在结构化环境（如工厂）中，机器人技术已相当成熟，但将其置于城市街道等开放场景，挑战便截然不同。尤其在户外，机器人需全天候运作，经受各种天气和交通状况的考验。
中国信息通信研究院的《具身智能发展报告》指出，当前具身智能面临数据、模型、本体及场景难以形成闭环的困境。然而，到2026年，具身智能将从技术验证阶段转向实际应用阶段，城市服务正成为检验其落地能力的关键测试场。
面对此情，库萨科技致力于让具身智能服务于城市开放场景，采取了打通数据采集、模型训练到机器人部署全栈工程的策略，旨在让机器人在真实环境中稳定运行。库萨认为，要克服规模化落地的障碍，研发和工程化能力必须并驾齐驱。
库萨科技成立于2023年，核心团队成员来自清华、上海交大等高校，拥有15年在整车、机器人及自动驾驶领域的研发与管理经验。其核心产品是面向城市开放场景的服务机器人，已在超过40座城市投入运营。
今年7月中旬，库萨科技发布了Kusa Robo Platform，一个专为城市级具身智能部署设计的工程化平台，覆盖了从数据采集、模型训练到多端部署及远程运维的全栈闭环。作为少数进入此“考场”的公司，库萨旨在通过该平台解决行业普遍存在的疑问：为何专用平台是具身智能规模化落地的关键？
城市级具身智能为何挑战重重？
自动驾驶团队转型做机器人时，普遍认为只是将二维问题提升至三维。库萨团队最初也持有此观点，但深入场景后发现，评价标准已发生根本性改变。
例如，自动驾驶汽车只需安全抵达目的地，而城市环卫机器人则需主动处理各种障碍物。面对路面上的塑料袋，自动驾驶可选择绕行或碾压，但环卫机器人必须尝试清扫。若机器人仅回避，则无法完成清扫垃圾的任务。
这种评价标准的转变，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陶圣解释，自动驾驶不太关注接触力学，是因为汽车行业已有成熟解决方案。而城市服务机器人则需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，关键在于此。处理好物理交互，不仅需要传感器，更需要模型理解物理世界。
为何选择城市场景？
陶圣指出，选择城市场景的核心是看到了真实且迫切的需求。城市空间复杂，技术壁垒高，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渗透率不足1%，市场潜力巨大。
尽管挑战艰巨，但明确的回报使得城市服务机器人成为一项值得长期投入的“难而正确”的事业。这种门槛决定了城市级具身智能需要专用工程平台，而Kusa Robo Platform正是库萨的解决方案，其背后是三项核心技术的支撑。
底层架构、数据驱动与智能核心
库萨发布的三项核心技术各司其职：Kusa OS是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与实时调度；Corner Factory是数据工厂，负责自动化挖掘、清洗和标注长尾场景数据；Kusa Omni-CTS是全模态具身模型，负责从场景感知、理解到动作输出的完整流程。这三项技术共同解决机器人如何在城市中“跑得稳、学得快、懂场景”的问题。
Kusa OS旨在解决“跑得稳”的问题。该操作系统的研发可追溯至2018年，当时库萨团队在进行码头无人驾驶项目。ROS2虽然是主流的机器人开源框架，但其在长期稳定性和实时性方面存在不足，这在要求极高的城市服务场景中可能带来风险。因此，库萨从底层自主研发了Kusa OS。
码头场景与城市服务一样，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，从而提升了稳定性和确定性调度能力，并压缩了时延抖动。
尽管自研OS付出了巨大代价，尤其是在工具链不完备方面，但库萨通过自建一套编程工具链，用描述性语言自动生成初始化代码，降低了迁移成本。这种底层自由度和实时稳定性是自研的成果。
如果说OS是“底座”，那么Corner Factory就是“燃料”，它解决了“持续学习”的问题。库萨的数据飞轮已打通，在首个量产产品落地时，整套数据管线已就绪，自动标注占比已从早期80%提升至90%以上。
陶圣介绍，数据处理流程如下：机器人作业异常停车时，自动保存多传感器数据；返回站点后，数据采集器将其传回数据工厂，进行脱敏处理，再进行自动标注（从2D升级到3D），最后由人工修补确认。专用模型会筛选出值得学习的长尾场景，用于模型训练。
Corner Factory中的Kusa Omni-CTS利用单帧真实场景输入生成时序视频流，并同步派生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，支持高效的数据闭环和模型周级迭代。
陶圣强调，数据飞轮并非壁垒，数据本身才是。由于数据与场景高度相关，缺乏真实数据将无法解决问题。数据飞轮带来的先发优势，本质上需要时间和海量数据来积累。
作为“大脑”的Omni-CTS，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，它融合了视频生成、时空编码、3D Gaussian等前沿技术，形成了一套原创解决方案，突破了模型异步输入的难点。
实际机器人上，多个传感器数据同步存在挑战。例如，激光雷达10Hz，相机30Hz，IMU可能高达1000Hz，数据节奏不一。强制同步会导致延迟或矛盾，影响模型性能。
Kusa Omni-CTS通过两层机制解决此问题：第一层是跨模态异步特征对齐，在高维隐空间构建连续时空曲线，让各传感器数据按自身节奏采集，进入模型后自动“对表”，实现数据自然流动，无需昂贵的硬件同步。第二层是物理一致性预测，即对“物理交互”难题的回应。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情况，还能基于物理规律预测未来可能发生的情况，并选择最优执行方式。
从硬件角度看，该设计硬件改动不大，却解决了因时间抖动导致模型能力下降的问题。在具身智能领域，多模态融合是最终解决方案，兼具上限和兜底能力。
对库萨而言，研发和工程化是同一件事。单纯的研发无法落地，单纯的工程化则无法守住技术门槛。库萨将两者置于同等重要的位置。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协同则将研发成果转化为稳定、快速学习的工程系统。研发是基础，工程化是其核心竞争力。
这三项技术共同构建了一个认知进化的闭环。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。
落地情况如何？
库萨的具身智能产品已部署到40多个城市。在三年内从零起步，交付规模实现了数倍甚至数十倍的增长，在这一细分赛道中表现突出。
在中大型开放道路场景，库萨已进入常态化运营阶段，实现了商业模式的跑通和实际作业价值的产生。然而，陶圣也指出，规模化问题尚未完美解决，场景泛化能力仍需提升，硬件有待极端天气考验，产能也还在爬坡过程中。
他直言：“没有验证之前，都还是打嘴炮。” 量产爬坡的每个阶段都面临不同挑战。
可以确定的是，技术迭代始终由真实需求驱动，真实世界的长尾场景远超预期。
一个典型的例子是识别“不起眼”的鱼竿。当库萨的产品从市政道路拓展到公园、景区等更贴近人的场景时，会遇到钓鱼者放置的细长鱼竿。这促使团队重新收集数据并训练模型。陶圣从中领悟到，规模化落地前的技术迭代，往往是为了应对突发场景，团队不可能预设所有问题。
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、纸笔及附近奔跑的学生，能判断学生可能是文具的主人，书包和文具属于临时存放，因此不进行清扫。第二天，若书包和人都不在，同样的一张纸则会被判定为遗留垃圾。这一场景判断依赖于大模型对整张图像的语义理解能力，能够关联人、物、时间和空间。
无论是识别鱼竿还是理解放学场景，这些快速的迭代和部署都得益于Corner Factory的数据飞轮和Kusa Robo Platform的通用性。
除了长尾场景，平台还需支持形态切换。同一套技术栈，已从轮式机器人平滑过渡到双轮足式，机械臂控制也从2-3个自由度扩展到多自由度。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、角度等统一抽象为上层算法不可见的量，再由底层运动学模型转换为可执行指令。
陶圣将此比作游泳时的肌肉记忆，大模型负责顶层思维，底层小模型负责具体执行。
未来平台进化的最大空间在于大模型。OS底层已趋于成熟，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，嵌入世界模型，使3D空间理解成为共识。
具身智能的操作系统不太可能出现一家独大的局面，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”。
在行业终局到来之前，库萨致力于让城市服务机器人在更多纵深场景中实现“开箱即用”，成为可靠、持续、可规模化的生产力伙伴，从而提升城市的运行效率和韧性。
