朋湖网获悉，近日，具身智能机器人公司「千寻智能」先后完成了近2亿元的种子轮+天使轮融资。「千寻智能」由前珞石机器人CTO韩峰涛创办，这家公司创立于2024年2月，在成立至今的半年里，公司仅用四个月就完成了两轮融资。

天使轮融资由弘晖基金领投，达晨和千乘跟投，种子轮投资人顺为资本和绿洲资本继续跟投。本轮融资所筹资金将主要用于技术研发和团队扩张。

目前，人形机器人普遍面临泛化性弱、交互性有限的普遍问题——体现到工作当中，这意味着人形机器人只能在车间、工厂等相对固定的环境中工作，和周围环境的互动有限，反应不够准确、灵敏。

人形机器人要想像人一样聪明，就需要有具身大模型作为聪明的大脑。

为了实现机器人的交互性和泛化性，「千寻智能」的核心壁垒之一是，构建了高泛化、高通用机器人大脑。大脑中就运用了视觉语言模型ViLa（Vision-and-Language Models）和部件约束模型CoPa（Constraints of Parts）模型，作为具身智能机器人底层的多模态大模型。

值得注意的是，Figure AI此前也使用了ViLa模型，以让机器人具备对日常场景的理解能力、具备生活常识——这项模型架构的提出者，正是「千寻智能」的联合创始人高阳。

除了构建适用于具身智能的基础大模型之外，「千寻智能」的另一项技术优势是，解决了具身智能大模型的数据获取难题。

一般而言，为了教会机器人如何在真实环境中工作，科学家需要收集大量人在现实环境中运动的数据，对人形机器人进行预训练（Pre-training），以帮助他们更好的理解周围环境和复杂场景。

然而，当前获取预训练数据的困难却是最大的。

「千寻智能」创始人兼CEO韩峰涛表示，数据、算力和算法是构建具身智能大模型的三要素，目前大部分玩家在算力方面的水平相当，无法构成绝对的技术壁垒；当前算法的技术路线尚未完全收敛。因此，机器人玩家目前只能在现有数据和采集新数据的能力上拉开差距。

训练数据获取困难的原因，基于以下两点——首先，高性能机器人行业还在起步阶段，很难从机器人本体获取数据。

其次，虽然通过仿真和合成数据进行训练也不失为一个解决思路，但虚拟的合成数据中规还是和真实世界的数据存在差距。

而为了突破数据短缺难关，「千寻智能」的解决方案是，在通用高性能硬件系统的基础上，基于海量互联网数据预训练、到高样本效率模仿学习与强化学习，让AI技术进步更好的释放硬件性能。

为此，「千寻智能」联合创始人高阳，提出了目前全球样本效率最高的强化学习算法（EfficientZero和EfficientZero v2），通过提高样本效率，从模型底层解决数据短缺的问题。 

在模仿学习方面，高阳则提出了EfficientImitate高性能模仿学习算法，该算法可以帮助机器人在实操过程中学会举一反三。据介绍，这一算法相比斯坦福的VMAIL算法，学习效率提升了六倍。

在产品和商业化方面，「千寻智能」未来计划将商用、服务和家用作为初步落地场景。

团队方面，「千寻智能」的团队成员都有着丰富的机器人研发背景。创始人兼CEO韩峰涛博士在机器人行业拥有十余年经验，专注于高性能轻型工业机器人研发，曾带领团队落地20+行业、100+场景，1000+客户的商业化成果转化。

同为联合创始人的清华大学高阳教授则拥有十年的具身智能、机器视觉和机器学习研究经验，专注于研究构建通用的具身智能大脑，能够在任何场景中执行任意任务。他曾与美国具身智能领域头部公司Physical Intelligence的创始人Sergey Levine有深度合作。