逐际动力发布Oli人形机器人家务Demo，技术路线与Figure正面交锋

事件概述

2026年7月16日，逐际动力发布一段全尺寸人形机器人Oli全自主完成家庭任务的实拍视频。视频中，Oli连续完成从衣架取衣、多件衣物精准扔进脏衣篓、整理玩偶、搬箱摞箱、深弯腰拾取地面杂物等一系列操作，全程3分钟一镜到底，无后台人工远程介入及分段剪辑。这使Oli成为国内首个在家庭非结构化场景下完成长程移动操作任务的全尺寸人形机器人。

核心信息：LimX COSA 0.5三层架构

逐际动力认为机器人大脑不应是单一模型，而应是操作系统，据此提出了LimX COSA（Embodied Agentic OS）的三层架构：

• S2认知层（1Hz）：负责宏观理解、记忆、决策与人机交互，融合VLM、LLM、世界模型等，基于当前视觉和指令规划任务步骤。
• S1技能层（50Hz）：一组可复用的技能集合，每个技能（如VLA）独立训练、独立优化，按需调用，可渐进叠加而无需推翻重来。
• S0运控层（1000Hz）：基于自研LimX WBT全身运动基础模型，将上层目标转化为平衡、协调的关节指令。在公开对比中，LimX WBT的全身位置误差MPJPE为12.85mm（SONIC为13.75mm），平均关节角误差1.5°（SONIC为3.3°），平滑度指标jerk全面优于SONIC。

S0支持真机强化学习迭代：任务失败时通过专家遥操接管修正，数据送入奖励模型，使系统“越用越聪明”。三层架构可独立迭代，不相互牵动。

行业对比与技术路线分歧

• Figure：采用System 1/System 2双系统框架，同样展示了厨房/房间/客厅整理长程任务，但核心落脚点仍是“模型”，且全栈闭源。逐际动力认为Figure本质上仍未跳出模型范畴。
• Flexion：后续提出的Command/Motion/Control三层栈范式与COSA趋同，但逐际动力同时掌握身体与大脑系统，可实现软硬件联合优化。
• Skild AI：走“模型即大脑”路线，用全能体基础模型控制所有机器人，未展示长程全身移动操作能力。

逐际动力强调“模型不是大脑，系统才是”，并开源了Humanoid FluxVLA Engine的训练与推理代码，以开放生态换取开发者反哺。

值得关注

• 目前全球仅逐际动力与Figure能展示高可信度的长程、不间断、非遥操作的完整家庭任务演示。
• 逐际动力将底层运控（小脑）视为大脑发育的前提，认为没有小脑长不出大脑。
• 系统化路线虽从0.5版本起步，但软硬一体的协同优势是纯软件公司难以复制的。