🤖 具身智能 · 架构解读

PULSE 架构：把"错误信念"塞进世界模型，这家公司要让家庭机器人先懂人再干活

星炽动力 CTO 李达披露 PULSE 架构：把"用户状态"与"物理环境"并列为世界模型的双轨推演对象，用"信念、意图、偏好"三维度建模人——核心判断是，物理智能短期内难以泛化，但单户家庭内的人是有规律的，先把"这一户人"读懂，比追求万能工具更接近落地。

来源：企业访谈• 全文约 5 分钟读完
#星炽动力 #PULSE架构 #具身智能 #心智理论
双轨 物理环境 + 用户状态 并行推演
3 维 信念 · 意图 · 偏好 建模人
3 层 记忆架构：规则 / RAG / 参数化

⚡ 30 秒速览

  • 核心反共识：行业死磕物理智能，PULSE 选择先把"人"放进世界模型——理由是物理泛化短期无解，但单户家庭里人的行为有迹可循。
  • 双轨是什么：一条轨算"杯子会不会掉"，另一条轨算"这个动作会不会打扰主人"，两条轨在特征层做交叉验证后输出决策。
  • 最妙的例子：男主人以为牛奶还在微波炉（错误信念），机器人识别信息差后主动提醒——这是"心智理论"首次被显式塞进具身大脑。
  • 落地策略：端侧做测试时适应（TTA），每个家庭的机器人在本地长出自己的理解模型，不必等云端回传。
  • 隐私原生：RGB 在端侧就转成骨架点，云端只拿到"高兴""疲惫"这类语义标签和拓扑图。

01双轨世界模型 把"人怎么了"和"环境怎么了"平权

当前具身行业的世界模型主流做法是推演环境动力学——周围物理环境怎么变。PULSE 的核心反共识是：家庭场景里人不是一件物体，而是交互中心，用户状态的变化必须被同步推演。

传统单轨世界模型

只推演物理环境：杯子在哪、会不会掉、能不能抓。机器人认知里只有桌子、沙发，没有"坐在沙发上的人"。

PULSE 双轨世界模型

物理轨 + 用户轨并行，在特征层交叉验证。行动前不仅算"杯子会不会掉"，还算"这举动会不会打扰主人"。

用户状态被表征为隐空间的特征向量，以类似 token 的形式参与跨注意力计算，和环境特征做对齐——这是技术选型上的明确价值判断：理解人和理解物理世界，在认知架构上平权，甚至人的优先级更高。

看懂环境→理解用户→双轨推演→接受反馈→持续进化

PULSE 闭环五步，名字取"脉搏"之意——机器人有了脉搏，才算有了生命。

02怎么读懂人？信念 · 意图 · 偏好

PULSE 把"心智理论（ToM）"转化为可计算、可训练、可验证的数学模型，锚定三个维度：

🥛 信念（Belief）——识别人的"错误前提"认知纠偏

  • 男主人把牛奶放进微波炉后离开，女主人取出。男主人持有一个"牛奶还在微波炉里"的虚假信念。
  • 只盯物理世界的机器人看到微波炉没牛奶，无法理解男主人接下来要做什么；具备信念表征的机器人会主动出声："牛奶已经被拿出来了"，甚至直接递上牛奶。
技术落点：用户状态作为隐空间特征向量，以 token 形式接入世界动作模型的条件化输入。

🎯 意图（Intention）——"眼里有活"主动预判

  • 不再满足于听懂直接指令，要求机器人通过用户行为动作提前推断潜在需求。
  • 结合"偏好对齐"评估执行分寸——不确定时主动询问："我帮您把这件事做了，行不行？"用户不耐烦就静默处理。
底层支撑：基于自解释增强的多模态大模型做用户状态表征建模。

🏠 偏好（Preference）——长期情境记忆持续积累

  • 涉及用户习惯、边界、隐私，靠持续交互积累，沉淀为长期情境记忆。
  • 用户的多模态显隐式反馈（愤怒微表情、不耐烦语气、竖大拇指夸"你真棒"）回传后，转化为偏好对齐模型的正负奖励。

03三层记忆架构 兼顾低延迟与深度理解

一句"帮我倒杯水"隐含水温、杯子、纯净水还是电解质水等海量决策分支。PULSE 设计了自适应任务复杂度的三层记忆：

结构化规则层高确定性
处理物理时空精准检索。用户问"我的剪刀呢？"——直接在规则记忆库调用，无需激活底层模型。
触发条件：精准匹配的寻物指令
RAG 语义层模糊意图
从过往交互切片中检索语境与习惯。"帮我倒杯水"——RAG 检索出用什么杯子、常喝温度，对齐当前意图。
触发条件：模糊或高度意图化的指令
参数化模型层长尾 / Zero-shot
大模型认知推理与泛化。面对无历史规则可循的突发状况，对长期沉淀的用户行为做因果归因与价值挖掘。
触发条件：长尾场景、深层情感共鸣、突发状况

层层递进的设计目标：既能"极速响应"，又能"深思熟虑"。

04为什么是"先懂人"而不是"先通物理"？

李达给了一个非常务实的判断：物理世界的泛化，短期内难以实现。

"一个在 80 公分高的桌子上训练好的抓取模型，换到 75 公分的桌子上就可能失效。"如果只在实验室闭门造车死磕算法，永远穷举不完真实家庭里千奇百怪的参数。 —— 李达，星炽动力 CTO

但人的理解模型不一样。虽然人也复杂，但人的行为在单个家庭里是有规律的——每天喝水的杯子、回家时间、说话语气都有迹可循。先在"这一户人"里把人理解清楚，可用性迅速提升，使用频率上升，真机数据反哺具身大脑，飞轮转起来。

端云结合策略也印证这一点：云端负责全局迭代，端侧跑测试时适应（TTA）。机器人在使用中遇到新分布的数据，直接在本地做调优，不用等云端回传——每个家庭的机器人都长出自己的理解模型。

物理智能解决"能不能做到"，人的理解模型解决"该不该做、什么时候做、怎么做才合适"——在容错率极低的家庭场景里，后者优先级恐怕还要再往前排。

05隐私即设计 不是合规补丁，是架构原生

PULSE 把隐私保护直接写进架构（Privacy by Design），通过端侧计算和模态解耦切断泄露源头：

视觉脱敏

RGB 高清画面在端侧转为骨架点信息，衣着纹理、背景光影作为噪声剥离，行为识别反而更鲁棒。

敏感前置

人脸微表情、生理状态在前端直接闭环，云端只收到"高兴""疲惫"等结构化语义标签。

场景语义化

不上传家庭照片，只提取语义场景图——一组描述物体空间关系的文本和拓扑图。

目前已与海尔智家、涂鸦智能深度打通，机器人可自主指令空调下调温度——态势感知不仅服务决策，也联动全屋智能生态。

▸ 编辑视角

本文素材来自企业方访谈，CTO 单方披露架构思路，未见第三方独立复测或同行评审。"错误信念"建模、双轨世界模型等提法目前停留在工程描述层面，没有公开的基准评测或可复现的代码仓库。读者宜将其视为一家公司对"家庭机器人该怎么造"的路线表态，而非已验证的技术结论。

值得留意的支线：李达师从谭铁牛院士，长期做视觉导航与连续学习，学术底子扎实——"连续学习"与"灾难性遗忘"的工程权衡，是他访谈中少有的坦率承认"现有大模型架构里概率极高"的风险点，这比"我们已经解决"的通稿式表述可信得多。

家庭机器人赛道正从"比谁手更稳"切到"比谁更懂察言观色"——这条路线能否跑通，不取决于某家公司的架构巧思，而取决于"读懂一户人"所需的数据沉淀周期，能否跑赢投资人的耐心。

▶关注与跟踪

星炽动力聚焦 C 端家庭场景，PULSE 架构仍在工程推进中。Mission：让机器人真正走进千家万户，打造在长期陪伴中不断学习、越来越懂你的家庭伙伴机器人。

星炽动力 → 持续跟踪产品落地