源策未来首次公开全身智能实机成果，机器人登高取物、跨本体操作

机器之心报道的演示从一个简单场景开始：玩偶放得太高，机器人伸手够不到，于是它搬来踏台、站上去，把玩偶取了下来。看起来只是“垫高一点”，但搬动踏台、踏上高处、伸手取物，每一步都在改变身体的支撑条件。

报道把厨房入口的一道台阶作为切入点：对人是一步，对机器人却是一轮支撑转换——一只脚先抬起，另一只脚撑住身体，落脚后再把重心送过去。两脚不在同一高度，身体就不能继续照搬平地上的姿态。

源策自研的S0全身控制系统，协调足部轨迹、躯干姿态和重心转移。按报道的说法，跨入厨房、在台阶上俯身取物，考验的都是支撑条件变化时的身体控制。登高后够到玩偶是进一步的收益，首先要解决的是脚下变了、身体仍能稳定行动。

需要说明的是，以上均为厂商发布性质的演示描述，来源未给出任何量化性能指标，也未说明演示是否连续自主完成，还是包含人工干预或剪辑。

演示并未停在登高取物。一只水瓶倒在脚边，机器人屈膝、俯身抓住它，并带着物体起身。报道强调，身体高度变了，手里的目标不能跟着失准。

另一组演示中，路边倒着一辆自行车，机器人俯下身抓住车身，再把它扶起。随着车身离地，手上的负载和身体的支撑都在变化。搬箱子同理：从抱住箱体到放上货架，重量从双手转移到货架，手臂、腰和腿要配合完成这次“交接”。

镜头切回厨房，目标缩小到电饭煲上的一颗按钮。这一次不需要大幅搬动，但身体一晃，指尖就可能错过接触位置。报道的总结是：动作大小不同，要求却连在一起——身体要有足够的活动范围，关键操作位置又不能随着运动失准。

这些任务均为人造或受控场景，来源没有披露S0与S1的模型规模、训练数据量或算力投入。

餐桌上的物品收好后，G1没有停下，而是拿起抹布继续擦拭桌面。报道指出，抓放时手要拿起、松开，擦拭时工具要贴着桌面移动——看起来都在“清理桌子”，对机器人却是两种接触方式。

洗碗机场景更密集：门绕着铰链转，碗篮沿着滑轨走，餐具还要对准位置放进去。报道称，T2不能用同一个拉拽动作从头应付到尾。

这背后是分工：S1根据现场状态组织任务动作，S0负责全身协调与稳定执行。前一步改变了物体的位置，也改变了下一步从哪里开始。报道的观察是，把一次抓取做完，和把一件事做完，中间还隔着一连串衔接。

这一分工描述来自厂商发布，来源未提供任务成功率或完成时间等可核验数据。

冰箱前，G1与T2参与同一处整理任务。加上两种本体上的餐桌和洗碗机演示，报道称这条技术路线已经进入不同身体的实际操作。

报道同时点出难点：身体比例、关节配置、可达范围各不相同。跨本体的意义，在于把任务要求落实到各自能执行的动作，而不是让机器人只换个外壳。

来源未提供跨本体验证的具体任务成功率或对比结果，因此“已进入不同身体的实际操作”应理解为演示层面的展示，而非可量化的泛化能力证明。

报道用一个人人熟悉的动作说明数据采集的取向：人从低柜里拿东西，往往先挪半步，再低头、弯腰、伸手。只盯着手的轨迹，很容易漏掉那半步为何重要。

EgoBody记录的正是这类全身经验：第一视角留下“看到了什么”，同步身体运动留下“怎样站、怎样伸、怎样配合”。源策内部设计任务，分发到全国不同城市采集，再回流质检，让不同场景、物体和技能进入同一套数据流程。

训练路径上，S1先从人类数据中学习先验，再通过真机后训练适应具体身体与任务。报道明确表示，人的经验是起点，落到机器人身上还需要练。

练习也不只有顺利完成的示范。执行出现偏差时，人形DAgger引入人工纠正，把“走偏后怎样调整”带进后续训练。S0则贯穿采集与部署：一端让人的示范在机器人上执行，另一端让模型学到的动作真正落地。

源策未来由李弘扬、李天羽、陈立联合创立，聚焦通用全身人形基座模型。7月，源策在技术博客中提出全身智能路线；如今，镜头里已有复杂地形控制、自主任务与跨本体验证。

报道提到，创始团队的技术积累横跨端到端智能、机器人学习、世界模型与大规模量产自动驾驶，曾主导端到端自驾驶UniAD、港大-智元超大规模具身操作AgiBot World、字节版UMI上半身操作Egonomy及华为量产自驾ADS 4.0 World Engine等项目，其中UniAD获CVPR 2023最佳论文奖、AgiBot World获IROS 2025最佳论文入围奖。

报道对长期目标的表述是：让一次次经验积累成可复用的能力，不必每换一项工作就从头再教。全身智能的价值，最终不在机器人动得有多“像”人，而在有多少原本必须由人亲手完成的工作，可以逐渐交给机器“执行”。

需要区分的是：公司成立时间、创始团队与论文奖项属于可查证背景；而“全身智能”路线能否兑现为可复用能力，目前只有演示层面的证据，来源未说明这些实机成果是否已进入商业部署或客户场景。