城市服务，成为了具身智能的新考场？ - 世界杯下注
在工厂车间和城市街道等不同环境中，同一款机器人所面临的挑战截然不同。结构化场景如工厂内部，机器人的部署已相当成熟，然而一旦进入开放的城市道路，难度便呈指数级增长。尤其是在户外城市环境中，机器人需要全天候不间断运行，这意味着它们必须能够承受各种天气条件以及应对复杂的人流车流。
中国信息通信研究院发布的《具身智能发展报告》指出，当前具身智能面临数据、模型、本体及场景难以形成闭环的困境。尽管如此，到2026年，具身智能有望从技术验证阶段过渡到实际场景应用阶段，而城市服务领域正日益成为衡量其落地能力的关键战场。
面对这一趋势，库萨科技将目标定位于“以具身智能服务城市开放场景”，并采取了整合性的策略：打通数据采集、模型训练到机器人部署的全栈工程流程，旨在让机器人在真实世界中稳定运行。库萨科技认为，要跨越规模化落地的鸿沟，研发与工程化能力必须齐头并进。
库萨科技成立于2023年，其核心团队成员来自清华大学、上海交通大学等知名高校，拥有丰富的整车、机器人及自动驾驶研发与管理经验。公司专注于面向城市开放场景的服务机器人，产品已成功应用于超过40座城市。
在今年7月中旬，库萨科技推出了Kusa Robo Platform，一个专为城市级具身智能部署设计的工程化平台，涵盖了从数据采集、模型训练到多终端部署和远程运维的全栈闭环。作为少数深度参与城市服务这一“考场”的公司，库萨科技致力于解答行业普遍存在的疑问：为何做好专用平台是实现具身智能规模化落地的关键？
城市级具身智能的挑战所在
许多自动驾驶团队在转型至机器人领域初期，往往认为只需将二维问题提升至三维层面即可。库萨科技的团队也曾有此想法，但深入实践后发现，场景的基准发生了根本性变化。最显著的区别体现在评价标准上。乘用车的任务是安全抵达目的地，而城市环卫机器人则需要主动与环境互动，例如，面对路上的黑色塑料袋，其内部填充物（砖头、水瓶或空瓶）的差异会影响处理方式。自动驾驶车辆可以轻松绕过或碾压，而环卫机器人则需尝试清扫，若无法移动再做下一步决策，因为其核心目标是清除垃圾。
这种评价标准的转变揭示了一个被低估的难点：物理交互。库萨科技联合创始人兼CTO陶圣指出，自动驾驶对接触力学关注较少，是因为汽车行业已有成熟的底盘技术。然而，城市服务机器人必须将末端清扫结构的力矩反馈、旋转控制与整车控制紧密耦合。从“车”到“机器人”的跨越，关键在于此。处理好物理交互不仅需要传感器，更需要模型对物理世界的深刻理解。
为何聚焦城市服务场景
陶圣表示，选择城市服务场景的核心判断在于其真实且迫切的需求。城市空间复杂性高、技术壁垒强，同时能直接产生商业价值，是检验具身智能工程化能力的理想土壤。更重要的是，城市服务机器人行业的市场渗透率不足1%，是一个巨大的蓝海市场。尽管挑战重重，但明确的回报使得这项“难而正确的事”值得长期的技术投入。这种高门槛也决定了城市级具身智能需要一套专用工程平台，而库萨科技的Kusa Robo Platform正是为此而生，其背后是三项核心技术的支撑。
核心技术：基座、燃料与大脑
库萨科技发布的三项核心技术各有侧重。Kusa OS是专为城市级具身智能设计的操作系统，负责机器人的稳定运行和实时调度；Corner Factory作为数据工厂，负责从数据中自动挖掘、清洗和标注长尾场景；Kusa Omni-CTS则是全模态具身模型，覆盖从场景感知、认知理解到动作输出的全过程。这三项技术共同致力于解决机器人在城市环境中“跑得稳、学得快、懂场景”的问题。
Kusa OS致力于解决“跑得稳”的问题，其研发可追溯至2018年库萨团队在码头无人驾驶项目中的经验。虽然ROS2是主流的机器人开源框架，但在长期稳定性和实时性要求极高的城市服务场景中存在潜在风险。因此，库萨科技从底层自主研发了Kusa OS，其核心思路是精简系统，确保每个模块的可控性，从而提升稳定性。该系统解决了长期稳定性、确定性调度以及时延抖动压缩等问题。
尽管自主研发OS付出了巨大代价，包括工具链不完备等挑战，库萨科技通过自建编程工具链，实现了底层自由度和实时稳定性的提升。
如果说OS是“基座”，那么Corner Factory就是“燃料”，它解决了“持续学习”的问题。库萨科技的数据飞轮已实现高效运转，自动标注的比例从早期提升至90%以上。其数据链路包括：机器人作业异常触发停车，保存多传感器数据；数据回传至数据工厂进行脱敏、自动标注（从2D升级到3D）；人工修补确认；专用模型筛选长尾场景；最终用于模型训练。Corner Factory中的Kusa Omni-CTS模型基于单帧真实场景生成时序视频流，并同步派生3D点云及OCC语义占用，以OCC/3D点云作为核心中间表征，在二维观测与三维结构间构建物理级空间约束，确保空间理解的准确性，支撑数据闭环和模型迭代。陶圣强调，数据才是核心壁垒，而数据飞轮带来的先发优势，本质上需要时间和量的积累。
作为“大脑”的Omni-CTS，则解决了让机器人“懂场景”的工程化难题。库萨模型的“第一性原理”在于思维方法的转变，而非单一技术突破。它整合了视频生成、时空编码、3D Gaussian等前沿技术，形成原创解法，突破了模型异步输入的难点。真实机器人中，多传感器数据采集频率不同（如激光雷达10Hz，相机30Hz，IMU 1000Hz），强制同步会导致性能下降。Kusa Omni-CTS通过跨模态异步特征对齐，在高维隐空间构建连续时空曲线，使数据自然流动。同时，其物理一致性预测能力，能够基于物理规律推测未来状况，并选择最优执行方式。
从硬件角度看，这一设计对硬件改动不大，但解决了多模态融合带来的时间抖动问题。对库萨科技而言，研发与工程化密不可分。Kusa Omni-CTS的结构创新和自研OS的底层重构体现了研发实力，而OS、数据飞轮和全模态融合的协同则将研发成果转化为高效的工程系统。研发是库萨科技的基本功，工程化是其核心竞争力。三项技术的结合，形成了认知进化的闭环，OS、数据飞轮和全模态融合的深度耦合，加上城市服务场景的时间积累，构筑了库萨科技的全栈协同系统性优势。
落地成效与未来展望
库萨科技的具身智能产品已部署至40多个城市，实现了从零起步三年内交付规模的指数级增长。在中大型开放道路场景，公司已进入常态化运营阶段，验证了商业模式并产生实际作业价值。然而，陶圣也坦言，规模化问题尚未完美解决，场景泛化能力有待增强，硬件仍需极端天气考验，产能爬坡也仍在进行。他认为，“没有验证之前，都还是打嘴炮。”
在规模化落地过程中，技术迭代往往由真实需求驱动。例如，识别路边细小的鱼竿，或是区分书包旁的纸笔是临时放置还是被遗弃垃圾，这些都需要通过数据飞轮和平台通用性来快速迭代和部署。平台不仅能适应长尾场景，还能跨形态切换，一套系统即可管理轮式和双轮足机器人，以及机械臂控制的扩展。库萨科技通过硬件抽象层和大小模型协同，实现了“一脑管理多形”。
展望未来，库萨科技认为大模型是平台进化的关键，将回归数学本质，引入物理和数学硬约束。具身智能的OS不会像手机那样一家独大，而是呈现“多家分天下”的格局。库萨科技的目标是让城市服务机器人在更多场景下实现开箱即用，成为可靠、持续、可规模化的生产力伙伴，提升城市运行的效率和韧性。在此过程中，世界杯买球网的普及也为相关技术和应用的发展提供了更广阔的平台。