机器人应用于工厂车间和城市街道，面临着截然不同的挑战。在结构化环境中，机器人的部署已相当成熟，但进入开放的城市道路则复杂得多。尤其是在户外，机器人需要全天候不间断运行，必须能够应对各种天气条件和复杂交通状况。

中国信息通信研究院发布的《具身智能发展报告》指出，目前具身智能面临数据、模型、本体和场景难以形成闭环的困境。然而，到2026年，具身智能预计将从技术验证阶段过渡到场景落地阶段，城市服务领域正成为检验其实际应用能力的关键场所。

针对这一局面，库萨科技将目标定位于“让具身智能服务于城市开放场景”，并采取了打通数据采集、模型训练到机器人部署全栈工程的策略，旨在让机器人在真实环境中先行运行并保持稳定。库萨认为，要弥合规模化落地的差距，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，拥有15年的整车、机器人及自动驾驶领域的研发与管理经验。公司主要产品是面向城市开放场景的服务机器人，已在超过40个城市投入运营。

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、模型训练到多端部署和远程运维的全栈闭环。作为少数积极投身于此领域的公司，库萨希望通过该平台解答行业普遍存在的疑问：为何具身智能的规模化落地，依赖于专用平台的建设？

01. 城市级具身智能的挑战何在？

许多从自动驾驶领域转型的机器人团队起初认为，将二维问题提升到三维即可。库萨团队最初也持有类似看法，但深入实际场景后发现，评价标准已完全不同。

核心区别在于评价方式的转变。在相同场景下，乘用车只需安全抵达目的地，而城市环卫机器人则需要主动与物体互动并做出判断。例如，路面上一个鼓起的黑色塑料袋，其内部填充物（砖头、水瓶或空瓶）决定了环卫机器人所需采取的不同处理方式。自动驾驶车辆可能直接碾过或绕行，但环卫机器人必须先尝试清扫，若无法清扫再做下一步决定，因为其核心任务是清除垃圾，绕开物体等于未完成工作。

评价方式的改变揭示了一个被低估的难点：物理交互。库萨科技联合创始人兼CTO陶圣指出，自动驾驶对接触力学不甚关注，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将末端清扫结构的力矩反馈、旋转控制与整车控制深度耦合。从“汽车”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。

02. 为何选择城市作为切入点？

陶圣解释，库萨选择城市场景是基于对真实且紧迫需求的判断：城市空间复杂性高、技术壁垒强，同时能够直接产生可落地的商业价值，是验证具身智能工程化能力的理想场所。更重要的是，城市服务机器人行业的市场渗透率不足1%，是一个巨大的蓝海市场。

尽管挑战重重，但明确的回报使得这项业务值得长期技术投入。这种高门槛也决定了城市级具身智能需要一个专属的工程平台，而库萨的答案便是Kusa Robo Platform，其背后是三项核心技术的支撑。

03. 底座、燃料与大脑：库萨的核心技术

库萨发布的三项核心技术各司其职：Kusa OS是专为城市级具身智能设计的操作系统，负责机器人的稳定运行和实时调度；Corner Factory是数据工厂，用于从数据中自动挖掘、清洗和标注长尾场景；Kusa Omni-CTS是全模态具身模型，涵盖场景感知、认知理解到动作输出的完整流程。这三项技术共同旨在解决机器人在城市中“跑得稳、学得快、懂场景”的问题。

Kusa OS的首要任务是确保“跑得稳”。该操作系统的研发可以追溯到2018年，当时库萨核心团队在进行码头无人驾驶项目。ROS2是机器人领域主流的开源框架，虽然易于使用且灵活性高，便于研究者快速验证算法，但其硬实时性不足，可能导致不可预期的延迟和抖动，对城市服务场景的长期稳定性和实时性构成风险。

因此，库萨选择从底层自主研发Kusa OS。码头场景与城市服务一样，需要7×24小时不间断运行，对长期稳定性和实时性要求极高。基于此真实需求，库萨从零开始自主研发了一套系统，核心思路是简化系统结构，严格控制每个模块，从而提高稳定性。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，自研OS也付出了巨大代价。陶圣表示，最大的挑战在于工具链不完备。ROS2社区拥有丰富的开源资源，覆盖了实时监测、机器人动力学仿真及场景重建等全链路，而自研则需要全部自行构建。库萨的解决方案是重新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。这种自研换来了底层的自由度和实时稳定性。

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。库萨的数据飞轮在公司首个量产产品落地时已打通整套流程，目前自动标注的比例已从早期的80%提升至90%以上。

陶圣介绍，完整的数据链路是：机器人在作业中遇到异常情况自动停车，保存前后若干秒的多传感器数据；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、车牌等敏感信息脱敏；接着进行自动标注，从2D分割分类升级到3D占用网格和三维重建；最后由人工进行修补和确认。随后，专用模型筛选出真正值得学习的长尾场景，并将其输入模型进行训练。

在Corner Factory中，Kusa Omni-CTS能够基于单帧真实场景生成时序视频流，并同步派生3D点云及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间建立物理级空间约束，确保空间理解的准确性，支持数据闭环的高效运转和模型周级迭代。

陶圣坦言，数据飞轮或流程本身并非壁垒，数据才是真正的壁垒，因为数据与场景高度相关，未见过的数据无法凭空生成。数据飞轮带来的先发优势，本质上需要时间和规模的积累。

顶层的Omni-CTS作为“大脑”，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，而非某个具体技术。他形容公司是“缝合怪”，但这种缝合是将视频生成、时空编码、3D Gaussian等前沿技术融合成一套原创解决方案。在工程化领域，这更准确地说是模型结构的创新，突破了模型异步输入的难点。

具体问题在于，机器人上的多个传感器数据采集频率不同（如激光雷达10Hz、相机30Hz、IMU 1000Hz），强制同步会导致卡顿或矛盾，从而大幅降低模型性能。

Kusa Omni-CTS通过两层机制解决这一问题：

第一层是跨模态异步特征对齐。摒弃传统的离散帧对齐，在高维隐空间构建连续时空曲线，使视觉、激光、IMU、力矩反馈等数据按各自节奏采集后，能在模型中自动“对表”，实现数据自然流动，无需昂贵的硬件同步。

第二层是物理一致性预测，这是对“物理交互”难题的回应。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，还能基于物理规律和环境变化，预判未来可能发生的状况，并选择最合理的执行方式。

从硬件角度看，该设计对硬件改动不大，却解决了因时间抖动导致模型能力大幅下降的问题。在具身智能领域，多模态融合被认为是最终的解决方案，兼具上限和兜底能力。

对库萨而言，研发和工程化并非割裂的活动。单纯的研发无法落地，而单纯的工程化则难以维持技术壁垒。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、数据飞轮和全模态融合的协同，则将研发成果转化为稳定、快速学习的工程系统。可以说，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。虽然单一技术可能在短期内被复制，但OS、数据飞轮和全模态融合的深度耦合，加上城市场景的时间积累，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。

04. 成果如何？

既然将此视为一场考试，那么成绩至关重要。目前，库萨的具身智能产品已部署到40多个城市。从增长速度来看，公司在三年内从零起步，交付规模连续实现数倍甚至数十倍的扩张，在细分赛道中表现突出。

在中大型开放道路场景，库萨已实现商业模式的跑通，并进入常态化运营阶段，产生实际作业价值。但陶圣也保持了清醒的认识：“从存量来看，规模化问题尚未完美解决。场景泛化能力仍需提升，硬件尚未经历极端天气考验，产能也正从单线500台向5000台迈进。”

他直言不讳：“在真正验证之前，一切都还只是纸上谈兵。”这是因为从0到1、1到100、100到10000的量产爬坡，每个阶段都面临不同的挑战，难以界定哪个阶段“更难”。唯一可以确定的是，在这个过程中，技术迭代始终由真实需求驱动——真实世界中的长尾场景总是超出预期。

第一个有说服力的场景来自一根“不起眼”的鱼竿。库萨从市政道路拓展到公园、园区、景区等更接近人的场景时，会遇到钓鱼者放置的细长鱼竿。此前团队专注于地面分割，检测水管电线，从未预料到空中会有如此细小的物体，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，旁边有学生在跑动。基于对该场景的语义理解，机器人能够判断奔跑的学生可能是这些物品的主人，书包和文具属于临时存放，因此不予清理。次日，若书包和人都不在，同样一张纸则会被判定为遗留垃圾。这一场景判断的实现，依赖于大模型对整张图片的语义理解能力，能够将人、物、时间、空间关联起来。

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

除了长尾场景，平台还需支持形态切换。平台通用性最显著的证据是“一脑管理多形”。在短期内，同一套栈就从轮式机器人切换到了双轮足式，机械臂控制也从轮式车型上的2到3个自由度，平滑扩展到多自由度。这意味着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、圈数等统一抽象为上层算法无法感知的量，再由底层运动学模型转化为可执行指令。陶圣将其比作人类游泳时无需刻意思考打水动作，动作会逐渐内化为肌肉记忆。一脑管理多形的奥秘也在于此：大模型负责顶层思维，底层模型则负责具体执行和“肌肉记忆”。

未来平台进化的最大空间在哪里？陶圣明确表示，仍在大模型。OS底层技术枯燥、迭代缓慢，目前已基本够用。而大模型正回归数学本质，开始引入物理和数学的硬约束，例如利用流体力学描述物理概念并嵌入世界模型，使3D空间理解成为行业共识。

具身智能的操作系统不太可能像手机那样出现一家独大的局面，机器人场景的碎片化程度远超手机和PC，最终很可能呈现“多家分天下”的格局。

在行业终局到来之前，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，从而提升城市的智慧运转效率和韧性。