國產家庭機器人終于落地！連人帶床推你去上班，小五位數明年開賣

衡宇 發自 凹非寺
量子位 | 公眾號 QbitAI

咱也是趕上好時候了！

早上上班如果起不來床，可以使喚最新家庭機器人連人帶床把你推到公司去。

這回，大家千呼萬喚的具身智能機器人，終于真的進家門了。

還是國產的。

目前看來，它給人當牛做馬的時候，偶爾還是會出現一些無傷大雅的失誤。

但市場上調查了一圈，這已經是目前能看到的，國內最接近真正落地的家庭服務型機器人了。

不是炫技Demo，也不是遙控動作，這臺來自具身智能創業公司未來不遠的具身機器人F1，人家真的實打實干活，已經在幾十個家庭連續試用。

家庭機器人，不靠遙操

F1全身共22個自由度，支持自然的手臂、頭部、腰部動作。

身高升降范圍在1000mm–1430mm，可自適應不同家庭成員的交互高度。

手臂上下覆蓋范圍在地面和2350mm之間，便于在地面，桌椅、櫥柜等家庭常見高度下操作。

單臂可負載5kg，覆蓋家庭大部分場景，包括沉重的物品以及需要大力操作的冰箱門、洗碗機門、洗衣機門等。

末端執行器為夾爪，重復精度±0.05mm，可執行插拔電源，開啤酒，扭動旋鈕等精細操作；力控精度±0.1N，可避免抓取易碎物品時用力過大的問題。

此外，F1全身搭載近30個傳感器和6個攝像頭，形成多模態視覺系統，具備局部建圖、人物識別、實時避障能力。

越障高度25mm，過溝寬度35mm，可輕松越過門檻、地毯邊緣、電線等常見障礙。

一眼看過去，F1最醒目的就是輪式底盤，以及高度可調、長臂猿式的雙機械臂。

未來不遠創始人兼CEO張翼引用了《2025北京統計年鑒》的數據，北京的人均面積住房建筑面積約37.2m2。而全國城鎮人均住房建筑面積也就差不多超過40m2。

這意味著機器人進家干活，必須要有很強的穿行和避障能力。

“人形機器人那玩意兒，在70m2的家里都不容易絲滑地干活。”

所以他們一開始就放棄了仿真人形這條路。為了方便機器人干活，適配城市的居住面積，輪式底盤的面積也從上一代的1/2m2縮小至1/4m2。

這個設計帶來了額外收益：電池空間大，續航時間更長。

在高強度工作狀態下，F1的續航超過8小時；待機時長超過一整天。

不止會做家務

能做家務，已經滿足了很多人對家庭機器人的預期。

但請注意，這家伙定位是“家庭機器人”，不是“家務機器人”。

準確來說，它的定位是家庭助理型具身智能。

張翼把家庭任務劃分為四類：孩子、老人、大清潔、廚房。

解釋一下，把廚房場景單列出來，一方面是因為廚房有很多corner case，復雜度過大；另一方面是在廚房里需要接觸很多油污，還要考慮機器人的自清潔能力，場景較為復雜。

未來不遠自家產品先從大清潔和孩子兩點入手。

大清潔場景下，機器人除了做灑掃除塵，還要完成清掃之外如整理、歸位、搬取等更高階任務。

站在做產品的視角，這簡直市場上赤裸裸擺明了的剛需。

而“孩子”這個模塊，是他們重點投入的場景——這并不是目前家庭機器人玩家們的主流敘事。

張翼表示，全球多個國家的入戶測試階段的數據反饋，機器人70%的行為都是在跟人交互。跟不同國家不同的人打交道，交互習慣不一樣，數據是非常關鍵。

小朋友通常是家里最愿意指揮機器人的那群人，行為多樣、高頻、好奇心強，也是天然的數據制造者。

幕后還有一個與創始團隊本身積累有關的原因——

創業機器人之前，張翼還有一段創業經歷：他是掌門教育的創始人，長期深耕在線一對一教育，幾乎每天都在和孩子、家長打交道。

他說自己對家庭和孩子太熟了，知道孩子什么時候會認真，什么時候會調皮，知道家長最在意的是什么。

“所以我們覺得這個是必須去切的。”目前F1中已經加入了若干面向兒童的功能，包括教育互動模塊。由于產品還未正式上市，張翼還是對F1身上與孩子相關的功能賣了個關子。

但他還是忍不住透露了兩句：

• 入戶測試反應都非常好，說我們（這一塊的功能）是非常剛的，大家都很愿意去用。

不靠遙操，自主完成多種長序列任務

在具身智能時代，機器人不能只會動，更要足夠聰明地完成復雜任務。

為了解決家庭場景經常存在的長序列任務中的理解與規劃問題，未來不遠提出了一種名為RVLA（Reverse VLA）的模型架構。

這項技術的核心在于重構了任務執行的方式。

雖然訓練數據依然來自完整的連續任務，但在訓練階段，系統會將其拆解為多個清晰、邊界明確的原子行為單元，稱為AVLA（Atomic VLA）。

比如自然流暢的抬起手臂、環境自適應的抓取物體、自然平穩移至目標區域、平穩協調的松開物體什么的——每一個AVLA都是基礎動作的最小單位。

在模型架構層面，F1搭載的模型在架構上采用了上下分層：

• 上層是一個端到端的大模型，負責處理成功率要求不高、出錯代價低的任務；
• 下層則由多個小模型組成，針對不同物體和任務情境進行更精準的控制。

為進一步提升F1的雙臂操作表現，團隊引入了名為DAPO（Decoupled CLIP and Dynamic Sampling Policy Optimization）的策略優化框架，它融合了強化學習與動態采樣機制。

未來不遠團隊首次將DAPO擴展至多專家動作模型，構建出一個高效、可實時響應的機械臂控制系統，專門適用于家庭復雜場景。

這樣做帶來了幾個關鍵優勢：

• 采用動態采樣機制，簡單任務減少計算消耗，復雜任務增加關鍵狀態采樣，從而提升整體訓練效率；
• 在強化學習過程中，將策略梯度優化從序列層面下沉到token層面，顯著減少了由序列長度波動引發的策略偏移問題；
• 優化了動作空間采樣與狀態評估，使機器人在面對多變的家庭環境時表現更穩定。
• 在實際執行中，VLA會依序完成每個AVLA元動作。

因為每個動作都經過專項訓練優化，單個動作的成功率非常高，從而確保了整個任務執行的穩定性。

張翼還介紹道，團隊在F1身上實現了高魯棒性的執行與糾錯機制：

一旦某個元動作失敗，系統會自動觸發重試邏輯，避免連鎖錯誤。

目前，F1已經能不靠遙操，自主完成部分家庭場景的長程任務。

如開冰箱取出食物、收納玩具、把衣服塞進洗衣機等等。

聯合創始人Louis介紹道，開酒、旋轉瓶蓋開飲料這種任務難度系數挺高，“基本只在我們機器人上看到”。

不過未來不遠也坦誠表示，對于未訓練過的物體和場景處理能力有限。

創業前3年，不融一分錢

2014年，張翼創立掌門1對1，后發展為估值78億元獨角獸，并于2021年在紐交所上市。

后來教育行業受到沖擊，張翼開始謀求新的創業之旅。

2021年，這個新方向最終落在了“家庭機器人”身上。

很多人難以理解。一個做教育起家的人，為什么要轉行做機器人？

但張翼覺得這并不是徹底的跳躍：“我本來就是搞技術的。當初從上海交大電院畢業，我的GPA是第一名。只是后來去教育領域創業了。”

不過他選擇入局的時候，別說具身智能了，連ChatGPT都還沒有問世。

張翼反而覺得這個時間點正好。

• 那時候我就覺得，20年后每個家庭都有一臺服務機器人是大概率事件。
  真正屬于創業者的窗口，往往在大家還不信的時候。

交流過程中，張翼反復強調非共識這個詞，“風口來了就輪不到你了。只有非共識，才是創業公司的機會。”

說干就干。

于是，2021年開始立項調研，2022年正式注冊公司，干脆利落地投身到家庭機器人這件事上。

特別的是，成立最初的三年里，團隊沒從市場上拿一分錢。

張翼表示，自己經歷過一次創業，認識到行業發展有起伏，更加關注創業周期。

他認為家庭機器人是長周期（10年起步）行業，需要抵抗資本周期與技術泡沫。要確保公司在不同階段都能健康發展，就不想依賴資本的短期支持。

直到最近，他們覺得看到了產品的PMF（產品市場契合度），有明確的用戶落地場景和商業化前景，才開始小范圍開放融資。

創業前三年里，團隊一直遵循用戶需求，以試用數據為導向，反復打磨產品。

這期間他們砍掉了多個想當然的設計。

比如1.35米的超長機械臂，使用頻率并不如想象中那么多，還會增加體積，影響靈活性；比如更仿真的五指靈巧手，耐用性太差，在實驗場景下都撐不過兩個月；比如高負載能力，其實對普通家庭用戶而言實際使用頻率極低。

• 必須在真實家庭場景里跑上幾個月甚至半年，才能看出功能是否成立。

一年內，F1計劃在國內上市，更輕量級、居家可愛型的F2也會發布。

張翼透露，因為目標是打開消費級市場，F1正式售賣價格在小五位數。