WRC乒乓球局爆火！这家中国具身创业公司，砸出了一套全栈新解法
内容提要
超维动力在世界机器人大会展示全栈具身智能系统，包括人形机器人KAI Bot、灵巧手KAI Hand、数采头环KAI Halo及世界模型。公司成立约一年，通过硬件、模型、数据采集和训练Infra的闭环，让机器人打乒乓球并跨本体适配。其目标是对标Figure，以高效闭环追赶硅谷巨头，推动具身智能产业化。
延伸解读
全栈闭环：具身智能进入真实世界的必然要求
文章指出，具身智能模型输出的是动作而非Token，一次错误可能导致抓取失败或碰撞，因此不能仅靠互联网数据学习。超维动力选择同时布局本体、模型、数据采集和Infra，正是为了形成“数据→模型→本体→反馈”的闭环。这种全栈路线并非业务扩张，而是具身智能落地真实场景的必然要求，缺少任何一环都会导致闭环断裂。
高拟人与高自由度：降低人类经验迁移门槛
KAI Bot身高173cm、体重70kg，全身117个自由度，近80%覆盖触觉皮肤，集成约18000个触觉触点。这些设计并非追求外观，而是因为机器人训练依赖人类示范数据，若本体结构无法复现人类动作，数据无法直接映射。高拟人结构能降低从第一人称数据中学习的门槛，高自由度则决定模型能否完整执行学到的动作，这是提升数据利用效率的关键。
跨本体适配：从乒乓球Demo到通用能力的验证
SMASH系统不仅部署在自家KAI Bot上，还适配了宇树G1与智元远征A3等机器人。这表明超维动力追求的不是单一本体的专用能力，而是可跨本体复用的通用操作能力。通过乒乓球这种高速、随机性强的任务，系统验证了视觉感知、轨迹预测和全身控制的闭环能力，为未来在不同机器人平台上快速部署提供了基础。
商业化策略：独立产品先行，以场景反哺闭环
超维动力在系统未完全成熟时，已将KAI Hand和KAI Halo Lite公开销售。灵巧手可进入其他机器人，数采设备可服务模型团队，Infra可成为技术服务。这种策略既为内部闭环带回更多数据和场景，也缓解了资金与组织压力。文章认为，这种“独立产品+内部闭环”的模式，是创业公司在资源有限时缩短与巨头差距的重要杠杆。
Q&A
超维动力在世界机器人大会上展示了哪些产品？
超维动力展示了全尺寸人形机器人KAI Bot、高自由度灵巧手KAI Hand、数采头环KAI Halo、KAI World Model以及覆盖数据和训练流程的KAI Embodied AI Infra，构成一套全栈具身智能系统。
超维动力为什么选择全栈路线？
因为具身智能需要真实世界数据，模型输出的是机器人动作，错误可能导致抓取失败或碰撞。数据、模型、本体和真实场景必须形成闭环，缺少任何一环都会断掉，所以全栈是进入真实世界的必然要求。
KAI Bot有哪些关键参数？
KAI Bot身高173cm，体重70kg，全身117个自由度，近80%区域覆盖触觉皮肤，集成约18000个触觉触点，可感知0.1N以上的轻微触碰。
KAI Hand的设计特点是什么？
KAI Hand拥有37个自由度，包括20个主动、1个被动和16个柔顺自由度，指尖力超过30N，持续抓握10分钟后温度不超过人体体温，兼顾动作空间、缓冲和热管理。
SMASH系统是如何实现机器人打乒乓球的？
SMASH将视觉感知、轨迹预测、动作规划和全身控制串成闭环，毫秒级捕捉来球并预测轨迹，融合机身状态计算击球参数，通过全身协同策略执行动作，并已适配宇树G1和智元远征A3等机器人。
超维动力如何解决数据采集问题？
通过KAI Halo数采头环，数百名采集人员在家庭、超市等场景采集第一人称多模态数据，已积累超10万小时视频，覆盖20多个场景和300多种全身原子技能，并生成关节轨迹、三维场景等标签。
KAI Embodied AI Infra平台有什么作用？
该平台覆盖数据处理、模型训练、仿真评测和真机部署，可将高质量数据生产效率提升10倍，模型训练与评测速度平均提升5至7倍，支撑闭环迭代。
超维动力与Figure公司有何异同？
两者都走全栈路线，但Figure成立更早、资金和场景积累更多，超维动力成立约一年，通过高效闭环和一步到位的布局追赶，并已开始销售KAI Hand和KAI Halo Lite等产品。
