机器人面临的环境差异巨大，在工厂的结构化场景与城市开放道路上的表现截然不同。城市户外环境对机器人的要求更为严苛，需要全天候稳定运行，同时应对各种天气和复杂的交通人流。
中国信息通信研究院的《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。然而，到2026年，具身智能将从技术验证阶段转向场景落地阶段，城市服务领域正成为检验其落地能力的关键场所。
库萨科技以“具身智能服务城市开放场景”为目标，采取了打通数据采集、模型训练和机器人部署全栈工程的策略，旨在让机器人在真实世界中稳定运行。该公司认为，要弥合规模化落地的差距，研发和工程化能力必须同步提升。
库萨科技成立于2023年，其核心团队成员来自清华、上海交大等高校，拥有丰富的整车、机器人及自动驾驶研发和管理经验。公司专注于面向城市开放场景的服务机器人，产品已在超过40个城市投入使用。
2023年7月中旬，库萨科技推出了Kusa Robo Platform，这是一个专为城市级具身智能部署设计的工程化平台，涵盖了数据采集、模型训练到多端部署和远程运维的全栈流程，旨在解决具身智能规模化落地中做好专用平台的重要性这一行业难题。
01. 城市级具身智能的挑战
自动驾驶团队转型做机器人时，普遍认为只需将二维问题提升至三维。库萨科技的团队最初也持有此观点，但深入实际场景后发现，评价标准发生了根本性变化。
例如，乘用车在A到B的行程中，主要目标是避免碰撞并保证舒适性。而城市环卫机器人则需要主动与物体互动并做出判断，例如，面对路上的塑料袋，自动驾驶车辆可以轻松绕过，但环卫机器人需要尝试清扫，以完成其清理垃圾的硬性指标。
这种评价方式的改变，凸显了“物理交互”这一被低估的难点。库萨科技联合创始人兼CTO陶圣指出，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底盘技术。而城市服务机器人必须将末端清扫结构的力矩反馈、旋转控制与整车控制深度耦合。从“车”到“机器人”的转变，核心在于处理好物理交互，这不仅依赖传感器，更需要模型对物理世界有深刻理解。
02. 选择城市场景的原因
陶圣表示，选择城市场景是基于对真实且迫切需求的洞察。城市空间复杂性高、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环境。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。
尽管面临挑战，但明确的回报使得城市级具身智能成为一项值得长期投入的“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工程平台，库萨科技的Kusa Robo Platform正是为此而生，其核心技术包括三个关键部分。
03. 平台的核心技术：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：专为城市级具身智能设计的操作系统，负责机器人的稳定运行和实时调度。
- Corner Factory：数据工厂，用于自动挖掘、清洗和标注长尾场景数据。
- Kusa Omni-CTS：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在城市中“跑得稳、学得快、懂场景”的问题。
Kusa OS的起源可追溯到2018年库萨团队在码头无人驾驶项目中的经验。尽管ROS2是主流的机器人开源框架，但其在硬实时性、长期稳定性和实时性方面存在不足，这在对实时性和稳定性要求极高的城市服务场景中存在风险。因此，库萨从底层自研了Kusa OS。
码头场景同样需要7×24小时不间断运行，对稳定性和实时性要求极高。库萨团队基于数据分发技术，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和确定性。该系统解决了长期稳定性、确定性调度以及时延抖动压缩等问题。
然而，自研OS也付出了巨大代价，主要挑战在于工具链的不完备。ROS2社区拥有丰富的开源工具，而自研则需要从头构建。库萨的解决方案是另起炉灶，开发一套编程工具链，通过描述性语言自动生成初始化代码，以降低迁移成本。尽管如此，自研换来了底层的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”，因为它解决了“持续学习”的问题。库萨的数据飞轮体现在其产品交付时已打通整套数据管线，自动标注比例从早期80%提升至90%以上。
陶圣介绍，数据链路的运作流程是：机器人作业中遇到异常自动停车，保存多传感器数据；返回站点后，数据被传回数据工厂进行脱敏、自动标注（从2D分割分类升级到3D占用网格和三维重建）；人工进行最终确认；专用模型筛选出需要学习的长尾场景，用于模型训练。
在Corner Factory中，Kusa Omni-CTS基于单帧真实场景生成时序视频流，并从中派生3D点云及OCC语义占用。Kusa Omni-CTS将OCC/3D点云作为核心中间表征，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，并支持数据闭环的高效运转及模型周级迭代。
陶圣强调，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，需要时间和量积累。
Kusa Omni-CTS作为“大脑”，解决了让机器人“懂场景”的工程化难题。库萨模型的“第一性原理”在于思维方式的转变，将视频生成、时空编码、3D Gaussian等前沿技术融合，形成一套原创解决方案。这种方法在工程领域被视为模型结构的创新，突破了模型异步输入的难点。
机器人上的多个传感器数据采集频率不同（如激光雷达10Hz，相机30Hz，IMU 1000Hz），强制同步会带来卡顿或矛盾，导致模型性能下降。Kusa Omni-CTS通过两层机制解决此问题：
- 跨模态异步特征对齐：在高维隐空间构建连续时空曲线，允许各传感器按自身节奏采集数据，模型在内部自动对齐，实现数据自然流动，无需昂贵的硬件同步。
- 物理一致性预测：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状况，还能基于物理规律预测未来发展，并选择最优执行方式。
从硬件角度看，此设计对硬件改动不大，但解决了因时间抖动导致的模型能力大幅下降的问题。在具身智能领域，多模态融合是关键解决方案。
库萨科技认为研发和工程化密不可分。纯研发无法落地，纯工程化则难以维持技术优势。Kusa Omni-CTS的结构创新和自研OS的底层重构体现了研发实力，而OS、数据飞轮和全模态融合的耦合则将研发成果转化为稳定的工程系统。研发是库萨的基础，工程化是其核心竞争力。
这三项技术共同构成了认知进化的闭环。虽然单点技术可能被复制，但OS、数据飞轮和全模态融合的深度耦合，加上城市场景的时间积累，形成了全栈协同的系统性优势，构筑了库萨独特的竞争壁垒。
04. 落地成效与未来展望
库萨科技的产品已部署至40多个城市，实现了从零起步三年内交付规模连续数倍甚至数十倍的增长。在中大型开放道路场景，库萨已进入常态化运营阶段，商业模式已跑通并产生实际价值。
然而，陶圣也指出，规模化落地仍面临挑战，包括场景泛化能力的提升、硬件在极端天气下的表现以及产能从单线500台提升至5000台的里程碑。他坦言，在未完全验证之前，一切都还停留在理论阶段。
量产爬坡的每个阶段（从0到1，1到100，100到10000）都面临不同的问题。可以确定的是，技术迭代将始终由真实需求驱动，因为真实世界的长尾场景远超预设。
首个具有说服力的场景是识别“不起眼”的鱼竿。库萨从市政道路拓展到公园、园区等更贴近人的场景时，遇到了钓鱼者放置的细长鱼竿，这促使团队重新采集数据并训练模型。这表明，在规模化落地前，大部分技术迭代是为了应对突发场景，团队不可能预设所有问题，这是一个持续发现的过程。
第二个案例是“书包旁的纸与铅笔”。傍晚时分，机器人识别到书包、纸笔和附近奔跑的学生，通过语义理解，判断学生可能是文具主人，书包和文具为临时存放，因此选择不清扫。第二天，在同样场景下，若人与书包均不在，则判定为遗留垃圾。这种场景判断依赖大模型对整张图片的语义理解能力，能够关联人、物、时间、空间。
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。
除了长尾场景，平台还需要支持形态切换。同一套栈已成功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。库萨通过硬件抽象层，将力矩、角度、圈数等统一抽象为上层算法不可见的数据，再由底层运动学模型转换为可执行指令。陶圣将此比喻为游泳时的肌肉记忆，大模型负责顶层思考，底层小模型负责具体执行。
未来平台进化的关键在于大模型。OS底层稳定且迭代缓慢，而大模型正回归数学本质，引入物理和数学约束，例如利用流体力学描述物理概念，使3D空间理解成为共识。
具身智能的操作系统不会像手机那样一家独大，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，库萨科技致力于让城市服务机器人在更多场景下“开箱即用”，成为可靠、持续、可规模化的生产力伙伴，提升城市运行的效率和韧性。
