机器人领域迎来一项突破性进展——Current Robotics公司推出的全身灵巧操作模型Curr-0，实现了移动与精细操作在单一策略框架下的深度融合。该模型突破传统机器人分阶段执行任务的局限，通过端到端训练方式，将行走姿态调整、躯干协同与手部操作统一为动态连续过程，使机器人能够像人类一样完成复杂动作。
在公开演示中，Curr-0展示了多项挑战性任务：从撕开茶包到点燃线香，从捡拾揉皱纸团到怀抱玩具穿越门框，甚至能完成蹲下将物品精准放入篮子的复合动作。这些任务的关键突破在于，机器人不再将身体各部位视为独立模块，而是通过全身协调实现动作优化。例如在抓取高处物品时，系统会同步调整腿部弯曲角度、躯干倾斜程度和手臂伸展轨迹，确保动作的稳定性和效率。
传统机器人控制系统通常采用分层架构，先完成定位再执行操作，这种模式在静态环境中尚可运行，但在动态场景中极易失效。Curr-0的创新之处在于构建了共享权重的统一神经网络，使身体移动、姿态稳定和操作控制三个维度实现实时耦合。这种设计让机器人能够在运动过程中持续优化动作策略，就像人类在行走时自然调整手臂摆动幅度以保持平衡。
支撑这项突破的是Current Robotics自主研发的HumanEx数据采集系统。该系统通过可穿戴外骨骼设备，在真实场景中记录人类执行任务时的全身运动数据，包括关节角度、肌肉电信号、接触力反馈等200余项参数。经过21000小时的人类行为数据训练，其中包含2800小时的全身协同示范，模型得以掌握"手部动作与全身姿态的映射关系"。这种数据采集方式突破了传统遥操作方案的局限，使训练数据更贴近真实世界需求。
公司研发团队特别强调数据基础设施的重要性。通过HumanEx系统，数据积累路径从"机器人运行时长"转变为"人类任务时长"，解决了物理世界训练的规模化难题。当人类在工厂、办公室等场景自然完成任务时，系统即可同步采集多模态数据，这种模式使数据规模得以指数级增长，同时降低了对专用训练场地的依赖。
为解决物理世界训练的成本与效率问题，Current Robotics正在构建多物理模态交互世界模型。该数字孪生系统整合视觉、力觉、触觉等传感器数据，能够模拟真实环境中的物理交互过程。研发团队提出的Human-in-the-World-Model框架，允许人类专家直接在世界模型中修正机器人策略，修正后的模型可立即用于后续训练，形成"虚拟验证-真实部署"的闭环迭代系统。
从数据采集到模型训练，再到虚拟环境验证，Curr-0的研发路径展现了全栈式技术布局。这种体系化创新使机器人能力提升不再依赖硬件规模扩张，而是通过持续优化的数据-模型循环实现进化。当前技术报告已详细披露模型架构与训练方法，为行业提供了可复现的技术路径参考。随着具身智能基础设施的完善，机器人执行复杂任务的能力正在接近人类水平，这为服务机器人、工业自动化等领域带来新的发展可能。
