Cao Xi und Zhiyuan haben in eine Person der Generation 95 investiert.

Investment-Kreise haben erfahren, dass Current Robotics, ein Unternehmen für humanoide Intelligenz, seine erste Finanzierungsrunde bekannt gegeben hat – es hat die Seed-Runde, Angel-Runde und Pre-A-Runde abgeschlossen, mit einem Gesamtbetrag von mehreren hundert Millionen Yuan.

Zu den Investoren gehören bekannte marktorientierte Institutionen wie BV Baidu Venture Capital, GL Ventures, Oasis Capital, Monolith Lisi Capital, Qianhai Ark, Fosun Chuangfu und Junshan Capital sowie Industriepartner wie Zhi Yuan, Xinghai Tu und Jike Technology.

Der Gründer hinter dem Unternehmen, Zhu Yichen, gehört zur Generation der nach 1995 Geborenen. Er leitete schon sehr früh Teams für die VLA-Forschung, veröffentlichte mehr als 40 Top-Konferenzpapiere und bündelte seine jahrelang angesammelte technische Expertise zu einer vollständigen Infrastruktur, die das Grundmodell für ganzkörperliche geschickte Manipulation, Datenerfassungsgeräte und Bewertungsstrategien für Weltmodelle umfasst, um menschliches Verhalten kontinuierlich in humanoide Fähigkeiten umzuwandeln.

„Humanoide Intelligenz beginnt beim Menschen.“ Folgend der Philosophie von Current Robotics erleben wir gerade, wie Roboter von der Demonstrationsplattform in die Haushalte der Menschen gelangen.

Ein herausragender Vertreter der Generation 95 schließt drei Finanzierungsrunden in kurzer Zeit ab

Die Geschichte von Current Robotics begann mit Zhu Yichen.

Geboren nach 1995, ehemaliger Leiter der Abteilung für Embodied Intelligence der Midea Group, war er einer der ersten Forscher in China, der VLA und Weltmodelle veröffentlichte. Er führte sein Team an, um das erste End-to-End-VLA-Paradigma (TinyVLA) basierend auf Diffusionsmodellen und VLM vorzuschlagen, erweiterte die CoT-Strategie (DiffusionVLA & DexVLA, veröffentlicht in ICML und CoRL) und war der Erste, der Weltmodelle für die Bewertung von Embodied-Strategien einsetzte (dWorldEval, veröffentlicht in ICML Spotlight).

Das π0-Papier von Physical Intelligence zitiert nur die Forschungsergebnisse eines chinesischen Teams – die Arbeiten zu TinyVLA und ScaleDP, die von Zhu Yichens Team abgeschlossen wurden. Später erstreckten sich diese Forschungen von VLA-Modellen und menschlichen Demonstrationsdaten schrittweise auf das Lernen von ganzkörperlichen Robotern und bildeten die technische Grundlage von Current Robotics.

Die Unternehmensgründung ergab sich ganz natürlich. Zhu Yichen beobachtete, dass sich humanoide Roboter in der Vergangenheit entweder auf die ganzkörperliche Bewegungssteuerung konzentrierten, um das „Gehen“ zu verbessern, oder auf die Handoperation, um das „Greifen“ zu optimieren – was letztendlich zu dem Bild führte, dass der Roboter zuerst hingeht und dann anhält, um zu operieren. Aber Aufgaben in der realen Welt sind oft nicht so einfach, selbst eine einfache Bewegung erfordert eine stabile Koordination von Hand und Körper.

Dafür ist „ganzkörperliche geschickte Manipulation“ (Loco-Dexterous Manipulation) erforderlich. Die Lösung von Current Robotics ist die Systemintegration: Ganzkörperbewegungen, Haltungskoordination und feine Handinteraktionen werden in einer einzigen Strategie trainiert. Das daraus resultierende veröffentlichte Modell für ganzkörperliche geschickte Manipulation, Curr-0, ermöglicht es Robotern, ihre Bewegungen während der Bewegung kontinuierlich anzupassen. Derzeit werden fünf öffentliche Aufgaben von einer Strategie mit gemeinsam genutzten Gewichten ausgeführt und durch Sprachbefehle unterschieden.

Der Roboter trägt ein Objekt durch die Tür und legt es an einer bestimmten Position ab

Mit dem Modell tauchen weitere Probleme bei der praktischen Umsetzung auf – zuerst die Daten: Current Robotics hat ein eigenes ganzkörperliches Exoskelett-Datenerfassungssystem entwickelt, um die Erfassungsszenarien von Laboren auf realere Umgebungen wie Fabriken, Büros und Haushalte auszuweiten. Zweitens geht es um schnellere Bewertung und Iteration: Das Team erforscht die Verwendung von Weltmodellen zur Bewertung von Strategien für echte Roboter.

Bislang konzentriert sich das Unternehmen auf Loco-Dexterous Manipulation und verfügt über eine vollständige technische Fähigkeit, die Datenerfassung, Modelltraining, weltmodellbasierte Bewertung und Nachtraining abdeckt. Das Ziel ist es, die Bewegungssteuerung und Fähigkeitsgeneralisierung von Robotern in verschiedenen Aufgaben und Umgebungen zu verbessern.

Das ist sehr selten in einer Zeit, in der Embodied Intelligence allgemein an Praktikabilität, Daten und Generalisierung mangelt. Deshalb erhielt Current Robotics direkt nach seiner Gründung kollektive Investitionen von bekannten marktorientierten Institutionen – die Wertschätzung ist offensichtlich. Noch seltener ist die Zusammenarbeit von Industriepartnern: Neben der Finanzierung liegt die wichtigste Bedeutung in der industriellen Koordination.

Investment-Kreise haben erfahren, dass Current Robotics dem Ökosystem-Datenverband von Yishu Intelligence beigetreten ist, der von Xinghai Tu initiiert wurde, um gemeinsam eine vollständige Kette von Datenerfassung, Annotation bis zur Anwendung aufzubauen. Darüber hinaus ist das Unternehmen ein strategischer Partner von Mifeng Technology, der Embodied-Intelligence-Datenplattform unter Zhi Yuan.

Finanzierung bereitstellen, Bestellungen anbieten, Ökosystem aufbauen – diese Art von Investition ist im Zeitalter von Embodied Intelligence besonders ausgeprägt. Schließlich lassen sich nur mit Szenarien Daten-Flywheels bilden, damit Roboter in kürzerer Zeit und zu niedrigeren Kosten die Fähigkeit erlangen, in der realen Welt stabil zu arbeiten.

Aufbau einer Infrastruktur für Embodied Intelligence

Von Anfang an konzentrierte sich Current Robotics auf die Lücken in den bestehenden technischen Routen für Embodied Intelligence.

Um zum Beispiel eine Räucherspule zu entzünden, liegt die natürliche Vorstellung darin, dass der Roboter zuerst zur entsprechenden Stelle geht und dann anhält, um zu operieren. Das entsprechende technische Konzept besteht darin, Bewegungsstrategie und Manipulationsstrategie getrennt zu trainieren und sie später durch Systemtechnik zusammenzufügen. Diese Idee funktioniert in Fabriken mit Fließbändern, aber wenn sie in echte Szenarien wie Haushalte übertragen wird, entsteht eine deutliche Lücke zwischen Bewegung und Manipulation.

Das ist leicht zu verstehen: Selbst wenn der Roboter an Ort und Stelle Aufgaben auf dem Tisch erledigt, müssen Taille und untere Gliedmaßen sich an die Bewegungen des Oberkörpers anpassen. Wenn nur die „Zusammenfügungs“-Methode verwendet wird, wird die Art der Krafteinwirkung der Hände zerstört, sobald der Körper geneigt ist, und der Roboter wirkt ungeschickt.

Das von Current Robotics veröffentlichte Grundmodell für ganzkörperliche geschickte Manipulation Curr-0 wurde genau zur Koordination entwickelt – durch die vollständige Kopplung von Navigationsbewegungen, ganzkörperlichem Gleichgewicht und geschickten Händen wird die Koordination von Händen und Füßen erreicht. Für feine Aufgaben, die sich kaum einfach in die Phasen „Gehen“ und „Handeln“ unterteilen lassen – von dem Zerreißen von Teebeuteln und dem Säubern von Müll auf dem Tisch bis zum Tragen von Objekten durch die Tür – zeigt die Lösung von Current Robotics eine hervorragende Leistung.

Nach dem Modell muss auch die Datenquelle synchron aktualisiert werden. Die gängige Datenerfassung aus der ersten Person kann eine Vielzahl von Umgebungen und Verhaltensweisen abdecken, aber sie kann den menschlichen Bewegungszustand und physikalische Interaktionsinformationen wie Kontaktkräfte nicht genau wiedergeben. Die Datenerfassung durch Teleoperation des Körpers hat eine höhere Genauigkeit, ist aber aufgrund von Geräten und Kosten schwieriger zu skalieren.

Ist es möglich, Daten effizient zu erfassen, die gleichzeitig Umgebung, Körperbewegung und physikalische Interaktion widerspiegeln? Basierend darauf hat Current Robotics ein eigenes ganzkörperliches Datenerfassungsgerät entwickelt, das durch Headset, Datenhandschuhe, ganzkörperliches Exoskelett und Elektromyographie-Geräte die Sicht aus der ersten Person, Bewegungen von Händen und ganzem Körper sowie die auf den ganzen Körper wirkenden Kräfte des Menschen in realen Szenarien aufzeichnet. Der gesamte Prozess erfordert keine vorherige Bereitstellung eines Roboters. Dadurch wird das Datenerfassungsszenario direkt auf die echten menschlichen Aufgaben ausgeweitet, was nicht nur Kosten und Anwendbarkeit optimiert, sondern auch die echten Daten unterstützt, die das Gehirn von humanoiden Robotern benötigt.

Das tragbare System HumanEx

Zuletzt geht es um die Bewertung und das Nachtraining. Die herkömmliche Bewertung mit echten Robotern hängt von Robotern, Standorten und manuellen Zurücksetzungen ab – die Kosten für Hardware, Zeit und Szenariowiederholbarkeit bei Tests sind relativ hoch. Insbesondere bei Aufgaben mit kontinuierlich wechselnden Kontaktzuständen ist es schwierig, den Umgebungszustand nach einem Fehler genau auf den vorherigen Moment zurückzusetzen, was die Iterationseffizienz des Modells direkt beeinträchtigt.

Basierend darauf erforscht Current Robotics schon sehr früh die Verwendung von Weltmodellen zur Bewertung von Roboterstrategien. Das Team schlug nacheinander WorldEval und dWorldEval vor, um Roboterstrategien in generierten zukünftigen Welten auszuführen und die Strategieleistung durch Vorhersage des Aufgabenverlaufs zu bewerten. Später fügte es in Hi-WM (Human-in-the-World-Model, veröffentlicht im RSS 2026 Robot World Models Workshop) die menschliche Übernahme hinzu: Wenn die Strategie Fehler macht oder unsicher ist, kann der Mensch direkt eingreifen, um sie zu korrigieren, und die neuen Interaktionsspuren können weiter für das Nachtraining verwendet werden.

Das diese Woche veröffentlichte CurrentWorld-0 erweitert die früheren Arbeiten von Current Robotics zur Strategiebewertung und zum Nachtraining auf Basis von Weltmodellen zu einer vollständigeren Interaktionsumgebung. Das Team definiert es als Interaktiven Weltsimulator (Interactive World Simulator) und integriert erstmals körperübergreifende, mehrperspektivische sowie Kraft-Taktile-Vorhersagen in ein einheitliches Framework.

Sobald der Roboter seinen Körper wechselt, ändern sich auch der Aktionsraum und die Steuerungsmethode. Es ist für verschiedene Roboter schon schwierig, dieselbe niedrigstufige Steuerungsdarstellung zu teilen. CurrentWorld-0 behält diese Unterschiede gut bei, sodass verschiedene Roboterplattformen auf ihre jeweilige Weise handeln können, und aus dem plattformübergreifenden Interaktionsprozess die gemeinsam nutzbare Umgebungsdynamik lernen.

Nachdem das Problem der Körperunterschiede gelöst ist, taucht ein neues Problem bei der „Wahrnehmung“ auf. Echte Roboter nutzen oft gleichzeitig Kameras am Kopf, am Handgelenk und Kameras aus der dritten Person. Die Bilder derselben Aufgabe aus verschiedenen Kamerawinkeln unterscheiden sich stark, aber die Zustände der Objekte, die Roboterhaltungen und der Aufgabenverlauf dahinter dürfen nicht auseinanderlaufen. Wenn ein Objekt in einer Perspektive weggeschoben wurde, müssen sich die anderen Perspektiven synchron ändern. Selbst wenn das Objekt währenddessen verdeckt wird, müssen die nachfolgenden Zustände die vorherigen Interaktionen fortsetzen.

Wenn der Roboter tatsächlich mit Objekten in Kontakt kommt, zeigt RGB schnell seine Grenzen. Ob der Griff stabil ist, wie sich die Kraft am Endeffektor ändert und ob das Objekt eine Tendenz zum Gleiten hat, lässt sich nicht immer direkt aus dem Bild beurteilen. Deshalb integriert CurrentWorld-0 zusätzlich Kraft- und Tastsinn in die Vorhersage, sodass physikalische Rückmeldungen, die während des Kontaktvorgangs von der Sicht nicht erfasst werden können, sich kontinuierlich mit den Bewegungen ändern.

Von dem Zusammenlegen von Socken und dem Ordnen von Kissen bis zum Schälen von Gurken, Öffnen von Flaschen und Einschenken von Wein verarbeitet CurrentWorld-0 nicht nur Manipulationen von starren Körpern – auch weiche Objekte, Flüssigkeiten und komplexe Kontakte sind in die generierte Umgebung integriert. In der Phase der Strategiebewertung muss das Modell weiterhin auf die tatsächlich ausgeführten Aktionen des Roboters reagieren: Wenn die Strategie bereits daneben greift, dürfen die nachfolgenden Zustände nicht durch Video-Priors zurück zu den üblichen erfolgreichen Bahnen gebracht werden. Die eigentlich aufzudeckenden Fehleraufzeichnungen müssen erhalten bleiben, anstatt „korrigiert“ zu werden.

Das ist die Grundlage, auf der CurrentWorld-0 für den Strategievergleich verwendet werden kann. Roboterstrategien können zuerst in der generierten Umgebung ausgeführt, verglichen und ihre Fehlermodi aufgedeckt werden, bevor die Ergebnisse mit der Leistung des echten Roboters abgeglichen werden. Die vom Team veröffentlichten Ergebnisse zeigen, dass die relativen Leistungen verschiedener Strategien gut mit den Tests des echten Roboters übereinstimmen, und die Hauptfehlermodi bei der Ausführung durch echte Roboter können in der generierten Umgebung reproduziert werden.

Nach der Bewertung können diese Fehlererfahrungen weiterverwendet werden. Wenn die Strategie an eine fehleranfällige Stelle gelangt, kann der Mensch sie übernehmen. Sogar derselbe Zwischenzustand kann gespeichert, zurückgesetzt werden, und von dort aus können verschiedene Wiederherstellungsmethoden ausprobiert werden. Die daraus resultierenden Korrekturspuren können weiter für das Policy-Post-Training verwendet werden, sodass die in einer Bewertung aufgedeckten Probleme in die Trainingsdaten der nächsten Runde umgewandelt werden.

An diesem Punkt hat CurrentWorld-0 eine relativ vollständige Kette aus Modellbewertung und Nachtrainingsdatenerfassung gebildet: Die Strategie wird zuerst in der generierten Umgebung validiert. Nachdem Probleme aufgedeckt wurden, ergänzen menschliche Korrekturen neue Interaktionserfahrungen, die dann weiter in das Nachtraining einfließen.

【Ergebnisse nach dem Post-Training mit multimodalen Korrekturspuren von CurrentWorld-0】

Daraufhin hat Current Robotics schrittweise ein System aus Daten, Modellen und Bewertungen rund um die ganzkörperliche gesch