中国首个全自主完成长程家务的全尺寸人形，背后是一套"反共识"的大脑系统

人形机器人长程移动操作——全自主、不间断、在真实家庭场景中连续完成一系列任务——是具身智能领域公认的硬骨头。能啃下来并拿出完整公开演示的，全球屈指可数。

逐际动力最新放出的这段Demo，无遥操，无剪辑，一镜到底。这让人形机器人Oli成为中国首个全自主完成长程移动操作家庭任务的全尺寸人形机器人——目前全球唯二做出这一量级公开演示的是Figure和逐际动力。

视频中的Oli具备31个自由度，可全程站立行走，连续自主完成整理衣服、收纳物品、搬箱摞箱、弯腰捡杂物、扔垃圾、递水等一整套家庭任务。

但比"能干家务"更值得拆解的，是背后那套人形大脑系统——LimX COSA 0.5，这是逐际动力首次完整披露三层系统技术架构，在大脑系统的调度下，人形VLA能力全面提升。

这次发布试图回答的不是"我们又做了一个更强的模型"，而是一个更根本的问题：什么才是人形大脑系统？

当赛道上普遍在做"具身基础模型"的时候，逐际动力走的是另一条路——大脑不是某个模型，大脑是一个系统。LimX COSA是逐际动力原创的人形大脑系统，模型只是这个系统调度的一种能力模块。

01.

大脑≠模型：逐际动力为什么走了一条反共识路线

逐际动力创始人张巍有一个让人印象深刻的判断：

"你觉得自动驾驶那个模型是脑吗？你可以不会开车，我也可以不会开车，但不能说我没脑子。"

"大部分人说要做一个模型，模型大了以后就是在做大脑，把大脑等同于模型，这件事情是一个misleading的东西。你堆技能不代表能堆出脑来。"

他还有一个更直接的比喻——一个纯粹的"大模型"，就像躺在病床上的霍金：极其聪明，却一动不能动。

当前具身智能领域的主流方向——不管是把端到端模型不断做大，还是追求"一个模型通吃所有机器人"的通用基础模型——解决的核心问题都是"怎么让单项技能更强"。

逐际动力想回答的问题不一样：怎么把认知、技能、运控这些能力真正组织起来，形成一套能跑在真实身体上、能在物理世界里持续运转并自我进化的系统？

用他的框架来看，比拼"谁的模型更大更强"和比拼"谁真正做出了大脑系统"，根本不在同一个竞技场上。COSA 0.5是逐际动力在后者这条路线上持续推进的最新成果。

值得注意的是，逐际动力早在今年1月就发布了COSA并提出三层架构理念。此后，国内外多家具身公司在技术架构上呈现出趋同趋势，从侧面验证了这一思路的前瞻性和引领性。

02.

三层架构：S2→S1→S0，系统怎样构成大脑

人形大脑系统LimX COSA，由Sys 2认知层、Sys1技能层、Sys 0运控层三层协同构成，三层各自运行在不同时间尺度上，通过刻意收窄的接口协同——执行时意图自上而下流动，机器人状态自下而上反馈；更快的层级始终基于更慢层级最近一次的输出继续工作，异步、互不阻塞。

S2·认知层——只想不动的"前额叶"。机器人的智能体Agent：读取头部与手腕相机及语言指令，负责场景理解、记忆、世界模型、推理与人机交互，决定"要做什么"，再把任务调度给技能层。它以LLM/VLM或世界模型为核心组件，但S2是这一整套"认知—记忆—调度"的智能体，不是某一个模型。

打个比方：你要整理一间凌乱的房间，得先判断从哪入手、先叠衣服还是先倒垃圾，干到一半发现有人敲门还得临时调整计划——这整个判断、规划、临场调度的过程，就是S2在做的事。它自己不动手，但所有动手的前提都由它给出。

S1·技能层——连接大脑与身体的"肌肉记忆"。S2决定要做什么，S1提供把它做成的"技能"。这一层是一组技能的集合，而非单一模型；VLA哪怕最先进也只是其中一个技能。

逐际动力有一个明确的判断——不同技能所需的训练数据差异巨大。把驾驶数据和剥鸡蛋的数据混在一起训练只会互相干扰；与其像训练语言模型那样什么数据都往里堆，不如针对不同技能做精细的多元数据配比。

COSA 0.5在S1层实现了人形VLA能力的全面升级。S1中的VLA技能同样遵循快慢协同的逻辑：慢路径负责高层语义意图的理解与生成，快路径则将意图实时展开为覆盖底盘、躯干、头部、双臂、双手的全身协调动作序列，最终交由S0转化为真实关节指令。视频中Oli边行走边俯身边伸手的连贯动作，正是S1输出的VLA策略经S0执行的结果。

S0·运控层——只动不想的"小脑"。即LimX WBT全身运动基础模型，约千万参数的Transformer策略，完全跑在机上、控制频率1000 Hz。它只暴露一个统一接口，把任意上游全身运动目标转化为平衡协调的关节指令。训练一次、与任何具体任务无关，可复用于VLA执行、遥操作采集、零样本回放。

"没有小脑，是长不出大脑的。好比机械臂都不知道怎么控制的时候，是收不了数据，也做不了任何东西的。"

运控是整个系统中最考验硬功夫的部分。在真实环境中完成任务，最终要看执行层面够不够稳、够不够准。逐际动力WBT在对标（SONIC）的评测中展现出量化优势（全身位置误差更低、关节角误差降幅过半、平滑度指标领先11%~20%），这在物理AI真实世界落地和应用上起到关键作用。

三层如何协同：大小脑融合。

再看COSA 0.5的Demo——31个本体自由度全尺寸人形Oli，一镜到底完成长程家庭任务整理。在训练阶段，逐际动力会用真机RL让策略持续变强：专家通过遥操纠正全身动作、S0全程独立维持平衡，纠正数据被用来训练奖励模型、再由RL在真机上迭代——不是训练完就冻结，而是越用越强。

这就是"系统"区别于"单一模型"的结构性差异：分层解耦带来可持续演进，任一层都可独立迭代、替换或后训练，不牵动其余两层。

03.

全球对标：Figure、Skild AI们在做什么，逐际动力有何不同

要理解COSA 0.5在全球坐标系中的位置，需要与几家代表性具身公司做横向对比——Figure（美国，全球估值最高的人形机器人公司）、Flexion（欧洲头部具身模型公司）、Skild AI（美国，高估值具身基础模型公司）。

底层架构决定了根本差异

Figure是较早使用System 1/System 2概念的公司，但其本质是对单个端到端模型做内部分层——归根结底仍是"一个模型"的故事，而非一套系统级的OS设计。

Skild AI的路线最为纯粹：打造一个"全能体（omni-bodied）"基础模型，用同一个模型去控制各种形态的机器人——典型的"模型即大脑"逻辑。

Flexion后来提出了Command/Motion/Control三层自主栈，从架构范式上看与COSA的S2/S1/S0高度相似。但从时间线看，逐际动力今年1月就正式发布了COSA并完整阐述了三层理念，Flexion的方案在此之后出现。某种程度上，这也验证了COSA所代表的"系统而非模型"范式正在成为行业演进方向。

Demo复杂度：差距肉眼可见

在长程、不间断、不遥操作的真实家庭任务上，目前全球唯二做出了可信度高的完整演示：

• Figure：厨房/房间/客厅整理，长程领先；

• 逐际动力：一镜到底房间整理，不重置不遥操。

二者相对其他玩家显现出接近"代际差"的领先。

对比来看：Flexion目前公开的Demo（用Unitree G1完成取快递、搬运包裹等）任务链条更短、场景更单一，且运行在第三方现成硬件上，全身运控的稳定性和精度存在些许差距；Skild AI的演示侧重展示跨形态、跨任务的泛化能力片段和in-context适应，思路是"广度优先"，但尚未给出与逐际动力或Figure同量级的长时间全身移动操作整段演示——其机器人在运行时还需要背负额外的计算背包。

从架构完整度、系统化程度、长程Demo的可验证性、软硬联合优化能力来看，逐际动力是目前全球范围内极少数能在全尺寸人形机器人大脑系统维度上与Figure形成正面对比的公司——而在"系统即大脑"这条技术路线上，逐际动力是走得最早、也走得最完整的。

04.

开源工程底座，闭源核心大脑：一套飞轮怎么转起来

COSA 0.5展示了人形机器人"大脑系统"的完整架构，但逐际动力并没有把所有东西都锁在自家柜子里。

支撑S1层VLA技能从训练到真机部署全流程的，是逐际动力自研的Humanoid FluxVLA Engine。本次随COSA 0.5同步开源，包含训练到推理的完整代码，首次支持端侧（本机）推理——开发者不再需要依赖云端算力，就能在真机上跑通完整链路。

使用门槛同样被压到最低：通过统一配置管理，开发者即可以即插即用的方式训练与评测PI0、PI0.5、GR00T、OpenVLA、LlavaVLA、DreamZero等主流VLA策略，开箱即用。

逻辑很清晰：COSA是大脑系统，Humanoid FluxVLA Engine是让系统内VLA技能可被复用、可被社区反馈、可被持续迭代的工程地基。这是逐际动力与Figure全栈闭源最本质的区别。

而支撑这套开放底座运转的，是逐际动力自研的全尺寸人形硬件。COSA的运控策略直接在自家机器人上训练、迭代、验证，软硬件联合优化，不需要借别人的身体练功夫。

LimX COSA做大脑系统，Humanoid FluxVLA Engine做开放工程底座，自研全尺寸人形机器人做硬件载体。大脑系统+开放底座+软硬一体——这是逐际动力当前在全球具身智能竞争中拿出的完整组合。

这套组合的壁垒不只在任何单点，更在于三者之间的耦合深度：运控精度靠自家硬件上的真机迭代磨出来，技能迭代靠开放底座的社区飞轮转起来，大脑系统将二者统一调度——每一次真机任务的完成，都在让整套系统变得更强。拆开任何一件可能被模仿，合在一起才是护城河。