在结构化环境如工厂车间，机器人的应用已相当成熟。然而，将机器人置于开放的城市街道等非结构化环境中，其面临的挑战截然不同。尤其是在户外，机器人需要全天候不间断运行，这意味着它必须能够应对各种天气条件以及复杂的人流和车流。

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困境。尽管如此，到2026年，具身智能将有望从技术验证阶段转向实际场景落地阶段。城市服务领域正日益成为检验具身智能落地能力的关键场所。

针对这一行业现状，库萨科技专注于“具身智能服务城市开放场景”，采取了整合数据采集、模型训练和机器人部署的全栈工程化策略。公司的目标是让机器人在真实世界中稳定运行。库萨科技认为，要弥合规模化落地的鸿沟，必须同时具备强大的研发和工程化能力。

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，并拥有长达15年的整车、机器人及自动驾驶研发与管理经验。公司主要面向城市开放场景开发服务机器人，产品已在超过40个城市投入运营。

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，实现了从数据采集、模型训练到多终端部署和远程运维的全流程闭环。作为少数深度参与城市服务这一“考场”的公司，库萨科技希望借此平台解答行业内关于“为何专用平台是具身智能规模化落地的关键”的疑问。

01. 城市级具身智能为何挑战重重？

许多自动驾驶团队在转型至机器人领域初期，都曾认为这不过是将二维问题升维至三维。库萨科技团队也曾有此想法，但深入实际场景后发现，评价标准已完全不同。

最大的区别在于评价方法的转变。对于自动驾驶汽车，任务是从A点到达B点，安全且体感良好即算成功。而城市环卫机器人则需要主动与环境中物体互动并做出判断。例如，一个路面上的黑色塑料袋，其内部可能装有砖头、水瓶或为空瓶，机器人的处理方式将截然不同。自动驾驶车辆可以简单碾过或绕行，但环卫机器人必须尝试清扫，若无法清扫再做下一步决定。因为其核心任务是清理垃圾，若一味绕行则未能完成工作。

评价方法的改变揭示了一个被低估的难点：物理交互。库萨科技联合创始人兼CTO陶圣指出，自动驾驶领域对接触力学关注较少，是因为汽车行业已有成熟的底盘技术。而城市服务机器人则需要将末端清扫结构的力矩反馈、旋转控制与整车控制进行深度耦合。从“车”到“机器人”的转变，关键在于此。处理物理交互不仅需要传感器，更需要模型对物理世界有深刻理解。

02. 为何选择城市服务场景？

陶圣解释，选择城市服务场景的核心判断在于看到了真实且迫切的需求。城市空间复杂度高、技术壁垒强，同时能直接产生商业价值，是验证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。

尽管挑战巨大，但明确的回报使得这是一项值得长期技术投入的“难而正确的事”。这种高门槛决定了城市级具身智能需要一个专用的工程平台，而库萨科技的Kusa Robo Platform正是为此而生，其背后是三项核心技术的支撑。

03. 底座、燃料与大脑

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，用于从数据中自动挖掘、清洗和标注长尾场景；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完整流程。这三项技术共同解决了机器人如何在城市中“跑得稳、学得快、懂场景”的问题。

Kusa OS旨在解决“跑得稳”的问题，其研发可追溯至2018年库萨团队在码头无人驾驶项目中的经验。虽然ROS2是主流的机器人开源框架，但在长期稳定性和实时性要求极高的城市服务场景中存在潜在风险。因此，库萨科技从底层自主研发了Kusa OS，其核心思路是精简系统，实现对每个模块的严格控制，以提升稳定性和实时性。该系统在长期迭代中解决了长期稳定性、确定性调度和时延抖动压缩等问题。

尽管自研OS付出了巨大代价，包括工具链不完备等挑战，库萨科技通过自建编程工具链，实现了底层自由度和实时稳定性。

如果说Kusa OS是底座，那么Corner Factory就是“燃料”，它解决了“持续学习”的问题。库萨科技的数据飞轮通过自动化处理，已将自动标注的比例从早期提升至90%以上。其数据处理流程包括：机器人遇到异常时自动保存多传感器数据，传回数据工厂进行脱敏、自动标注（从2D到3D）、人工修补确认，再由专用模型筛选长尾场景用于模型训练。Corner Factory中的Kusa Omni-CTS利用单帧真实场景生成时序视频流，并同步派生3D点云及OCC语义占用，确立OCC/3D点云作为核心中间表征，实现高效的数据闭环和模型迭代。陶圣强调，数据才是核心壁垒，而数据飞轮带来的先发优势在于时间与量的积累。

作为“大脑”的Kusa Omni-CTS，解决了让机器人“懂场景”的工程化难题。库萨科技的模型“第一性原理”在于思维方法的转变，通过融合视频生成、时空编码、3D Gaussian等前沿思路，形成了一套原创的解法。其核心创新在于突破了模型异步输入的难点。在真实机器人上，不同传感器数据采集频率不一致，强行同步会导致性能下降。Kusa Omni-CTS通过跨模态异步特征对齐，在高维隐空间构建连续时空曲线，实现数据的自然流动；并进行物理一致性预测，构建符合物理动力学的连续轨迹，使模型不仅能理解当前状况，还能预测未来并选择最优执行方式。这种设计在硬件改动不大的情况下，解决了时间抖动对模型能力的影响，实现了多模态融合。

库萨科技将研发与工程化视为一体，通过OS的底层重构和Omni-CTS的结构创新展现了研发实力，而OS、数据飞轮和全模态融合的耦合则构成了稳定的工程系统。研发是其基本功，工程化是杀手锏。这三项技术共同构成了认知进化的闭环，通过OS、数据飞轮和全模态融合的深度耦合，以及在城市场景中的时间积累，形成了系统性优势，构筑了独特的竞争壁垒。

04. 落地情况如何？

库萨科技的具身智能产品已部署至40多个城市，三年内实现了从零起步的数倍乃至数十倍的增长。在中大型开放道路场景，公司已进入常态化运营阶段，商业模式跑通并产生实际作业价值。然而，陶圣也指出，规模化问题尚未完全解决，场景泛化能力有待提升，硬件的极端天气考验和产能爬坡（从单线500台到5000台）仍在进行中。他坦言：“没有验证之前，都还是打嘴炮。”

量产爬坡的每个阶段都面临不同挑战。技术迭代始终受真实需求驱动，真实世界中的长尾场景远超预期。例如，识别公园里细小的鱼竿，或理解“书包旁的纸与铅笔”场景中物品的临时存放与遗留垃圾的区分，都需要模型具备强大的语义理解和关联能力。这些快速的迭代和部署得益于Corner Factory的数据飞轮和Kusa Robo Platform的通用性。

平台还需支持形态切换。同一套技术栈已从轮式机器人扩展到双轮足式，机械臂控制也实现了从2-3个自由度到多自由度的平滑扩展。库萨科技通过硬件抽象层，将力矩、角度等统一抽象，由底层运动学模型进行转换，实现了“一脑管理多形”。

未来平台进化的关键在于大模型，OS趋于稳定，而大模型正回归数学本质，引入物理和数学约束，使3D空间理解成为共识。具身智能的OS不太可能出现一家独大的局面，更可能呈现“多家分天下”的格局。库萨科技的目标是让城市服务机器人在更多场景下实现开箱即用，成为可靠、持续、可规模化的生产力伙伴，提升城市运行效率与韧性。