一台机器人，在工厂车间和城市街道所面临的环境截然不同。在结构化环境中，如工厂内部，机器人的应用已相当成熟。然而，一旦进入开放的城市道路等非结构化场景，难度便急剧上升。特别是在户外城市环境中，机器人需要全天候不间断运行，这意味着它们必须能够抵御各种天气条件，并安全地穿梭于人流车流之中。
中国信息通信研究院发布的《具身智能发展报告》指出，当前具身智能发展面临数据、模型、本体和场景难以形成闭环的挑战。尽管如此，到2026年，具身智能将从技术验证阶段转向场景落地阶段，而城市服务领域正成为检验其落地能力的关键场所。
针对这一现状，库萨科技将目标锁定在“让具身智能服务于城市开放场景”，并采取了全面的策略：打通数据采集、模型训练到机器人部署的全栈工程流程，确保机器人在真实世界中能够稳定运行。库萨科技认为，要跨越规模化落地的鸿沟，研发与工程化能力必须齐头并进。
库萨科技成立于2023年，其核心团队成员来自清华大学、上海交通大学等知名高校，并在整车、机器人及自动驾驶领域积累了15年的研发与管理经验。公司主要面向城市开放场景提供服务机器人，产品已在超过40座城市投入运营。
今年7月中旬，库萨科技推出了Kusa Robo Platform，一个专为城市级具身智能部署设计的工程化平台。该平台覆盖了从数据采集、模型训练到多终端部署和远程运维的全栈闭环。作为少数深入探索城市服务场景的公司之一，库萨科技正致力于解答行业普遍存在的疑问：为何做好专用平台是具身智能规模化落地的关键？
城市级具身智能的挑战
许多从自动驾驶领域转型的机器人团队起初认为，将二维问题提升到三维即可。库萨科技的团队也曾有过类似想法，但深入实践后发现，场景的基准评价体系已完全改变。
最根本的区别在于评价标准。乘用车在城市道路上的任务是从A点到B点，安全且舒适即可。而城市环卫机器人则需要主动与各种物体互动。例如，路面上的一个黑色塑料袋，其内部填充物（砖头、水瓶或空瓶）会影响机器人的处理方式。自动驾驶车辆可以直接碾过或绕行，但环卫机器人需要尝试清扫，若无法移动再做下一步判断，因为其核心任务是清除垃圾。
评价标准的改变背后，是物理交互这一被低估的复杂性。库萨科技联合创始人兼CTO陶圣表示，自动驾驶对接触力学关注较少，是因为汽车行业已有成熟的解决方案。然而，城市服务机器人必须将末端执行器的力矩反馈、旋转控制与整车控制深度耦合。从“车”到“机器人”的转变，关键在于此。处理好物理交互，不仅需要传感器，更需要模型对物理世界的深刻理解。
为何选择城市服务场景？
陶圣指出，城市服务的核心吸引力在于其真实且迫切的需求。城市环境复杂性高、技术壁垒强，同时又能直接产生可观的商业价值，是检验具身智能工程化能力的理想土壤。更重要的是，城市服务机器人行业的市场渗透率不足1%，是一个巨大的蓝海市场。
尽管难度大，但明确的回报使得城市服务成为一项值得长期技术投入的“难而正确的事”。这种高门槛也决定了城市级具身智能需要一个专用的工程平台，而库萨的Kusa Robo Platform正是为此而生，其背后是三项核心技术的支撑。
底层架构、数据驱动与智能核心
库萨科技发布的三项核心技术各司其职：Kusa OS是面向城市级具身智能的专用操作系统，负责机器人的稳定运行和实时调度；Corner Factory是数据工厂，用于自动挖掘、清洗和标注长尾场景数据；Kusa Omni-CTS是全模态具身模型，负责从场景感知、认知理解到动作输出的全过程。这三项技术共同解决了机器人在城市环境中“跑得稳、学得快、懂场景”的问题。
Kusa OS的首要任务是确保“跑得稳”。该操作系统的研发可以追溯到2018年库萨团队在码头无人驾驶项目上的经验。虽然ROS2是机器人领域主流的开源框架，但其在硬实时性方面存在不足，可能导致不可预期的延迟和抖动，这在对长期稳定性和实时性要求极高的城市服务场景中存在风险。因此，库萨从底层自主研发了Kusa OS。
借鉴码头场景对7×24小时不间断运行和高实时性的要求，库萨基于数据分发技术从零开始构建了一套精简且模块化控制的系统，以实现更高的稳定性。经过长期迭代，Kusa OS解决了长期稳定性、确定性调度以及时延抖动压缩等问题。
然而，自主研发OS也付出了巨大代价，尤其是在工具链方面。ROS2拥有丰富的开源贡献，覆盖了从实时监控到仿真再到场景重建的全链路，而自研则意味着需要自行构建这一切。库萨的解决方案是重新搭建一套编程工具链，并利用描述性语言自动生成初始化代码，以降低迁移成本。这种底层自主研发换来了自由度和实时稳定性。
如果说OS是“底座”，那么Corner Factory就是“燃料”，因为它解决了“持续学习”的问题。库萨的数据飞轮通过打通整套管线，使得自动标注的比例从早期的80%提升至90%以上。
据陶圣介绍，完整的数据链路是：机器人在作业中遇到异常触发停车，自动保存多传感器数据，回站后传输至数据工厂。数据首先进行脱敏处理，然后进入自动标注环节，从2D分割分类升级到3D占用网格和三维重建。人工进行最终的校对，然后由专用模型筛选出有价值的长尾场景，用于模型训练。
在Corner Factory中，Kusa Omni-CTS利用单帧真实场景输入生成时序视频流，并同步提取3D点云和OCC语义占用。OCC/3D点云被确立为核心中间表征，在二维观测与三维结构间建立物理级空间约束，确保空间理解的准确性，从而支撑数据闭环的高效运转和模型周度迭代。
陶圣坦言，数据飞轮本身并非壁垒，真正壁垒在于数据本身，因为数据与场景高度相关，无法凭空想象。数据飞轮带来的先发优势，本质上需要时间与量的积累。
最上层的Omni-CTS作为“大脑”，解决了让机器人“懂场景”的工程化难题。陶圣解释，库萨模型遵循的“第一性原理”是思维方式的转变，而非单一技术突破。他甚至戏称团队是“缝合怪”，但这种缝合是将视频生成、时空编码、3D Gaussian等前沿技术融合成一套原创解决方案。工程化领域更准确的说法是模型结构的创新，它突破了模型异步输入的难点。
具体而言，机器人上的多个传感器（如激光雷达10Hz、相机30Hz、IMU 1000Hz）在采集频率上存在显著差异。强制同步会导致卡顿或矛盾，从而大幅降低模型性能。
Kusa Omni-CTS通过两层机制解决此问题：首先是跨模态异步特征对齐。它摒弃了传统的离散帧对齐，在高维隐空间构建连续时空曲线，让不同传感器的数据按各自节奏采集后，在模型中自动“对表”，实现数据流畅流动，无需昂贵的硬件同步。其次是物理一致性预测，这是对“物理交互”难题的回应。它在高维空间构建符合物理动力学的连续轨迹，使模型不仅能理解当前情况，还能基于物理规律和环境变化，预测未来可能发生的状况，并选择最优执行方式。
从硬件角度看，此设计带来的硬件改动并不大，却有效解决了因时间抖动导致的模型能力下降问题。在具身智能领域，多模态融合是最终解决方案，兼具上限和兜底能力。
对库萨而言，研发与工程化并非割裂。单一的研发难以落地，而缺乏技术门槛的工程化则无法长久。库萨将两者置于同等重要的位置。Kusa Omni-CTS的结构创新和自研OS的底层重构体现了扎实的研发功底；而OS、数据飞轮与全模态融合的协同，则将研发成果转化为稳定、高效的工程系统。研发是库萨的基础，工程化是其核心竞争力。
三项技术整合形成了一个认知进化的闭环。虽然单点技术可能被快速复制，但OS、数据飞轮和全模态融合的深度耦合，加上城市服务场景的时间积累，构成了全栈协同的系统性优势，为库萨构建了独特的竞争壁垒。
落地情况与展望
作为一场考试，成果是关键。目前，库萨的具身智能产品已部署至40多个城市，三年内实现了从零到数的指数级增长，在细分赛道中表现突出。在中大型开放道路场景，库萨已进入常态化运营阶段，商业模式和实际作业价值得到验证。
然而，陶圣也冷静地指出，规模化落地仍面临挑战。场景泛化能力有待提升，硬件尚未经历极端天气考验，产能也正从单线500台向5000台迈进。他强调，“在未验证之前，一切都是纸上谈兵。”
规模化生产的爬坡过程，从0到1、1到100、100到10000，每个阶段都面临不同的挑战。可以确定的是，技术迭代始终由真实需求驱动，真实世界中的长尾场景永远超出预设。
第一个令人信服的案例是“一根不起眼的鱼竿”。当库萨的产品从市政道路扩展到公园、园区等更贴近人的场景时，偶尔会遇到钓鱼者放置的细长鱼竿。此前专注于地面检测的团队，需要重新采集数据来训练模型识别这类空中细小物体。陶圣从中领悟到，在规模化落地前，大部分技术迭代都是为了应对突发发现的场景，团队不可能预设所有问题，这是一个循序渐进的发现过程。
第二个案例是“书包旁的纸与铅笔”。傍晚时分，机器人看到一个书包和纸笔，旁边有学生跑动。通过语义理解，机器人可以判断学生可能是文具的主人，书包和文具属于临时存放，选择不进行清扫。第二天，当书包和人都不在时，同样的一张纸则会被判定为遗留垃圾。这种场景判断能力，依赖于大模型对整张图片的语义理解，能够关联人、物、时间、空间。
无论是识别鱼竿还是理解放学场景，这些迭代之所以能快速发生并部署到机器人中，得益于Corner Factory的数据飞轮和Kusa Robo Platform的通用性。
除了应对长尾场景，平台还需要支持形态切换。平台通用性的一个有力证明是“一脑管理多形”。同一套技术栈，在短期内即可从轮式机器人切换到双轮足式，机械臂控制也从2-3个自由度平滑扩展到多自由度。这意味着平台不会被特定机器人形态所限制。
跨形态适配的难点在于本体动力学和控制矩阵的差异。库萨的解决方案是硬件抽象层，将力矩、角度等物理量统一抽象为上层算法不可见的量，再由底层运动学模型转换为可执行指令。陶圣将其比作游泳时无需刻意思考手部动作，动作会逐渐转化为肌肉记忆。一脑管理多形的奥秘在于，大模型负责顶层思维，底层小模型则负责具体执行和“肌肉记忆”。
未来平台进化的最大空间在于大模型。陶圣认为，OS底层已趋于成熟且迭代缓慢，而大模型正回归数学本质，并引入物理和数学的硬约束，例如利用流体力学描述物理概念嵌入世界模型，使3D空间理解成为共识。
具身智能的操作系统不太可能像手机那样出现一家独大的局面，机器人场景的碎片化程度远超手机和PC，最终很可能是“多家分天下”的格局。
在行业终局到来之前，库萨的目标是让城市服务机器人在更多、更深的场景中实现“开箱即用”，成为可靠、持续、可规模化的生产力伙伴，从而提升城市运行的效率和韧性。
