星塵智能發布機器人全身移動操作模型與學習套件

7月25日深圳 - 可泛化的通用移動操作任務歷來是機器人智能演進的“大目標”之一。AI機器人公司星塵智能Astribot宣布在此取得兩項突破進展。

詳細技術報告：https://arxiv.org/abs/2507.17141

首先公司發布首個全身移動操作模型 DuoCore-WB，讓機器人從半身進化到全身智能，在多項有挑戰性和代表性的家庭任務測試中，模型表現優異，任務平均成功率 80%，最高達 100%。

該模型展現了業界領先的全身移動操作智能，將彎腰、轉身、蹲起、移動等動態全身動作與雙臂精細操作協同，機器人不被局限在靜態姿勢或桌面任務上，可自主生成跨區域、跨空間的靈活全身操作策略，行動隨境。

模型還針對全身操作特性進行優化，讓傳感信息和動作特征緊密耦合，顯著提高了任務成功率。此外，借助實時軌跡生成模塊（RTG），模型和底層控制系統無縫銜接，讓操作更為絲滑、敏捷和穩定。

其次，為推動機器人在真實場景落地應用，公司還推出了機器人學習套件“Astribot Suite”，將“本體-數據-模型”打造為軟硬一體的閉環系統，讓機器人更快掌握廣泛的日常技能。

套件包含三個核心組件：一個高性能、安全可靠的機器人平臺（本體），能有效模仿人類操作，兼具靈活、敏捷與精準。一個全身遙操作界面（數據），讓非專業人士能高效采集到高質量演示數據；在第一和第三人稱視角下，能覆蓋大范圍、高動態、精細操作，到遠程和長時間近程操作等多樣化需求。一個高效可擴展的全身操作策略（模型）：基于簡潔優雅的模仿學習框架，通過少量高質量示范和模型訓練，就能發揮多任務全身操作的強大學習能力。

DuoCore-WB模型的高效驗證，正是得益于這組套件的軟硬協同。

任務解析：

1.送飲料

l流程：左手拿飲料 - 移動到門口 - 右手找門把 - 開門 - 移動到桌前 - 放下飲料

l這是涉及到鉸鏈物體交互（如房門、冰箱門、柜門）、全身移動控制與多階段任務規劃的長序列任務，為了開門，S1 學會了在推動底座移動時前傾軀干，才在抓住門把手后產生足夠的慣性來解鎖鉸鏈并推開門。

2.整理玩具

l流程：下蹲 - 右手撿起附近的玩具 - 放入儲物箱 - 左手撿起遠處的玩具 - 遞到右手 - 放入儲物箱 - 動作持續循環 - 若未成功撿起，會反復嘗試直至成功

lS1學會了復雜環境中高頻次、連續交互的多物體抓取，需在長程任務里維持對目標狀態的理解、姿態平衡和雙手協作，靈活調整空間布局和精準放置物體，并學會處理異常情況，能自主判斷失敗并發起多次嘗試策略，隨機應變。

3.整理拖鞋

l流程：鞋子被隨機放下 - 移動到地毯前 - 雙手撿起鞋子 - 移動到鞋架 - 整齊放置到鞋架上

l機器人學會了一系列空間遷移+精細動作的連續組合，在移動中協調控制雙手拿放，并在狹小空間中完成兩只鞋的精確放置。