尽管在结构化环境中部署机器人技术已相当成熟，但将其应用于开放的城市街道等非结构化场景，挑战呈指数级增长。尤其在需要全天候不间断运行的城市户外环境中，机器人必须能够应对各种天气条件以及复杂的人流和车流。

《具身智能发展报告》指出，当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，不可否认的是，到2026年，具身智能将从技术验证阶段转向实际应用阶段，而城市服务领域正成为检验其落地能力的“考场”。

面对这一挑战，库萨科技专注于“让具身智能服务于开放的城市场景”，并采取了整合数据采集、模型训练和机器人部署的全栈工程方法，旨在确保机器人在真实世界中能够稳定运行。库萨科技认为，要克服规模化部署的障碍，研发能力和工程化能力必须同样突出。

库萨科技成立于2023年，其核心团队汇聚了来自清华、上海交大等高校的精英，团队成员拥有15年的汽车、机器人及自动驾驶研发管理经验。公司专注于面向城市开放场景的服务机器人，其产品已在超过40座城市投入使用。

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。该平台实现了从数据采集、模型训练到多终端部署和远程运维的全栈闭环。作为少数深度参与这一“考场”的公司，库萨科技希望通过此举解答行业普遍存在的疑问：为何专用的工程平台是实现具身智能规模化落地的关键？

01. 城市级具身智能为何如此困难？

许多从自动驾驶领域转型到机器人领域的团队，起初都认为这不过是将二维问题提升到三维的复杂度。库萨科技的团队也曾抱有此想法，但深入实践后发现，基准和评价标准已发生根本性变化。

最核心的区别在于评价体系的转变。对于自动驾驶汽车，从A点到B点且不发生碰撞、乘坐舒适即为成功。然而，城市环卫机器人则需要主动与各种物体发生交互并做出判断。例如，一个路面上的黑色塑料袋，其内部可能是砖头、装满水的矿泉水瓶，或是空瓶子，这些情况需要截然不同的处理方式。自动驾驶车辆可以简单地碾过或绕行，但环卫机器人必须尝试清理，若无法清理再做下一步决定。因为环卫机器人的核心任务是清除垃圾，绕开物体意味着未能完成工作。

评价方式的变化背后隐藏着一个常被低估的维度和难点：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的关注度不高，是因为汽车行业积累深厚，底盘已相对成熟。而城市服务机器人则必须实现末端清理结构的力矩反馈、旋转控制与整车控制的深度耦合。从“汽车”到“机器人”的跨越，关键在于此。要处理好物理交互，仅靠传感器不足够，还需要模型对物理世界有深入的理解。

02. 为何选择城市作为切入点？

陶圣表示，这一选择源于对真实且迫切需求的洞察。城市空间复杂度高、技术壁垒强，同时能直接产生可落地的商业价值，这为验证具身智能的工程化能力提供了理想的土壤。更重要的是，城市服务机器人行业的市场渗透率尚不足1%，是一个潜力巨大的蓝海市场。

尽管面临巨大挑战，但回报明确的业务，也正是值得长期投入的“难而正确的事”。这种高门槛决定了城市级具身智能需要一套专门的工程平台，而库萨科技的Kusa Robo Platform便是为此而生，其核心技术体现在三个关键方面。

03. 底座、燃料与大脑

此次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，负责自动挖掘、清洗和标注长尾场景数据。Kusa Omni-CTS是全模态具身模型，负责从场景感知、认知理解到动作输出的完整链条。这三项技术共同致力于解决机器人在城市中如何“跑得稳、学得快、懂场景”的问题。

Kusa OS率先解决了“跑得稳”的问题。该操作系统的研发可以追溯到2018年库萨团队在码头无人驾驶项目上的经验。ROS2是机器人领域主流的开源框架，虽然易于研究者快速验证新算法，但其硬实时性不足，可能导致不可预期的延迟和抖动，这在对长期稳定性和实时性要求极高的城市服务场景中存在风险。因此，库萨科技选择从底层自主研发Kusa OS。

与城市服务类似，码头场景也需要7x24小时不间断运行，对长期稳定性和实时性要求极高。库萨科技基于场景的真实需求，并结合数据分发技术，自主研发了一套精简且模块化控制的系统，以实现更高的稳定性和可控性。经过长期迭代，该系统在长期稳定性、确定性调度和时延抖动压缩方面取得了显著成效。

然而，自主研发OS也付出了巨大的代价。陶圣坦言，最大的挑战在于工具链的不完善。ROS2社区拥有大量开源贡献，覆盖了从实时可视化监测到机器人动力学仿真、再到场景重建的全链路。自主研发则意味着需要从头构建这一切。库萨科技的解决方案是重新搭建一套编程工具链，利用描述性语言自动生成初始化代码，以降低迁移成本。自主研发换来了底层的自由度和实时稳定性。

如果说OS是底座，那么Corner Factory就是“燃料”，它解决了“持续学习”的问题。库萨科技的数据飞轮已成功运转，在首个量产产品落地时，整套数据管线已打通。如今，自动标注的比例已从早期的80%提升至90%以上。

陶圣介绍，完整的数据链路是这样的：机器人在作业中遇到异常情况停机，会自动保存前后一段时间的多传感器数据。返回作业站点后，数据采集器将其传回数据工厂。首先进行人脸、车牌等信息脱敏，然后进入自动标注流程，从2D分割分类升级到3D占用网格和三维重建。人工进行最后的修补和确认，再由专用模型筛选出真正值得学习的长尾场景，入库后用于模型训练。

在Corner Factory中，Kusa Omni-CTS能够基于单帧真实场景输入生成时序视频流，并同步派生出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之间建立物理层面的空间约束，确保空间理解的准确性，从而支持高效的数据闭环运转和模型周级迭代。

陶圣坦言，数据飞轮或管线本身并非壁垒，真正壁垒在于数据本身。因为数据与场景高度相关，未曾见过的数据无法凭空生成。数据飞轮带来的先发优势，本质上是时间和数据量的积累。

作为最顶层的“大脑”，Omni-CTS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，而非某个具体技术的突破。他甚至自嘲公司是“缝合怪”，但这种“缝合”并非简单拼凑，而是将视频生成、时空编码、3D Gaussian等前沿思路整合，形成一套原创解决方案。在工程化领域，这更准确地被描述为模型结构的创新——它突破了模型异步输入的难题。

核心问题具体表现为：在真实机器人上，多个传感器（如激光雷达10Hz、相机30Hz、IMU可能1000Hz）的采样频率不同，数据输入节奏不一致。强制同步会导致等待卡顿或数据冲突，从而大幅降低模型性能。

Kusa Omni-CTS旨在解决此问题，其方案分为两层： 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。不同传感器按照各自节奏采集数据，进入模型后自动“对表”，实现数据的自然流动，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事件，还能基于物理规律和环境变化，预测未来可能发生的状况，并选择最合适的执行方式。

从硬件角度看，这一设计对硬件改动不大，但有效解决了因时间抖动导致模型能力下降的问题。在具身智能领域，多模态融合是最终的解决方案，兼具上限和兜底能力。

对库萨科技而言，研发与工程化并非割裂。仅有研发难以落地，仅有工程化则无法维持技术优势。库萨科技将两者置于同等重要的位置。Kusa Omni-CTS的结构创新、自研OS的底层重构，体现了深厚的研发实力；而OS、数据飞轮、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，研发是库萨科技的基础，而工程化则是其核心竞争力。

三项技术结合，形成了一个认知进化的闭环。从更深层次看，虽然单一技术点可能在短期内被复制，但OS、数据飞轮、全模态融合的深度耦合，加上城市场景的时间积累，构成了全栈协同的系统性优势，为库萨科技筑起了独特的护城河。

04. 是否已成功跑通？

既然前文将此比作一场考试，那么成绩如何是关键。

目前，库萨科技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，在这一细分赛道中表现突出。

在中大型开放道路场景，库萨科技已进入常态化运营阶段，实现了商业模式的验证和实际作业价值的产出。但陶圣也冷静地指出，规模化部署仍未完全解决。场景泛化能力有待提升，硬件尚未经受极端天气考验，产能也正从月产500台向5000台的目标迈进。

他直言不讳地表示：“在得到验证之前，一切都只是纸上谈兵。”这是因为，量产爬坡的每个阶段（从0到1，1到100，100到10000）都面临不同的挑战，很难说哪个阶段“更难”。

唯一可以确定的是，在这一过程中，技术迭代始终由真实需求驱动——真实世界中的长尾场景永远比预设的要多。

第一个有说服力的场景是“一根不起眼的鱼竿”。库萨科技从市政道路扩展到公园、园区、景区等更贴近人群的场景时，有时会遇到有人将鱼竿斜靠在路边，这种细小的物体（直径一两厘米）此前从未被纳入地面检测范畴，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“书包旁的纸和铅笔”。傍晚时分，机器人看到一个书包和旁边的纸笔，附近有学生在奔跑。通过对该场景的语义理解，机器人能判断奔跑的学生可能是文具的主人，书包和文具属于临时放置，因此选择不清理。第二天，当书包和人都不在时，同样的一张纸，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，这些迭代之所以能够快速发生并部署到机器人内部，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，平台还需要能够适应形态切换。平台通用性的一个有力证明是“一脑管理多形”。在短期内，同一套技术栈就实现了从轮式机器人到双轮足机器人的切换，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差异和控制矩阵差异。库萨科技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直接感知的量，再由底层运动学模型转换为可执行指令。陶圣将其比作人类游泳时无需刻意思考划水动作，动作会逐渐变为肌肉记忆。一脑管理多形的奥秘也在于此：大模型负责顶层思维，底层小模型负责具体执行和“肌肉记忆”。

未来平台进化的最大空间在哪里？陶圣明确表示，仍在持续优化大模型。OS底层虽然枯燥、迭代缓慢，但目前已基本满足需求。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，未来很可能是“多家分天下”的格局。在行业终局到来之前，库萨科技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，从而提升城市运行的效率和韧性。