在结构化环境（如工厂）中部署机器人已相当成熟，但将其置于开放的城市道路等非结构化环境中，其挑战性截然不同。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复杂的人流和车流。

中国信息通信研究院发布的《具身智能发展报告》指出，当前具身智能面临着数据、模型、本体和场景难以形成闭环的困境。然而，毋庸置疑的是，到2026年，具身智能将从技术验证阶段过渡到场景落地阶段。城市服务领域正日益成为检验具身智能落地能力的关键测试场。

针对这一现状，库萨科技将目标锁定在“让具身智能服务于城市开放场景”。该公司采取了明确的策略：整合数据采集、模型训练和机器人部署的全栈工程流程，确保机器人在真实世界中能够稳定运行。库萨认为，要跨越规模化落地的鸿沟，研发能力和工程化能力必须兼备。

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，拥有超过15年的整车、机器人及自动驾驶研发与管理经验。公司主打面向城市开放场景的服务机器人，产品已在全国40多个城市投入运营。

今年7月中旬，库萨科技发布了名为Kusa Robo Platform的具身智能开发平台。该平台专为城市级具身智能部署而设计，实现了从数据采集、模型训练到多端部署、远程运维的全栈闭环。作为少数积极投身于此领域的公司之一，库萨希望通过该平台解答行业内一个悬而未决的问题：为何在具身智能规模化落地过程中，一个专用工程平台至关重要？

01. 城市级具身智能为何充满挑战？

许多自动驾驶团队在转向机器人领域时，最初认为这仅仅是将二维问题提升至三维。库萨团队也曾有过类似的看法。然而，深入实践后发现，场景的基准评判标准已完全改变。

最根本的区别在于评价方法的演变。对于一辆乘用车而言，在同一场景下，其任务是从A点到达B点，避免碰撞并提供良好的乘坐体验即为成功。而一台城市环卫机器人则可能需要主动与各种物体发生接触并做出判断。例如，面对路面上一个鼓胀的黑色塑料袋，其内部可能是砖头、装满水的矿泉水瓶，抑或是空瓶子，这些情况需要截然不同的处理方式。自动驾驶汽车可以简单地碾过或绕行，但环卫机器人必须尝试清扫，若无法清扫再做下一步决定，因为其核心指标是清除垃圾，绕开物体意味着未能完成任务。

评价方法的改变背后，隐藏着一个常被低估的维度和难点：物理交互。库萨科技联合创始人兼CTO陶圣向36氪透露，自动驾驶领域对接触力学关注较少，是因为汽车行业积累深厚，“底盘早已做好”。而城市服务机器人则必须实现末端清扫结构的力矩反馈、旋转控制与整车控制的深度耦合。从“汽车”到“机器人”的跨越，关键便在于此。处理物理交互不仅需要传感器，更需要模型能够理解物理世界本身。

02. 为何选择城市服务场景？

陶圣表示，库萨的核心判断源于看到了真实且迫切的市场需求。城市空间复杂度高、技术壁垒强，同时又能直接产生可落地的商业价值，这为验证具身智能的工程化能力提供了理想的土壤。更重要的是，城市服务机器人行业的市场渗透率尚不足1%，是一个潜力巨大的蓝海市场。

尽管面临重重困难，但潜在回报明确的生意，是一项值得长期技术投入的“难而正确的事”。这种高门槛决定了城市级具身智能需要一个专用的工程平台，而库萨的答案便是Kusa Robo Platform。要理解这一平台，需要从三项核心技术说起。

03. 底座、燃料与大脑

此次发布的三项核心技术各司其职。Kusa OS是面向城市级具身智能的专用操作系统，负责机器人的稳定运行和实时调度；Corner Factory是数据工厂，负责从数据中自动挖掘、清洗和标注长尾场景；Kusa Omni-CTS是全模态具身模型，负责从场景感知、认知理解到动作输出的完整链路。这三项技术共同解决的问题是：机器人如何在城市中实现稳定运行、快速学习和场景理解。

Kusa OS首要解决的是“运行稳定”的问题。该操作系统的研发可以追溯到2018年，当时库萨的核心团队还在进行码头无人驾驶项目。ROS2是机器人领域主流的开源软件框架，虽然在灵活性和易用性上表现出色，便于研究者快速验证新算法，但其硬实时性不足，可能出现不可预期的延迟和抖动，这在对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。

这也是库萨选择从底层自主研发Kusa OS的关键原因。与城市服务类似，码头场景也需要7x24小时不间断运行，对长期稳定性和实时性有极高要求。库萨从实际场景需求出发，基于数据分发技术从头开始自主研发了一套系统，核心理念是简化系统，严格控制每个模块。更精简的系统能够提供更高的稳定性。经过长期的迭代，该系统解决了行业在长期稳定性、确定性调度以及时延抖动压缩方面的难题。

然而，过去几年自主研发OS的代价也十分显著。陶圣形容自己“到现在我都依然在纠结”，最大的挑战在于工具链的不完备。ROS2社区拥有大量开源贡献，涵盖了从实时可视化监控、机器人动力学仿真到世界场景重建的全链路，而自主研发则意味着需要全部从零构建。库萨的解决方案是另起炉灶，开发一套编程工具链，利用描述性语言自动生成初始化代码，从而最大限度地降低迁移成本。自主研发的代价，最终换来了底层的自由度和实时稳定性。

如果说Kusa OS是“底座”，那么Corner Factory便是“燃料”，因为它解决了“持续学习”的问题。库萨的数据飞轮已经成功运转，在第一个量产产品落地时，整套数据处理管线就已经打通。目前，自动标注的比例已从早期的80%提升至90%以上。

据陶圣介绍，完整的数据链路是这样运作的：机器人在作业过程中遇到异常情况触发停车，会自动保存前后若干秒的多传感器数据。返回作业站点后，数据通过专门采集器传回数据工厂。首先完成人脸、车牌等脱敏处理，然后进入自动标注环节，从早期的2D分割分类升级到3D占用网格和三维重建。人工进行最后的修补和确认，再由专用模型筛选出真正值得学习的长尾场景，入库后用于模型训练。

在Corner Factory中，Kusa Omni-CTS基于单帧真实场景输入生成时序视频流，并从中同步派生3D点云及OCC（Occupancy Grid Map）语义占用。Kusa Omni-CTS将OCC/3D点云确立为核心中间表征，在二维观测与三维结构之间构建物理级空间约束，确保空间理解的准确性，支持数据闭环的高效运转与模型周级迭代。

但陶圣也坦诚：“数据飞轮或管线本身并非壁垒，数据才是真正的壁垒。因为数据与场景高度相关，未见过的数据就无法处理，无法依靠工程师的想象来弥补。数据飞轮带来的先发优势，本质上需要时间乘以数据量来积累。”

作为最上层的“大脑”，Omni-CTS解决了让机器人“理解场景”的工程化难题。陶圣解释，库萨模型的“第一性原理”在于，难点不在于某个具体技术，而在于思维方法的转变。他甚至自嘲库萨是“缝合怪”，但这种缝合并非简单的拼凑，而是将视频生成、时空编码、3D Gaussian等不同领域的前沿思路融合，形成一套原创的解决方案。在工程化领域，这更准确的说法是模型结构的创新——它突破了模型异步输入的难点。

核心问题十分具体：在真实的机器人上，多个传感器在物理上并非完全对齐。例如，激光雷达的频率是10Hz，相机是30Hz，IMU可能是1000Hz，数据到来的节奏完全不同。强制同步会导致等待卡顿或产生矛盾，从而大幅降低模型性能。

Kusa Omni-CTS旨在解决这一问题，其解决方案分为两个层面：第一层是跨模态异步特征对齐。它摒弃了传统离散帧对齐的方式，在高维隐空间构建连续时空曲线。视觉、激光雷达、IMU、力矩反馈等数据按各自的节奏采集，进入模型后能够自动“对表”，实现数据的自然流动，不再依赖昂贵的硬件同步。第二层是物理一致性预测——这正是对“物理交互”难题的回应。它在高维空间构建符合物理动力学的连续轨迹，使模型不仅能理解当前发生的事件，还能基于物理规律和环境变化，提前预测接下来可能发生的状况，并选择最合理的执行方式。

从硬件角度看，这一设计的硬件改动并不大，但它解决了因时间抖动导致模型能力大幅下降的问题。在具身智能领域，多模态融合是最终的解决方案，既有上限，又能提供保障。

对库萨而言，研发和工程化从未被视为两件事。单纯的研发无法落地；单纯的工程化则无法守住技术门槛。库萨选择将这两者置于同等重要的位置。Kusa Omni-CTS的结构创新、自主研发OS的底层重构，都体现了扎实的研发功底；而OS、数据飞轮、全模态融合的耦合，则将研发成果转化为稳定运行、快速学习的工程系统。可以说，研发是库萨的基本功，而工程化则是其核心竞争力。

这三项技术结合，形成了一个认知的进化闭环。深入来看，虽然每一个单点技术都有可能在短期内被复制，但OS、数据飞轮、全模态融合的耦合深度，再加上城市服务场景的时间积累，构成了全栈协同的系统性优势，为库萨这家公司筑起了独特的竞争壁垒。

04. 是否已成功落地？

既然上文将其比作一场考试，那么关键在于成绩如何。

目前，库萨的具身智能产品已部署到40多个城市。从增速上看，公司在三年内从零起步，交付规模连续以数倍甚至数十倍的速度扩张，如此陡峭的增长曲线在这一细分赛道内尚属罕见。

在中大型开放道路场景，库萨已经进入常态化运营阶段，实现了商业模式的跑通并产生了实际作业价值。然而，陶圣紧接着给出了“降温”的判断：从存量上看，规模化问题尚未完美解决。场景泛化能力仍需提升，硬件尚未经受极端天气考验，产能从单线500台爬升至5000台的里程碑也仍在进行中。

他用直白且有分量的话强调：“在得到验证之前，一切都还只是纸上谈兵。”这是因为，从0到1、1到100、100到10000的量产爬坡，每个阶段面临的问题都不同，很难说哪个阶段“更难”。唯一可以确定的是，在这条坡道上，技术迭代一定是由真实需求驱动的——真实世界中的长尾场景，永远比预设的要多。

第一个具有说服力的场景，是一根“不起眼的”鱼竿。库萨开始将业务拓展到公园、园区、景区等更贴近人群的场景，有时会遇到有人将鱼竿支在路边，这种直径仅一两厘米、孤零零的物体，团队过去专注于地面分割，检测水管电线，从未考虑过空中会有如此细小的物体，因此需要重新采集数据进行训练。陶圣从中领悟到，在规模化落地之前，大部分技术迭代都是为了应对突然发现的场景，团队不可能一开始就预设所有问题，这是一个逐步发现的过程。

第二个案例是“书包旁的纸和铅笔”。傍晚时分，机器人看到书包、纸笔，旁边有学生在奔跑。基于对这一画面的语义理解，机器人能够判断前方奔跑的学生可能是文具的主人，书包和文具都属于临时存放，因此选择不进行清扫。第二天，当书包和人都不在时，同样的纸张就会被判定为遗留垃圾，需要清扫。这个场景判断的实现，依赖于大模型对整张图片的语义理解能力，能够将人、物、时间、空间关联起来。

无论是识别一根鱼竿，还是理解一个放学场景，这些迭代之所以能够快速发生并部署到机器人体内，背后依靠的是Corner Factory的数据飞轮和Kusa Robo Platform的通用性。

除了长尾场景，平台还必须能够适应形态的切换。平台通用性最硬的证据是“一脑管理多形”。在短期内，同一套技术栈就从轮式机器人切换到了双轮足式，机械臂控制也从一个轮式车型上的2到3个自由度，平滑扩展到多自由度。换句话说，平台不会被某一种机器人形态所限制。

跨形态适配的难点在于本体动力学差异和控制矩阵差异。库萨的解决方案是硬件抽象层，将力矩、角度、圈数等统一抽象为上层算法无法感知的量，再由底层运动学模型转换为可执行指令。陶圣打了个比方，就像人游泳时不会刻意去想手如何打水，动作会逐渐变成肌肉记忆；“一脑管理多形”的奥秘也在于此，大模型负责顶层思维，底层的小模型则负责具体的执行和“肌肉记忆”。

未来平台进化的最大空间在哪里？陶圣给出的答案很明确：仍然在大模型。OS底层技术枯燥、迭代缓慢，目前已基本够用。而大模型正在回归数学本质，开始引入物理和数学的硬约束，例如利用流体力学描述物理概念并嵌入世界模型，使3D空间理解成为共识。

具身智能的操作系统不会像手机那样出现一家独大的局面，机器人场景的碎片化程度远超手机和PC，最终很可能呈现“多家分天下”的格局。在行业终局到来之前，库萨的目标是让城市服务机器人在更多纵深场景中实现“开箱即用”，成为可靠、持续、可规模化的生产力伙伴，从而提升城市的智慧运转效率和韧性。