知识卡片：不做硅谷follower：几个读博的年轻人，押注双足人形的一体化大脑

一句话结论

一群在读博士生创立的“共生知行”公司，押注双足人形机器人的端到端感控一体化“大脑”（基座模型），主张纯端到端将取代分层架构，并已用机器人开卡丁车的视频展示了全身协同能力。

2026年8月，量子位报道了成立刚满两个月的初创公司“共生知行”。创始人丁鹏翔1996年出生，核心团队其余成员均为00后，全员博士在读。公司发布了一段机器人驾驶卡丁车在赛道上连续过弯、加速、打方向的一镜到底视频，展示双足人形机器人手眼脚同步协同，在全速状态下完成多接触点平衡和精细力控。

团队选择的技术方向是双足人形机器人的端到端感控一体化“大脑”，即基座模型。他们认为，机器人最终最广泛进入人类生活的形态是双足；按照自动驾驶和大模型的进化路径，端到端是效率最高的技术模式。这一选择是对行业当前主流分层模块化路线的直接挑战。

产品定位：双足人形机器人的端到端感控一体化“大脑”/基座模型。
技术路线：纯端到端，直接输出关节目标（Joint Target），拿掉传统分层方案中“大脑输出运动学目标、小脑解算关节动作”的中间环节。
核心机制：
- 任务行为建模—运动先验蒸馏的双域协同优化机制。
- 通过 DriftDistill 将底层控制器积累的稳定性、抗扰动与 Failure Recovery 能力转化为统一模型的内生运动先验。
- Motion Expert（运动专家模型），规模接近1B，通过蒸馏吸收不同运控模型能力。
- Force Expert（安全接触专家），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 和最终端到端模型。
数据方案：TrajBooster 从机械臂或轮式机器人身上提取末端轨迹，让人形机器人在仿真中追踪该轨迹并保持平衡，从而复用已有任务多样性。团队 Blog 放出约1万多小时数据，其中自采数千小时。
关键判断：分层架构存在信息瓶颈，接口设计决定其无法实现真正意义上的 Scaling；端到端让模型直接从数据中学习完整的“感知—理解—行动”过程。

团队据称斩获国内具身智能领域两项 Best Paper，并有一项入选 Best Paper Candidate；打造了国内首个 GitHub Stars 突破 2K 的具身基座模型；累计发表40余篇顶会论文。
2023年12月，丁鹏翔以一作身份发布 QUAR-VLA，据称为首个面向四足机器人的 VLA 任务范式。
卡丁车 Demo 被视为双足人形在高速运动、复杂姿态变化下完成全身协调操作的代表性展示。
行业背景：全球合规机器人数据截至2026年初约50万小时，不足大语言模型的两万分之一；英伟达 Sonic 开源后，双足人形才具备大规模生产数据的基石；谷歌 Gemini Robotics 2 已尝试用单一策略统一全身动作，但 RSS 2026 顶会共识仍认为端到端单模型无法覆盖全身复杂动态。

这是对“分层模块化是现阶段最优落地方案”这一顶会共识的直接对抗，代表一种更激进、更少人走的具身智能技术路线。
团队是国内最早一批探索具身基座模型的先行者，目标是不做硅谷 follower，希望中国团队设计的机器人模型架构未来能被北美同行广泛采用。
与已有相关卡片（NIST AI RMF、Epoch AI、OpenRouter）不同，本条聚焦具身智能领域初创公司的技术路线选择，增量信息是端到端双足人形模型的具体机制、数据策略与团队背景。