不卷模型卷系统：逐际动力发布 COSA 0.5，全尺寸人形机器人一镜到底干家务
核心亮点
逐际动力（LimX Dynamics）近日发布人形大脑系统 COSA 0.5 版本，其全尺寸人形机器人 Oli 完成了全球屈指可数的"一镜到底"长程家庭任务演示。这是中国首个、全球唯二（继 Figure 之后）能全自主完成长程移动操作家庭任务的全尺寸人形机器人。
Oli 本体具备 31 个自由度，在演示中依次完成了：
- 把椅子上的衣服拿起放在手臂
- 转身从衣架高处取下衣服
- 依次扔进脏衣篓
- 收纳玩偶
- 搬箱摞箱
- 深弯腰拾物
- 清理垃圾
- 递物
全程边移动边操作，任务之间不剪辑、不复位。
三层架构：认知、技能与运控的协同
COSA 系统的核心创新在于将认知、记忆、调度、技能与全身运控组织成一个整体，分为三层：
System 2（认知层）：~1 Hz
- 输入：头部与手腕相机画面 + 语言指令
- 功能：场景理解、记忆、推理和调度
- 职责：决定「要做什么」
- 特点：在一镜到底 Demo 中，机器人不知道下一轮要面对什么布局，S2 必须实时判断下一步该做什么
System 1（技能层）：~50 Hz
- 职责：S2 决定「做什么」，S1 提供「用什么技能做」
- 构成：一组可复用技能的集合，VLA 只是其中一个技能
- 设计理念：不同技能需要的数据不一样，开车和剥鸡蛋放在一起训练反而会互相干扰；技能层走多元数据、按需组合的路线，每个技能独立迭代、独立验证
System 0（运控层）：1000 Hz
- 核心模型：自研 LimX WBT 全身运动基础模型
- 技术规格：基于千万参数级的 Transformer 策略，完全跑在机上（端侧）
- 能力：不需要让机器人训练具体任务，只要训练一次动作，即可复用于 VLA 执行、遥操作采集、零样本回放三类场景
- 接口设计：只暴露一个统一接口，接收上游的全身运动目标，输出平衡协调的关节指令
张巍（逐际动力创始人）的判断：「没有小脑，是长不出大脑的。」
关键量化数据
S0 / WBT 对标行业公开最强全身跟踪模型 SONIC 的量化对比：
| 指标 | SONIC | LimX WBT | 提升 |
|---|---|---|---|
| 关节角误差 | 3.3° | 1.5° | 精度翻了一倍多 |
| 全身位置误差 | 13.75 mm | 12.85 mm | 略有改善 |
| 动作平滑度 | — | — | 同步提升 |
这意味着：关节「指哪儿去哪儿」的精度显著提升，身体晃动和抖动明显更少。
行业反共识：模型只是技能，系统才是大脑
过去一年，具身智能行业最热的叙事围绕模型展开——端到端模型越做越大，VLA 参数量不断刷新，资本和关注都涌向「谁的模型更强」。
逐际动力的判断截然不同：
纯大模型就像躺在病床上的霍金——极其聪明，具备强大的思考、决策、认知能力，但无法自主行动。
这次 COSA 0.5 的发布抛出一个行业反共识：模型只是技能，系统才是大脑。
当行业普遍把「具身基础模型」等同于大脑时，逐际动力用三层技术架构给出不同答案：认知、技能、运控各自都只是能力，把它们加上记忆与调度组织成一个能在真实身体上、在物理世界中稳定运转的整体，才是大脑系统。
这让逐际动力不必在「谁的单一模型更大」上打军备竞赛，而是在「谁的系统更完善」这条差异化赛道上竞争。
全球竞争格局对比
与逐际动力最值得对比的是三家公司：
| 公司 | 地区 | 定位 | 架构理念 | Demo 复杂度 |
|---|---|---|---|---|
| Figure | 美国 | 全球最高估值人形公司 | System 1 / System 2 分层，「模型即大脑」 | 厨房整理、房间整理、客厅整理等一系列家庭场景 Demo |
| Flexion | 欧洲 | 领先具身模型公司 | Command / Motion / Control 三层自主栈，与 COSA 高度趋同 | 跑在第三方硬件宇树 G1 上，户外拾取、搬运包裹为主 |
| Skild AI | 美国 | 高估值具身基础模型公司 | 通用基础模型控制所有机器人，「模型即大脑」 | 跨形态、跨任务的能力片段和 in-context 适应，未展示长程全身移动操作 |
| 逐际动力 | 中国 | 产品型主机厂 | S2/S1/S0 三层协同，「系统才是大脑」 | 一镜到底客厅整理，长程、不间断、不遥操 |
在长程、不间断、不遥操的真实家庭任务上，目前全球只有逐际动力和 Figure 做出了可信度高的完整演示——二者相对其他玩家有接近代际差的领先。
开放底座：FluxVLA Engine
本次同步开源的 Humanoid FluxVLA Engine，包含从训练到推理的完整代码，并首次支持端侧（本机）推理。
开发者可以通过统一的配置管理，以即插即用的方式训练与评测以下多种主流 VLA 策略：
- π0
- π0.5
- GR00T
- OpenVLA
- LlavaVLA
- DreamZero
这一开放底座是逐际动力区别于 Figure 全栈闭源的关键：不止展示能力，更把工程基础设施交给社区，被开发者复用。
融资进展
据公开信息，逐际动力已完成 Pre-IPO 轮融资。
参考资料：逐际动力完成 Pre-IPO 轮融资
结语
「大脑系统 + 软硬一体 + 开放底座」这一组合，是逐际动力推动人形机器人在物理世界持续运行的底气。
当人形机器人真正走进家庭和商业空间，用户关心的只有一件事：这台机器人能不能稳定地把活干完。
COSA 0.5 实现的效果惊艳的一镜到底 Demo，就是逐际动力对这个问题最有力的回答。
本文仅基于材料中可核对的事实编写，不涉及任何材料外信息。