揽月动力用“约化模型”压缩具身智能数据需求：训练样本降至原需十分之一

事件概述

传统机器人强化学习训练高度依赖海量数据，即便简单动作也需要近万条样本。深圳具身智能公司揽月动力提出“约化模型”方案，将机器人复杂的多体运动系统降阶降维，提取关键物理参数（加速度、减速度、角度、力矩、重心变化等），建立低阶动力学方程，让机器人先掌握“解题公式”而非暴力拟合。在该框架下，简单动作训练样本仅需几十条，复杂动作通过拆解可将样本需求压缩至原本的十分之一到二十分之一。

核心信息

• 公司背景：揽月动力成立于2024年，专注于强交互、复杂操作机器人研发。首席科学家王雪峰博士为北京大学先进制造与机器人学院助理教授。2025年11月完成数千万元天使轮融资，投资方包括银河通用机器人、泸州老窖金舵资本、建银国际（金力永磁合作基金）、L2F光源创业者基金。
• 技术原理：约化模型先建立动作的物理框架，使机器人掌握动作大方向；再用强化学习校正姿态偏差、精度损失和场景差异。在同等工业动作标准下、大负载人形轮足机器人场景，训练数据量较行业均值降低60%-75%，整体算力消耗减少55%-70%。
• 高频力控能力：约化模型实现中层全身控制输出频率达1000Hz（每秒上千次力学计算与动作修正），配合六维力传感器等硬件，使机器人能在搬运、推门、上下料、码垛等工业任务中实现“边动边校正”，实时调整力矩输出。
• 世界模型的物理底座：约化模型可作为世界模型和机器人本体之间的“物理翻译器”，将世界模型生成的数据映射到可验证的物理参数体系，过滤不符合真实接触力学、关节力矩和重心约束的数据，确保预训练数据物理正确。
• 产品与落地：揽月动力主打双轮足机器人L1系列，面向工业搬运、码垛、上下料、物流分拣等高重复性力控任务，负载能力从25kg级起步。已围绕汽车零部件、磁材加工等场景推进样机验证和产线替代，并在仓库验证分拣、搬运岗位替代。公司不追求“万能机器人”，而是先聚焦小脑力控和双轮足本体在真实工业场景中的稳定交付。

值得关注

揽月动力的“约化模型”打破了传统强化学习对海量数据的依赖，通过物理规律减少数据需求，同时解决了大模型在物理世界中的延迟、闭环缺失、物理表征缺失和错误代价高等问题。这一思路为具身智能从实验室走向工业现场提供了可行的降本增效路径。