「维他动力」深度解析首款产品：用最少的传感器，做最妙的融合

对话人物简介：

余轶南/ 维他动力创始人兼CEO，前地平线智能驾驶总裁。

赵哲伦/维他动力联合创始人、产品&市场负责人。

宋巍/维他动力联合创始人兼工程负责人。曾任地平线软件平台总架构师、智驾创始团队成员。

2023年，具身智能领域出现了一个非常重要的信号——如果端到端能实现自动驾驶， Then what’s next？

“如果你认为它能够改变机器人的未来，就应该跳进去将它真正实现出来。”

于是，余轶南、赵哲伦和宋巍，在2024年成立了维他动力。

在他们看来，这个行业里很多的玩家，要么是聚焦于做硬件，要么聚焦于做AI，而从「维他动力」的名字就能看出来，他们要将两件事儿合在一起做。

「维他」指的是智能生命，「动力」则是指运动性能。

他们的目标，是要在5年内让机器人大规模进入家庭办公和服务场所，并能提供高质量服务；而长期目标，是在10-20年内，成为全球前三的智能机器人公司。

机器人的集成水平，已超越汽车

在集成化的演变中可以看到，过去的很多机器人，需要把负责不同功能的板卡集成到一个机器人中，占用了很大的空间。而如今，机器人的集成度已经走到了汽车前边。

“今天的整车电子电气架构，分为底盘域，智驾域，交互域；下一代的汽车才会走到智能本体+智能交互，机器人产业其实已经比汽车行业往前走了一步。”余轶南说道。

目前，维他动力为机器人构建了两个核心域——智能本体域、智能交互域。

得益于这种集成化的架构，维他动力的首款产品——Vbot智能伴随机器人,可以配置当前同尺寸机器人中最大容量的电池组。其样机续航已从1-2个小时提升至4小时，上市前可接近700Wh，能支持一天使用。同时，它在关节模组、能量扭曲密度方面也得以提升。

“高度集成化最大的好处，就是把空间预留出来了。原来的四足机器人，肚子里要放好多块板子，可能每条腿都需要各自运算。但今天我们产品的两块芯片一块是在头部，一块在身体里，可拓展空间更大。”赵哲伦说道。

简化传感器，不只为降本

维他动力的主要传感器采用了前视双目摄像头+一颗禾赛JT系列激光雷达。余轶南介绍称，人的视角大概为150°左右，但是通过头部左右运动可扩展至180°-320°，上下视角可扩展到200°。基于此，其首款产品大幅简化了传感器的数量。

这不仅能带来你在硬件成本的降低，也能让算力实现更好的覆盖。

“我们比主流高端智驾的每百万像素算力，提高了3-8倍，这样也会让机器人在感知方面能够做得更好。”

赵哲伦表示，中阶智驾基本需要6颗摄像头覆盖全车，高阶智驾则需要12颗摄像头，因为它需要广角和长焦的组合才能覆盖全车，这样分配到每百万像素上的算力其实是非常有限的。

“所以我们在一开始去考虑机器人的长期架构时，就希望精简。”

同时，基于视觉在暗光、异形障碍物的局限性，维他动力也为机器人补充了的专用的360°激光雷达。

Agent架构&全模态交互

“由于人与机器人的距离通常比手机、电脑都远，所以人与机器人最好的交互方式，就是自然交互。”

在交互方面，维他动力设置了一套面向机器人的Agent架构——以用户的语言输入，来触发Agent大脑的部分，让机器人对上下文做出正确的响应。

在表达情绪方面，Vbot机器人不仅能传达眼神，还会伴随不同的声音音调，以及肢体动作。

“我们认为机器人应该是一个全模态的交互方式，在感知层面，你的视觉、听觉还有触觉都能够作为input，在Agent架构里进行分析，然后通过我们的屏幕、肢体和扬声器，以及机器人耳朵上的指示灯去表达情绪。”

赵哲伦指出，在《温暖的科技》一书中，提出在整个表达情绪的构成中，55%是靠肢体语言，38%靠语气，只有7%才是靠语言。因此，Vbot智能伴随机器人也会通过多模态来表达惊讶、勇敢、害怕、开心，惊喜等情绪。

现在，多数机器人都以语言对话作为交互方式，但维他动力坚持不让机器狗「说人话」，而是用一种可爱的声调强调其动物属性。

余轶南称，团队专门探讨过「说人话」的问题，但被否决了。他们认为特征应高度符合属性，一旦让它说人类语言，就「出戏」了。

关键一步：甩掉遥控器

余轶南认为，不管是对于自动驾驶还是机器人，快系统+慢系统、大脑+小脑结合的方式，都会是未来的主流技术架构。

据介绍，维他动力为机器人开发了一套1b左右的中小规模VLA模型。它主要接收Agent对任务的需求，同时接入对环境感知以及机器人本体的信息。

“它的输出包括思维链、各种各样的Action、对于环境的感知识别和响应，以及进行环境的探索…这也是一套快慢思考的双系统。”余轶南介绍道。

同时，维他动力也利用世界模型，让机器人在数字环境中学习：“我们可以做4000多个类似的环境，然后在一个GPU上同时去跑。”

在数字环境中，不仅能够模拟一些隐患问题，还能模拟所有的传感器，包括像摄像头，激光雷达，还有本身的IMU等等。

“无人驾驶跟辅助驾驶的最大区别，应该是有没有方向盘。”余轶南表示，在机器人这里，「甩掉遥控器」是自主移动的关键一步。

他指出，在有遥控器的情况下，事实上是遥控器承担了对环境的感知，如果没有遥控器的话，就需要机器人本身去感知。实现这一目标的最大压力，是系统对于环境本身的理解。

要想甩开遥控器，就需要将机器人身上的摄像头像素、激光雷达点云融合进一个AI网络，然后去产出对环境的理解。这也是维他动力选择了远大于其他四足机器人的算力平台的原因。（地瓜机器人S100P计算平台，最高算力128TOPS）

在设计上花费最多精力

“‘机器人设计’这个Topic，其实至今还很少被深入讨论，但却是我们花费精力最多的部分。”

赵哲伦认为，设计应当是机器人最核心的部分。如今的机器人风格都比较偏工业，还有一些则偏玩具化，更像低龄化产品。另外，有一些机器人只能在室内行走，有的能户外行走却没法上台阶。

所以，维他动力为他们的机器人作出了如下定义：

1、全地形运动能力；

2、不能过于玩具化，而是要找到「友善的平衡」。

3、全圆角设计，使用更高级材质提高品质等等；

4、简约设计，未采用过多色彩，遵循黄金分割比例；

除了工业设计，维他动力还有来自游戏、动画行业的动画师，依据迪士尼的12个动画原则，表达机器人的情绪。

“我们觉得第一款产品的高度不能比孩子高，这样整体会显得更有亲和力。另外，其实我们也做过人形机的调研，但是感觉人形进家还是有挑战的，因为它带来的风险还是比较高的：如果它在你家的某个地方摔了，有可能带来的损失是用户不可接受的，所以我们先以一个体积更小、重量更小的机器人去做尝试。”

外接功能扩展

和很多机器人一样，Vbot智能伴随机器人也可以通过多个物理接口扩展功能。例如，它的背板上可以插一个筐，用来背东西。同时维他动力也专门设计了1/4的螺母，便于安装360°的环视摄像头，实现跟拍功能。

“它本身有很强的负载能力，不光是背东西的负载，也包括拖东西的负载。它还可以用拾球器去捡网球，通过各种各样的连接工具与世界互动。”

至于未来要不要给它增加夹爪，余轶南表示，增加夹爪讨论最多的不是技术问题，而是外观造型问题。如果要上夹爪，就必须看不起不突兀，能和造型融为一体。

明年将进军海外

在维他动力看来，海外市场的「大House家庭」，通常具备庭院和上下层，Vbot智能陪伴机器人的点到点运载能力在这里将得以发挥。

“明年，我们会进到海外。在欧美的大家庭中，虽然房子面积很大，但家里装电梯的、有佣人的还是非常少的，所以我们认为四足机器人会成为一个House的标配。”

今年年底，维他动力首款产品将迎来上市。之后在次年1月份的CES上，该公司也会开启海外政策。

“我们会确保在明年春节以前，通过量产产线出来的机器人能就交付到家庭里，进入到我们的生活中。”

长期记忆的必要性

“去爸爸的房间”“去书房给妈妈送杯水”...这些简单的指令，意味着机器人需要对用户家庭关系、空间、信息形成长期记忆。

“长期记忆是必须做的，过去的汽车行业已经做了大量尝试，包括声纹识别等等。但由于车没有强调角色属性，所以大家的体感可能不是那么强。但我发现长期记忆对于机器人来说非常必要，不然它很可能听了陌生人的指令，造成用户困扰。”

赵哲伦称，在信息层面的长期记忆，主要依靠对大语言模型的上下文关键信息记忆，比如家庭角色、职业，甚至用户最近在焦虑的事情等等。

“我们认为机器人的产品化过程中，至少应该有这三维的记忆：空间、人物角色，上下文关键信息。”

最后，赵哲伦表示，维他动力这半年的融资已经达到了3亿元，这些资金足以支撑首款机器人的规模化量产，并可以保证产品交付。

“目前，工厂的搭建及试制都在进行中。对于第一款产品来说，这一套流程的周期会比较长。我们需要更多的试制的过程，让产品质量变得更好。在今年的10月到12月之间，我们会开启产品早鸟内测。”