編輯丨李希
今年關於具身智慧的討論裡，有一個問題始終繞不開：機器人進了家門，到底靠什麼讓人願意留著它？
工廠的邏輯很簡單：幹得準、跑得穩，得能執行，還能創收。但家庭場景不一樣：一個動作失誤、一次對意圖的理解偏差，使用者的心理容錯率幾乎為零——錯一次，機器人就可能就被退貨，或者放在角落吃灰。
這個現實，讓行業分出了兩條路。一條路上的公司，繼續死磕物理智慧，讓機器人能夠無限接近理解物理世界；另一條開始往回退一步，先想清楚一件事——機器人要怎麼理解人，才能在人身邊待得住。
星熾動力顯然是後者。爲了瞭解他們的想法，AI 科技評論和公司的 CTO 李達聊了聊。
李達的履歷並不神祕。中科院自動化所博士，師從譚鐵牛院士，長期做視覺導航和連續學習，成果多次在領域頂級期刊發表，上過 IEEE TIP。進入星熾動力之前，李博士曾在自動化所工作學習十餘年，學術底子算得上紮實，但他現在做的，是把這些積累倒進一個家庭場景裡，重新審視一個被忽視很久的問題：機器人如果不懂人，憑什麼跟人一起生活？
「今天的具身大腦講的更多的是‘環境動力學’——但我們不光要考慮物理環境的變化，也要把使用者的狀態推演出來。」討論中，李達常常強調這一點。
為此，星熾動力推出的 PULSE 架構，是把具身大腦拆成了「雙軌」：一條軌跑物理環境的感知和推演，另一條軌跑使用者狀態的感知和推演。兩條軌不是孤立執行，而是在特徵層面做交叉驗證。
物理資訊告訴機器人「環境怎麼了」，使用者狀態資訊告訴機器人「人怎麼了」，兩者合併，才能輸出一個更靠譜的決策。
家庭場景裡，人不是環境裡的一件物體，而是互動的中心。如果機器人的認知模型裡只有桌子、杯子、沙發，卻沒有坐沙發的人的狀態，那它永遠只能做一個被動的命令列工具——人發指令，機器執行，像在用 CLI（命令列）操作一臺機器。
但在家裏，如果老人、小孩沒法很明確地提出指令，那麼機器人是否就沒法在家庭場景好好工作？
怎麼讓機器人理解人？PULSE 的答案落在三個關鍵詞上：意圖、信念、偏好。
意圖是使用者說了什麼、做了什麼，機器人能不能讀懂。
信念更有意思——李達舉了一個例子：男主人認為牛奶還在微波爐裡，但女主人已經拿出來了。男主人持有的是一個「錯誤信念」。如果機器人只盯著物理世界，它看到的是微波爐裡沒有牛奶，它不會理解男主人接下來要去做的動作是基於一個錯誤的前提。但如果機器人有能力表徵人的信念狀態，它就能主動提醒：「牛奶已經被拿出來了。」這種糾偏能力，纔是家庭場景裡真正有用的智慧。
偏好則更長期，涉及使用者的習慣、邊界、隱私，需要靠持續的互動來積累。
這三者構成的理解模型，不是掛在系統外的一個附加模組，而是被李達團隊直接嵌入世界模型的條件化輸入裡。使用者狀態被表徵為隱空間的特徵向量，以類似 token 的形式參與跨注意力計算，和環境特徵做對齊。
這個技術選擇透露了一個清晰的價值判斷：理解人和理解物理世界，在認知架構上應該是平權的，甚至人的優先順序更高。
為什麼？因為落地節奏不同。
物理世界太複雜，泛化太難。一個在80公分高的桌子上訓練好的抓取模型，換到75公分的桌子上就可能失效。要在所有家庭、所有物品、所有光照條件下做到物理智慧的通用，李達認為短期內難以實現。
但人的理解模型不一樣。雖然人也複雜，但人的行為在單個家庭裡是有規律的。一個人每天喝水的杯子、回家的時間、說話的語氣，都有跡可循。如果機器人能先在一個具體的家庭裡把「這個人」理解清楚，它的可用性就會迅速提升。
可用性上去了，使用者的使用頻率也就能夠提升，拿著這些基於使用者實際反饋的資料，星熾的機器人也可以藉由這些和自家本體強耦合的真機資料，去進一步提升具身大腦的能力。
不追求一個模型解決全宇宙的問題，先讓機器人在一戶人家裏不出錯、不惹人煩、偶爾讓人覺得貼心。這個目標比通用物理智慧近得多。
PULSE 端雲結合的落地策略也印證了這一點，雲端負責全域性迭代，端側跑測試時適應——機器人在使用中遇到新分佈的資料，直接在本地做調優，不用等雲端回傳。這種設計天然適配家庭場景：每個家庭都不一樣，每個家庭的機器人都應該長出自己的理解模型。
說到底，物理智慧解決的是「能不能做到」，而人的理解模型解決的是「該不該做、什麼時候做、怎麼做才合適」。在家庭這個容錯率極低的環境裡，後者的優先順序恐怕還要再往前排一排。
這可能也是李達想表達的最核心的一句話：具身智慧在家庭落地的關鍵，不是讓機器人更像一個萬能工具，而是讓它更像一個懂得察言觀色的夥伴。
以下是 AI 科技評論和李達的對談實錄，AI 科技評論做了不變原意的編撰。
▎AI 科技評論：能為我們講講 PULSE 架構的特點嗎？
李達：PULSE這個名字我們其實是有些寓意的。一方面，我們希望它是一個永續的、能夠和人的價值對齊，並能夠持續演進的系統。另一方面，"PULSE"這個詞本身也有脈搏的意思。我們覺得機器人有了PULSE之後，就有了生命，也就能夠真正地伴隨使用者一起成長。
如果用幾個詞介紹 PULSE 的核心閉環，就是：看懂環境，理解使用者，雙軌推演，接受反饋，持續進化。
當前行業內具身世界模型更關注環境動力學，也就是關注周圍物理環境的演變。但是星熾動力主打 C 端家庭場景，就離不開和人的互動。所以我們希望能夠讓機器人具備「社會屬性」。
因此，我們在構建PULSE世界動作模型時，跨出了行業的第一步：不僅推演物理環境的變化，更要把「使用者狀態的變化」也推演出來。機器人在採取行動前，不僅要算清「杯子會不會掉」，還要推演出「這個舉動會不會打擾到主人」。
我們最終的目的，是賦予機器人真正的「心智」，但什麼是心智呢？人的心智，是他在一個團體當中，我應該知道怎麼去做才能更好的融入團體。所以我們也希望機器人不僅可以執行命令，還要懂得主動預判你的需求，貼合你的偏好，並且極其剋制地尊重你的家庭邊界等等。
▎AI 科技評論：這可能和做情感還不太一樣。
李達：純粹的「情感互動」往往停留在語言層面，通過聊天提供情緒價值和陪伴；而我們在星熾動力要做的是通過「心智理論（ToM）」，將家庭場景中高度複雜的「個性化」，轉化為一個可計算、可訓練、可驗證的數學模型。
這種基於心智的個性化模型，核心錨定在三個維度：信念（Belief）、意圖（Intention）和偏好（Preference）。
偏好依賴於機器人的長期情境記憶，而「信念」則是機器人理解人類認知偏差的關鍵。我舉個非常經典的家庭場景：男主人把牛奶放進微波爐加熱後離開，女主人隨後將其取出。此時，不知情的男主人腦海中就產生了一個「牛奶還在微波爐裡」的虛假信念（False Belief）。當他再次走向微波爐時，具備心智模型的機器人就能精準識別出這種「資訊差」，主動出聲提示甚至直接遞上牛奶，完成認知糾偏。
而在「意圖」層面，我們不再滿足於機器人只能聽懂直接指令，而是要求它具備兩項核心能力：一是「主動預判」，即通過使用者的行為動作提前推斷其潛在需求，做到「眼裏有活」；二是結合「偏好對齊」，評估機器人的執行動作和分寸，是否真正符合該使用者的心理期望。
爲了支撐這套複雜的認知中樞，在前期構建使用者狀態表徵時，我們引入了基於自解釋增強的多模態大模型來進行底層建模。
▎AI 科技評論：要做個性化，記憶肯定是很重要的。
李達：是的，記憶是個性化的基石。爲了兼顧機器人響應的低延遲與理解的深度，我們在PULSE的記憶模組上，設計了一套自適應任務複雜度的「三層記憶架構」：結構化規則層、RAG（檢索增強生成）語義層，以及底層的引數化模型層。
比如最直觀的結構化規則層，負責處理高確定性的物理時空檢索。當用戶問「我的剪刀呢？」，這是一個精準匹配的尋物指令，系統無需去啟用龐大的底層模型做深層表徵挖掘，直接在規則記憶庫中呼叫即可。
但如果使用者的指令是模糊或高度意圖化的，比如只說了一句「幫我倒杯水」，這就觸及了「RAG語義層」。光靠規則是無法匹配這句指令的，系統需要通過 RAG 從過往的歷史互動切片（Episodic Memory）中，檢索出與「倒水」相關的語境與習慣（比如用什麼杯子、常喝的溫度），以此對齊當前意圖。
當面對更為複雜的長尾場景、深層的情感共鳴，甚至遇到毫無歷史規則可循的突發狀況（Zero-shot）時，就需要「底層模型層」的重度介入。通過大模型的認知推理與泛化能力，對長期沉澱的使用者行為進行深度的因果歸因與價值挖掘。這種層層遞進的設計，確保了我們的機器人既能做到「極速響應」，又能做到「深思熟慮」。
▎AI 科技評論：不僅有記憶，還得有更好的上下文語境理解。
李達：對的，在家庭真實互動中，一句看似簡單的「給我倒杯水」，本質上是一個「高維且高度模糊」的指令。它隱含了海量的決策分支：水溫多少？什麼杯子？純淨水還是電解質水？這些資訊無法單純靠死記硬背來提取，機器人必須具備基於時空上下文的意圖消歧能力。
這種能力的底層支撐，是我們PULSE架構中的「室內態勢協同感知」模組。比如，當用戶大汗淋漓地推開家門說「倒杯水」，機器人不應該只是機械地去接一杯溫水，它需要瞬間完成兩個維度的態勢融合：
第一是物理環境感知，通過物聯網或環境感測器，獲取當前的極熱天氣與室內高溫狀態；第二是使用者狀態感知，通過第一視角的視覺模型捕捉「滿身是汗」的特徵，甚至結合毫米波雷達提取呼吸心率等生理訊號。
獲取這些多源異構資料在硬體層面並不難，真正的技術壁壘在於後端的多模態融合與跨域決策。基於這套感知，機器人不僅會決定遞上一杯補充電解質的運動飲料，還會聯動全屋智慧生態——比如我們目前已經與海爾智家、塗鴉智慧深度打通，機器人可以自主指令空調下調溫度。
因此，我們把室內態勢感知明確劃分爲物理環境和使用者狀態兩個維度。這兩部分的感知結果，將共同作為輸入，接入後續的世界動作模型。而這正是我們提出的"雙軌世界模型"的核心：既要對物理世界的演變進行推演，也要對使用者狀態的變化進行推演。只有將這兩者並行處理，機器人才能在家庭場景中真正理解人的需求。
▎AI 科技評論：另一方面其實對於具身來講，只有正確資料是不是足夠了？
李達：遠遠不夠。在具身智慧的真實落地中，「正確的常識」只能保證機器人能走通基本流程，而真正的護城河，恰恰是那些「錯誤資料」、「糾偏資料」以及「長尾的分佈外資料（OOD）」。機器人在使用者即時糾錯中產生的反饋資料，纔是我們做後訓練（Post-training）最珍貴的燃料。
在PULSE架構的資料迴流設計中，我們將這些反饋分成了兩條線處理：一條是雲端的全域性迭代，用於基礎大模型能力的長期對齊與泛化；但更關鍵的是另一條線——端側的測試時適應（TTA, Test-Time Adaptation）。機器人必須具備實時的不確定性估計（Uncertainty Estimation）與OOD檢測能力，一旦識別出歧義資料，就能快速讓模型適應新的資料分佈。這對機器人的糾偏速度要求很高，因為家庭場景裡使用者的心理容錯率極低——錯一次，可能就被退貨或閒置。
所以在策略上，我們就需要非常謹慎，不能因為歷史資料裡使用者曾經這麼做過，就替使用者直接把任務完成了。人的狀態有起伏，情緒可能多變。當機器人分析出當前執行某項任務的不確定性較高時，應該主動詢問使用者："我幫您把這件事做了，行不行？"如果使用者同意，再執行；如果使用者表現出不耐煩，就靜默處理。
最理想的閉環是，機器人在完成每一個決策或動作後，能夠實時捕獲使用者的多模態顯隱式反饋。無論是憤怒的微表情、不耐煩的語氣，還是豎起大拇指誇一句「你真棒」，系統都會將這些自然流露的訊號回傳，轉化為偏好對齊模型中的正負獎勵。這纔是具身大腦「越用越聰明、越用越懂分寸」的本質路徑。
▎AI 科技評論：後訓練對你們來說是一個很重要的策略。
李達：我覺得後訓練肯定很重要，但這個要分時期來看。
從認知仿生學的角度來看，人類成長是一個增量學習的過程，我們在掌握一項新技能時，是基於已有的常識基座進行區域性的突觸連結調整，而不是把從小到大的所有記憶翻出來「全量重訓」一遍。具身大模型的後訓練，本質上就是模擬這種人類的「終身學習」機制——在新家庭、新場景中，以極低的算力成本對齊新的偏好。
但我們也非常客觀看待現階段的技術侷限。當後訓練走向極致，也就是真正意義上的「連續學習（Continual Learning）」時，不可避免會面臨災難性遺忘問題。
這是一個非常現實的風險：如果模型一直接收新知識、不斷進行微調，那些此前好不容易建立起來的基礎通用技能，會不會因為網路權重的覆寫而丟失？這就像俗話說的「狗熊掰棒子」，學了新的家庭習慣，卻忘了最基礎的物理常識。這種風險不僅存在，而且在現有的大模型架構中概率極高。因此，如何在「敏捷吸收新知」與「穩固歷史常識」之間建立有效的引數隔離與記憶重塑機制，也是我們當前在工程落地上投入極大精力去攻克的難點問題。
▎AI 科技評論：今天星熾動力怎麼看具身大腦的泛化？我們距離實現動作的即興和舉一反三還有多遠？
李達：當前行業距離真正泛化還有相當長的一段路要走。
現在很多VLA模型，一旦物理引數變了，比如實驗室精調時桌子高度是80公分，到真實家庭變成了75公分，它大概率就不知道該怎麼抓了，這說明現階段的泛化是非常脆弱的。如果大家只是在實驗室裏閉門造車，死磕演算法架構，這永遠是個無解的死迴圈，因為我們根本窮舉不完真實家庭裡千奇百怪的引數。
所以，星熾動力破局的思路，是緊緊貼合我們「本體+大腦+資料」三位一體的戰略飛輪。我們不寄希望於某種神奇的演算法能立刻實現通用泛化，我們走的是用規模換資料、用資料反哺模型泛化的務實路徑。所以星熾動力的模型，一定能率先在星熾自己的硬體本體上實現最穩健的泛化。
至於未來動作的即興編排，那是在我們的原子庫泛化能力足夠強之後，依靠上層大模型規劃和底層具身OS排程來自然實現的水到渠成。
▎AI 科技評論：隱私問題我們會怎麼考量？
李達：隱私絕對是C端家庭機器人的生死線。在星熾動力，我們對隱私的考量不僅停留在「獲取使用者知情同意（Consent）」這種合規底線上，更是將隱私保護機制直接原生地設計在了PULSE的技術架構裡，也就是所謂的「Privacy by Design（隱私即設計）」。
具體來說，我們通過「端側計算」和「模態解耦」來徹底切斷隱私洩露的源頭。
首先，在覈心的行為理解上，我們不需要把包含使用者真實面貌、穿著的RGB高清畫面傳回雲端。在端側，我們就直接將視覺流轉化爲了低維的骨架點（Skeleton/Pose）資訊。脫敏後的骨架序列，在行為識別演算法上的效能反而更好！因為衣著紋理、背景光影在很多時候是冗餘的噪聲，剝離這些反而讓模型更專注、更魯棒。
其次，對於人臉微表情、生理狀態這些極度敏感但算力要求不高的感知任務，我們全部在前端直接閉環處理。系統最終傳給雲端大腦的，只是幾個類似於「高興」、「疲憊」的結構化語義標籤，沒有任何原始影象。
環境資料也是同理。我們不需要上傳使用者家裏的照片來做預演，我們提取的是場景的結構化語義描述（Semantic Scene Graph）。雲端拿到的只是一組描述物體空間關係的文字和拓撲圖。
▎AI 科技評論：謝謝李博的分享，我們再問最後一個問題：星熾動力的 Mission 是什麼？
李達：讓機器人真正走進千家萬戶。我們聚焦家庭場景，希望打造一款在長期陪伴中不斷學習、越來越懂你的家庭夥伴機器人，讓機器人更自然地融入每個人的日常生活。