智客ZhiKer获悉，具身智能企业橡木果机器人（Acorn Robot）已完成天使轮融资，领投方为招商局创投和蔚来资本，本轮融资将主要用于面向工业柔性生产的机器人产品研发、品牌体系构建与市场拓展。
2024年底，姜峣作为发起人，与其他8位清华大学机械工程系博士成立橡木果机器人公司。他是清华机械工程系博士、哈佛大学工程与应用科学学院博士后，深耕机器人操作领域近15年。
同时，他也是清华唯一一个机械工程背景投身具身创业的人，与当前绝大多数来自计算机、软件、自动化和电子背景的具身创业者不同。在他看来，操作底层本质上是个接触力学问题行为，因此在2017年提出了"本能驱动"路线。
这是一条与主流VLA和世界模型路线完全差异化的技术路径。以触觉为感知底座，自下而上地让机器人通过本能反射"长"出操作能力。
具体而言，橡木果机器人将任务规划与操作执行解耦，上层大模型负责任务理解与分解，输出关键帧和语义约束；操作执行层则由橡木果自研的Natus本能模型和Magis技能模型承担，在物理世界中以毫秒级精度完成操作。这与主流VLA端到端方案把感知、决策、执行塞进一个黑箱模型的做法截然不同。
姜峣判断，操作的底层逻辑是交互行为，交互无穷无尽，跟语言不是一套逻辑。VLA本质是模仿，无法从底层理解操作。模型越大越脆弱，本体差异、接触特性一变就会崩。触觉是第一"目击者"，视觉只是旁观者，VLA里连触觉数据都没有，只能照猫画虎。
2026年3月，公司完成近亿元种子轮融资。5月，完成首个柔性产线POC验证。6月，正式发布"本能驱动"技术路线。姜峣说，从提出本能驱动到现在，团队在这件事上投入了八年的时间。
在本轮融资发布之前，我们见到了他，聊到了"本能驱动"的神经科学起源、为什么VLA路线走不通、任务规划与操作执行为什么要解耦，以及一个做了15年机器人操作的人，为什么选择在2024年底才走出来创业。
橡木果机器人（Acorn Robot）发起人姜峣
▎以下为与姜峣的对话全文，略有删减：
关于路线选择智客ZhiKer：你在机器人领域做了十五年，为什么到2024年底才成立公司？
姜峣：当时我们沿着这条技术路线已经探索了多年，创业是为了给这个技术找到一条最快的迭代路径。从2025年我们正式启动商业化，一年内就走完了从技术积累到落地的闭环。
智客ZhiKer：2017年你就提出"本能驱动"这条路线了，最早是什么触发了您对这个方向的思考？
姜峣：2016年我从清华机械工程系博士毕业，又去哈佛读博士后，方向是神经科学，研究人的操作行为和运动行为。课题里我发现了一个机器人领域长期忽略的事实，操作行为和语言行为，底层机制完全不同。
语言没有先天本能。一个人不经过语言训练，一辈子学不会说话，这是后天数据驱动习得的能力。操作行为不一样，它是本能，出生就有，不需要教。把一个新生儿放到陌生环境里，只要他能看见东西，就会伸手去抓。全世界所有人抓东西的行为模式基本一致，有信号刺激就有反射。
李飞飞最早不是做计算机视觉的。她先学物理，后来在加州理工学院读博研究人的视觉神经机制，发现人能在几十毫秒内识别物体，而且是从全局到局部。后来她构建ImageNet验证计算机能不能达到人的水平。
她说，生物进化是从0到1，真正进化出智能，我非常认同这个观点，本能驱动的底层逻辑，跟这个一脉相承。
智客ZhiKer：怎么证明"本能驱动"用在机器人操作上，确实比走大脑决策那条路更好？
姜峣：人的触觉信号传到大脑要200到250毫秒，大脑决策再传回来，就算决策本身无限快，往返也要差不多500毫秒。
我们设计了一个最简单的实验来验证这个数字，让机器人抓一个从来没见过的物体，力度必须刚好，力气大了捏扁，力气小了掉落。
传统方法无非两条路。要么物理建模，解质量、质心、摩擦系数，但现实中你不可能装配前先解方程，而且完全没有泛化性。要么数据驱动，数据量大、模型大，实时性和泛化性都不行。
在实验中，从扰动出现到响应的时间远低于500毫秒，说明信号根本没传回大脑，而是在手部就完成了类似肌肉反射的执行。这些证据证明本能反射的存在，不需要大量数据传回训练后再指导动作。
之后我们又花了4年时间，在2021年，我们发现触觉中有一个"滑移"通道，抓东西时要掉不掉的感觉，这是一个最底层的本能感觉。
智客ZhiKer：当前主流的VLA端到端路线你怎么看？
姜峣：主张VLA路线的人，大多来自大语言模型、自动驾驶、图像生成这些领域，认为数据能解决一切，把工具看得比事情本身更重，这是路径依赖。
但操作的底层逻辑是交互行为，交互的可能性无穷无尽，跟语言完全不是一套逻辑。VLA本质是模仿，没办法从底层理解操作。你看Figure AI做的动作，会有很多莫名其妙的小动作，比如无缘无故扶眼镜，因为训练数据里混入了这些行为，它只是在拟合数据，找不到最流畅的执行方式。
操作不存在所谓的通用大模型，本体差异、接触特性一变，模型就会崩。模型越大越脆弱。触觉是第一"目击者"，视觉只是旁观者。VLA里连触觉数据都没有，只能照猫画虎。
智客ZhiKer：为什么要把任务规划和操作执行解耦，背后的思考是什么？
姜峣：任务泛化和硬件泛化的逻辑完全不同。乒乓球规则全世界都一样，这是任务；但每个选手的打法千差万别，这是硬件适配。
任务规划是人类社会定义的概念，什么叫叠衣服、什么叫衣服，这是自上而下的，通过大量数据驱动，见得多懂得多，能做到规则统一。操作执行是从本能出发、自下而上，解决的是怎么干，需要适配硬件、接触不同环境，可能性无穷无尽，靠本能去适应。
所以对操作来说，没有最好的预训练模型，只有最适配硬件的模型。它们不能在同一个黑箱里训练，必须各自独立演进，通过标准化接口协同。这是我们把任务规划和操作执行彻底解耦的根本原因。
智客ZhiKer： Natus和Magis是对应任务规划和操作执行吗？
姜峣：不，两者都在操作执行层，但分属不同阶段。
Natus是端侧自主决策模型，它能做到"零数据冷启动"，保证机器人一上来就会做。Magis是通用操作技能模型，依托Natus在真实物理世界探索产生的数据训练，实现一上来就熟练。
关系是Natus先通过本能催生行为涌现，让机器人自主"长"出操作能力，Magis再在此基础上积累技能，实现跨物体、跨场景的迁移。
举个例子，抓香蕉。Natus通过多次自主探索完成抓取，过程中不仅记录视觉图像，还通过触觉感知自动完成语义打标：香蕉重120克，质心偏左，表皮粗糙，硬度中等。这些力学语义被实时叠加到视频帧上，让Magis能真正理解物理世界的力学属性，而不只是外观。基于这个，机器人可以直接选最佳抓取位置、施加恰当抓力，高效完成任务，而且具备跨物体的泛化能力。
智客ZhiKer： Natus模型如何实现0数据启动？
姜峣：模型里定义的不是具体动作，是本能规律。通过“信息感知”的刺激直接构建出“本能”，即感知的期望，继而驱动机器人自主探索、收敛于该期望，最终自发涌现出操作行为。本能给了机器人一种渴望收敛的终点状态。
拿叠衣服举例：先定向找到要叠的角，再探索怎么捏住，最后执行捏裤腿和折叠。不管从哪个环节出发，动作最终都会受本能支配回到期望状态。我们刻意不直接定义动作，因为动作无穷无尽，而是定义期望，让本能驱动执行过程，核心是信息感知到动作输出的映射。
智客ZhiKer： 也就是说，这个模型里没有预先采集和训练好的数据？
姜峣：是的。Natus 不依赖任何离线的、预采集的数据集，但不意味着它不接触任何数据。
数据与预训练模型的数据完全不同。VLA等预训练模型收集的是样本数据，这些数据是脱离物理交互的、静态的、被所人类定义的，与真实物理世界存在Sim-to-Real鸿沟，且无法包含交互过程中丰富的、时变的力学信息。
Natus是在工作中实时处理交互感知信息，其包含了大量丰富的力学语义，这些信息是在真实物理世界“探索-交互”的过程中，实时在线产生的。是100%真实、100%与硬件适配的，因为它就是机器人自己“摸”出来的。
这里有一个我们反复强调的观点，没有人能在教室里学会游泳，必须亲自下水。最好的数据是真实物理世界中执行产生的数据，任何仿真器都无法100%还原。就像自动驾驶不可能在工厂里学会，必须把车卖出去让用户在各种路上开，数据不断回流反哺模型。
智客ZhiKer： 聊一下硬件。操作执行中采集数据的载体是什么？
姜峣：夹爪。
智客ZhiKer： 你们的触觉有什么特别的？
姜峣：我们从2019年开始自研视触觉传感器，用视觉方案做机器人手指触觉。这条路线走了七年，产品迭代了十几次。
迭代在两个层面同时进行。一个是拓展感知能力，从只能感知形面，逐步做到分布力、滑移、软硬等五大行为维度。另一个是产品化打磨，稳定性、耐久性、可靠性、鲁棒性，还有成本。
智客ZhiKer： 抓取速度有优势吗？
姜峣：肯定快。两个原因。模型非常小，能以250赫兹也就是4毫秒周期持续迭代，视频表现非常丝滑，而且整个模型跑在手指端侧，决策链路极短，响应更快，VLA模型太大，每一步都在"想"了再执行。
智客ZhiKer： 传感器怎么维护？
姜峣：传感器在在末端操作执行器中，两个末端执行器分别作了做快拆快换设计，如果坏了客户更换末端执行器就行。
传感器表面是硅胶材质，通过工艺和涂层处理保证两到三年力学稳定且耐磨，寿命达到千万次级别，这是工业现场的基本要求。
智客ZhiKer： 2025年就完成了商业化落地，你们聚焦哪些场景？
姜峣：柔性生产场景，尤其是SKU上千种的客户。这类客户动销需求高，换产时怎么快速适应是核心痛点。比如快消品，迭代周期极快。我们不做原材料加工，我们只做组装环节，零部件已经加工好，我们负责把它们组装在一起。
智客ZhiKer： 最终交付给客户的是什么？部署需要客户怎么配合？
姜峣：交付的是解决方案和服务，任务规划加操作执行一体化，能处理上下料、组装等完整任务。多个生产单元可以组成生产集群，实现分布式柔性生产。
形态上我们不做人形。工人对人形有抵触，而且人形增加了无价值的成本。我们用标准双臂形态，核心能力在末端操作和模型上。
部署方面，我们走过弯路。最早试过在客户已有产线里见缝插针式地改造，发现节拍跟不上上下游，配合出问题。现在分两步走。第一步独立接单生产，在旁边作业，好处是采集数据、深度绑定客户。第二步推动客户下一代产线全部用我们的生产单元方式构建，集成调试时间大幅缩短，换产灵活。
智客ZhiKer： 采集的数据回流到模型，客户会介意吗？
姜峣：模型分两层。底层通用模型不涉及业务数据，可以拿走训练。上层执行层的技能模型涉及客户工艺数据，属于客户资产，放在客户侧使用完全合理。客户最担心的就是数据被拿去给竞争对手用。
智客ZhiKer： 团队规模多大？融资后资金主要投向哪里？
姜峣：团队不到30人，70%是研发。
融资后的资金投两端：一是产品定义和设计，真正理解用户需求，把柔性生产单元产品定义好、设计好；二是品牌建设，影响市场、构建体系，产品生产全部外包。
智客ZhiKer： 最后一个问题，你最终想做成一家什么样的公司？
姜峣：我们的使命是以「具身本能」驱动机器人操作革命，跃升全球生产力。也就是将现代工业柔性生产的效率极致提升。工业自动化已经将它能做的做到了极致，但成本和有上限。我们基于具身本能的技术路径做创新产品，用生产单元作为载体，去处理柔性化、多品类、批量换款的任务。
切入点选择上，就像ImageNet证明了视觉识别能力、AlphaGo证明了围棋能力，我们要在商业上证明价值，让用户真正掏钱买，商业化能闭环。好的抓取不是简单抓起来，而是不需要大量数据就能探索、能力不断提升、适应各种物体和环境，丝滑柔顺、鲁棒可靠。这覆盖加工上下料、物流分拣、农业采摘、商超上架等全场景。
长期目标是成为全球具身智能产业不可或缺的底层基座，让每一台机器人在物理世界的操作像电力一样成为即插即用的基础能力。（本文首发钛媒体APP，文 | 智客Zhiker，作者｜郭虹妘，编辑｜杨琳）
美林配资提示：文章来自网络，不代表本站观点。
