机器人前瞻（公众号：robot_pro）
作者 许丽思
编辑 漠影
机器人前瞻2月6日报道，今天，机器人前瞻从零次方机器人获悉，该公司已完成数千万元天使轮融资，并拿下千万订单，公司预计将在今年实现共计500余台多型号人形机器人的量产落地，应用于服务业、教育、文娱、展览等行业。
零次方机器人正式成立于今年1月，由清华大学和江淮前沿技术协同创新中心联合孵化。团队主创成员均为来自清华大学AI&Robot智能机器人实验室的00后，在机器人操作及运动控制领域成果突出，已在T-RO、CoRL、ICRA、IROS等顶级机器人会议和期刊发表多篇学术论文。该公司也持续吸引了来自百度、字节跳动、科大讯飞、美的等企业的人才，专注于具身智能领域的底层技术创新与L2级智能化产品的应用下放，具备本体硬件与AI算法软件的全栈自研能力。 该公司已推出了人形机器人ZERITH Z1，采用AI辅助进行机器人的结构参数设计，实现了更高的动态运动性能与更低的能耗，还自研了物理交互世界模型算法进行运动控制，能够实现各种复杂工况的适应和复杂环境下的的盲走能力。
▲ZERITH Z1在复杂地形进行行走、模仿人类拳击运动
在泛化操作模型上，零次方针对机器人领域开发了专有场景泛化操作方案，能够对专有场景中的工序进行规范化，并结合视觉语言大模型进行场景解析，获得流程化的任务描述。机器人在实际执行过程中，就可以通过分析任务的类别选择不同的解决方案。
▲鲁棒双臂操作 、泛化抓取收纳
根据机器人的所需的移动占比，可以将任务划分为两类：长距离移动操作任务和局部长序列操作任务。 长距离移动任务主要涉及到送递和归纳物体等空间变换需求，为此零次方机器人提出了能够结合环境信息和任务需求的通用抓取放置模型GP-6D作为解决方案。GP-6D通过利用视觉语言大模型与3D场景关系图生成最优的放置位姿，结合自外感知规划实现无碰放置。 为解决局部长序列操作任务中存在的级联误差传播问题，该公司提出了基于模块化动作基元的复合策略生成框架。该框架通过构建面向操作对象泛化的技能表征体系，将复杂任务分解为可组合的动作基元，通过对库中各项动作基元的筛选组合来完成任务。 其中，为了保证技能的成功率，该公司还提出了IRL的训练框架，将模仿学习的高效性和强化学习的鲁棒性结合，并通过现实与仿真迭代交替的方式实现泛化。
▲专有领域泛化通用操作方案
为了进一步拓展数据来源、降低单位数据成本，零次方机器人还研发了一套低成本单目摄像头视觉重映射机器人控制方案，通过一个廉价的RGB摄像头对操作者的动作行为进行捕捉，实时重映射到机器人上，端到端操作延迟低于150毫秒，较传统手柄或VR系统降低80%以上，较动捕技术硬件成本下降99%。
▲重映射机器人方案
针对机器人在使用过程中可能存在的安全问题，零次方机器人表示正在对现有稳定版本进行重构，并计划后续将推出最“安全”的人形机器人，代号为Security。
