当模型成为技能，谁来构建人形机器人的真“大脑”？

7 月 15 日，逐际动力发布了人形大脑系统 LimX COSA 0.5 版本最新 Demo。

在这个长视频里，逐际动力的 Oli，无遥操，无剪辑，一镜到底，连续完成了一长串家务：晾衣、收纳、搬箱摞箱、深弯腰拾物、清理垃圾和递送物品等

相较于今年 1 月份发布的 COSA，逐际动力这次的重点放在了人形 VLA 能力上，展示了大脑系统如何调度技能与全身运控，让机器人在移动过程中连续、稳定、精准地完成操作任务。

如果只看结果，这似乎又是一段人形机器人学会了更多技能的演示。但真正值得关注的是，这些不同任务如何被理解、组织和执行，其背后指向的是当前具身智能行业的一场技术路线之争：机器人的“大脑”，究竟是一个不断变大的模型，还是一套能够理解世界、调度技能并完成运动的系统？

“模型是技能，系统才是大脑”

当前，参数规模、训练数据和任务成功率经常被用来衡量机器人的智能水平。一个模型能够识别更多物体、理解更多指令、完成更多操作，也往往被描述为拥有了更强的“大脑”。

但逐际动力的创始人张巍并不认同这一判断。“模型不是大脑，”他直言，“大脑是一个操作系统。它不光要管理记忆、存储和思考，它还是一个 Agent，要调用 VLM、LLM、VLA 等各种模型和工具，才能完成一个任务。”

在真实物理世界中，一项任务通常由一连串相互关联的行动组成。机器人需要理解目标、观察环境、拆解任务，根据实际情况调用导航、抓取或全身移动操作等不同技能；在执行过程中，还要持续判断任务进度，并协调身体平衡与动作精度。

模型可以提供其中某一项或某一类能力，却很难单独承担记忆管理、任务调度、技能组合和状态判断等工作。即使一个模型学会的技能越来越多，也不意味着这些技能会自动组成一个能够持续思考、判断和行动的机器人大脑。

相较于试图用一个模型包揽认知和动作，逐际动力选择用系统组织不同模型和技能。它不仅关注机器人会不会做，还要解决机器人做什么、调用什么能力，以及如何把动作稳定地执行出来。对于需要在动态环境中连续完成复杂任务的人形机器人而言，这种系统化架构具有更明确的落地优势。

COSA 作为逐际动力原创的人形大脑系统，展示的正是对这一路线的一次集中呈现。而支撑这条路径落地的，是其由 S2 认知层、S1 技能层和 S0 运控执行层组成的三层技术架构：从认知和任务调度，到技能调用与动作指令生成，再到全身运控与精准执行，机器人由此形成一条从思考到行动的完整链路。

三层技术架构如何协同工作

在人形大脑系统 COSA 这套三层技术架构中，S2，负责认知、理解和任务调度；S1 是技能层，负责将任务意图转化为动作策略；S0 则负责全身动作跟踪和精准执行。

（来源：逐际动力）

要理解三层之间的关系，可以沿着一条任务指令向下看。

当用户要求 Oli“把椅子上衣服捡起来，把衣架上的衣服取走，都扔到脏衣篓”时，首先工作的是 S2 大脑系统。S2 是一套以 LLM/VLM 为核心的认知智能体，运行频率约为 1 Hz，它负责理解目标、观察场景、结合记忆判断任务进度，并决定下一步需要调度什么技能。

当 S2 作出判断后，任务便进入 S1 技能层。张巍将 S1 比作连接大脑与身体的“肌肉记忆”。广义上的 VLA 和世界动作模型都属于这一层，负责把上层意图转化为指导机器人行动的策略。不同任务对数据的要求并不相同，行走等技能可以更多依靠仿真训练，而柔性物体操作和精细抓取则需要补充更多真机数据。

在收拾衣服并扔进脏衣篓的任务中，COSA 调用 S1 层的 VLA 技能 需要生成接近目标、调整站位、弯腰、抓取、起身和移动至衣架前等一系列动作，而不是一条孤立的机械臂轨迹。

（来源：逐际动力）

但生成动作方案，并不意味着机器人已经能够稳定地做出动作。全尺寸人形机器人在弯腰、转身、行走和搬运时，身体重心不断变化，需要 S0 在执行过程中实时维持平衡。

S0 对应 LimX WBT 全身运动基础模型，是一个约千万参数的 Transformer 控制策略，完全运行在机器人本体上，控制频率达到 1000 Hz。它接收 S1 生成的全身运动指令，持续调整关节状态，使机器人准确跟随全身移动与操作动作。

LimX WBT 与预先编排好、接到指令后按固定流程播放的动作不同。它不需要提前知道机器人下一步一定要怎样运动，而是根据上层实时给出的目标调整全身动作，并在执行过程中保持平衡。

根据逐际动力公布的测试结果，LimX WBT 的平均关节位置误差（MPJPE）为 12.85 毫米，SONIC（行业公开最强全身跟踪模型）为 13.75 毫米；其平均关节角误差为 1.5 度，对照结果为 3.3 度。在两项动作平滑度指标上，LimX WBT 的测试结果也较对照数据低约 11% 和 20%，这些测试数据，越低代表效果越好。

由此，COSA 0.5 Demo 背后的链路变得清晰：S2 大脑系统理解任务并调度技能，S1-VLA 生成全身动作，S0-WBT 则把动作稳定、准确地执行出来。

从任务理解、技能生成到全身动作执行，三层技术架构把机器人的认知、技能和身体连接起来，也让“大脑是系统”从一个概念落到了真实任务之中。

从模型到系统，人形机器人进入全栈能力竞争

放到全球范围看，如何将认知、动作生成与全身运控连接起来，正在成为人形机器人竞争的核心课题。但能够在长程任务中同时处理环境理解、移动操作、双臂协同和身体平衡的公司，目前仍然不多。

Figure 是其中最受关注的代表。2025 年 9 月，Figure 完成超过 10 亿美元融资，投后估值达到 390 亿美元。此后，该公司连续展示机器人整理厨房、客厅和卧室等长程任务。

2026 年 1 月，Figure 发布 Helix 02，在此前 System 2 和 System 1 的基础上加入以 1 kHz 运行的 System 0。三层分别处理语义理解与任务规划、全身动作生成，以及平衡和运动控制。其厨房 Demo 持续约 4 分钟，包含数十个连续动作，展示了较强的长程任务能力。

从公开演示看，Figure 和逐际动力都已经不再停留于单次抓取，而是要求机器人在较长时间内保持任务状态，连续处理移动、操作和全身平衡。两家公司也因此成为目前少数实现人形机器人长程移动操作能力的企业。

但两者对机器人大脑的理解并不相同。Figure 更强调统一神经系统的端到端能力，通过模型连接视觉输入、语义理解和全身动作；逐际动力则认为，模型无论覆盖多少层级，首先仍然是一种能力。真正的大脑应当是一套位于模型和技能之上的操作系统，负责记忆管理、任务判断和技能调度。

因此，逐际动力的重点不是将所有能力装入一个更大的模型，而是在不同模型和技能之上建立一套大脑系统。具体的模型和技能可以更新、替换和扩展，COSA 作为人形大脑系统，则负责统一理解目标、管理任务并调度这些能力。

Flexion 专注于为人形机器人构建智能系统，被业内视为“人形机器人软件大脑”赛道的重要玩家之一。2026 年 6 月，该公司发布 Reflect v1.0，同样采用分层技术架构：顶层 VLM 负责任务理解和重新规划，中间运动层结合 VLA 与强化学习技能生成动作，底层控制器则负责全身平衡。其 Command、Motion 和 Control 架构，与 COSA 所强调的认知、技能和运控分层颇为相似。

不过，其公开 Demo 使用的并非自研本体。与这种在第三方硬件上构建软件能力的路径不同，逐际动力同时自研人形机器人本体、Agent 智能体系统、VLA 技能和 LimX WBT 全身运控模型，能够围绕同一套硬件进行联合设计和优化。这种从本体到软硬一体的全栈自研与深度协同，构成了其区别于单一模型或软件公司的核心技术壁垒。

COSA 0.5 Demo 中，Oli 完成的不只是物体抓取，还包括深弯腰、负载搬运、转身移动、双臂协同和边走边操作。这些动作同时考验上层任务调度、中间层全身移动操作技能和底层运控能力。

（来源：逐际动力）

由此，逐际动力形成了一套完整的技术体系：向上，以 COSA 构建负责认知、记忆和任务调度的人形大脑系统；中间，以 VLA 等模型提供可以调用和扩展的技能；向下，以自研机器人本体和 LimX WBT 建立全身运控基础，再通过软硬件协同将这些能力连接起来。

在全栈自研之外，逐际动力还将人形大脑系统中的 VLA 能力面向行业开源。通过 FluxVLA Engine，数据处理、模型训练、仿真评测、推理和真机部署被纳入统一的工程框架，开发者可以基于这套底座研究、复用和迭代新的 VLA 技能，并探索其在人形机器人全身移动操作中的应用。

当然，一段 Demo 还不能回答人形机器人商业化的全部问题。长期任务成功率、异常恢复能力和大规模部署表现，仍需要更多数据验证。但 COSA 0.5 提供了一种清晰的技术判断：人形机器人的竞争正在从模型参数和技能数量，走向大脑系统、硬件本体、全身运控和开放生态之间的综合竞争。

运营/排版：何晨龙