通用机器人操作系统 赋予具身载体无限的运动本能

强化学习、动作迁移、Sim2Real,领先的运动控制技术与跨本体能力

合作咨询

通用机器人OS
基础设施研发商

桥介数物是行业领先的通用机器人操作系统研发商。公司以运动控制为切入点,在强化学习、仿真训练、Sim2Real 及跨本体迁移等领域拥有深厚的技术沉淀与工程实践,致力于为行业提供安全、高效、可规模化的机器人运动能力。围绕核心业务,桥介数物已构建起由通用运动控制模型、跨本体全身运动数据工厂与通用机器人运动能力开发平台 RoboCraft AI组成的三位一体基础设施,打通“上下协同、全链赋能”的赋能路径,与产业链伙伴共筑开放、共赢、持续进化的机器人新生态。

40多家深度合作伙伴

具身智能明星创业公司、新能源头部车企、传统家电巨头的首选

70+

跨本体机型

截止2026年Q4,桥介数物运控模型已部署70多款不同的机型。

41%

2024 WRC

参展的27家人形机器人企业中,有11家使用桥介数物的运控方案。

39%

2024 WAIC

参展的18家人形机器人企业中,有7家使用桥介数物的运控方案。

最新消息

所有帖子

投资机构

桥介数物的高速成长与商业价值已获得国内多家顶级投资机构的认可

深创投 隐山资本 沂景资本 深圳天使母基金 奇绩创坛 复星创富 正轩投资 瑞丞基金 钧石创投 明荟致远 中移和创

快速构建运控能力

赋能第三方本体高效稳定运控能力,大幅缩短研发周期,全面实现降本增效

合作咨询

融合强化学习、模仿学习等先进运动学习技术
结合专家级的 Sim2Real 工程经验

通用机器人“小脑”
运动控制解决方案

行业领先的机器人通用运动控制模型

模型支持双足、四足、轮足等多构型机器人的统一训练与跨本体部署,有效解决不同机器人在动力学特性、硬件配置与控制策略上的适配难题,赋予机器人高物理一致性、强环境适应性与跨平台泛化性的运动能力,为客户提供安全、稳定、高效、可规模化部署的运控解决方案。

立即联系

通用全身控制器方案

标准化、高兼容性的通用运动控制解决方案,支持多种动作输入与跨本体适配,实现运动能力的快速接入、灵活拓展与高效部署。

  • 多源动作兼容,实现即接即用

    兼容大模型、动捕设备、仿真轨迹、动画关键帧等多种上层动作输入。通过统一接口,实现不同来源的动作指令快速接入与执行。

  • 动作灵活拓展,无需重复训练

    依托通用运动控制模型,支持执行未经针对性训练的新动作,具备较强的动作泛化能力,减少逐个动作训练和调试的工作量。

  • 跨本体快速适配,降低开发成本

    支持不同尺寸、关节构型的人形机器人,通过统一控制框架与适配机制,减少针对不同硬件重复训练的工作量,缩短研发与部署周期。

全向移动运控方案

聚焦机器人核心移动能力,融合强化学习与环境感知技术,实现自然、稳定、灵活的全向移动,提升复杂地形下的通行能力。

  • 强化学习驱动,运动自然稳定

    基于强化学习与AMP(对抗性运动先验)算法,结合物理约束与拟人/物运动特征进行训练,提升机器人行走的自然度、连贯性与稳定性。

  • 全向灵活移动,步态流畅自然

    支持前进、后退、左右平移、原地转向等多方向移动,实现自然流畅的拟人/物步态与平滑的姿态切换,满足不同场景下的灵活移动需求。

  • 环境感知融合,适应复杂地形

    结合深度相机等视觉感知技术,识别地形起伏与障碍物,动态调整运动策略,提升机器人在不平整、低摩擦等复杂地形下的稳定性与适应能力,并支持跨本体适配部署。

全身模仿运控方案

聚焦复杂动作的高精度模仿与追踪,让机器人精准复现复杂动作,满足高动态表演与个性化动作开发需求。

  • 深度模仿学习,动作精准稳定

    基于强化学习与DeepMimic(深度模仿)算法,学习复杂动作的运动规律与全身关节协调方式,实现高动态动作的精准追踪与稳定执行。

  • 复杂动作追踪,全身协调流畅

    支持舞蹈、功夫及高难度姿态等复杂动作的全身模仿与追踪,兼顾动作还原度、身体协调性与运动稳定性,提升机器人的动作表现力。

  • 跨机型灵活适配,支持个性定制

    针对不同尺寸、关节构型的人形机器人进行运动控制适配,结合动作重定向与模型优化,支持个性化动作开发与定制,满足不同机型及应用场景的需求。

感知与移动操作方案

融合运控、感知与操作能力,让机器人能够自主识别复杂环境、灵活调整运动方式,并在移动过程中完成操作任务,满足复杂场景下的作业需求。

  • 多模态融合感知,精准识别环境

    融合三维视觉点云与雷达数据,实时感知楼梯、障碍物及地形变化,为机器人自主规划通行路径和调整运动策略提供支持。

  • 多姿态灵活移动,适应复杂地形

    支持四足机器狗切换双足运动模式,以及“小恐龙”式直立行走等特殊步态,根据地形特点灵活调整运动姿态,提升各种机器人在不同高度、坡度及楼梯等复杂环境下的通行能力。

  • 移动操作协同,实现边走边作业

    融合足式移动底盘协同控制,在移动过程中兼顾身体平衡操作,提升动态抗扰与协调能力,支持机器人在复杂环境中完成移动操作任务。

快速构建运控能力

赋能第三方本体高效稳定运控能力,大幅缩短研发周期,全面实现降本增效

运控方案合作咨询

通用机器人
运动能力开发平台

机型适配、动作创作、仿真训练、真机部署、资产管理

立即体验

全面降低运动开发门槛

多年开发经验汇聚成标准化流程,大幅度降低运动控制开发门槛,实现高效交付

70+

跨本体项目积累

率先支持宇树G1、智元X2、加速进化T1等热门机型,打通自研硬件快速导入通路,真正打破软硬件壁垒。

90%

研发周期缩短

周期由 3 个月缩短至 1 周以内,提效超90%;开发团队由5人降至1人,极大缩减前期试错成本。

0

手工调试依赖

URDF校验与修复、动作数据预处理、强化学习训练、Sim2Real部署、参数调整等环节自动化处理。

0

本地安装部署

“WebAssembly + WebGL + MuJoCo + WebRTC”技术栈组合,无需安装任何本地插件或环境。

运动能力接入与应用开发

涵盖了新机器运动能力的快速构建以及成熟机型的动作能力开发和场景应用

AI校验

自动识别模型问题,全面输出可视化诊断报告

AI 校验诊断报告界面

URDF编辑器

可视化编辑关节模型,轻松解决诊断问题

URDF 编辑器界面

硬件检查

对齐电机、传感器、通讯参数,仿真即真机

硬件检查界面

运动能力训练

通用运动控制器,动作模仿、自由行走均可胜任

运动能力训练界面

多种机型

支持G1、X2、PM01、T1等多种主流机型,新机型可快速适配

G1 X2 PM01 T1

视频提取动作

支持从动作视频中提取高质量动作数据,同时也支持BVH上传

提取后的机器人动作

动作编排

丰富的动作资产可自由编排成个性化应用

动作编排界面

真机快速部署

3-5分钟完成真机连接到应用下发

真机部署界面

通用全身遥操作方案

支持 Xsens、诺亦腾、Pico等硬件设备,实现低延时高精度遥操作机器人,如影随形

跨本体

支持宇树G1、智元X2、众擎PM01等机型

低延时

及时响应,人机同频

高泛化

动作灵活拓展,无需重复训练

生态合作伙伴

与芯片、本体、场景等产业伙伴共建机器人生态

Intel
生态合作伙伴
京东
E-Bot Hub
芯擎科技 SiEngine
方特

体验 RoboCraft AI

快速为你的机器人构建一流且丰富的运动能力

立即注册

自研跨本体动作重定向算法

跨本体运动数据工厂

1000+小时/月·数据产能

跨本体全身运动数据工厂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的高效复用,大幅提升数据生产与应用效率,加速运动控制模型的训练、验证与能力演进。数据工厂已形成每月1000+小时的数据产能,未来将分阶段向每月数万小时递进。

立即联系

自研跨本体数据引擎

自研重定向引擎打破传统“逐条动作调参、逐台机器人写专用解算”的限制。基于统一本体抽象层,结合高效流式数据管线与目标机器人的 URDF 拓扑定义,自动完成构型适配,将人体运动语义与拓扑关系统一映射至人形、四足、轮足等不同关节自由度与动力学构型。

多维数据增强体系

采用 RL 动力学后处理校正物理违背,消除浮空、穿透、滑移与力矩超限,实现从“运动学平滑”到“动力学可行”的升级。依托 3D 重建与仿真管线补齐深度、力学等视觉/力控模态,叠加环境扰动与 AI 语义标注,将单次采集指数级扩展为高密度训练样本。

双线自进化闭环

建立“设计-原始-重定向-增强”四级硬质检门槛,严格阻断污染数据进入训练集。同时,将模型训练侧的评估结果(失败画像)实时反向回写至上游采集与设计平台,形成“主动图谱覆盖 + 反馈精准补洞”的双线自进化闭环,确保数据资产随模型训练持续增殖。

CWM 数据工厂运行模式

采集、重定向、增强,再由训练结果反哺

主动覆盖

丰富运动多样性

  • 运动覆盖图谱
  • AI 原生管理平台
  • 多样性审阅与人员匹配

数据增强

物理 · 仿真 · AI 标注

  • 物理一致性后处理
  • 仿真多样性扩增
  • 语义标签与版本管理

同步采集

多源信息同步对齐

  • 人体动作 · 视频 · 场景同采
  • 统一时钟与数据契约
  • 自动质检,统一入库

跨本体重定向

适配多种构型的机器人

  • 统一本体抽象层
  • 自研 retarget 映射
  • 无需逐条调参,1000fps+

所有内容

媒体报道

桥介数物已获国内多家主流媒体的深度报道

返回

人型ロボット業界のUnix的瞬間

人型ロボット業界のUnix的瞬間が、今まさに起きている

IqfAkb9y36tZeNxHCXsZWHGKls

はじめに

今週、中国移動の第1回具身知能パートナー大会で10分間の基調講演を行いました。

短い講演でしたが、BridgeDPにとって非常に重みのある瞬間でした——過去3年間考え抜いてきたことを、初めて完全に公の場でお伝えしたのです。

社内では長く議論し、こんなに早く公表すべきかどうか迷いました。しかし最終的に話すことに決めました——なぜなら私たちはますます確信しているからです。これは橋介一社だけの話ではなく、人型ロボット業界全体が直面している、最も重要な構造的問題なのです。

以前お話しした内容を拡張して、ここに記します。あの10分間を現場で聞かれた方には、これがその「拡張版」です。聞かれなかった方には、こちらの方がより完全な内容になります。

以下が本文です。


16社、同じ一つのこと

過去18ヶ月、社内で私たちは、外からはあまり注目されていないものの、大きな意味を持つ出来事を目撃してきました——

16社の人型ロボット企業が、ゼロからイチへの運動制御能力を、私たちのところで完成させたのです。

16社、16の独立した製品ライン、16の異なるチーム。

その中には上場企業の人型事業部門、複数回の資金調達を経た注目のスタートアップ、研究機関から生まれたプロジェクト、そして他の形態から二足歩行に参入した経験豊富な完成機メーカーも含まれます。彼らのリソース、出発点、技術スタイルはそれぞれ大きく異なります。

しかし私たちは一つのことを目の当たりにしました——彼らのアルゴリズムエンジニアは、ほぼ完全に同じ仕事をしているのです。

彼らが私たちのエンジニアリングチームに投げかける問題は同じ種類の問題です。彼らが貼り付けるエラーログは、構造が非常に似ています。彼らの問題解決方法も、最終的には似通った数本の道筋に収束していきます。

具体的には、彼らは皆次のことに取り組んでいます:

  • ハードウェア抽象化:異なる関節、異なるモーター、異なるセンサー、異なる制御周波数の本体を、上位アルゴリズムから呼び出せる単一のインターフェースに統一的に接続する方法
  • 運動制御:強化学習で訓練したポリシーを、実機に問題なくデプロイする方法
  • シミュレーション整合:シミュレーションで良好に動作するモデルを、実ハードウェアでも良好に動作するよう移行する方法
  • データ還流:ロボットが実世界で走らせて得たデータを、次の学習サイクルにどう戻し、能力を継続的に進化させるか

この4つの課題は、ヒューマノイドロボットを手がけるほぼすべての企業が取り組んでいることです。

各社のエンジニアリングチームでは、人員の60%から70%が、他社とほぼ同一の問題の解決に割かれています。

この現状を受けて、私たちは社内で立ち止まり、長い時間をかけて考えました。

「これはビジネスチャンスだ」とは考えませんでした。そのような見方は短期的すぎます。私たちが考えたのは、

なぜこうなっているのか?なぜ16社もの完全に独立した企業が、まったく同じ作業をしているのか?このようなことは歴史の中で起きたことがあるのか?もし起きたのなら、最終的にどう決着したのか?ということです。


歴史に残る2つの反響


KN8ITbU8PoIMYYcgxYsohXrXA


このことは、実は私たちにとって馴染みのない話ではありません。

過去半世紀以上にわたるコンピューティング産業の中で、ほぼ完全に同じ展開が、少なくとも2回起きています。

  • 半世紀以上前:Unixが登場する以前

1960年代から70年代、メインフレームの時代。IBMは自社でOSを書き、DECも自社でOSを書き、Burroughsも自社でOSを書き、Honeywellも自社でOSを書いていました。どのコンピュータ企業も、自社ハードウェア向けに、そのハードウェア上でしか動かないOSを独自に開発していたのです。

アプリケーションプログラマーは、他社のマシンに移るたびに、新しいシステムコール、新しいファイル形式、新しい開発ツールをほぼゼロから学び直す必要がありました。コンピューティング産業全体の能力は、各社が個別に抱える「垂直スタック」の中に閉じ込められていたのです。

1969年、ベル研究所の2人のエンジニア、ケン・トンプソンとデニス・リッチーが、後にUnixと呼ばれるものの開発を始めました。Unixの設計思想はとてもシンプルで、ハードウェアをまたいで動作し、移植可能で、誰でも改変でき、誰でも拡張できるOSを作る

というものでした。Unixは特定の企業の「製品」ではなく、「OSとは何か」を再定義する存在でした。Unixは「断片」を「基盤」へと変えたのです。

Unix以降の物語は、今日の私たちにはよく知られています。Linux、BSD、macOS、Android、iOS——現在世界で稼働するほぼすべてのOSは、Unixの思想の直系または傍系の子孫です。

コンピューティング産業が真に離陸したのは、トランジスタからではなく、Unixからだったのです。

  • 約20年前:Android登場以前

二十一世紀初頭、スマートフォン時代の前夜。ノキアにはSymbian、ブラックベリーにはBlackBerry OS、モトローラには独自のファームウェアがあり、どの携帯電話メーカーも自社ハードウェア向けに自社ハードウェアでしか動作しないファームウェアを書いていた。

アプリ開発者が複数の携帯電話で動くアプリを作るのはほぼ不可能で、メーカーごとのファームウェアに個別対応する必要があった。モバイルアプリのエコシステム全体が、各メーカーの「垂直統合スタック」に閉じ込められていた。

2008年、Androidが登場した。Androidは一台の携帯電話ではなく、どの携帯電話メーカーでも採用でき、同じインターフェースでアプリエコシステムに接続しなければならないオペレーティングシステム

だった。Android以降の物語はよく知られている。モバイルアプリのエコシステムは、PCアプリのエコシステムが20年かけて進んだ道のりを5年で駆け抜けた。

  • 同じ構造が二度

この二度の「オペレーティングシステムの瞬間」は、驚くほど同じ構造を持つ。

  • 新しいコンピューティングパラダイムが台頭している(メインフレーム/スマートフォン)
  • どのハードウェア企業も同じ基盤ソフトウェアを再構築している
  • 業界の本当の障壁は「アルゴリズムが十分でない」でも「ハードウェアが十分でない」でもなく、広く合意され、能力をハードウェア横断で再利用できる「インフラ層」が存在しないこと
  • その層が現れた瞬間、産業はそれまでをはるかに超える速度で飛躍する

長く観察した末の私たちの判断は、今日のヒューマノイドロボット業界は、あの二度とまったく同じ構造上の位置にある。



足りないのはより賢いアルゴリズムではない

これは何を意味するのか。私たちの判断はこうだ——

ヒューマノイドロボットの時代に不足しているのはより賢いアルゴリズムではなく、ロボットソフトウェアがもっと汎用的になることだ。

この言葉は直感に反するように聞こえるかもしれない。

過去2年間、業界の注目はほぼすべて「アルゴリズム」に集中してきた。より強力な強化学習、より大規模なVLAモデル、より賢いエンドツーエンドの方策。新しい論文やデモが出るたびに、業界の目は「アルゴリズムは賢ければ賢いほど良い」という方向へ引っ張られてきた。

アルゴリズムが賢くなることの重要性を否定するわけではない。しかし、私たちが言いたいのは——

もし今日、人型ロボット業界で唯一滞っていることが「アルゴリズムが十分賢くない」ことだとしたら、それは12~24か月以内に自然に解決されるでしょう——なぜなら、アルゴリズムの進歩速度は今日のAI産業の中でも最速クラスだからです。

しかし、この16社が日々エンジニアリングに費やしている人員を実際に見てみると、彼らが「賢いアルゴリズムを実機のロボット上で安定的・安全・再現可能に動かす」ことに費やしている時間は、「アルゴリズムをより賢くする」ことに費やす時間をはるかに上回っています。

これが私が言いたいことです——不足しているのはより賢いアルゴリズムではなく、ソフトウェアがより汎用的になることです。

賢いアルゴリズムであっても、特定の本体、特定のシーン、特定の時間帯でしか動かないのであれば、産業全体への価値は限定的です。

賢いアルゴリズムが異なる本体に展開でき、ミリ秒単位で安定的に実行され、実世界と継続的に整合されることによって初めて、それは真の「産業能力」となります。

それを実現するには、この業界には「オペレーティングシステム」が必要です。

今日、私たちはこう考えています——

「人型ロボット業界のUnixの瞬間が、今まさに起きている」と。

これは講演で述べた言葉であり、この記事全体の核心でもあります。



それが何でないか


yZATBYag6bp3jV7YLBpTvcSzsY


では、人型ロボット時代のオペレーティングシステムとは、いったい何なのでしょうか?

これは「それが何でないか」よりも答えにくい問いです。なぜなら、今日の業界にはすでに馴染みのある名前がいくつかあり、「あれこそがオペレーティングシステムだ」と誤解されやすいからです。

そこで、まず三つの「それが何でないか」を述べたいと思います。

  • それはROSではありません

ROSは非常に優れたツールです。当社の社内エンジニアの多くもROSの世界で育っており、私たちはそれに十分な敬意を払っています。

しかし、ROSはそうではありません。人型ロボット時代のOS。

ROSは本質的にモジュール間通信フレームワークであり、ロボットシステム内の認識・計画・制御などの異なるモジュールを組み合わせることを可能にする。それは2007年前後の研究コミュニティの探求から生まれ、中心となる抽象化はNode/Topic/Serviceというパブリッシュ・サブスクライブ型のメッセージパッシング機構である。

この仕組み自体は非常によくできている。しかし、それは大規模な生産展開を想定して設計されたものではなく——ハードウェアを跨ぐ抽象化の問題も、ミリ秒レベルのリアルタイム制御の問題も、異なるロボット本体を跨いだ能力の蓄積の問題も解決しない。

私たちの時代におけるROSの役割は、初期のUnix時代の「パイプ」に近い——価値ある通信メカニズムだが、OSそのものではない。

  • それはNVIDIA Isaacではない

Isaacもまた非常に優れた製品である。シミュレーション、トレーニング、合成データ生成において、業界全体に極めて重要な基盤を提供している。

しかしIsaacは人型ロボット時代のOSではない。

Isaacはトレーニング時(Training-time)のプラットフォームであり——1台のロボットがシミュレーション世界であるタスクを「学習」するためのものだ。その能力の限界は「トレーニング」と「シミュレーション」で止まる。

それは、現実のロボットが現実の工場、現実の家庭、現実の道路で、毎ミリ秒、毎日、毎年動き続けるという問題を解決しない。

この業界では深刻に過小評価されている区別がある——トレーニング時(Training-time)と実行時(Runtime)は全く異なるものだ。

ロボットに動作を「学習」させることと、ロボットが現実の物理世界で安定して歩き、安全に動き、継続的に作業すること——これは別々の工学的課題であり、別々のシステム能力を必要とする。

Isaacは「トレーニング時」の側面をしっかりと作り上げた。しかし「実行時」の側面については、今日の業界には広く認められた答えがまだ存在しない。

  • これはVLA大規模モデルではありません

VLA(Vision-Language-Action)大規模モデルは、2024年から2026年にかけて人型ロボット業界で最も注目されている方向性の一つです。Physical Intelligence、Google DeepMind、銀河通用、智元、その他多くの優れたチームがこれに取り組んでいます。

VLA大規模モデルもではありません。人型ロボット時代のオペレーティングシステム

VLA大規模モデルは非常に重要な役割を担っています。それは「ロボットが何をすべきか」という問題を解決します。言語指示と視覚入力が与えられると、VLAモデルは高レベルの動作意図を出力します。

これはロボットの認知脳です。これは極めて重要ですが、別の問題は解決しません。

その高レベルの意図が与えられた後、それをミリ秒単位で安定した関節トルク出力にどう変換するのか?実行中に転倒や人への危害、自己破損をどう防ぐのか?24時間365日の稼働で安定性をどう維持するのか?ハードウェアの摩耗、センサーのドリフト、環境変化の中でどう動き続けるか?

こうした問題は、VLA大規模モデルでは解決されておらず、解決する予定もありません。なぜなら、それは「何をするか」の層を扱うものだからです。

「何をすべきか」を知っている脳を、実際に「安定して、安全に、持続的に動ける」ロボットに変えるには、その中間に一連のシステム能力が必要です。このシステム能力については、今の業界で広く受け入れられた名前はありません。


では、それは一体何か


NCKfI5NHWiIf1NhD4eN1LbBhdTI


三つの「何ではないか」を説明したので、次にそれが何であるかを説明します。

私たちはこれをこう呼んでいます。Runtime Robot OS(ランタイムロボットオペレーティングシステム)です。

この名前には一つのキーワードがあります。「Runtime」(ランタイム)です。

これは「訓練時」と対をなす概念です。訓練時は「ロボットが学べるかどうか」を重視し、ランタイムは「ロボットが実世界で動くことができるか」を重視します。この二つは同等に重要ですが、問題の性質が異なるため、二つのシステムが必要です。

Runtime Robot OSは、以下の三つを同時に備えていなければなりません。

  • 跨本体的ハードウェア抽象(Multi-Embodiment Abstraction)

上位のポリシー、モデル、アプリケーションが、基盤となるハードウェアの違いを意識せずに済むようにしなければなりません。二足歩行、四足歩行、車輪脚、関節がダイレクトドライブか減速機駆動か、センサー構成がどうであれ、上位層は統一された方法でアクセスできる必要があります。

このことは歴史的に、OSがすでに二度行ってきました。

  • PCのOSはアプリケーションが意識することなく CPUがIntelかAMDか、グラフィックカードがどれかを
  • スマートフォンのOSはアプリがどのメーカーのハードウェアかを意識させません。

Runtime Robot OSは三度目を行うのです——ロボットアプリケーションがどのメーカーの本体かを意識させないようにするのです。

  • ミリ秒レベルのリアルタイム安全実行(Real-time Safe Execution)

毎ミリ秒——毎秒でも100ミリ秒ごとでもなく——のスケールで、ロボットの関節トルク出力、力制御の制約、安全境界が安定し、予測可能で、制御不能にならないことを保証しなければなりません。

この点がロボットと「通常のソフトウェア」の最大の違いです——通常のソフトウェアが一時的にフリーズしても、ユーザーは再起動すれば済みますが、ロボットがフリーズすると、人を傷つけ、自分を傷つけ、環境を傷つける恐れがあります。

ミリ秒レベルのリアルタイム安全は、Runtime Robot OSの必須の最低条件です。

  • 実世界との継続的なアライメントによる学習能力(Continual Real-world Alignment)

ロボットは一度焼き付けたら終身変わらないデバイスではありません。実世界で動作し、センサーはドリフトし、ハードウェアは摩耗し、環境は変化し、タスクは進化します。

Runtime Robot OSには次の能力が求められます——各ロボットが実世界で得た運用経験を蓄積し、還流させ、次世代の能力へと訓練し、全ロボットへ安全にプッシュ配信する能力です。

これこそがロボット時代の真の「データフライホイール」です。今日の大規模言語モデル業界の「ユーザーフィードバックによる強化学習」とは別物です——後者はテキストですが、前者は物理です。

これら三つのことを、既存のどのシステムも同時には実現していません。

ROSは通信抽象の一部を実現しましたが、マルチボディ能力もリアルタイム安全も学習クローズドループもありません。

Isaacは訓練時の能力の一部を実現しましたが、ランタイム上にはありません。

VLAは認知抽象の一部を実現しましたが、実行と継続学習は解決しません。

一つのシステムが同時にこの3つのことを達成して初めて、「ロボット時代のオペレーティングシステム」と呼ばれる資格を得るのです。


私たちがこれが実現可能だと信じる理由

ここまでお読みになって、こう思われる方もいるかもしれません——

「おっしゃっていることは重要に聞こえますが、本当に実現できるのでしょうか?それとも単なるPPTのコンセプトなのでしょうか?」

これは非常に妥当な質問です。真剣にお答えしたいと思います。

3年前、BridgeDPは創業当初、今日から見ると意味深い決断をしました——完成機を作らず、大規模モデルを作らず、アプリケーションを作らず、「モーションコントロール」というレイヤーに特化する、と。

この決断は2023年当時、それほど賢くは見えませんでした——あの頃は、完成機を作るのが魅力的で、大規模モデルが熱を帯び、アプリケーションには顧客がいました。「中間層」に特化するのは、対外的に説明しづらく、社内のプレッシャーも大きかったのです。

しかし私たちがこの決断をしたのは、ある判断に基づいていました。

ロボット業界はいつか階層化する。運動能力を「プロジェクト納品」から「インフラストラクチャ」に変えられる者が、物理世界のAI化における重要な入口を掌握するのです。

3年を経た今、検証可能な事実をいくつか提示できます。

  • 26社の人型ロボット企業が当社のモーションコントロール能力を採用
  • 50機種以上構造が大きく異なる脚式ロボット——二足、四足、車輪脚、異なる関節配置、異なる駆動方式——が、同一の運動学習・制御システム上で動作
  • 新しいロボットをハードウェア接続から最初の実用的な歩容を得るまでの工数を、当初の「プロジェクト単位の人月」から「週単位」へ短縮
  • この本質は——新しい本体ごとに個別のシステムを構築する作業が、当社では「1つのシステム+ツールチェーンによる新本体への自動適応」に置き換えられたことです。

これらの数字を申し上げるのは、BridgeDPを宣伝するためではありません。伝えたいのは——

私たちは未来の物語を描いているのではありません。工学的な事実によって、このカテゴリーの存在証明を行っているのです。

このレイヤーは実現可能です。抽象化でき、本体をまたいで再利用できます。すでに26社が実際の採用という形で支持を示しています。

ここまで来ると、もはやPPTのコンセプトではなく、工学的実践によって繰り返し検証された事実なのです——ただし、今のところそれは「運動能力」という一本の柱に集中しているに過ぎません。

Runtime Robot OSの完全な姿は、運動能力の一本柱だけにとどまりません。しかし、一本の柱が工学的に実証されたことにより、このシステムの全体的な実現可能性に最初の基石が築かれたのです。



端・辺・クラウド——完全な姿の三層


FBeJjQWyifdzL8KYxxmdHliX1U


ここで一歩踏み込んで、より大きな構図をお話ししたいと思います。

我々は端側のOSカーネルを開発しました。しかし、Runtime Robot OSの完全な姿は端側だけにとどまりません。

それは三層構造になります——

  • 端側(On-device)

ミリ秒レベルのリアルタイム制御層です。各ロボットが物理世界の中で、安全に歩き、安定して動けるようにします。

これはロボットが「生きている」ための最低限の条件です。また、今日BridgeDPが取り組んでいる核心でもあります。この層は必ずロボット本体上で完結しなければならず、ネットワークに依存できません——なぜなら、ネットワーク遅延はそのままロボットの転倒につながるからです。

  • エッジ(Edge)

シーンレベルのスキル編成層です。一つのキャンパス、一つの生産ライン、一つの家庭における複数のロボットを、協調して動作させます。

この層はミリ秒レベルのリアルタイム性を要求しませんが、秒単位の協調を要求します。複数ロボット間のタスク割り当て、空間共有、能力補完——これらは端側では完結せず(端側には全体視野がない)、クラウド側でも完結しません(クラウドは遅延が大きすぎる)。それはエッジで行われます。

  • クラウド(Cloud)

機種を超えた能力の蓄積と継続学習の層です。各ロボットの経験を、すべてのロボットの能力へと変えます。

これこそが真の「データフライホイール」です——あるロボットが家庭で冷蔵庫の開け方を学べば、その能力は——安全性、プライバシー、所有権を確保した上で——同型のすべてのロボットに共有される能力となります。

この三層は、どれ一つ欠けてはなりません。端側が欠ければ、ロボットは物理世界で生き延びられません。エッジが欠ければ、集団シーンにおけるロボットの協調ができません。クラウドが欠ければ、ロボットに真の進化能力はありません。

この三層を完全に作り上げることが、Runtime Robot OSの完全な姿です。これは一、二年で成し遂げられるものではなく、十年単位のエンジニアリングです。


新たなインフラ——OS+コンピューティングネットワーク

この構想には、歴史上いくつかの類似例があります。

PC時代には、新しいインフラは「OS+インターネット基幹網」と呼ばれ、Windows/LinuxにTCP/IPと光ファイバーネットワークを組み合わせることで、アプリケーションが世界中を流通するようになりました。

モバイル時代には、新しいインフラは「Android+4G/5G」と呼ばれ、統一されたアプリケーションスタックと数十億人をカバーする無線ネットワークの組み合わせによって、モバイルインターネット全体が実現しました。

ロボット時代には、それは——

「Runtime Robot OS+コンピューティングネットワーク」と呼ばれるでしょう。

これがロボット時代の新しいインフラです。

その二つの構成要素は、どちらも欠かせません。

  • Runtime Robot OSは「一台のロボットをいかに安定して、安全に、持続的に稼働させるか」を解決し、
  • コンピューティングネットワークは「数百万台、数千万台のロボットのエッジ・フォグ・クラウドの三層のコンピューティングリソースを、いかに統一的にスケジューリングし、オーケストレーションし、統一的にサービスするか」を解決します。

この二つは、どの一社も単独では実現できません。OS企業が全国をカバーするコンピューティングネットワークを自前で敷設することはできず、ネットワークとコンピューティングインフラの提供者がゼロからロボット時代のランタイムOSを開発することもできません。

それには——OS提供者と、ネットワークおよびコンピューティングインフラ提供者の深い連携が必要です。

これは今まさに起きています。あの講演台に立ったのは、これがもはやビジョンではなく、多くの関係者によって推進されている、実際に進行中の産業プロセスだと信じているからです。


最後に:これは招待です

講演の最後に述べた言葉で、この記事を締めくくりたいと思います。

コンピューティングパラダイムが変わるたびに、歴史にはUnixの瞬間が刻まれてきました。誰かが立ち上がり、断片をインフラへと変えるのです。

メインフレーム時代にそう言った人がいて、Unixが生まれました。スマートフォン時代にそう言った人がいて、Androidが生まれました。今日、ヒューマノイドロボット時代には、この言葉を口にする番が、私たちの世代に回ってきました。

これは一企業のことではありません。完成機メーカーだけのことでも、通信事業者だけのことでも、チップメーカーだけのことでも、どの単独の企業だけのことでもありません。

これは一つの時代の始まりです。

今後数か月にわたり、私たちの考え、製品、エンジニアリングの実践を、一つひとつ業界に提示していきます。業界の仲間とともに議論し、意見を戦わせ、より正しいものへと磨き上げていきたいと思います。

しかし、これらすべてよりも重要なのは——

今日私たちが書き記したことは、結論ではなく、招待状です。

ロボット業界を気にかけるすべてのエンジニア、研究者、起業家、投資家、政策立案者とともに——この時代のオペレーティングシステムが持つべき姿を共に定義したいと願っています。

もしあなたも「断片はインフラになるべきだ」と信じるなら——

これが招待状です。



尚陽星

BridgeDP創業者兼CEO

2026年5月17日・深圳

“ 不仅是运动控制的底座构建者,更是跨越数字世界与物理现实鸿沟的探路人。”

关于桥介数物

桥介数物致力于打造具身智能时代的通用机器人操作系统
平台向上适配通用大模型与多模态感知指令,向下兼容异构硬件本体

加入我们

发展历程

桥介数物的发展历程及所获得的行业殊荣

人才汇聚

核心算法研究人员的硕士、博士背景占比达 80%
第三方足式机器人运动控制解决方案市场占有率第一

桥介数物打造了一支覆盖学术研究、工程研发与商业落地的全链条复合型团队,目前团队规模超过100人,其中研发人员占比超过80%。核心技术成员来自华中科技大学、南方科技大学、卡内基梅隆大学(CMU)等海内外知名高校,具备扎实的机器人控制、人工智能及系统工程背景;市场与商务团队核心成员曾就职于华为、中兴、京东等行业领先企业,拥有丰富的产业资源整合与商业化运营经验。

共登具身之巅

桥介数物诚邀全球精英与科研人才,用算法与物理法则,定义下一代机器人的运动轨迹

全球部署筹备中

加入 BridgeDP 桥介数物

定义下一代机器人的运动轨迹

15 个在招职位已开放,工作地点深圳。算法、工程、产品与商业岗位同步招聘
社招与实习都可以投递。

查看在招职位

在招职位

名单与飞书招聘站一致,目前开放 15 个职位,工作地点均为深圳。

合作对接

请填写您的核心需求与联系方式,我们的合作顾问
将在第一时间与您对接,为您提供专业的解决方案与技术评估。

1h 极速响应1v1 深度对接100% 商业保密

请填写您的姓名

请填写有效的电话或微信号

邮箱格式不正确

  • RoboCraft AI平台接入与应用开发
  • 运动控制解决方案合作
  • 跨本体运动数据工厂合作
  • 多维感知与规划
  • 投融资与媒体合作
  • 其他

官方电子邮箱

contact@bridgedp.com

24小时接收商业意愿函

商务顾问专线

+86 186 1001 0263

工作时间(9:00-18:00)

深圳总部

深圳市南山区留仙大道7013号航天创新大厦1801

欢迎预约考察合作

桥介数物微信二维码

扫码添加微信号实时解答