量子位 8 月 12 日报道，人形机器人依靠仿人体结构适配各类人类场景，但通用性需求让整套硬件承载多重技术矛盾。学界观点提出，任务场景高度明确时，定制化本体形态效率会远超通用人形。依托港大、斯坦福、大疆等顶尖研发团队的擎羽科技，走出柔性具身智能差异化路线，不局限复刻人体结构，而是实现硬件本体、数据集、基础模型协同迭代。本次发布 FEAGINE A01、A02、A03 三款递进式柔性机械臂，同步推出第一代跨本体基础模型 Fi0，硬件负责多样化可变 “身体”，模型实现智能能力跨本体迁移。
三款柔性机械臂构成全球首个标准化量产绳驱柔性本体矩阵，依靠节段、自由度、负载、长度分层覆盖多元落地场景。A01 单关节双自由度，轻量化仅 750 克，末端负载 200 克，适配移动巡检、轻量化搭载设备狭小作业；A02 双关节四自由度，臂长 30 厘米，负载 400 克，柔顺弯曲特性适配桌面服务、人机近距离交互；A03 三段柔性关节，6+1 自由度，臂长 50 厘米，负载 600 克，可灵活绕开障碍物，适配复杂空间高精度操作。全系列兼容 ROS、Python、C++ 开发环境，中高端型号配套专业仿真工具，彻底将柔性机械臂从实验室科研设备转化为可批量集成落地的标准化工业产品。三款硬件本体参数连续变化，为 Fi0 模型提供完整、可验证的本体形态变量样本，支撑模型学习身体结构与动作逻辑的关联规律。
Fi0 跨本体基础模型是整套方案的核心，核心逻辑拆分任务认知与本体执行：物体关系、操作逻辑、任务目标等通用知识永久留存，仅根据机器人形态动态调整运动轨迹、空间构型。模型搭建多层核心架构，实现多重关键能力突破。Skill Encoder 将人类示范动作提取任务结构、接触逻辑，转化为可复用技能指令，无需绑定人体运动轨迹；Cross-view World Encoder 打通人类第一视角与机器人机载视角，统一物理世界表征，消除观测视角差异带来的认知割裂；Embodiment Graph 以结构化图谱记录机器人自由度、长度、形变特性，让模型精准识别自身硬件条件；World Dynamics Model 与 MAWA 多目标评估模块提前预判不同动作的物理结果，筛选适配当前柔性本体的最优动作方案。
Fi0 创新采用推理阶段上下文学习，解决传统模型重训练、难适配长尾场景的痛点。面对训练集未覆盖的全新任务，操作人员佩戴 Ego 头环完成一次示范，模型直接提取示范中的任务逻辑作为上下文，无需重新微调模型参数，即可适配任意柔性机械臂完成作业，大幅降低现场部署调试成本。同时模型依托柔性本体连续可变的形态特征，持续学习本体参数如何改变可达空间、接触方式，这套跨本体学习能力不只局限于柔性机械臂，未来可拓展至医疗、航空、特种作业各类异形机器人。
行业当前主流赛道聚焦单一人形机器人的性能升级，擎羽开辟全新产业逻辑：未来机器人本体将围绕细分任务多元化分化，通用智能不再绑定单一硬件形态。柔性具身智能体系依托标准化柔性本体矩阵沉淀海量多形态设备数据，借助 Fi0 打通技能跨硬件复用壁垒，企业新增机器人品类时无需重复投入数据采集、模型训练成本，形成技术复利。该路线与人形机器人路线互补，人形适配全场景通用需求，柔性定制本体深耕细分场景高效作业，二者共同完善具身智能产业完整市场结构。
随着机器人加速落地工厂、医疗、仓储、家庭、极端特种场景，不同场景对机器人尺寸、柔性、负载、安全性需求分化加剧。擎羽柔性本体 + 跨本体基础模型的技术路线，解决多形态机器人重复开发的行业痛点，重新定义具身智能的竞争维度：赛道竞争不再局限单台机器人硬件性能，能否实现智能能力跨不同本体高效迁移，将成为下一阶段产业核心比拼点。