北京
北京本溯智能科技有限公司（BASAL Intelligence，以下简称“BASAL”）是一家专注于动作原生的具身基础模型研发的公司。投资界10月8日消息，本溯智能已获得由五源资本领投的融资，常春藤资本、线性资本、华山资本（WestSummit Capital）参与投资。
BASAL成立于2026年7月21日，由八名具身智能领域研究者共同创立，核心成员来自清华大学和北京大学等国内外顶 尖学校，多数自学生或研究助理阶段起便持续合作。
BASAL 关注机器人部署后的任务适应问题。团队认为，在环境、操作对象或作业流程发生变化时，依赖任务数据采集和后训练的部署方式可能需要重复投入，增加多场景部署的成本。公司希望通过模型在现场的学习与适应，减少针对具体任务重新采集数据和训练模型的需求。
围绕这一方向，BASAL 正在研发 “动作原生的 In-Context 具身基础模型”。团队将动作作为模型的核心表达方式，重点建模动作、任务反馈、失败纠正和人类示范之间的关系，并将模型的主要容量用于动作生成。模型通过长上下文组织连续的物理交互信息，根据此前的动作及其结果调整后续决策。这里的 In-Context Learning（上下文学习），是指模型利用当前上下文中的示范与交互信息适应任务。BASAL 的研发目标是，让机器人面对训练阶段未见过的场景、任务或机器人本体时，无需重新训练模型，即可通过少量人类示范和自主尝试，在几分钟内完成学习与适应。
团队自 2024 年起持续研究快速适应、跨任务学习和跨本体动作表达，已提出跨具身模型 X-VLA 和隐空间世界模型 ODEWorld。
据团队介绍，X-VLA 使用不足 1000 小时的预训练数据，探索不同机器人本体之间的学习与迁移。团队基于该模型参加 IROS 2025 智元机器人挑战赛，在 400 多支参赛队伍中获得总冠军。
ODEWorld 通过连续物理时间的隐空间建模，研究长时序物理信息的表达，为机器人的上下文学习提供技术基础。上述工作构成了团队在跨本体动作表达和物理交互建模方面的研究积累。
光源资本董事总经理李正伟表示：“当具身智能逐渐从演示走向大规模部署，面临样本效率低、跨场景迁移难、跨本体复用差三重约束，In-context learning 正成为下一代具身基模的核心范式。BASAL 本溯智能主攻难度更高、也更贴近部署本质的‘动作原生’具身基模，以动作为核心表达，围绕动作、任务反馈、失败纠正与人类示范建模，让机器人实现在真实场景中自进化快速学习。公司源自清华 AIR 学院，是长期协作的整建制团队，覆盖‘模型 + 交互 + 硬件 + 数据 + 评测’全链路闭环，模型有望成为国内率先实现机器人端侧自进化与跨本体泛化的具身基模公司。光源资本荣幸担任本轮独 家财务顾问。”
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
