一家成立刚满两个月的年轻公司，把目标对准了双足人形机器人里最难的一段：做端到端感控一体化「大脑」。
放出相关演示视频的是共生知行。视频中，一台机器人驾驶卡丁车在赛道上完成过弯、加速、打方向等动作，一镜到底。与常见的人形机器人跑步、抓取或弯腰取物演示不同，这次展示的是机器人坐进车内，在全速状态下完成手、眼、脚协同，以及多接触点平衡和精细力控制。
共生知行创始人丁鹏翔生于 1996 年，核心团队其余成员均为 00 后，且全员仍在读博士。丁鹏翔解释这段看上去有些「不务正业」的演示时说，他希望机器人更像人，而不只是执行机械式服务功能，「好比人能开卡丁车，机器人也能干」。
公司所做的产品，是双足人形机器人的端到端感控一体化「大脑」，也就是基座模型。丁鹏翔的问题意识很直接：如果机器人最终要进入真实环境，而不是只在固定场景里完成单点演示，那么它需要的不是被拆分后的局部能力，而是一套能把感知、理解和行动连起来的统一系统。
押注端到端，而不是继续走分层路线
在丁鹏翔看来，「端到端」双足人形机器人模型是一个很新的方向，新到市场上几乎找不到现成人才。按照他的说法，这条路线近两年才开始升温，懂底层技术的人大多还在读博士，传统人才库很难提供匹配人选。毕业多年的研究者未必跟得上最新进展，而博士阶段以下的训练，对底层理解又差了一截。
共生知行的团队正是建立在这批年轻研究者基础上。公司称，团队曾获得国内具身智能领域两项 Best Paper，并有一项工作入选 Best Paper Candidate；同时还打造了国内首个 GitHub Stars 突破 2K 的具身基座模型。团队累计发表 40 余篇顶会论文，覆盖感知、决策、控制、数据与系统等方向，从双系统、轻量化到多构型，都有相关工作产出。
对于技术路线，团队的判断有两层。其一，机器人最终最广泛进入人类生活的形态会是双足。其二，参考自动驾驶和大模型的演进，端到端会是效率更高的技术模式。
这一判断并非一开始就落在端到端上。早在 2023 年 12 月，丁鹏翔就开始尝试给四足机器人装「大脑」。他以一作身份发布 QUAR-VLA，将视觉、语言和任务意图交由上层模型处理，再把决策交给底层运动系统执行。这套由「大脑」负责决策、「小脑」负责运动执行的方式，就是业内常说的分层架构，丁鹏翔提到，Figure 这样的公司目前仍在沿用类似方案。
但在后续研究中，他逐渐发现了分层方案的问题。按照他的描述，这是一种「理论上可行、但是不那么优雅的方案」。在这种架构下，大脑和小脑各自独立，每新增一个任务，都要对上游输出做定制化微调，才能把效果调到可用水平。
更深层的问题来自结构本身。大脑和小脑分开训练、部署时再拼接，即便局部模块各自更优，也不代表整体最优；而且两层之间每多一次「翻译」，就会带来一次级联误差和信息损失。丁鹏翔据此判断，只要采用分层，中间就存在信息瓶颈，这种接口设计决定了分层架构无法实现真正意义上的 Scaling。
他的观察也来自自动驾驶和大模型的技术演进。早期自动驾驶依赖感知、预测、规划、控制等多个模块协同，之后开始转向让模型直接从数据中学习驾驶能力。丁鹏翔提到，特斯拉 FSD 转向端到端后，性能出现大幅提升。对应到机器人领域，他认为系统也可能经历类似变化，即让模型直接从数据中学习完整的「感知—理解—行动」过程。
基于这一判断，他认为既然从 2023 年开始已经把分层路线反复做过，如果未来数据规模化最终会推动系统走向端到端，就没有必要再绕一次弯。
行业尚未收敛，共生知行选择更激进路径
丁鹏翔提到，这一步在 2026 年已经开始出现。谷歌的 Gemini Robotics 2 已经用单一策略把从脚到指尖的全身动作统一到一个模型里；但 RSS 2026 的顶会共识写明，端到端单模型还无法覆盖全身复杂动态，分层模块化仍是现阶段更优的落地方案。
这也意味着，共生知行押注的纯端到端路线，是一条更激进、参与者更少的路径。
为什么是双足，而不是轮式或其他构型？丁鹏翔给出的答案是第一性原理：人类社会的建筑、工具和环境，本身就是围绕人的身体构型设计的。轮式机器人更适合固定在产线或商场内执行任务，而双足机器人可以出门、上下楼、开车，也可以在不同场景之间迁移任务。按照他的说法，通用性意味着更好的成本摊薄，而双足形态本身也具有更强的拟人亲和力。
时机也被他视为关键因素。丁鹏翔称，在 2026 年 4 月之前，双足人形机器人连通用遥操作模型都还没有建立起来，没有数据来源就很难训练基座模型。直到英伟达 Sonic 开源，行业才开始具备大规模生产数据的基础。
在他看来，这个方向已经走出了「想训练也没有数据」的早期阶段，但又还没有成熟到技术路线完全收敛。共生知行押中的，正是这个窗口期。
从运动学跨到动力学，是双足模型的真正分水岭
丁鹏翔认为，当前大多数机器人基座模型，学习的其实还是运动学。运动学关注的是从 A 点到 B 点的轨迹，比如手移动到哪里、是否抓到目标。对固定基座机械臂来说，这种方式可以成立，因为系统本身不存在跌倒问题。
但双足机器人并不是这样。机器人伸手去够一个物体时，身体重心会一起变化；下蹲取物时，腰部需要前倾，踝关节和腿部也要重新分配力量来维持平衡。再叠加摩擦、碰撞、惯性和接触，模型面对的已经不是局部动作规划，而是全身动力学问题。
据丁鹏翔介绍，一台 g1 双足人形机器人拥有 29 个自由度，复杂度明显高于 7 个自由度的机械臂。过去很多机器人学习的是「动作轨迹」，而人形机器人需要学习的是「身体如何在物理世界中行动」。从运动学走向动力学，从完成任务走向保持稳定，在他看来，这才是双足机器人模型真正的技术分水岭。
这也解释了为什么共生知行把模型一路做到 Joint Target，也就是关节目标层。在传统分层方案里，上层大脑先输出运动学目标，再由下游小脑把目标解算成关节动作。共生知行则试图拿掉中间环节，让模型直接面对几十个关节的身体状态。
问题随之而来：如果把小脑拿掉，机器人还能不能站稳？丁鹏翔给出的答案是，单纯依赖模仿学习并不够。模仿学习只会让模型学到标准动作，但无法充分覆盖执行过程中的踉跄、失衡和陌生状态。一旦遇到训练中没有覆盖的身体状态，机器人就可能直接摔倒。系统缺少的是从失败中重新站稳的能力。
用双域协同优化，把任务智能和身体智能放进同一模型
为解决上述问题，共生知行提出了一套「任务行为建模—运动先验蒸馏」的双域协同优化机制。
其中一条优化通路延续行为克隆，用于保证任务精度和动作拟合能力；另一条则通过 DriftDistill，把底层控制器积累下来的稳定性、抗扰动能力和 Failure Recovery 能力，转化为统一模型内部的运动先验。
按丁鹏翔的说法，这并不是简单把两个 Loss 叠加起来，而是把「准确完成任务」和「稳定控制身体」两类能力都并入同一个模型，让大模型同时具备任务智能与身体智能。
如果 DriftDistill 能随着模型规模和数据量继续扩展，它所尝试解决的就不只是认知层面的 Scaling，还包括运动控制能力能否一起 Scaling。
丁鹏翔将负责汇聚运动能力的模块称为 Motion Expert（运动专家模型），目前规模接近 1B，并通过蒸馏持续吸收不同运动控制模型的能力。
再往前走一步，端到端大模型还要处理机器人输出的力。丁鹏翔提到，当前很多机器人系统主要控制位置，但当机器人真正进入现实世界后，位置正确并不等于任务完成。手已经伸到抽屉把手上，却不知道该施加多大力，抽屉仍然打不开；给人递物时位置没问题，如果力量过大，同样会带来安全风险。
共生知行的路线，是先把 Force Expert 作为安全接触专家，让其学习施力、柔顺、阻抗和接触反馈，再通过策略蒸馏逐步融入 Motion Expert 和最终的端到端模型。按照丁鹏翔的说法，位置决定机器人能不能「到那里」，而力决定它能不能真正「把事情做好」。
这也是共生知行所说「全身物理世界模型」的含义：让模型理解身体如何受力、如何失衡、如何发生接触，再把这些物理约束直接转化为动作。
数据仍是瓶颈，行业对最优数据形式也未形成共识
模型真正进入训练阶段后，首先遇到的是数据稀缺。丁鹏翔提到，截至 2026 年初，全球合规机器人数据大约只有 50 万小时，不足大语言模型数据量的两万分之一。
而且不少数据采集自站定操作场景，也就是机器人在有限空间内原地完成作业，这类数据对全身移动操作的帮助比较有限。共生知行在 Blog 中公开了约 1 万多小时数据，其中数千小时为自采。
在丁鹏翔看来，真正稀缺的是现实生活中的强耦合全身移动操作数据，例如骑自行车、开卡丁车、给篮球打气等。这类任务对肢体协同、平衡和接触控制要求更高，也更能检验端到端模型的能力边界。
针对这一问题，共生知行给出的方案是 TrajBooster。其做法是从机械臂或轮式机器人身上提取末端轨迹，再让人形机器人在仿真环境中追踪这条轨迹并保持平衡，从而把不同来源的动作统一到同一个空间中，复用机械臂已经定义好的任务多样性，以较低成本为预训练提供数据。
谈及模型能力时，丁鹏翔很少使用「泛化」一词。他认为这个词过于空泛，更希望用「涌现」来描述目标状态。比如在关节角层面，如果训练数据只包含走和跳，模型在测试时能够自行组合出跑这一新技能，这才是他关心的能力形式。因为只有落实到关节层，部分动作能力才可能被重新组合成全新动作。
对商业化节奏保持冷静判断
尽管路线激进，丁鹏翔对时间表的判断并不乐观。他推断，数据量在 10 万小时左右时，更多还只能支撑实验室级别 Demo；真正具备大规模商业意义，可能要等到数据量进入百万小时之后。
他还提到，行业当前连最合适的数据形式都没有收敛，肌电、外骨骼、动捕、Pico 遥操等路线仍在竞争。按他的排序，人形机器人眼下面对的三大问题里，第一是感知与控制应当如何结合，第二是应采用什么类型的数据，第三才是数据规模本身。
丁鹏翔表示，他希望未来由中国团队设计的机器人模型架构，也能反过来被北美同行采用，「我们不希望当 Follower，我们希望去引领技术的发展」。
回到那辆在赛道上全速过弯的卡丁车，共生知行想展示的并不只是一个吸睛 Demo，而是他们对双足人形机器人终局路线的判断：端到端可能最终取代分层，前提是模型不仅要会做任务，还要学会在物理世界里稳定地控制身体和力。
丁鹏翔也承认，整个双足基础模型行业还没有真正收敛，终局路线远未被证明已经跑通。只是对于这支由在读博士组成的创业团队而言，他们选择先去碰那道更难的问题。
本文来自微信公众号「量子位」（ID：QbitAI），作者：乔不迟。