纽娲机器人获5000万天使轮融资，自研“世界通行模型”破解具身智能移动难题

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-06-30

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。

📊 核心实体与商业数据

💡 业务落地拆解

纽娲机器人选择从机器人最基础的“通行能力”切入，提出 “具行智能”（Embodied Mobility Intelligence） 概念，并自研 “世界通行模型（WTM）”。该模型旨在帮助机器人在复杂的人类社会环境中自主移动、导航、交互并完成任务，可兼容四足机器人、AGV、无人配送车等各类移动机器人平台。

创始人杨睿刚指出，无论是社区配送、园区物流还是文旅度假服务，底层都指向同一个问题——机器人如何在人类环境中安全、高效且优雅地完成任务。为此，纽娲构建了一套从仿真到数据再到模型训练的技术体系：

• 渲染层：通过三维重建与AIGC技术保证空间一致性。
• 仿真层：通过显式三维结构与自研物理引擎SimWeaver保证物理规律准确表达。
• 数据层：利用前两层能力持续生成可交互、物理正确、三维一致的高质量合成数据，形成数据飞轮。

在运动控制方面，自研模型已能稳定通过55度空心楼梯等复杂场景。杨睿刚强调，这一能力来自视觉感知与本体感知的深度融合，系统能够理解哪些区域可踩、哪些不可踩，显著提升稳定性。

导航能力方面，纽娲正在推进无图或轻地图导航方案，仅通过小区平面图或通用导航地图，即可实现室内外、平地与楼梯之间的三维自主导航。

此外，纽娲将 “社会行为合规性”（Social Ethic） 视为世界通行模型的重要组成部分，目前重点攻关电梯场景中的社会行为学习，如“先下后上”“排队等待”“主动礼让”等规则。

杨睿刚语录：“数据闭环这件事，机器人和自动驾驶其实是一回事。从数据采集、标注、到模型迭代，整个逻辑是完全一样的。工程化那套体系也可以直接用。自动驾驶在CI/CD、仿真测试、灰度发布这些环节上已经做得非常成熟、非常严格——我们在嬴彻做量产L3重卡，这套东西是真正跑通过的，不是纸上谈兵。这部分经验直接带过来就行。”

杨睿刚语录：“真正需要重新建的，是‘具身操作’这块——就是机器人怎么去开门、按电梯、搬东西，跟物理世界产生真实的交互。这个在自动驾驶里完全没有对应的东西，得从零做。我们现在的打法是把团队在三维重建和物理仿真上的积累用起来，用合成数据来加速这部分的训练，这是我们能比别人快的地方。”

🚀 对企业 AI 化的启示

1. 聚焦垂直痛点：纽娲选择“通行能力”这一具身智能的基础瓶颈，而非追求大一统模型，体现了精准的切入点策略。企业AI化应优先解决核心业务中的关键堵点。
2. 数据飞轮构建：通过仿真引擎生成高质量合成数据，形成“渲染-仿真-数据-模型”闭环，降低对真实数据的依赖。企业可借鉴此思路，利用数字孪生或合成数据加速AI训练。
3. 技术复用与迁移：杨睿刚将自动驾驶领域的数据闭环、工程化体系直接迁移至机器人，同时针对操作能力从零建设。企业应评估现有技术资产的可复用性，避免重复造轮子。
4. 渐进式落地路径：纽娲计划2026年先在1-2个场景验证，再扩大规模，最后实现本体量产。企业AI化应遵循“小范围验证→规模化推广”的节奏。

【官方原文链接】点击访问首发地址