bingdada共生知行通过卡丁车驾驶场景测试双足人形机器人的全身智能，将视觉感知、平衡控制、手眼脚协同和力控整合进连续任务链，探索从感知到全身动作输出的端到端技术路线，标志着人形机器人从单一运动能力向全身协同完成复杂任务的方向演进。
人形机器人行业正站在一个微妙的转折点上。过去几年，我们看到大量演示视频展示机器人行走、奔跑甚至后空翻，这些成果主要验证了运动控制能力；另一条技术线上，机械臂在固定位置完成抓取、装配等精细操作也已相当成熟。但当任务需要机器人坐进一辆卡丁车，双手握方向盘、双脚控制油门刹车，同时还要根据赛道环境实时调整姿态时，挑战的性质就完全变了——这不再是单一技能的展示，而是对"全身智能"的综合考验。
2026年8月17日，具身智能初创公司共生知行（Symbiosis Robotics）发布了这样一段双足人形机器人驾驶卡丁车的Demo视频，官方网站也同步上线。这是该公司成立以来首次较为完整地对外展示其技术方向与阶段性研发成果。
共生知行将这段赛车Demo定位为一次面向全身智能的综合测试。卡丁车并非其商业应用方向，而是一个精心设计的实验场景：它需要机器人在狭窄座舱中保持平衡，视觉感知系统实时处理赛道信息，手部完成转向操作，脚部协调油门与刹车，所有动作必须在同一条连续任务链中无缝衔接。
这种多接触点、多任务并行的工作负载，正是当前人形机器人从"能运动"走向"能完成任务"的核心瓶颈。传统的分层架构中，感知、决策、运动控制各自为政，模块间的信息传递会产生损耗和延迟。共生知行希望探索的是一条端到端的技术路线：从视觉等感知信息直接映射到全身动作输出，让模型更直接地学习身体、环境与动作之间的关系。
值得强调的是，端到端并不等同于通用能力已经实现。它仍然依赖海量数据、底层控制、真机训练基础设施和严格评测的共同支撑。共生知行将这段赛车Demo视为阶段性验证，而非机器人已具备通用驾驶能力的证明。公司表示，后续将通过技术报告披露模型架构、测试条件和评测方式。
对于一家成立时间不长的公司，外界最关心的问题往往是：团队为什么有能力同时推进模型、运动控制和数据链路？
共生知行的核心成员来自智源研究院、港科大、极佳视界、小米、达摩院、蚂蚁、清华等机构，均为博士研究者。几位成员创业前已持续合作两年以上，研究覆盖视觉—语言—动作模型（VLA）、全身运动控制、力位统一控制、跨本体学习及数据利用。
在可公开核验的成果中，创始人丁鹏翔参与的ReconVLA获得了AAAI-26杰出论文奖；其主导的VLA-Adapter项目尝试以更小的模型和训练成本实现VLA能力，开源项目在GitHub已获得超过2200颗星。团队还曾发起并运营OpenHelix Robotics开源社区，已公开多个VLA及具身智能项目。
这些横跨模型、数据和运动控制的积累，构成了共生知行区别于纯学术团队或纯硬件公司的竞争力——不是只为一个场景编排动作，而是形成能够持续训练、验证和迭代全身智能模型的研发链条。
从更宏观的行业视角看，共生知行的这次Demo释放了一个信号：人形机器人的竞争焦点正在从"本体能否做出动作"转向"模型能否调动全身，在真实环境中持续完成任务"。
当前的公开演示多聚焦于行走、奔跑等运动能力，或固定位置的上肢抓取。前者考验本体与运控，后者考验视觉与机械臂操作。但真实世界的任务往往是复合型的：比如整理房间需要边走边识别物体并完成抓取，驾驶车辆需要同时处理视觉信息、保持身体稳定并协调四肢动作。一旦需要同时保持平衡、理解环境并连续操作，模型、运控和硬件的耦合复杂度将呈指数级上升。
共生知行将自身定位为面向双足人形机器人的全身智能基座模型公司，正是对这一趋势的回应。公司希望通过端到端路线减少传统分层架构中的信息损失和适配成本，并通过扩大数据规模获得跨任务能力。
共生知行的技术路线与国内具身智能领域的发展方向高度契合。近年来，国内涌现出一批专注于人形机器人和具身智能的公司与团队，如智元机器人、宇树科技、星动纪元等，各自在硬件平台、运动控制或大模型应用方面取得了显著进展。
与海外头部玩家（如Figure AI、Tesla Optimus）相比，国内团队在硬件供应链、数据采集场景和工程迭代速度上具有独特优势。共生知行强调的"端到端全身智能基座模型"路线，与国内学界和产业界对VLA模型的关注形成了呼应。随着更多技术报告和开源项目的发布，这一方向的进展值得持续关注。
共生知行表示，未来将快速迭代发布技术进展、Demo、开源项目和研究报告。赛车只是第一项公开测试，后续还将围绕移动操作、高精度视觉对准、接触式力控和长链条任务推出更多案例。
对仍处早期阶段的双足人形机器人行业而言，一段视频无法回答模型通用性、任务成功率和规模化部署等全部问题。但它至少提出了一个值得观察的方向，也让我们看到了中国团队在这一前沿领域的探索与积累。
共生知行（Symbiosis Robotics）是一家具身智能初创公司，成立于2026年，定位为面向双足人形机器人的全身智能基座模型公司，核心成员来自智源研究院、港科大、小米、达摩院等机构。
卡丁车驾驶是一个综合性的全身智能压力测试场景，它要求机器人同时完成视觉感知、身体平衡、手部转向和脚部油门刹车控制，能够检验机器人在连续任务链中的多模态协同能力。
共生知行采用端到端的技术路线，探索从视觉等感知信息到机器人全身动作输出的直接映射，减少传统分层架构中模块间的信息损失和适配成本。
创始人丁鹏翔参与的ReconVLA获得AAAI-26杰出论文奖，其主导的VLA-Adapter开源项目在GitHub获得超过2200颗星，团队还运营着OpenHelix Robotics开源社区。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
全球AI产业正经历深刻变革：英伟达芯片涨价推高算力成本，资本重注具身智能与垂直应用，企业战略加速调整。从芯片到机器人，从平台去中心化到巨头加码，一场围绕AI基础设施的竞赛正在白热化，重塑产业格局。
昆仑行创始人任庚接受专访，详解具身智能的量产逻辑、软硬一体路线选择，以及对车企跨界、行业派系、融资速度等热点话题的犀利观点。
Arm 物理 AI 负责人 Federico Pecora 在世界机器人大会指出，机器人落地的核心在于系统级自适应与泛化能力，而非单一模型。文章分析四大系统级挑战、分层商业价值及国内产业进展，强调统一计算基础的重要性。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
