一家中國機器人初創公司展示了人形機器人和固定雙臂機器人系統如何在單一人工智能模型下協同工作，執行端對端的物流任務。這個名為 Mind-0 的系統由 MindOn 開發，使不同類型的機器人能夠在統一的智能框架下協作，該框架完全基於以人為中心的數據進行訓練，而非依賴機器人收集的任務數據。為了支持多種硬件平台，MindOn 將高層推理與低層運動控制分開，允許相同的人工智能大腦在不同的實體上運作。
該總部位於深圳的公司表示，其執行補償模型在真實環境中實現了亞釐米級的操作精度。
MindOn 機器人框架促進多類型機器人協同運作
MindOn 的新機器人框架使不同類型的機器人能夠在單一人工智能系統下運作，標誌著通用硬件無關的具身智能邁出了重要一步。這一方法的核心是 Mind-0，這是一個統一模型，將高層推理與低層運動控制分開。該架構允許一個智能層處理感知、任務規劃和決策，而專門的控制器則將這些決策轉化為適合每個機器人物理設計的運動。這使得相同的人工智能模型能夠在多個機器人平台上部署，而無需單獨的訓練管道。
系統的一個關鍵特徵是依賴以人為中心的訓練數據，而非機器人遠程操作。MindOn 通過全身追蹤系統、以自我為中心的相機和手持設備捕捉人類動作，來訓練其模型，而不是通過手動控制機器人來收集示範。該公司認為，這種方法能夠保留自然的人類問題解決行為，並避免操作者在適應機器人限制時常常引入的侷限性。為了填補人類示範與機器人執行之間的差距，MindOn 開發了一種跨實體數據管道，將人類行為轉換為不同機器人系統可使用的表徵。
MindOn 的現實執行補償模型解決模擬到現實的挑戰
該公司的系統還引入了一個現實執行補償模型，以解決長期以來的模擬到現實挑戰。經過模擬訓練的模型在部署到實體硬件時，常常會因為動力學和環境條件的差異而出現性能下降。MindOn 表示，其補償系統利用少量的現實部署數據來修正這些差異，從而提高機器人的追蹤精度和操作性能。根據該公司的説法，這項技術在 Unitree G1 人形平台上實現了亞釐米級的操作精度。
該框架的另一個組成部分是層次推理系統，旨在考慮物理機器人的執行延遲。人類的示範自然不會存在機械延遲，但機器人必須應對感測、計算和執行延遲。MindOn 的系統持續監控來自低層控制器的反饋，並實時調整命令時機，以維持規劃和執行之間的同步。該公司最近展示了這項技術，使用由 Unitree G1 人形機器人和靜態雙臂機器人系統組成的混合車隊。在這次演示中，機器人在物流工作流程中進行合作，包括物品檢索、運輸、包裝和箱子封閉。
儘管它們的物理配置和能力不同，但所有機器人都使用相同的基本人工智能模型。 MindOne Robotics 於 2025 年在深圳成立，正將其技術定位為一種可擴展的替代方案，以取代依賴遠程操作的機器人開發。該公司計劃擴展其以人為中心的數據集，並將部署擴展到更多機器人形式，包括移動雙臂系統，旨在實現能夠在多種硬件平台上運作的通用機器人智能。
