BASAL Intelligence（北京本溯智能科技有限公司，以下简称 "BASAL"）已获得由五源资本领投的融资，常春藤资本、线性资本、华山资本（WestSummit Capital）参与投资。

公司专注于动作原生的具身基础模型研发，探索机器人在真实环境中通过示范与交互适应新任务的技术路径。

BASAL 成立于 2026 年 7 月 21 日，由八名具身智能领域研究者共同创立，核心成员来自清华大学和北京大学等国内外顶尖学校，多数自学生或研究助理阶段起便持续合作。

团队的研究与工程背景覆盖具身智能、多模态大模型、世界模型、强化学习、自动驾驶及机器人系统。核心成员分别拿到字节跳动 Top Seed、英伟达、小米等企业的高薪 offer 和海外高校博士录取机会。

01｜研发面向现场学习的具身基础模型

BASAL 关注机器人部署后的任务适应问题。团队认为，在环境、操作对象或作业流程发生变化时，依赖任务数据采集和后训练的部署方式可能需要重复投入，增加多场景部署的成本。公司希望通过模型在现场的学习与适应，减少针对具体任务重新采集数据和训练模型的需求。

围绕这一方向，BASAL 正在研发 "动作原生的 In-Context 具身基础模型"。团队将动作作为模型的核心表达方式，重点建模动作、任务反馈、失败纠正和人类示范之间的关系，并将模型的主要容量用于动作生成。模型通过长上下文组织连续的物理交互信息，根据此前的动作及其结果调整后续决策。

这里的 In-Context Learning（上下文学习），是指模型利用当前上下文中的示范与交互信息适应任务。BASAL 的研发目标是，让机器人面对训练阶段未见过的场景、任务或机器人本体时，无需重新训练模型，即可通过少量人类示范和自主尝试，在几分钟内完成学习与适应。

02｜围绕跨本体学习与世界模型开展研究

团队自 2024 年起持续研究快速适应、跨任务学习和跨本体动作表达，已提出跨具身模型 X-VLA 和隐空间世界模型 ODEWorld。

据团队介绍，X-VLA 使用不足 1000 小时的预训练数据，探索不同机器人本体之间的学习与迁移。团队基于该模型参加 IROS 2025 智元机器人挑战赛，在 400 多支参赛队伍中获得总冠军。

ODEWorld 通过连续物理时间的隐空间建模，研究长时序物理信息的表达，为机器人的上下文学习提供技术基础。上述工作构成了团队在跨本体动作表达和物理交互建模方面的研究积累。

03｜团队覆盖模型研究与机器人系统研发

创始人兼 CEO 李健雄于 2021 年本科毕业于西安交通大学机械工程学院，随后进入清华大学智能产业研究院（AIR）攻读博士，师从张亚勤院士，是清华 AIR 及张亚勤院士招收的首届博士生之一，长期从事具身智能、强化学习与机器人系统研究。

博士期间，李健雄在相关领域发表近 30 篇顶会论文，其中 5 篇入选 Oral 或 Spotlight；曾获 ICML 2024 MFM-EAI Workshop 杰出论文奖、ICLR 2026 ES-Reasoning Workshop 最佳论文奖及清华大学博士研究生国家奖学金。他同时具有机器人硬件研发与真机系统经验，曾获得 20 余项硬件赛事奖项。

首席科学家詹仙园现任清华大学智能产业研究院（AIR）副教授、清华 AIR-DREAM Lab 主任，曾任微软亚洲研究院研究员、京东科技数据科学家和上海 AI Lab 双聘青年研究员。其研究方向包括决策智能、具身智能和自动驾驶，已发表相关论文 80 余篇，连续多年担任 NeurIPS、ICLR 等学术会议领域主席，并担任 RLDM 2025 联席主席。

其他核心成员曾参与 Wall-OSS-0.5、X-Tokenizer 等具身模型项目。团队在自动驾驶方向提出 Diffusion Planner，将扩散模型用于规划；后续工作 Hyper Diffusion Planner 进一步研究基于扩散模型的端到端自动驾驶模型设计与训练方法，并完成实车验证。相关研究与工程经历覆盖算法研究、模型训练、机器人系统搭建和真机部署。

（来源：常春藤资本）