今天小編分享的科學經驗：阿裡投的具身智能公司，半年融了5個億！，歡迎閱讀。
具身智能領網域的融資消息，真是一個接一個。
就在剛剛，逐際動力（LimX Dynamics）方面表示，近期又完成了一個A+ 輪融資。
為什麼要加一個 " 又 " 呢？
因為算上這一次，逐際動力在短短半年之内，已經累計完成5 億元 A 輪系列融資。
△逐際動力完成 A+ 輪融資，半年累計完成 5 億元 A 輪系列融資
據悉，逐際動力 A 輪系列融資在產業和财務方面均獲得頭部機構的戰略支持，多家老股東持續跟投。
戰略產業投資人包括阿裡巴巴集團、招商局創投、尚颀資本、蔚來資本、聯想創投、彼岸時代、納愛斯集團，知名财務投資人有高捷資本、綠洲資本、明勢創投、峰瑞資本、南山戰新投。
至于融資的資金所要投入的方向，主要聚焦在了具身智能核心的三大技術，它們分别是：
身體：本體硬體的設計制造
小腦：基于強化學習的小腦全身運動控制
大腦：具身大腦模型的訓練策略
基于此，逐際動力将逐步向市場提供人形機器人本體軟硬體系統和具身 Agent 開發工具鏈。
那麼逐際動力又為何會受到市場如此青睐呢？
在剛才提到的主要聚焦的三大核心技術，逐際動力目前均已經取得了較為矚目的成果。
例如在機器人的身體方面，就曾推出過全球首款多形态雙足機器人TRON 1（2024 年 10 月）。
它支持雙點足、雙足、雙輪足，可以說是買一得三。
TRON 1 可以說是 " 科研人的第一台雙足機器人 "。
因為提供全開放 SDK 與底層硬體接口，支持 Python 全流程開發、Sim2Real 一鍵部署，可大幅降低 RL 科研門檻。
不僅如此，TRON 1 已經完成了全球多個國家和地區的產品交付，初步實現了產品的設計、研發、量產和銷售的商業化閉環。
随後，同年 12 月，逐際動力又曝光了全尺寸人形機器人的測試，展現了整機工程化更新，實現全身多關節協同大範圍運動。
最大的特點，就是逐際動力的人形機器人，可以完成超多的高難度動作。
例如亞洲蹲：
" 帕梅拉 " 深蹲：
再如俯趴 - 站立也是不在話下：
主打的就是高自由度、高靈活性和高穩定性，而正是基于強化學習的小腦全身運動控制的表現。
除此之外，逐際動力最近還布了具身智能操作算法LimX VGM。
利用視頻生成技術推動具身大腦突破，提升數據訓練和算法性能的轉化效率，為人形機器人學習能力和泛化性的實現奠定重要基礎。
具體而言，僅需将場景圖片和操作任務指令作為提示 Prompts，即可實現任務理解與拆分、物體操作軌迹生成以及機器人操作執行的全流程，全過程零真機樣本數據，并且可實現多平台泛化。
這是國内首次實現将人類操作數據直接應用于機器人操作。
整體來看，LimX VGM 的工作流程包括三個關鍵步驟：
訓練階段：采集若幹真實人類操作的視頻，對現有的視頻生成大模型進行後訓練。
推理階段：以初始場景結合任務操作指令作為提示 Prompts，利用經過後訓練的視頻生成大模型生成帶深度信息的人類操作視頻，進而根據人類操作視頻，生成機器人操作的行為。
執行階段：算法輸出符合機器人操作邏輯的行為解算，由機器人執行相應的操作軌迹。
在這背後，還有逐際動力的三大創新點。
首先就是人類操作視頻到機器人操作策略及行為的橋接。
只需額外采集少量的人類操作視頻數據，即可用于機器人操作，全程零真機數據，讓數據采集工作變得簡單、成本低，且效率高。
其次是引入空間智能，突破 2D 生成視頻的局限。
通過引入空間智能 Spatial Intelligence 模塊，LimX VGM 對視頻生成大模型進行後訓練時，引入深度信息，讓生成的操作視頻直接包含三維空間數據，這是讓機器人能夠進行物理空間操作的關鍵。
LimX VGM 深度信息的采集過程簡單、易得且高效，僅需通過深度相機捕捉人手真實的操作過程即可。
最後便是算法與機器人本體的解耦，可跨平台部署。
LimX VGM 的整個訓練過程僅依靠人類操作視頻，不涉及任何機器人本體；算法的真機部署僅需進行簡單适配，便可實現跨硬體平台的直接操作執行。
LimX VGM 實現了算法與執行器的解耦，從根本上解決了算法與機器人本體耦合才能發揮作用的局限。
逐際動力之所以吸金，應該也是與其有技術、有產品，也有商業化密不可分了。
