桥介数物完成新一轮亿级融资，加速落地通用机器人操作系统

中国移动链长基金领投

近日，桥介数物（BridgeDP Robotics）宣布完成 Pre-A+++ 轮融资。本轮融资由中国移动链长基金领投，老股东复星创富、深创投追加投资，融资规模达亿元级。

伴随本轮的融资，桥介数物进一步明确了公司的长期战略方向：以运动控制为基石，构建“通用机器人操作系统”。这也表示我们正在从运动控制方案研发商，升级转型为通用机器人产业基础设施和生态的建设者。

半年内，桥介数物相继获得产业资本与国资基金的投资。这既是对我们过往成绩的认可，也是对我们新定位、新方向的肯定和信任。

本轮融资将用于加速这一战略的落地，推动我们在产品迭代和算法研发的布局进入下一阶段。

RoboCraft AI

通用机器人运动能力开发平台

我们在今年6月发布了 RoboCraft AI，它汇聚了桥介数物过去在 50 多款不同型号机器人研发部署过程中的经验，把运动控制的底层技术、模型算法、Sim2Real工程经验沉淀为了标准化的软件开发流程。

我们希望开发者可以通过 RoboCraft AI 快速为机器人构建一流的运动能力。

一方面，针对多款主流的成熟机型，平台支持场景应用的快速开发与真机部署。

RoboCraft AI 已兼容宇树 G1、智元 X2、众擎PM01、加速进化T1等机型，面向已采购这些机型的租赁商、集成商、内容团队等，我们提供“开箱即用”的应用开发工具链，将“动作定制、应用编排、真机部署” 的流程收敛到同一工作台。具体来说，用户可以：

使用平台丰富的走路、奔跑、舞蹈等高质量资产库动作；
通过“视频提取”或“上传 BVH 文件”添加自定义动作；
通过简单拖拽在时间轴上完成多动作的应用连贯编排，并长期保存管理；
将应用一键部署到真机，并实现多机群控

内测一个月期间，RoboCraft AI 已与全国范围内数十家机器人租赁表演企业建立联系与合作，多家客户已自助跑通部署流程，并通过平台大幅提升了商演场景的开发效率。

另一方面，平台也支持本体厂商自研机型的接入适配。

面向自研本体企业，RoboCraft AI 提供标准化的新机接入流程，将过去成本高昂、依赖专家经验的复杂工作，收敛为可复用的平台自动化功能，显著缩短新机型部署运动能力的周期。

RoboCraft AI 开发了从 URDF 的 AI 校验与自动修复，到硬件安全检查，再到自动生成训练参数等功能，尝试将 Sim2Real 工程中的硬件隐患问题前置解决，提高后续部署的成功率和效率。

我们已与多家整机厂和关节模组厂商达成深度合作，跑通了其新机型的 0-1 接入适配，帮助合作伙伴获得了接近成熟本体的基础运动能力和二次开发空间。

目前，RoboCraft AI 已经全面开放注册使用，访问官网 robocraftai.cn 即可解锁高质量内置动作库和应用开发全套工具链，欢迎各位行业伙伴试用以及反馈！

运动控制通用模型

强大的运动能力底座

RoboCraft AI 表现出来的跨本体部署能力、运动泛化能力，底层源自于桥介数物的运动控制通用模型。

我们的算法团队将过去服务不同机器人积累的运动数据与部署经验融合到了通用动作追踪器的研发中。该成果基于我们自研的通用动作追踪模型架构，并结合采用了我们自采的数千小时跨本体全身运动数据训练，目前已能够稳定支持走路、奔跑、跳跃、舞蹈、武术等高频动作，也能够支持大量此前未单独适配过的舞蹈动作编排，展现出了较好的动作泛化能力。

随着桥介数物跨本体全身运动数据工厂的产能提升，该模型的动作覆盖度、复杂动作泛化能力和真实部署稳定性将在未来持续提升。

此外，通用动作追踪器并不只是单点动作模型，也可以接入上层动作规划器输出。目前，我们已兼容显式与隐式行走规划器的输出，能够将上层规划结果转化为底层可执行、可部署的全身运动控制能力。

后续，基于这个底座，我们的接口能力也将逐步扩展到导航、操作等更复杂的任务，使运动控制模型从单纯的“动作执行”进一步延展，成为桥介数物想要构建的“通用机器人操作系统”中核心的基础运动能力层。

跨本体全身运动数据工厂

能力持续演进的核心保障

今年6月初，我们自建的跨本体全身运动数据工厂投入使用，目前已产出首批数千小时通过全流程质检的有效训练数据，产线已经从模式跑通迈向产能爬坡新阶段。

在数据规划上，我们采用“主动覆盖 + 模型能力需求反馈”的双线生产模式：

主动设计覆盖的数据采集，工厂由专职动作设计团队与 AI-native 管理平台协同，按移动、姿态转换、全身交互、跌倒恢复等能力维度持续扩展动作库，保障数据的多样性和有效性；
模型能力需求驱动的数据采集，将训练失败、跨本体迁移衰减、动力学回退和低收益样本等信息反馈，优化到下一轮的采集与重定向工作中，让数据生产服务于模型迭代的真实缺口。

同时，数据工厂配套了自研跨本体动作重定向算法，可将采集数据快速适配并分发至不同型号的机器人，实现高质量运动数据在多机器人平台间的高效复用，显著提升数据生产与应用效率，进一步加速了跨本体运动控制模型的训练、验证与能力演进。