近日，可可矩阵（COCO Matrix）发布机器人模型 CO01。在其制作奶茶的真机演示中，机器人使用的是天机智能 Marvin M6S CCS-696 人形力控臂。

在这段演示里，CO01 把人的示范、此前的失败和执行中的指导都变成模型可以参照的经验。天机人形力控臂承担动作执行，让这些经验进入真实物理世界。

经验，直接进入模型上下文

看过人的奶茶制作示范后，机器人按步骤执行；提出 "少放些奶粉" 的指示，它从已经拿起的勺子里倒回一些；茶包卡在杯沿，这种失败的过程也会被保留下来，帮助它下一次调整动作。CO01 把这些信息留在上下文里，模型无需为当前任务重新训练，就能调整后续行为。

在可可矩阵公开的整体评测中，同一预训练模型下，一段示范、约 1 分钟，未见任务平均成功率达到 52%；微调达到相近水平，约需 180 条示范、9 小时。保留自身历史的真机任务，5 次内累计成功率为 84%，不保留历史则为 56%。

这些结果来自 CO01 的整体实验，呈现了机器人学习素材的变化：从精心挑选的成功示范，扩展到包含失败、纠偏和偏好的完整过程。

模型会学，本体也要接得住

经验提示最终要落到关节动作。示范里一次看似普通的取放，包含接近、接触、受力、姿态修正等连续变化；夹爪闭合、茶包卡住、勺中奶粉倒回，都会改变手臂下一瞬间需要执行的力和位置。

本体如果回差大、轨迹漂移或接触响应不稳定，同样的模型指令会得到不同结果，记录下来的失败也可能混入硬件波动带来的干扰。对需要反复尝试、从交互记录中学习的模型来说，本体的一致性直接关系到经验是否可比较、动作是否可复现。

此次奶茶演示使用的 Marvin M6S CCS-696 人形力控双臂采用 7 自由度拟人构型，单臂额定负载 6kg，工作半径 696mm，重复定位精度 ±0.03mm。各轴标配天机自研 MEMS 关节扭矩传感器，作用力重复精度≤0.15N、≤0.05N・m，支持阻抗控制与力位混合控制。

这让双臂既能按轨迹准确到位，也能在接触发生后保留顺应性。对 Physical AI 而言，力控在动作执行之外，也为机器人感知物理世界提供了一条通道。

Marvin.SDK 开放位置、力控、阻抗、双臂协作等接口，最高支持 1kHz 实时控制。模型团队可以把更多精力放在策略与训练上，无需从底层驱动开始搭系统。

让每一次交互都能回到训练

CO01 以 "会话"（Session）为单位组织训练数据，保留同一任务中示范、失败、重试和指导的先后关系。部署中的交互记录经过整理，也能用于后续训练。

当真实使用成为学习过程的一部分，本体便进入了数据链路。稳定、开放的力控本体，让团队能够持续采集有对照意义的数据，也让同一个策略在不同轮次中面对尽可能一致的物理条件。

作为全球领先的具身智能基础设施平台，天机持续把力控本体、运动控制接口与开发工具做完整，支持模型团队验证自己的智能。此次 CO01 奶茶真机演示，是这种分工的一次具体呈现：可可矩阵探索机器人如何从经验中学习，天机让学习发生在真实、可控的物理交互里。

期待 CO01 在更多任务中积累经验，也期待更多优秀模型，在天机人形力控臂上学会与真实世界相处。

（来源：天机）