專訪橡木果：零數據、冷啟動，用"本能驅動"重構具身智能應用邊界

作者：呂鑫燚

出品：具身研習社

具身智能依舊懸而未決的是什么？

這要從具身智能的終局談起：成為千行百業的生產力。這表明，它必須同時具備三種能力：大腦、運控、操作。三者缺一不可。

過去三年，行業已經交出了前兩張答卷。

最明顯的就是運控能力，從四足機器人的平穩行走，到雙足機器人的上下樓梯，再到全身協同挑戰高難度動作，開源算法和成熟的硬件供應鏈，已經讓運控不再是高門檻的技術敘事，今天的機器人，擁有了歷史上最絲滑的 "軀體"。

大腦也在以驚人的速度進化。模型帶來的能力，讓機器人能聽懂自然語言指令，能識別復雜的場景，能進行簡單的推理和規劃。國內國外層出不窮的模型，讓機器人的 "智商" 正在以月為單位迭代。

但最關鍵的第三環 ——操作能力，至今鮮少見到涌現。

這是一個反常識的事實，能運控、會規劃的機器人并不能完全掌握操作本質。因為操作，是與物理世界的實時交互。它不是簡單的 "看到 - 執行" 閉環，而是需要在充滿不確定性的環境中，不斷感知、調整、反饋、再調整的動態過程。它涉及到觸覺與視覺的融合，涉及到對物體物理屬性的理解，涉及到對微小誤差的容忍和修正。

這才是具身智能真正的 "最后一公里"，也是決定這場千億級豪賭最終勝負的生死線。

橡木果的破局點正是在此。他們將人類繁雜的操作行為進行解構與抽絲剝繭，為機器人找到了那份「具身本能」。機器人不再依賴于海量數據堆砌出對物體的理解和執行，而是真正擁有“本能直覺”和“肌肉記憶”，和人一樣在與環境的交互中“長”出操作能力。

視頻示意：橡木果「抓混合物品」演示

這也是橡木果對未來的判斷，“終局不是大腦的路線之爭”橡木果發起人姜峣對具身研習社表示，未來的通用機器人會有千百種形態，也會搭載迥異的大腦模型。但本能可以跨越所有場景、任務，而這份操作能力，將成為整個產業最堅實的基座。

想要知道機器人究竟該如何掌握操作能力，要從人類的行為邏輯中找答案。

一個尚未牙牙學語的嬰兒，他真正建立對世界的“操作認知”，憑的絕非語言的教導、視覺主導的“旁觀”，而是實打實的觸碰。這是一個高度統一的行為，不同文化、不同背景的人，都在以同樣的姿勢完成抓取物體，并根據物體形狀、質量的不同實時調整抓取的力度。

這說明人類的操作存在本能，而這正是橡木果團隊找到的具身智能操作入口。

在橡木果看來，本能并不直接規定具體的動作路徑。而是為所有行為樹立了一個內在的期望，一旦這個期望被確立，所有的動作行為都會自發地向這個目標持續收斂，在與物理世界的實時交互中不斷調整，直到任務完成。

示意：橡木果「抓豆腐」演示

這個發現成為了橡木果整個技術路線的原點。基于此，橡木果又進一步拆解了三大本能。

1. 定向本能：負責構建機器人與物體的初始接觸關系。它與視覺系統協同工作，這一本能解決了 "找到物體" 的問題。
2. 探索本能：這是最復雜、也最能體現 "智能涌現" 的本能。當機器人的手指接觸到物體后，它會自動沿物體表面進行探索，尋找最穩定的接觸構型。這種探索不是預設程序，也不是模仿學習，而是由 "建立穩定接觸" 這一本能規律催生出的自主行為。
3. 執行本能：負責推進操作的最終完成。它以 "滑移最小化" 和 "阻抗匹配" 為核心目標，根據觸覺反饋實時調節電機電流（相當于人類的肌肉張力），無需任何訓練數據。抓豆腐時自動調低增益，避免捏碎；抓錘子時自動調高增益，確保抓牢。
4. 
   

這三個本能有明顯的應用優勢，所有這些調控都完全依賴觸覺信息的實時反饋，不需要任何訓練數據；無論是兩指夾爪、三指靈巧手還是五指擬人手，無論電機參數、傳動結構有多大差異，本能庫都能自動適配；所有決策都在端側完成，不經過上層 "大腦"，避免了系統性延遲。這讓機器人能夠像人類一樣，對突發情況做出即時反應。

在此之前，整個行業都在沿著大模型的成功經驗往前走：既然語言可以通過海量數據擬合出來，那么操作也一定可以。于是幾乎所有人都在做同一件事：收集盡可能多的人類操作視頻，訓練盡可能大的模型，試圖讓機器人通過模仿學會所有動作。

這是一條從大模型時代延續下來的路徑，也是一條看起來最順理成章的路徑。但這種架構埋下的缺陷，成為了具身智能商業化路上最大的攔路虎。

首先是數據問題，語言是單一模態，操作則是語言、視覺、觸覺三個模態，如果純靠數據完成將會迎來極大的數據量爆炸；其次，操作執行不能依賴于云端的大腦，而是在邊緣端側建立起極低延遲、功耗的模型，做到及時反應；最后就是產業落地的最大問題，現有架構的泛化性水平可以拿捏光照、顏色等環境變量，但要換個場景則很難完成。

而這些問題正在被「本能驅動」逐個擊破。

可見，與其讓機器人像一個復讀機一樣，死記硬背人類的每一個動作細節，不如直接賦予它類人的操作本能。讓它像人一樣，通過與物理世界的真實觸碰和探索，自主地 "長" 出操作能力。

這是一個徹頭徹尾的非共識。當全行業都在比拼誰的數據更多、誰的模型更大、誰的算力更強時，橡木果選擇了新道路：從本能出發，生長出屬于機器人自己的技能。

和「本能驅動」相匹配的，是一套全新的架構，橡木果將“任務和操作”徹底解耦，構建分層、獨立、可協同的架構。

大腦完成任務理解、邏輯推理與高層規劃，專注處理知識與規則層面的復雜性。而執行層交給本能驅動，由端側自主決策模型Natus與通用操作技能模型Magis，處理物理交互、硬件適配與實時動作。

圖片來源：橡木果

如此一來，本能驅動能拿捏所有操作任務流，且不需要根據硬件單獨適配微調。

而這條架構的最關鍵突破為：零數據。

具體來看，Natus——橡木果的端側自主決策模型，其部署在端側，由觸覺激發。就像人類的脊髓反射系統一樣，能夠在毫秒級時間內對觸覺刺激做出反應。Natus不需要任何訓練數據、微調，核心邏輯是依靠本能反射，來構建觸覺感知與肌肉動作之間的映射關系，出廠即具備操作的本能。以人類的行為來看，上崗工作前，我們具備操作能力，也能夠適應不同物體和工況的特點，所以在新的崗位上也能“一上來就會做”。

在橡木果的測試中，機器人在面對從未見過的各種不規則形態的物體，會沿其表面自主探索，實時調整抓取策略，直到建立穩定的接觸構型后成功抓起；

示意：橡木果「抓異形物體」演示

面對傾倒了裝有半瓶水的瓶子，它會反復試探重心，逐步調整抓力；

示意：橡木果「抓瓶子」演示

就算是，公認在最難的操作之一“極薄卡片狀物體”任務中，機器人也能自主探索，嘗試推、翹、扣等動作后，成功抓起。

示意：橡木果「抓卡片」演示

這些行為既不是寫死的預設程序，也不是用百萬小時人類操作視頻喂出來的模仿產物，而是由底層本能直接催生出的行為涌現。

這種自下而上的涌現機制，讓機器人不再是被禁錮在預設指令集里的提線木偶，而是擁有了在真實物理世界中自主 "生長" 出操作能力的可能。更關鍵的是，由本能催生的行為，帶著更簡潔與高效的標簽。沒有多余的抖動、試探等數據擬合留下的痕跡。而是精準且始終錨定核心目標，以最短路徑向最終狀態持續收斂。

而Magis——通用技能操作模型，其任務，就是將Natus在交互中產生的行為數據，通過觸覺進行語義增強，再標注重量、質心的位置、物體的軟硬度、抓取時的力分布與滑移趨勢等物理屬性，最終訓練形成通用技能模型。

由此可見，這套流程中，對訓練數據需求大幅降低，也從最深層開始讓模型理解物理數據，提升視覺追蹤的魯棒性。

以抓香蕉為例，Natus 通過多次自主探索，最終完成香蕉的成功抓取。

示意：橡木果「抓香蕉」演示

這段嘗試的過程中，被記錄下的不只有視覺，還有基于觸覺感知自動完成的語義打標（重120g，質心偏左，表皮粗糙，硬度中等。）當力學語義實時疊加到視頻幀上，使得用于訓練的 Magis 技能模型，能夠真正“理解”物理世界的力學屬性，而不僅僅是外觀。機器人學到的不是單一的動作，而是知道如何找到最合適的位置、最恰當的力，越來越高效。

簡而言之，這個過程中，一方面能轉化為機器人的 "肌肉記憶"，讓它越做越快、越做越穩；另一方面用來訓練通用操作技能模型，讓它的泛化能力越來越強。一個零數據-升級-更好操作-再升級的操作能力閉環就實現了。

最終能實現跨本體、跨任務、跨場景、跨平臺的泛化能力。從本能演變成技能。

這正是橡木果技術路線的最長護城河。

全球范圍內除了橡木果， Genesis AI 也曾展現出本能反應，但這背后依然是數據驅動的模型在支撐。與很多同行不同，他們將硬件視為整個系統的基石而非附屬品。不過，硬件磨損帶來的性能衰減和真實數據的天然局限性，仍是包括 Genesis AI 在內的所有具身智能公司需要共同攻克的行業難題。

而橡木果對數據和硬件的無依賴，使其每一次操作都是一次新的探索，每一次探索都在優化它的能力。使用時間越長，它見過的物體越多，操作就越熟練，泛化能力就越強。

這條路線目前已經在產業化進程中得到應用側的“用腳投票”。橡木果已經和全球頭部化妝品ODM廠商的產線完成POC驗證。畢竟誰不想在自家產線里瘋狂加購一個不需要部署成本，能靈活換產線、還越用越好用的機器人。

具身智能的本質就是對人類的一次解構重塑，如何破局、哪條技術路線可行，人類已經給出答案了，它就藏在你每一次的“下意識”。

2026 年 3 月，橡木果機器人完成近億元種子輪融資，領投方包括錢塘資本、普華資本等知名投資機構。

該筆融資是資本市場對“本能驅動”這一非共識技術路線投下的一張信任票，也標志著資本開始從技術本源探索智能涌現，去找尋產業內真正能成為生產力革新的入局者。

不過，這張信任票投的也不僅僅是橡木果八年來的技術堅守，而是一家兼具硬核技術基因、深刻產業理解與清晰商業邏輯的產業級公司。在探索技術的過程中，橡木果也同步自研了視觸覺傳感器，并成功產品化，其硅膠彈性體加微型相機的路線，能做到不依賴敏感元器件，通過圖像重構反演物理量。

透過橡木果的技術路線可見，其在做的是產業內最務實也是行之有效的操作能力。它的野心從來不是做一個“看起來很炫”的機器人，也不是要顛覆 VLA、世界模型等現有技術路線，而是要做整個具身智能產業的通用操作底座，以一種底層基礎設施的形態，賦能所有硬件廠商、模型公司。

在橡木果的產業藍圖中，VLA 或世界模型和本能驅動不是非此即彼的競爭關系，而是雙向奔赴的互補關系。橡木果擅長的是底層的物理交互與操作執行。兩者的協同，能讓機器人既有長程任務規劃能力，更有每一次精準操作的穩妥。加速具身智能從單場景poc驗證走向真正大規模市場化落地。未來，橡木果的本能驅動將滲透到每一個需要與物理世界交互的角落。

正如姜峣表示，“橡木果的長期目標，是成為全球具身智能領域不可或缺的底層基座。” 不追求成為什么都做的全能選手，而是專注于構建最底層、最關鍵的操作基石。

過去幾年，具身智能行業一直在爭論一個問題：通用機器人什么時候才能到來？有人說需要十年，有人說需要二十年。但橡木果用自己的實踐給出了一個不同的答案：通用機器人不會一夜之間出現，它會先擁有操作本能，不依賴于數據，不限制硬件、任務，當「本能驅動」開始重構操作邊界，大腦的能力也將更好的發揮。

這就是橡木果正在做的事情——它在造一次次完美的 "操作能力"。這個能力不會取代任何人，它只會讓每一個機器人都變得更有用。而當千行百業的機器人都擁有了操作本能，具身智能的時代才真正開始。