城市服务，成为了具身智能的新考场？

当同一台机器人被部署在工厂车间和城市街道时，它们所面对的环境截然不同。在结构化的工厂环境中，机器人技术的应用已相当成熟，但一旦进入如城市道路这样的开放场景，挑战便急剧增加。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抵御各种天气条件，并应对复杂的人流和车流。

根据中国信息通信研究院发布的《具身智能发展报告》，当前具身智能的现状可概括为“数据、模型、本体、场景难闭环”。然而，毫无疑问的是，到2026年，具身智能将从技术验证阶段步入场景落地阶段，而城市服务正成为衡量其落地能力的关键领域。

针对这一情况，库萨科技设定了“具身智能服务城市开放场景”的目标，并采取了明确的策略：打通数据采集、模型训练到机器人部署的全栈工程流程，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，研发和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，并在整车、机器人及自动驾驶领域拥有15年的研发与管理经验。公司的核心产品是面向城市开放场景的服务机器人，目前已在全国超过40座城市投入运营。

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，实现了从数据采集、模型训练到多终端部署和远程运维的全栈闭环。作为少数深入该领域探索的公司之一，库萨科技希望通过此平台解答一个行业普遍存在的难题：为何构建专用平台是实现具身智能规模化落地的关键？

城市级具身智能为何充满挑战？

许多从自动驾驶领域转型的团队起初认为，将二维问题提升至三维即可。库萨的团队也曾有过类似想法，但深入实践后发现，实际的基准和评价体系发生了根本性变化。

最显著的区别在于评价标准的转变。在相同场景下，乘用车的任务是从A点到达B点，并避免碰撞、保证乘坐舒适度。而城市环卫机器人则需要主动与各种物体发生互动并做出判断。例如，面对路边一个鼓起的黑色塑料袋，其内部可能是砖头、满水的矿泉水瓶，还是空瓶子，这决定了机器人需要采取截然不同的处理方式。自动驾驶车辆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，遇到障碍物绕行意味着任务未完成。

评价标准的改变背后，隐藏着一个被低估的挑战——物理交互。库萨科技联合创始人兼CTO陶圣指出，自动驾驶领域对接触力学的关注较少，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“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。

为何选择城市作为主攻场景？

陶圣表示，选择城市场景的核心在于看到了真实且紧迫的需求。城市空间复杂性高、技术门槛大，同时又能直接产生商业价值，是检验具身智能工程化能力的理想环境。更重要的是，城市服务机器人行业的市场渗透率不足1%，是一个尚未充分开发的巨大市场。

尽管面临巨大挑战，但回报明确的城市服务机器人领域，是一项值得长期投入的“难而正确”的事业。这种高门槛也决定了城市级具身智能需要一套专门的工程平台，而库萨的Kusa Robo Platform正是为此而生，其核心技术体现在以下三个方面。

底座、燃料与大脑

库萨发布的三项核心技术各司其职。Kusa OS是一款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，能够自动挖掘、清洗和标注长尾场景数据。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流程，旨在解决机器人如何在城市中“跑得稳、学得快、懂场景”的问题。

Kusa OS着力解决“跑得稳”的问题。该操作系统的研发可以追溯到2018年库萨团队在码头无人驾驶项目上的经验。ROS2作为机器人领域主流的开源框架，虽然易于研究者快速验证算法，但在长期稳定性和实时性方面存在不足，可能在城市服务场景中带来不可预期的延迟和抖动。因此，库萨从底层自主研发了Kusa OS。

与城市服务类似，码头场景也需要7x24小时不间断运行，对稳定性和实时性要求极高。库萨基于数据分发技术，从零开始构建了一套精简且模块化控制的系统，以实现更高的稳定性和确定性。经过长期迭代，Kusa OS在长期稳定性、确定性调度和时延抖动压缩方面解决了行业痛点。

然而，自主研发OS也付出了巨大代价，尤其是在工具链方面。ROS2社区拥有大量的开源工具，而自研则需要从头构建。库萨的解决方案是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，以降低迁移成本。这种对底层自由度和实时稳定性的追求，是自研的必然选择。

如果说Kusa OS是“底座”，那么Corner Factory就是“燃料”，它解决了“持续学习”的问题。库萨的数据飞轮通过打通整套数据处理流程，实现了从早期80%到如今90%以上的数据自动标注。

陶圣介绍，完整的数据链路是这样的：机器人作业中遇到异常触发停车，自动保存多传感器数据；返回作业站点后，数据采集器将数据传回数据工厂。首先进行人脸、车牌等脱敏处理，然后进入自动标注流程，从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确认后，专用模型会筛选出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能够基于单帧真实场景输入生成时序视频流，并同步生成3D点云和OCC语义占用。Kusa Omni-CTS将OCC/3D点云作为核心中间表征，在二维观测与三维结构之间建立物理级空间约束，确保空间理解的准确性，并支持数据闭环的高效运转和模型周级迭代。

陶圣坦言，数据飞轮本身并非技术壁垒，真正壁垒在于数据本身，因为数据与场景高度相关，无法凭空想象。数据飞轮带来的先发优势，本质上是时间和量的积累。

作为“大脑”，Omni-CTS解决了让机器人“懂场景”的工程化难题。陶圣解释，库萨模型的“第一性原理”在于思维方式的转变，而非单一技术突破。团队整合了视频生成、时空编码、3D Gaussian等前沿技术，形成了一套原创解决方案。

在工程化领域，这被视为模型结构创新，突破了模型异步输入的难题。在真实机器人应用中，多传感器数据输入频率不同（如激光雷达10Hz，相机30Hz，IMU 1000Hz），强制同步会带来延迟或矛盾，导致模型性能下降。

Kusa Omni-CTS通过两层机制解决此问题：第一层是跨模态异步特征对齐，在高维隐空间构建连续时空曲线，允许各传感器按自身节奏采集数据，模型内部自动对齐，实现数据流畅流动，无需昂贵硬件同步。第二层是物理一致性预测，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情况，还能基于物理规律预测未来可能发生的状况，并选择最优执行方式。

从硬件角度看，该设计对硬件改动不大，却解决了模型能力因时间抖动而大幅下降的问题。在具身智能领域，多模态融合是最终解决方案，兼具上限和兜底能力。

对库萨而言，研发与工程化是密不可分的。单纯的研发无法落地，而仅有工程化则难以守住技术门槛。库萨将两者置于同等重要的位置。Kusa Omni-CTS的结构创新和自研OS的底层重构，体现了扎实的研发功底；而OS、数据飞轮与全模态融合的协同，则将研发成果转化为稳定、高效的工程系统。研发是库萨的基础，工程化是其核心竞争力。

这三项技术共同构成了一个认知进化的闭环。虽然单点技术可能被复制，但OS、数据飞轮与全模态融合的深度耦合，加上在城市场景中积累的时间，形成了全栈协同的系统性优势，构筑了库萨独特的竞争壁垒。

落地情况如何？

既然城市服务被视为一场考试，那么成绩如何至关重要。目前，库萨的具身智能产品已部署到40多个城市，三年内从零起步实现数倍甚至数十倍的交付规模增长，在这一细分赛道中表现突出。

在中大型开放道路场景，库萨已进入常态化运营阶段，商业模式跑通并产生实际作业价值。然而，陶圣也对未来的挑战进行了“降温”：从存量来看，规模化问题尚未完美解决，场景泛化能力仍需增强，硬件仍需经受极端天气考验，产能也正从单线500台向5000台迈进。

他直言：“没有验证之前，都还是打嘴炮。”这是因为规模化生产的每个阶段（0到1、1到100、100到10000）都面临不同的挑战。可以确定的是，技术迭代始终由真实需求驱动，真实世界的长尾场景远超预设。

一个具有说服力的场景是识别一根“不起眼”的鱼竿。当库萨的产品从市政道路拓展到公园、园区等更贴近人的场景时，会遇到钓鱼者放置的细长鱼竿。此前团队专注于地面管线检测，从未考虑过空中的细小物体，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发场景，团队不可能预设所有问题，这是一个逐步发现和解决的过程。

第二个案例是“书包旁的纸与铅笔”。傍晚时分，机器人看到书包、纸笔，旁边有学生在跑。通过语义理解，机器人能判断学生可能是文具的主人，书包和文具属于临时存放，因此选择不清扫。第二天，当书包和人都不在，同样的一张纸，则会被判定为遗留垃圾。这一场景判断依赖于大模型对整张图片的语义理解能力，能够关联人、物、时间、空间。

无论是识别鱼竿还是理解放学场景，这些迭代之所以能够快速发生并部署到机器人体内，得益于Corner Factory的数据飞轮和Kusa Robo Platform的通用性。

除了应对长尾场景，平台还需适应不同形态的切换。目前，同一套平台已成功从轮式机器人切换到双轮足式，机械臂控制也从2-3个自由度平滑扩展到多自由度，证明了平台不会被特定机器人形态所限制。

跨形态适配的难点在于本体动力学和控制矩阵的差异。库萨的解决方案是硬件抽象层，将力矩、角度等物理量统一抽象，上层算法无需关心具体细节，底层运动学模型会将其转换为可执行指令。陶圣比喻，这如同人游泳时无需刻意思考划水动作，会逐渐形成肌肉记忆。一脑管理多形也是如此，大模型负责顶层思维，底层小模型则处理具体执行。

未来，平台的进化空间主要在于大模型。OS底层相对稳定，已基本满足需求，而大模型正回归数学本质，引入物理和数学约束，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太可能像手机那样一家独大，机器人场景的碎片化程度远超手机和PC，最终很可能是“多家分天下”。在行业格局最终形成之前，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，从而提升城市运行的效率和韧性。