今天小编分享的科学经验：阿里投的具身智能公司，半年融了5个亿！，欢迎阅读。
具身智能领網域的融资消息，真是一个接一个。
就在刚刚，逐际动力（LimX Dynamics）方面表示，近期又完成了一个A+ 轮融资。
为什么要加一个 " 又 " 呢？
因为算上这一次，逐际动力在短短半年之内，已经累计完成5 亿元 A 轮系列融资。
△逐际动力完成 A+ 轮融资，半年累计完成 5 亿元 A 轮系列融资
据悉，逐际动力 A 轮系列融资在产业和财务方面均获得头部机构的战略支持，多家老股东持续跟投。
战略产业投资人包括阿里巴巴集团、招商局创投、尚颀资本、蔚来资本、联想创投、彼岸时代、纳爱斯集团，知名财务投资人有高捷资本、绿洲资本、明势创投、峰瑞资本、南山战新投。
至于融资的资金所要投入的方向，主要聚焦在了具身智能核心的三大技术，它们分别是：
身体：本体硬體的设计制造
小腦：基于强化学习的小腦全身运动控制
大腦：具身大腦模型的训练策略
基于此，逐际动力将逐步向市场提供人形机器人本体软硬體系统和具身 Agent 开发工具链。
那么逐际动力又为何会受到市场如此青睐呢？
在刚才提到的主要聚焦的三大核心技术，逐际动力目前均已经取得了较为瞩目的成果。
例如在机器人的身体方面，就曾推出过全球首款多形态双足机器人TRON 1（2024 年 10 月）。
它支持双点足、双足、双轮足，可以说是买一得三。
TRON 1 可以说是 " 科研人的第一台双足机器人 "。
因为提供全开放 SDK 与底层硬體接口，支持 Python 全流程开发、Sim2Real 一键部署，可大幅降低 RL 科研门槛。
不仅如此，TRON 1 已经完成了全球多个国家和地区的产品交付，初步实现了产品的设计、研发、量产和销售的商业化闭环。
随后，同年 12 月，逐际动力又曝光了全尺寸人形机器人的测试，展现了整机工程化更新，实现全身多关节协同大范围运动。
最大的特点，就是逐际动力的人形机器人，可以完成超多的高难度动作。
例如亚洲蹲：
" 帕梅拉 " 深蹲：
再如俯趴 - 站立也是不在话下：
主打的就是高自由度、高灵活性和高稳定性，而正是基于强化学习的小腦全身运动控制的表现。
除此之外，逐际动力最近还布了具身智能操作算法LimX VGM。
利用视频生成技术推动具身大腦突破，提升数据训练和算法性能的转化效率，为人形机器人学习能力和泛化性的实现奠定重要基础。
具体而言，仅需将场景图片和操作任务指令作为提示 Prompts，即可实现任务理解与拆分、物体操作轨迹生成以及机器人操作执行的全流程，全过程零真机样本数据，并且可实现多平台泛化。
这是国内首次实现将人类操作数据直接应用于机器人操作。
整体来看，LimX VGM 的工作流程包括三个关键步骤：
训练阶段：采集若干真实人类操作的视频，对现有的视频生成大模型进行后训练。
推理阶段：以初始场景结合任务操作指令作为提示 Prompts，利用经过后训练的视频生成大模型生成带深度信息的人类操作视频，进而根据人类操作视频，生成机器人操作的行为。
执行阶段：算法输出符合机器人操作逻辑的行为解算，由机器人执行相应的操作轨迹。
在这背后，还有逐际动力的三大创新点。
首先就是人类操作视频到机器人操作策略及行为的桥接。
只需额外采集少量的人类操作视频数据，即可用于机器人操作，全程零真机数据，让数据采集工作变得简单、成本低，且效率高。
其次是引入空间智能，突破 2D 生成视频的局限。
通过引入空间智能 Spatial Intelligence 模块，LimX VGM 对视频生成大模型进行后训练时，引入深度信息，让生成的操作视频直接包含三维空间数据，这是让机器人能够进行物理空间操作的关键。
LimX VGM 深度信息的采集过程简单、易得且高效，仅需通过深度相机捕捉人手真实的操作过程即可。
最后便是算法与机器人本体的解耦，可跨平台部署。
LimX VGM 的整个训练过程仅依靠人类操作视频，不涉及任何机器人本体；算法的真机部署仅需进行简单适配，便可实现跨硬體平台的直接操作执行。
LimX VGM 实现了算法与执行器的解耦，从根本上解决了算法与机器人本体耦合才能发挥作用的局限。
逐际动力之所以吸金，应该也是与其有技术、有产品，也有商业化密不可分了。
