过去几年，机器人行业追逐着一个又一个趋势：人形、四足动物、机械臂和大型物理基础模型。但在这种混乱的背后隐藏着一个决定性的问题：机器人如何从令人印象深刻的演示转变为可扩展的商业价值，并随着时间的推移不断变得更好？

这实际上并不是一个关于技术的故事。这是关于一家拥有世界上最大的商业机器人车队的公司将十年来的真实世界数据、来之不易的对操作环境的理解和系统工程转化为竞争对手在未来十年难以复制的优势。

PuduFM 1.0 和 PuduAgent 是 Pudu Robotics 对这个问题的答案。该公司刚刚完成新一轮融资，估值达到数百亿美元，推出了两项体现智能的基础技术： PuduFM 1.0，一种机器人基础模型，以及通用的实体代理平台 PuduAgent。 PuduFM基于物理直觉的理念重建机器感知世界的方式； PuduAgent 提供统一的软件基础，​​使智能在物理世界中发挥作用。如果 PuduFM 是大脑（具有物理直觉），那么 PuduAgent 就是承载该大脑并指导其执行操作的身体。他们共同实现了 Pudu Robotics 多年来一直致力于实现的战略：一个大脑，多个体现。

为什么 Pudu Robotics 着手为机器人打造统一的“大脑”？

当今的具身智能竞争，焦点已从“形式创新”转向“核心突破”。

当今绝大多数机器人的现实是这个：机器人可以看到障碍物，但它们无法理解“倾斜”的含义；机器人可以规划一条路径，但它们无法预测下一秒会发生什么nd. 人类眼中的常识，对于机器人来说却是一座难以攀登的高山。

Pudu Robotics 很早就遇到了这个障碍。 2017年，其第一代配送机器人PuduBot运送两盘食物穿过挤满食客的狭窄过道。高峰时段人群的压力、地板上的油脂、孩子突然奔跑——所有这些看起来都不像标准数据集中的干净样本。这是每天都在上演的混乱现实。这段经历让普渡机器人公司认识到，现实世界远比任何实验室想象的复杂，而应对现实世界的能力（在现场而不是实验室中获得）已成为公司核心工程 DNA 的一部分。

到 2024 年，普渡机器人公司已成为业界第一家构建涵盖交付、清洁、工业和通用嵌入式人工智能的全品类、多形式产品矩阵的公司。但产品阵容越丰富，结构性问题就越尖锐m 变成：如果每个产品都需要单独训练大脑，那么研发资源就会被稀释，跨产品线的数据无法共享，陷入“一机一模”的陷阱。

这个陷阱其实是整个行业的一个缩影。其背后隐藏着三个复杂的困境：

首先，超长视野任务中的目标漂移。在真正的商业交付中，机器人的工作很少是以分钟为单位的快速、独立的行动。这是一个持续一个小时或更长时间的工作链，由多阶段决策、不断变化的环境以及与人的互动交织在一起。为了将订单送到酒店房间，送货机器人必须乘坐电梯，给行人让路，并找到正确的门——每一步的小错误都会累积起来，直到任务偏离了它的初衷。 Pudu Robotics 自己的部署数据显示，在连续执行超过 30 分钟的任务时，传统系统可能会失败多达 40 次% 的时间，而且任务运行的时间越长，这个数字就会急剧上升。根本问题在于缺乏长期记忆和任何回头路。

第二，无休止地做同样的事情。虽然导航、操控、交互三大核心能力已经各自模块化，但长期以来缺乏统一的抽象定义和编排接口。每个新项目、每个场景的变化都需要大量的定制开发来连接和适应它们。看似简单的转移——比如从餐厅送餐到酒店送餐——仍然需要对底层算法进行深入调整，而不同配置的机器人之间几乎不会发生经验转移。以工业AMR为例：采用传统方法，完成现场勘察、测绘、调试的全过程至少需要几个月的时间。

第三，物理领域的集体盲点直觉。 大多数现有代理都是基于语言和符号系统构建的。他们擅长任务理解和信息处理，但严重缺乏物理过程的建模。以“拿起一个倾斜的杯子”为例：语言模型可以生成完美的任务序列，但实际执行它涉及多种物理约束——抓握位置、力控制、姿势调整和预期接触稳定性。机器人可以看到物体，但无法理解物理因果关系；它可以移动关节，但却无法准确计算接触的后果。

这三个困境都指向一个根本原因：机器人行业缺乏一个统一的认知系统，可以整合感知、预测物理、在时间维度上保持目标一致性以及跨形式共享。这正是 Pudu Robotics 决心拆除一切并重新开始的原因。

如何“在”普渡机器人公司对这些结构性问题的回应是一种被称为“一个大脑，多个体现”的策略：不同形式（专业、半人形和人形）和不同类别（送货、清洁、工业和通用体现智能）的机器人都共享一个统一的端到端模型和软件架构，以便单个模型可以解决这些问题

由于该算法是端到端的并且可以从数据中学习，因此在交付中建立的核心能力可以干净地转移到清洁和工业工作等新领域，从而足以将新产品快速推向市场并保持整个产品线的体验一致。

这使产品范围摆脱了任何垂直领域的限制，从用于交付的 BellaBot Pro 到用于清洁的 CC1，再到 T 系列工业。 AMR、D5 机器狗、D9 人形机器人以及新推出的 PUDU D7 工业半人形机器人，Pudu Robotics 的产品可能看起来非常不同，但它们越来越多地建立在相同的共享技术基础上。

PUDU D7 的到来使这种架构变得更加切实。 D7 专为制造和工业环境而设计，将“一个大脑，多个实施例”策略扩展到复杂的物理工作流程，例如物料搬运、货架拣选、库存补货、内部物流运输和工厂车间的精确操作。它由 PuduFM 1.0 提供支持，汇集了自主移动、双臂操纵、触觉传感、360 度环境感知和现实世界数据循环，使系统能够不断从工业任务中学习。从这个意义上说，D7是同一共享智能层的具体工业表达，展示了Pudu Robotics如何将基础模型能力转变为能够理解工作流程、适应环境的机器人。适应不断变化的条件，并将新体验反馈到更广泛的产品系列中。

导航、操纵和交互在这一架构下紧密集成：

• 导航：普渡机器人公司从激光 SLAM 和 VSLAM 算法的内部融合发展成为第一个推出自动驾驶级、端到端 VLA 算法的公司，完成了从模块化到数据驱动的范式飞跃
• 操控：从配备机械臂的送货机器人，到适用于酒店和工业环境的半人形机器人PUDU D7，再到全尺寸双足人形机器人D9，操控的边界不断扩大。
• 交互：从BellaBot系列开创性的触摸和面部表情交互，到基于大模型的自然语言交互，机器人正在获得“智商”和“智商”的双重提升。 “EQ。”

该架构还具有自内置增强循环。更大的车队收集更多的真实世界数据；更多数据使模型更智能；更智能的模型造就更好的产品；更好的产品得到更广泛的部署。知识和能力不断在机器人形态之间流动，并在此过程中得到重用和完善。

Pudu Robotics 的出货量超过 130,000 台，占据全球商用服务机器人市场 23% 的份额，是第一个在实体智能领域实现架构转变的公司，将规模优势转化为不断旋转的数据飞轮。让《一脑多实施》从计划变成现实的是其核心的配对：PuduFM 1.0和PuduAgent。

PuduFM 1.0：重塑机器人的“物理常识”

那么这个“统一大脑”究竟应该如何构建？

2019年，普渡机器人在深圳宝安机场进行了一次送货试点。有一个现象让工程师们感到困惑：每当机器人经过一段高反光的玻璃幕墙时，它会突然减速甚至停下来——它以为看到了障碍物，其实是玻璃反射的影子。首席工程师后来反思，如果机器人只能通过传统的“模式匹配”来处理环境信息，它永远无法处理所有未知的场景，因为它缺乏“理解”的能力。

这正是PuduFM 1.0要解决的核心问题：从“匹配”到“理解”，从“看到”到“预见”。 本质上，这是大脑从“感知智能”到“认知和身体智能”的范式飞跃。

该领域的大多数行业努力都陷入两个陷阱之一：要么将世界模型粗暴地缝合到VLA模型上，在认知和执行之间留下难以弥合的信息鸿沟；或者他们使用单一的、臃肿的端到端模型来覆盖每个功能，其计算冗余使得很难保证实时控制所需的轻量级响应能力。 PuduFM 1.0的选择是构建业界首创、轻量级、物理直觉驱动的基础模型，其中两个核心模块在神经层面实现表征协同。

物理直觉模型（PIM）：让机器人“看到未来”

PIM赋予机器人预见性。它建立在因果注意力变压器的基础上，具有槽注意力和图神经网络表示，锁定场景中重要的对象，并明确地模拟它们如何与一个对象交互。其他——举起杯子的桌子、夹具与其所持物体之间的摩擦力、物体变形时重心移动的方式。

这不是对原始像素的猜测；而是对原始像素的猜测。它是在潜在空间中学到的世界动态。一旦模型能够采用当前状态和计划的行动，并准确地预测下一秒后世界将是什么样子，它就可以开始引导行动本身。处理一个它从未见过的物体，只要它理解物理，它就可以预测与之交互会发生什么，这是清除泛化障碍的真正关键。

因此，当一个奔跑的孩子撞到机器人并且它的咖啡杯开始翻倒时，具有 PIM 的机器人不会等到它“看到杯子掉下来”才做出反应。它会在杯子开始倾斜的瞬间读取风险，并调整其姿势以稳定托盘。

值得强调的是，PIM坚决拒绝直接照搬世界模型的像素级未来预测，而是选择稀疏状态预测，实现了三大技术突破：

1. 计算效率：避免冗余的逐像素计算，支持更高频的实时推理。
2. 面向控制。对齐：它预测状态表示而不是视觉像素，避免了“看得清楚但控制不好”的问题。
3. 认知本质提取：在潜在空间内，它剥离了视觉纹理等表面干扰，以精确捕捉物理动力学的本质。

PIM不仅仅是一个预测者；它是一个预测者。它也是一个“法官”。它产生的优势估计实时引导 VLA 采取最佳行动，一旦发现碰撞或不稳定的风险，它就会介入修改计划。

视觉-语言-动作模型 (VLA)：在统一空间中对齐三种模态

如果说 PIM 解决了“物理认知”问题，那么 VLA 则解决了“模态对齐”问题。主流VLA架构存在结构性缺陷：语言、视觉和动作在不同的特征空间中处理，导致机器人推理时出现“模态错位”。

PuduFM 1.0 中的 VLA 模块是第一个在单个统一特征空间内实现所有三种模态深度对齐的模块，其信息流在三个中展开。阶段：

1. 第一阶段：物理直觉指导。 PIM 将物理先验深入注入 VLA 决策流程，为行动生成提供潜在的物理合理性约束。
2. 第二阶段：分层语言视觉编码。 低级特征捕获纹理和几何细节，高级特征提取任务语义和意图，交叉注意力将 PIM 的输出与视觉和语言特征深度融合。
3. 第三阶段：渐进动作生成。 高级语义首先确定动作的意图，低级视觉然后细化最终执行器轨迹，物理直觉不断监督可行性。例如：

“抓住杯子”→“靠近中间”→“抓握力必须比滑动阈值更硬。”

通过语言设定方向、视觉锐化细节、物理控制路线，最终的动作不再是模态之间的粗略缝合，而是在一个共享空间中出现的连贯决策。同样重要的是，它消除了导航和操纵之间的旧鸿沟：规划沿着长走廊的路径并发挥作用现在，作用在形状奇特的包裹上的右力在相同的物理原理上运行，因此 Pudu Robotics 机器人无缝地连接了“去哪里”和“做什么”。

由于 PIM 和 VLA 可以在不同的物体上进行推广，因此机器人的具体化不再是模型功能的上限。它只是同一个大脑的另一个血管。每个机器人在现场生成的交互数据都会回流到一个架构并反馈给循环，这就是“一脑多体现”大规模工作的原因。

PuduAgent：为物理世界构建通用代理平台

PuduFM 1.0 回答了“机器人如何理解世界”的认知问题。 PuduAgent 回答了“如何在实际商业环境中大规模发布这种理解”的系统工程问题。

回顾移动互联网的爆发，关键的转折点不是硬件性能的提升，而是iOS和Android将复杂的硬件功能抽象为标准API，让开发者能够专注于应用层创新。普渡机器人认为，机器人要真正大规模部署，必须有一个统一的物理代理系统，让开发者像组装标准模块一样灵活地构建能力，而不是每次都重新发明轮子。 PuduAgent 位于 PuduFM 的顶端，专为全球开发者设计，包括三层架构：系统层、能力层、安全层。

系统层：赋予机器人“永不遗忘”的认知基础

1. Agent Core

Agent Core是系统层的核心能力，让机器人像人类值班主管一样思考。以酒店配送为例：它首先进行宏观层面的战略分解。例如，它将“给32楼的客人送一杯拿铁”分解为：

“去大堂吧取单→呼叫电梯→到达32楼→识别房间号→将订单交给客人。”

这个流程一旦设定，就会细化为微观层面的战术执行，例如：

• “绕过正在清扫的CC1” ”
• “等待电梯门打开，确认空后再进入。”

当通道暂时被堵塞时，不会硬性抛出错误；相反，它立即重组执行后续步骤，通过替代路径重新路由，并重新计算时间。

2. Agent Memory

Agent Memory将机器人变成了永不忘记的“老员工”。它引入了三层记忆结构：

• 工作记忆维护关键检查点。
• 情景记忆存储点以前在同一场景中发生错误，因此机器人下次会自动做出正确反应。
• 内存压缩和抽象系统将异常情况编码为可调用的调度参数。

如今，Pudu Robotics的运送机器人已部署在世界各地的许多医院中，它们每天必须将药物和标本运送到不同的楼层和病房，经常切换电梯，穿越连接走廊，并避开早高峰一路上人潮汹涌。正是这种机制，让机器人在持续长达一小时的连续任务中保持清晰的目标。

能力层：像积木一样重用能力

在一家同时运行 BellaBot、CC1 和 PuduBot 的酒店中，这三台机器是相互独立开发和部署的。然而，在 PuduAgent 的能力层架构下，诸如 na 之类的原子技能导航、避障、路径规划、电梯交互和语音响应被抽象为标准化模块，并保存在任何授权机器都可以调用的能力库中。这样，当扫地机器人第一次进入新楼层时，不需要重新绘制地图，可以直接调用该楼层已经积累的地图和避障数据；新引入的AMR不需要重新学习如何乘坐电梯，它直接调用现有的电梯交互技能，仅将参数调整到自己的维度。

更值得注意的是，能力层对底层模型保持透明：在已知的固定场景中，它调用经过彻底验证的端到端导航算法，而在未知或高度动态的场景中，它切换到零样本泛化的VLA模型。开发人员无需关心底层运行的是哪个模型；他们只定义任务目标，并且系统自动进行技能匹配和调度。

安全层：物理世界中不可逾越的红线

在每个动作执行之前，安全层都会进行可行性判断：这个动作是否满足物理约束？它主动识别潜在碰撞、过载和不稳定等风险，当检测到异常时，它会调整或中止任务，而不是严格继续执行。通过将安全约束从应用层提升到平台层，有效降低了现实环境中的试错成本。

从单机智能到群体协调和开放生态

PuduAgent的真正优势之一是将不同类型机器人之间的协调从理论变为现实。通过共享的Agent OS调度器，不同形态、不同限制的机器成为标准的、可调度的资源；系统b根据任务、环境以及每台机器当前可以执行的操作，实时分解、分配和重新分配工作。通过共享内存，机器人还保留环境和工作进度的共同画面，因此信息不会碎片化，工作不会重复完成。

对于开发人员，Pudu Robotics 提供完整的 SDK、模拟环境和 SkillHub 市场。

第三方开发人员可以例如在模拟中构建药品仓库，从 SkillHub 中提取现成的“仓库导航”技能，添加“温度和湿度”模块，编写自己的模块“有效期检查”，并将批次作为“药房检查”应用程序发货。他们不需要了解 SLAM 背后的数学原理，不需要调试 LiDAR 驱动程序，甚至不需要物理机器人——模拟中的工作内容可以直接转移到 Pudu Robotics 硬件上。

更多技能意味着更广泛的覆盖范围；更多的开发人员意味着更多的技能。一旦飞轮转动，它就会成为一个生态系统任何人都难以复制的优势。

结论

虽然业界仍在争论哪种形式的机器人将获胜，但 Pudu Robotics 已经悄然改变了这个问题。重点不在于哪个机器人统治一切，而在于多种形式的机器人如何在一个大脑的控制下协同工作，为人类服务。

这意味着你在酒店、医院、工厂和购物中心遇到的机器人将不再是遵循脚本、盲目前进的僵化机器。就像训练有素的同事一样，他们会读懂您的意图，看到即将出现的麻烦，在您需要时配合，并在您经过时轻松让开——优雅地送上一杯咖啡，或者在工地安全地搬运困难的电梯。这种体验的背后有一个清晰的堆栈：一个大脑，多个实施例作为框架，PuduFM作为引擎，PuduAgent作为执行平台。

给物理世界一个思想，并体现智能一套生存规则。的c普渡机器人领先的实体智能商业化才刚刚开始。