為什么把眼睛「豎過來」？宸境科技發布會，撕開了機器人感知真相

感知能力的上限將決定機器人的天花板。

2026年1月28日，宸境科技在杭州舉辦了一場備受矚目的新品發布會。在大會上，沒有出現令大眾驚嘆的機器人“炫技”表演，沒有花哨的后空翻，也沒有精密的穿針引線。相反，這場發布會更像是一次具身智能“基礎設施”的亮相儀式。

宸境科技跳出了單一功能的展示，向行業呈上了一套經過工業級驗證的標準化感知方案，重磅發布“LooperRobotics”品牌體系和全棧技術矩陣：Insight自主空間智能相機、TinyNav神經導航算法庫以及RoboSpatial空間感知軟件平臺。

當具身智能的融合進入深水區，感知能力的上限將決定機器人的天花板。宸境科技試圖突破空間智能技術邊界，讓機器人感知技術從“定制化”走向“通用化”。在這一刻，機器人的“眼”與“腦”不再是簡單的零部件，而是被定義為賦能千行百業、驅動物理世界變革的核心基座。

硬件解構，反常識的“工程美學”

在傳統的攝像頭和傳感器設計里，有個約定俗成的習慣：水平優先，即眼睛要橫著長。這聽起來很合理，因為人眼就是橫向排列的，我們習慣去關注寬廣的地平線，自動駕駛汽車也需要橫向視野來盯著寬闊的馬路。

然而，宸境科技這次發布的Insight自主空間智能相機，偏偏要做個“異類”。研發團隊打破了行業鐵律，反常識地把三個攝像頭“豎著放”，把鏡頭的最大視野（視場角）拉到了驚人的188°。

這一設計不是為了標新立異，而是源于對具身智能落地痛點的深刻洞察。宸境科技聯合創始人兼COO顏沁睿講了一個真實的故事：他們在與合作伙伴深入交流后發現，當那些明星級的機器狗或人形機器人去參加WAIC這種大型展會時，一旦被熱情的觀眾圍得水泄不通，機器人就“瞎”了。為什么？因為傳統的橫向攝像頭看出去，滿眼全是晃動的人腿和走來走去的人群。

對于機器人感知系統來說，這是非常大的考驗。這就像一個人被蒙住眼扔進人頭攢動的鬧市區，找不到一個固定的參照物（比如路牌或大樓），機器人瞬間就會陷入“信息孤島”，患上“幽閉癥”，不知道自己在哪，甚至會迷路撞人。

宸境科技的解法非常巧妙，他們借鑒了無人機的工程秘訣：既然四周看不了，那就看頭頂和腳下。通過縱向放置的188°的超大廣角鏡頭，哪怕機器人被人群圍得像鐵桶一樣，Insight相機依然能從人頭縫隙里看到頭頂的天花板，掃描到腳下的地板，天花板的紋理和地板的結構是相對固定的。這讓機器人在亂糟糟的人堆里，依然能穩定地知道自己的位置。

Insight相機的另一個硬核突破，是能承受24g的劇烈震動。目前常用的機器人相機設備，通常只能測量8g以內的加速度，對于在平地上慢速前進的輪式機器人或者掃地機來說，這確實夠用了。但在宇樹機器狗上開發的過程中，團隊發現了一個問題：足式機器人在進行高動態運動（跑酷、跳躍、摔倒了爬起）的時候，動作瞬間產生的上下顛簸沖擊力，輕輕松松就能突破8g。一旦震動超過了極限，傳感器就像被打蒙了一樣，機器人立刻就會因為感覺不到自己的姿態而“暈頭轉向”。

所以，Insight相機直接把抗震能力拉升到了24g。這多出來的量程，就是為了讓未來的人形機器人能真正去干臟活、累活，去摸爬滾打，讓機器人的眼睛，“溫室花朵”進化成“工業器官”。

算力內移，把“黑科技”裝進端側

在怎么處理數據這個問題上，Insight 相機的研發團隊做了一個大膽的決定：把大腦裝進眼睛里。在那塊只有30mm寬、還沒餅干大的電路板上，塞進了一顆擁有10TOPS強勁AI算力的地瓜機器人智能計算芯片。為什么要給攝像頭裝一個超強算力的“微型電腦”？

首先，是為了治好傳統機器視覺的“白墻恐懼癥”。傳統雙目視覺，原理和人眼看東西差不多，得靠左右眼看到的圖像差異來算距離。這特別依賴物體表面的紋理，一旦面對一面大白墻、透明玻璃，或者是漆黑的環境，攝像頭看不出差異，就會算不出距離，出現數據漏洞。

Insight相機使用了神經網絡深度計算，不光是用眼看，更是用“腦”補。利用強大的芯片算力，讓算法通過學習大量的環境知識，哪怕對著白墻，也能計算出精準的距離。但這需要大量的算力支撐，僅靠機器人主機難以完全承載。

更深層的意義，是給機器人裝上一條“反射弧”。機器人運行涉及的數據量極大，如果把所有計算放在主機上，不僅會擠占大腦思考邏輯的資源，更可能引起傳輸延遲。當傳輸慢了幾十毫秒，正在飛奔的機器人就可能因為沒反應過來而導致失衡或碰撞。

所以，宸境科技研發團隊讓Insight相機在端側就完成復雜計算，直接告訴主機“我在哪、前面有多遠”。這就實現了“感知-行動”的閉環在毫秒級內完成，保證機器人動作敏捷，指哪打哪。

此外，宸境科技還試圖發起一場VSLAM技術的“平權運動”。長期以來，VSLAM（視覺定位與建圖）技術，就像是科技界的“黑魔法”，只有巨頭才能掌握。對于中小機器人公司來說，自研VSLAM，不光需要寫代碼，還需要解決相機鏡頭的校準、時間同步的微秒級誤差，甚至連芯片發熱導致鏡頭的熱脹冷縮。搭建這樣一支全棧團隊通常耗時2-3年，投入數千萬資金，如果最終結果難以達標，就只能回到激光雷達方案。

宸境科技把這套經過嚴苛驗證的復雜系統變成一個“開箱即用”的標準件。讓開發者不用再重復造輪子，可以將研發精力放在機器人的應用場景，而不是機器人怎么走路。

認知進化：TinyNav 的“生物本能”

Insight相機解決了機器人“看得見”的問題，TinyNav神經導航算法庫則是為了解決“認得路”的難題。這不僅僅是技術的升級，更是讓機器人從“量尺寸”進化到了“懂環境”。

“TinyNav的目標是打造一套“有誠意”的開源高性能機器人導航庫”，TinyNav項目發起人楊振飛向我們介紹到，傳統的機器人導航技術，本質上是在做“幾何測量”。但在長長的走廊里，或者當房間里的家具被搬動了，單純靠量尺寸很容易產生累積誤差，機器人就會“迷路”。而為了解決corner case，開發者往往會引入大量的人工規則代碼，把不同場景下的問題一一解決。比如目前最常用的ros nav2導航庫，總共竟然有14w行代碼構成。

TinyNav選擇了一條仿生學路徑。研發團隊借鑒了諾貝爾獎級的發現：生物大腦里的“網格細胞”和“位置細胞”，人類不是靠數走了多少步來認路，而是靠感覺和特征——旁邊有個紅沙發，前面是電視，這里是客廳——來識別環境。

為實現此目標，TinyNav將會充分挖掘生成式世界模型的最新成果。這就像是給了機器人一個“盜夢空間”，只要看一點點真實的場景數據，就能自己腦補生成無數個高保真的虛擬場景。這種“舉一反三”的能力，能夠大幅提升導航系統的泛化性。為此，TinyNav把核心代碼的目標行數，限制在了3000行。

顏沁睿解釋說：我們團隊成員之前在推動自動駕駛，無人機這兩種構型的機器人產品大規模量產過程中，都親身經歷過那種耗費大量人力時間，為了適配不同場景而寫規則調參數的過程。隨著近兩年AI大模型的發展，我們認為TinyNav這種輕規則重數據的架構，才是原生AI的方案，它不僅能夠與內置強大AI算力的Insight相機實現高效的軟硬件協同優化，并且能夠隨著未來數據與算力的不斷提升，適配更加開放通用的場景，并不斷進行自我進化。””。

在此次新品發布會上，宸境科技首席機器人科學家左星星首次公開亮相，介紹了公司在多模態感知，場景理解，視覺語言導航VLN，視覺語言動作VLA, 人形機器人動作生成，雙臂靈巧手操作等方面的前沿技術研究。作為機器人感知領域的專家，左星星是具身智能研究界冉冉升起的新星，現任阿聯酋穆罕默德·本·扎耶德人工智能大學（MBZUAI）機器人系助理教授，領導機器人認知與學習實驗室。

他曾任加州理工學院（Caltech）博士后， Google公司研究科學家，蘇黎世聯邦理工學院（ETH）客座學者等。研究方向為移動機器人感知、3D計算機視覺、具身智能、多傳感器融合等。由在機器人感知方向的突出貢獻與影響力，左星星受邀當選為機器人領域頂刊T-RO 和著名期刊RA-L的編委 （Associate Editor），和機器人頂會RSS, IROS， ICRA的編委。

他的強勢加盟，將為宸境科技在機器人、空間智能與具身智能領域的發展提供堅實支撐。

為了讓這套系統更好用，宸境科技還開發了RoboSpatial空間編輯平臺。這就像是給機器人開發者配了一個“積木游戲”，開發者只需要在一個可視化的界面上，像搭積木一樣圈出來“這是禁行區”、“那是減速區”、“這里是充電樁”就能實現路徑規劃。這讓那些不懂高深算法的運營人員，也能在幾個小時內，為一個巨大的港口或者園區部署好全套的機器人作業流程，極大降低了具身智能落地的門檻。

做具身智能的“基建狂魔”

從一家以算法和軟件著稱的空間計算公司，跨越到推出硬核的傳感器硬件，宸境科技的這一步看似突兀，實則必然。

“為什么算法公司要做硬件？因為空間智能技術，從來就不是一套純粹的軟件算法，而是軟硬件深度協同的系統工程。”顏沁睿直言不諱，“一個好的SLAM工程師，必須是個全棧人才，不僅要懂算法，還得懂相機模組的光學特性、懂結構強度的形變影響、懂嵌入式驅動的底層邏輯。軟硬一體是打破技術落地障礙、保證工業級穩定性的唯一解法。”

在這場新品發布會上，宸境科技聯合創始人兼CEO胡聞提出了“空間智能即服務”的全新理念。他認為，具身智能正在形成全球范圍內的“超級共識”，其市場規模將比肩汽車與手機，達到萬億美金級別。在這個龐大的產業鏈中，宸境科技的角色不是去造機器人，而是甘當具身智能的“基建狂魔”，立志成為機器人時代的一級供應商。

“如果說汽車是移動基礎設施，手機是信息基礎設施，那么機器人將是未來的物理任務基礎設施。”胡聞表示。無論是B端的“類勞動力”補充，還是G端的公共服務，都需要一個統一、標準、高可用的感知底座。

當LooperRobotics為機器人裝上了工業級的“眼”、生物級的“腦”和標準化的“前庭系統”，具身智能才算真正走出了實驗室的溫室，擁有了進入千行百業、應對真實物理世界挑戰的底氣。