十数年的学术研究和产学研的丰富经验，其中研发人员占80%以上，主要成员来自加州大学伯克利分校、俄亥俄州立大学、德国亚琛工业大学、普渡大学、香港大学、清华大学、北京大学、中国科学技术大学等国内外知名高校。

  逐际动力团队发表超过130篇专业领域论文，多次登上IEEE TRO、TAC等机器人及控制领域顶刊，还有ICRA、IROS、CVPR等机器人及AI领域顶会。

  张力曾任职思科中国长达19年，担任思科大中华区资深副总裁、CEO幕僚长等职务。2018年2月，张力加入无人驾驶公司文远知行，任COO，负责战略运营、市场拓展及商业化等工作。

  在逐际动力，张力主要负责海内外业务的战略规划、渠道拓展和项目落地，以及工业巡检、汽车制造、物流配送等行业的业务拓展和商业化。

  潘佳本科毕业于清华大学自动化系，获美国北卡罗莱纳大学教堂山分校计算机系博士学位。博士后期间，潘佳在加州大学伯克利分校电子计算机系从事机器学习与机器人相关的研究，现任香港大学计算机系长聘副教授。

  潘佳是最早将深度强化学习、自然语言处理等方法成功应用在移动机器人感知与动态避障问题的学者之一，其开发的机器人碰撞检测和距离计算库FCL（Flexible Collision Library）和参与开发的机器人运动规划库TrajOpt、ITOMP等基于 CPU 和 GPU 的轨迹优化方法在机器人领域广泛应用。

  潘佳负责为逐际动力提供前沿AI技术在通用足式机器人上的研究和应用转化，例如增强机器人在复杂场景理解、自主任务分解、运动规划和优化等方面的上层能力，推动通用足式机器人从运动智能向具身智能的迭代进化。

  逐际动力是专注于通用机器人研发和制造的公司，是最早将空间智能和运动智能，在人形机器人上结合起来的公司之一。

  逐际动力全方位掌握足式机器人运动智能的核心技术，利用在地形感知、强化学习、多刚体动力学、混杂动力学、模型预测控制等领域的学术和研发经验，建立领先的感知与控制融合的算法框架，实现更高稳定性、更强实时性的控制能力。

  从四足机器人到双足机器人，再到人形机器人，逐际动力通过技术创新和系统化研发，逐步提升机器人的运动智能和应用能力。目前逐际动力主要机器人包括四轮足机器人W1、双足机器人P1、全尺寸人形机器人CL-1、全尺寸人形机器人CL-2。

  W1足机器人成功将腿式和轮式结构的优势结合于一身，具备一流的高动态运动和实时地形感知能力，实现10m/s轮式移动速度，4h稳定续航，整机16个自由度，自主切换多种运动模态，灵活适配各类场景。

  W1机器人能够覆盖绝大多数非轮式的复杂场景，包括上下楼梯、伏地穿越、草地石板路等难度较高的离散地形。

  此外，W1还兼具足式的高通过性和轮式的高效率，可以高效通过多种复杂地形，并使用先进的传感器和控制管理系统进行精确感知和自主导航。

  2024年5月，逐际动力升级W1机器人，增加了双足机器人模式，以双腿直立自由运动，拓展包括360度连续旋转、直立自由滑行、踏步行走等多重运动能力。

  2024年3月，逐际动力发布双足机器人P1，并通过视频展示P1在深圳郊野公园塘朗山的首次野外测试。这款机器人在零样本、无保护、全开放的环境中展示了其高动态的移动能力，能够在多种复杂地形上稳定行走。

  Real2Sim2Real闭环：从Real2Sim（从现实到模拟）到Sim2Real（从模拟到现实），打通数据到数据的自动闭环，逐步实现数据的生成、迁移到部署的全过程自动化，提高训练的效率和质量。

  神经网络架构设计：量身打造神经网络架构，有效应对环境交互和硬件差异带来的巨大干扰，生成具有自适应性的控制策略，可灵活适用于不同的机器人和场景。

  数据生成与训练算法设计：提出迭代式预训练方法，重点锁定解决有效数据稀缺的问题，从而高效地产出和收集有效数据，训练出高性能的策略。

  P1机器人是逐际动力强化学习系统化研发与模块化测试的重要平台，用于推进双足基础运动能力的研发和迭代。

  P1机器人通过三大核心版块，搭配逐渐完备的流程管理和算法验证，加速逐际动力人形机器人技术的成熟和从实验室走向更广阔应用场景的进程。

  人形机器人CL-1是国内首款基于实时地形感知动态上楼梯的人形机器人，CL-1率先实现了从实时地形感知、到步态规划、到全身控制的全栈闭环，动态完成上楼梯、下斜坡和室内外行走、跑步等复杂场景动作。

  2024年8月，逐际动力展示了人形机器人CL-1在通用移动操作能力上的进展，CL-1在堆满货物的多重货架之间，全程连续无间断地精准完成一系列大负载、大范围的搬运任务。

  通过对全身运动的全局规划和协调，CL-1始终保持身体的平衡及动作的稳定和高效，展现出多任务执行的泛化能力。

  2024年8月，在2024年世界机器人大会上，逐际动力发布他们最新一代全尺寸人形机器人CL-2，这款机器人展示了公司在全身运动控制能力上的卓越成就。

  CL-2在行走时双臂自然摆动，与双腿的动作协调一致，明显提升了运动的稳定性和动态协调性。

  新增的腰部自由度使得CL-2能够更好地调整重心和改善姿态控制，实现全身平衡和精准的身体姿态控制。

  手臂和腿部的自由度增加，结合逐际动力的算法迭代，标志着CL-2在全身运动控制上的重要技术升级。此外，CL-2也装配了灵巧手，拓展了通用操作能力。

  多传感器融合、高精度地形图构建、基于地图的状态估计及定位。通过多传感器融合，全方位收集地形信息，构建和输出高精度地形图，并根据运动控制算法的需求，生成各种系统可理解和使用的地形信息，保障机器人灵活、稳定地在复杂地形上移动。

  模型预测控制、强化学习，高动态、强实时。全方位掌握机器人本体的物理运动能力，基于以本体为中心的地形信息和相对位置，结合本体的实时状态，包括位置、姿态、关节角度等，计算最佳落脚点的位置、交互力的大小、运动的速度，实现本体与地形的最佳互动。

  分布式实时通信系统，包括一体化开发工具链，大幅度降低编码难度，让算法开发过程更高效；实时数据传输，支持实现机器人及时精准的操作；各节点实现去中心化分布式运行，均衡分配算力，让系统的运作灵活性更好、高效、稳定；支持丰富的编程语言，让多样化的技术需求均得到最大化的满足。

  自研传感器套件、高性能关节。以软件定义硬件，为实现最优的运动控制打造属于足式机器人的最佳硬件方案，独特的传感器套件设计为全地形感知能力奠定最佳的硬件基础，高性能关节具备高扭矩密度，高动态响应的特点，关键指标处于全球领先水平。

  天使轮融资：2022年10月，逐际动力完成天使轮融资，金额未披露，投资者包括明势资本、峰瑞资本、智数资本和昆仲资本。

  Pre-A轮融资：2023年10月，逐际动力完成Pre-A轮融资，天使轮和Pre-A轮融资总金额近2亿元，领投方为绿洲资本，联想创投跟投。

  A轮融资：2024年7月，逐际动力完成A轮融资，金额为数亿元，由阿里巴巴、招商局创投、上汽集团旗下尚颀资本领投，原始股东峰瑞资本、绿洲资本和明势资本跟投。这也是阿里第一次投资人形机器人公司。

  人形机器人行业正处在研发技术快速迭代的阶段，目前看来在硬件方面较难产生代差，核心还是泛化能力方面，移动能力和操作能力是人形机器人领域的两个重要技术焦点。

  逐际动力通过从四足到二足再到人形机器人的逐步技术积累，在提高人形机器人的泛化移动能力方面获得了丰富的经验，并实现了Real2Sim2Real的数据闭环，从而能够高效地生成和收集有效数据。我们对团队在未来人形机器人领域的进展寄予厚望。