全球首次将约化模型系统化应用于机器人本体控制——揽月动力今日正式发布双轮足人形机器人 L1。
具身智能的"物理翻译官"，用约化模型重塑机器人控制的底层逻辑
基于小样本数据学习，L1 在重载移动、抗扰平衡、高位抱夹和精细力控等多个场景中展现出真实物理世界所需的执行能力。
我们相信，下一代机器人不只需要更聪明的大脑，也需要更可靠的小脑让身体有强执行能力，模型解决最后也是最关键的问题。
机器人要从实验室走向真实世界，必须具备稳定移动、精准力控、动态平衡、全身协同和持续作业的能力。搬起一个重箱，要判断重量变化、调整身体重心；受到外部冲击，要在毫秒级恢复平衡。这些能力，无法只靠更大的语言模型解决——它们发生在真实接触、真实受力和真实运动之中，是具身智能从"看懂世界"走向"作用于世界"的关键一步。
1000Hz 高频控制
实现机器人实时控制
揽月L1 完成了多项面向真实场景的能力验证
重载移动 × 抗扰协同
L1 在背负 20kg 料箱的状态下完成稳定上坡，并在过程中持续接受外部重量增加与外力冲击，姿态稳定、轨迹平滑，真正实现 Locomotion + Manipulation 的协同执行。
抗扰平衡 × 柔顺交互
受到外界强烈冲击时，L1 依靠柔顺控制持续调整姿态，在保持平衡的同时，确保人机交互的安全性。机器人在真实环境中稳定运动、交互，控制层必须具备足够快的响应速度。
揽月动力约化模型的中层全身控制输出频率可达 1000Hz。
这意味着机器人每秒可以进行上千次力学计算与动作修正。每一次接触、每一次受力变化、每一次姿态偏差，都能更快被系统捕捉并反馈到控制中。这也是 L1 能够在重载、坡道、抗扰和鱼缸搬运等场景中保持稳定的重要基础。
一个人端着水杯上楼梯时，并不是提前算好所有动作，而是在行走过程中不断调整身体、手臂和步伐。机器人要做到类似的稳定执行，也需要这样的实时反应能力。
揽月动力通过高频控制，让机器人真正具备进入物理世界的“肌肉反射”。
约化模型：让机器人先懂物理 再学动作
高位抱夹：负载 20kg 条件下，L1 抱夹高度达到 1.8 米，覆盖工业搬运、码垛、上料等真实工位的操作范围。
精细力控：在搬运盛水鱼缸的过程中，基于约化模型的控制算法让 L1 展现出极为细腻的力矩调整能力，水面始终保持平稳。
揽月动力通过约化模型的底层建构，让机器人能够把复杂动作转化为更清晰的物理参数，并在执行过程中实时修正姿态与力矩输出。 即把机器人复杂的多体运动系统降阶降维，将高维变量——关节、连杆、惯量、接触力、驱动力矩——降维成更基础的物理参数：加速度、减速度、角度、力矩、重心变化，再通过数学方式抽取关键特征，建立低阶动力学方程。 简单来说，传统机器人训练方式更像“刷题”，需要通过大量数据和试错让机器人记住不同场景下该怎么做；而揽月动力让机器人先掌握动作背后的“物理规律”，再通过强化学习等方法不断提升精度和适应性。 这套方法的意义，是让机器人减少对海量训练数据的依赖，也让产品更容易调试、验证和交付。
Physical AI：约化模型是世界模型 的物理基座
世界模型的目标，是让机器人不仅看懂任务，还能理解世界如何变化并预测下一步状态。但一个容易被忽略的问题是：世界模型生成的虚拟数据，不天然保证物理正确。 如果这些数据不符合真实接触力学、关节力矩和重心约束，虚拟数据越多，训练反而越偏离真实世界。 约化模型的价值在这里被放大。它可以成为世界模型和机器人本体之间的"物理翻译器"：把世界模型生成的数据映射到可对照、可验证的物理参数体系，物理上合理的数据保留，不合理的过滤掉，再进入小脑控制和机器人预训练。 从这个意义看，揽月动力真正想成为的，是Physical AI技术栈中最底层的那块基座——大模型负责理解任务，世界模型负责预测环境，约化模型回答最后也是最关键的问题：在真实物理世界里稳定执行动作。
L1 是揽月动力征程的起点
具身智能正在从"看懂世界"走向"进入世界"。 对机器人而言，真正的考验不是在屏幕里完成推理，也不是在实验室里完成单次动作，而是在真实场景中稳定运行、持续工作，并创造可衡量的产业价值。 L1 是揽月动力征程的起点。未来，我们将不断推进机器人从实验室走向工厂、仓库和更广阔的真实世界——从重载搬运到复杂灵巧操作，从工业场景走到千家万户。 让机器人真正动起来、稳下来、干得了活。 这是 Physical AI 时代最稀缺的能力，也是揽月动力的核心使命。
2025年，人形机器人产业迎来爆发拐点。特斯拉Optimus量产在即，华为、宇树等企业加速技术突破，行业正从“实验室研发”向“规模化落地”跃迁为打通产业链上下游协作壁垒，艾邦机器人正式组建"人形机器人全产业链交流群"，覆盖金属材料、复合材料、传感器、电机、减速器等全硬件环节，助力企业精准对接资源、共享前沿技术！
扫码关注公众号，底部菜单申请进群
