感知能力的上限将决定机器人的天花板。
2026年1月28日，宸境科技在杭州举办了一场备受瞩目的新品发布会。在大会上，没有出现令大众惊叹的机器人“炫技”表演，没有花哨的后空翻，也没有精密的穿针引线。相反，这场发布会更像是一次具身智能“基础设施”的亮相仪式。
宸境科技跳出了单一功能的展示，向行业呈上了一套经过工业级验证的标准化感知方案，重磅发布“LooperRobotics”品牌体系和全栈技术矩阵：Insight自主空间智能相机、TinyNav神经导航算法库以及RoboSpatial空间感知软件平台。
当具身智能的融合进入深水区，感知能力的上限将决定机器人的天花板。宸境科技试图突破空间智能技术边界，让机器人感知技术从“定制化”走向“通用化”。在这一刻，机器人的“眼”与“脑”不再是简单的零部件，而是被定义为赋能千行百业、驱动物理世界变革的核心基座。
硬件解构，反常识的“工程美学”
在传统的摄像头和设计里，有个约定俗成的习惯：水平优先，即眼睛要横着长。这听起来很合理，因为人眼就是横向排列的，我们习惯去关注宽广的地平线，自动驾驶汽车也需要横向视野来盯着宽阔的马路。
然而，宸境科技这次发布的Insight自主空间智能相机，偏偏要做个“异类”。研发团队打破了行业铁律，反常识地把三个摄像头“竖着放”，把镜头的最大视野（视场角）拉到了惊人的188°。
这一设计不是为了标新立异，而是源于对具身智能落地痛点的深刻洞察。宸境科技联合创始人兼COO颜沁睿讲了一个真实的故事：他们在与合作伙伴深入交流后发现，当那些明星级的机器狗或人形机器人去参加WAIC这种大型展会时，一旦被热情的观众围得水泄不通，机器人就“瞎”了。为什么？因为传统的横向摄像头看出去，满眼全是晃动的人腿和走来走去的人群。
对于机器人感知系统来说，这是非常大的考验。这就像一个人被蒙住眼扔进人头攒动的闹市区，找不到一个固定的参照物（比如路牌或大楼），机器人瞬间就会陷入“信息孤岛”，患上“幽闭症”，不知道自己在哪，甚至会迷路撞人。
宸境科技的解法非常巧妙，他们借鉴了无人机的工程秘诀：既然四周看不了，那就看头顶和脚下。通过纵向放置的188°的超大广角镜头，哪怕机器人被人群围得像铁桶一样，Insight相机依然能从人头缝隙里看到头顶的天花板，扫描到脚下的地板，天花板的纹理和地板的结构是相对固定的。这让机器人在乱糟糟的人堆里，依然能稳定地知道自己的位置。
Insight相机的另一个硬核突破，是能承受24g的剧烈震动。目前常用的机器人相机设备，通常只能测量8g以内的加速度，对于在平地上慢速前进的轮式机器人或者扫地机来说，这确实够用了。但在宇树机器狗上开发的过程中，团队发现了一个问题：足式机器人在进行高动态运动（跑酷、跳跃、摔倒了爬起）的时候，动作瞬间产生的上下颠簸冲击力，轻轻松松就能突破8g。一旦震动超过了极限，传感器就像被打蒙了一样，机器人立刻就会因为感觉不到自己的姿态而“晕头转向”。
所以，Insight相机直接把抗震能力拉升到了24g。这多出来的量程，就是为了让未来的人形机器人能真正去干脏活、累活，去摸爬滚打，让机器人的眼睛，“温室花朵”进化成“工业器官”。
算力内移，把“黑科技”装进端侧
在怎么处理数据这个问题上，Insight 相机的研发团队做了一个大胆的决定：把大脑装进眼睛里。在那块只有30mm宽、还没饼干大的电路板上，塞进了一颗拥有10TOPS强劲AI算力的地瓜机器人智能计算芯片。为什么要给摄像头装一个超强算力的“微型电脑”？
首先，是为了治好传统机器视觉的“白墙恐惧症”。传统双目视觉，原理和人眼看东西差不多，得靠左右眼看到的图像差异来算距离。这特别依赖物体表面的纹理，一旦面对一面大白墙、透明玻璃，或者是漆黑的环境，摄像头看不出差异，就会算不出距离，出现数据漏洞。
Insight相机使用了神经网络深度计算，不光是用眼看，更是用“脑”补。利用强大的芯片算力，让算法通过学习大量的环境知识，哪怕对着白墙，也能计算出精准的距离。但这需要大量的算力支撑，仅靠机器人主机难以完全承载。
更深层的意义，是给机器人装上一条“反射弧”。机器人运行涉及的数据量极大，如果把所有计算放在主机上，不仅会挤占大脑思考逻辑的资源，更可能引起传输延迟。当传输慢了几十毫秒，正在飞奔的机器人就可能因为没反应过来而导致失衡或碰撞。
所以，宸境科技研发团队让Insight相机在端侧就完成复杂计算，直接告诉主机“我在哪、前面有多远”。这就实现了“感知-行动”的闭环在毫秒级内完成，保证机器人动作敏捷，指哪打哪。
此外，宸境科技还试图发起一场VSLAM技术的“平权运动”。长期以来，VSLAM（视觉定位与建图）技术，就像是科技界的“黑魔法”，只有巨头才能掌握。对于中小机器人公司来说，自研VSLAM，不光需要写代码，还需要解决相机镜头的校准、时间同步的微秒级误差，甚至连芯片发热导致镜头的热胀冷缩。搭建这样一支全栈团队通常耗时2-3年，投入数千万资金，如果最终结果难以达标，就只能回到激光雷达方案。
宸境科技把这套经过严苛验证的复杂系统变成一个“开箱即用”的标准件。让开发者不用再重复造轮子，可以将研发精力放在机器人的应用场景，而不是机器人怎么走路。
认知进化：TinyNav 的“生物本能”
Insight相机解决了机器人“看得见”的问题，TinyNav神经导航算法库则是为了解决“认得路”的难题。这不仅仅是技术的升级，更是让机器人从“量尺寸”进化到了“懂环境”。
“TinyNav的目标是打造一套“有诚意”的开源高性能机器人导航库”，TinyNav项目发起人杨振飞向我们介绍到，传统的机器人导航技术，本质上是在做“几何测量”。但在长长的走廊里，或者当房间里的家具被搬动了，单纯靠量尺寸很容易产生累积误差，机器人就会“迷路”。而为了解决corner case，开发者往往会引入大量的人工规则代码，把不同场景下的问题一一解决。比如目前最常用的ros nav2导航库，总共竟然有14w行代码构成。
TinyNav选择了一条仿生学路径。研发团队借鉴了诺贝尔奖级的发现：生物大脑里的“网格细胞”和“位置细胞”，人类不是靠数走了多少步来认路，而是靠感觉和特征——旁边有个红沙发，前面是电视，这里是客厅——来识别环境。
为实现此目标，TinyNav将会充分挖掘生成式世界模型的最新成果。这就像是给了机器人一个“盗梦空间”，只要看一点点真实的场景数据，就能自己脑补生成无数个高保真的虚拟场景。这种“举一反三”的能力，能够大幅提升导航系统的泛化性。为此，TinyNav把核心代码的目标行数，限制在了3000行。
颜沁睿解释说：我们团队成员之前在推动自动驾驶，无人机这两种构型的机器人产品大规模量产过程中，都亲身经历过那种耗费大量人力时间，为了适配不同场景而写规则调参数的过程。随着近两年AI大模型的发展，我们认为TinyNav这种轻规则重数据的架构，才是原生AI的方案，它不仅能够与内置强大AI算力的Insight相机实现高效的软硬件协同优化，并且能够随着未来数据与算力的不断提升，适配更加开放通用的场景，并不断进行自我进化。””。
在此次新品发布会上，宸境科技首席机器人科学家左星星首次公开亮相，介绍了公司在多模态感知，场景理解，视觉语言导航VLN，视觉语言动作VLA, 人形机器人动作生成，双臂灵巧手操作等方面的前沿技术研究。作为机器人感知领域的专家，左星星是具身智能研究界冉冉升起的新星，现任阿联酋穆罕默德·本·扎耶德人工智能大学（MBZUAI）机器人系助理教授，领导机器人认知与学习实验室。
他曾任加州理工学院（Caltech）博士后， Google公司研究科学家，苏黎世联邦理工学院（ETH）客座学者等。研究方向为移动机器人感知、3D计算机视觉、具身智能、多传感器融合等。由在机器人感知方向的突出贡献与影响力，左星星受邀当选为机器人领域顶刊T-RO 和著名期刊RA-L的编委 （Associate Editor），和机器人顶会RSS, IROS， ICRA的编委。
他的强势加盟，将为宸境科技在机器人、空间智能与具身智能领域的发展提供坚实支撑。
为了让这套系统更好用，宸境科技还开发了RoboSpatial空间编辑平台。这就像是给机器人开发者配了一个“积木游戏”，开发者只需要在一个可视化的界面上，像搭积木一样圈出来“这是禁行区”、“那是减速区”、“这里是充电桩”就能实现路径规划。这让那些不懂高深算法的运营人员，也能在几个小时内，为一个巨大的港口或者园区部署好全套的机器人作业流程，极大降低了具身智能落地的门槛。
做具身智能的“基建狂魔”
从一家以算法和软件著称的空间计算公司，跨越到推出硬核的传感器硬件，宸境科技的这一步看似突兀，实则必然。
“为什么算法公司要做硬件？因为空间智能技术，从来就不是一套纯粹的软件算法，而是软硬件深度协同的系统工程。”颜沁睿直言不讳，“一个好的SLAM工程师，必须是个全栈人才，不仅要懂算法，还得懂相机模组的光学特性、懂结构强度的形变影响、懂嵌入式驱动的底层逻辑。软硬一体是打破技术落地障碍、保证工业级稳定性的唯一解法。”
在这场新品发布会上，宸境科技联合创始人兼CEO胡闻提出了“空间智能即服务”的全新理念。他认为，具身智能正在形成全球范围内的“超级共识”，其市场规模将比肩汽车与手机，达到万亿美金级别。在这个庞大的产业链中，宸境科技的角色不是去造机器人，而是甘当具身智能的“基建狂魔”，立志成为机器人时代的一级供应商。
“如果说汽车是移动基础设施，手机是信息基础设施，那么机器人将是未来的物理任务基础设施。”胡闻表示。无论是B端的“类劳动力”补充，还是G端的公共服务，都需要一个统一、标准、高可用的感知底座。
当LooperRobotics为机器人装上了工业级的“眼”、生物级的“脑”和标准化的“前庭系统”，具身智能才算真正走出了实验室的温室，拥有了进入千行百业、应对真实物理世界挑战的底气。
优配网提示：文章来自网络，不代表本站观点。
热点资讯
