文章摘要
【关 键 词】 具身智能、苏度科技、仿真训练、世界模型、通用泛化
苏度科技正式发布软硬件全栈自研机器人系统#Sudo R1,该模型在无需任何真机数据的前提下,实现了关键任务近百分之百的零样本成功率。驱动这次抓取测试的模型,训练时没有用过哪怕一条真机数据,把纯仿真路线贯彻到底。 系统在六十分钟内不间断抓取一百多个未见物体,首试成功率约百分之九十八,两次尝试内几乎百分之百成功。这一成就打破了行业对模拟到现实路径的根本性质疑,首次在业内达成如此效果。苏度选择了与世界模型及强化学习一体化设计的路线,而非主流的任务优化方式,旨在赋予模型通用泛化能力。
面对数据供给与动力学信息不完备的核心瓶颈,苏度重新定义了数据范式。仿真数据天然包含完整的物理交互信息,在成本和规模化层面具备显著优势,非常适合为模型搭建广度认知与物理常识的基础。 团队认为真机数据更适合作为后期真实场景对齐与效果校正的稀缺资源,而非单一训练基础。通过高保真仿真器构建数据体系,模型能够学习到可泛化的物理规律,从而在泛化性、敏捷性、鲁棒性和空间智能四个维度上逼近生产级水准。
苏度科技核心团队背景多元,兼具产业实操与学术积淀。首席技术顾问为复旦大学苏昊教授,技术负责人来自前阿德比三维生成人工智能部门,创始人兼首席执行官拥有多次规模化落地经验。苏度最新已完成新一轮融资,估值突破二十亿美元,并持续获得多家头部及产业机构的支持与加入。 投资方阵容涵盖宁德时代、阿里、腾讯等一线机构,显示出资本市场对通用模型能力搭建的认可。
在产业侧,苏度计划以平台化方式提供系统接口与开发者工具,方便客户快速完成场景适配。该公司正在构建行业首个实现多工位覆盖的机器人系统,支持多产品的快速切换与连续作业,以满足柔性制造需求。苏度已与宁德时代在多个核心制造场景中开展联合开发,围绕电池生产与物流环节推进具身智能系统的落地验证。 这种跨工位的泛化能力对于实际生产场景具有重要意义,标志着具身智能走向真正的产品化。
原文和模型
【原文链接】 阅读原文 [ 3268字 | 14分钟 ]
【原文作者】 量子位
【摘要模型】 qwen3.5-397b-a17b
【摘要评分】 ★★★★☆



