人形机器人宣称借助KinetIQ Ascend框架，双臂任务可靠性达99%

总部位于伦敦的机器人公司Humanoid推出了KinetIQ Ascend，这是一种强化学习方法。该公司称，该方法将双手操作的成功率从78%提升至99%，且操作速度比人类示范速度更快。

4分钟阅读Posted: 2026年7月6日

总部位于伦敦的机器人公司Humanoid推出了一种新的强化学习框架，该公司声称该框架解决了物理人工智能领域中最棘手的问题之一：让机器人在工业级速度下以近乎完美的可靠性执行复杂的双手协作任务。该公司宣布推出KinetIQ Ascend，这是一种旨在实现99.9%操作可靠性的现实世界强化学习方法，并将其描述为一项类似于大型语言模型所取得飞跃的规模化突破。

弥合可靠性差距

Humanoid成立于2024年，目前在伦敦、波士顿、温哥华和圣地亚哥的办事处拥有超过250名工程师，继今年5月宣布与博世（Bosch）和舍弗勒（Schaeffler）建立生产合作伙伴关系后，该公司一直致力于实现大规模的工业部署。人形机器人（HMND）面临的核心挑战，在于弥合令人印象深刻的实验室演示与工厂车间严苛可靠性要求之间的鸿沟。

根据该公司的技术报告，KinetIQ Ascend 通过从往往会遭遇性能瓶颈的纯模仿学习转向高度优化的强化学习管道，解决了这一问题。该公司发布的结果显示，在多个基准任务中均取得了显著提升。在一项处理钢制轴承环的机器供料任务中，该系统在以比用于训练模型的人工演示速度高出1.5倍的速率运行时，吞吐量提升了42%。在杂乱环境中进行托盘拾取和交接任务时，吞吐量提高了85%，成功率从80%跃升至98%。

最显著的提升出现在复杂的双手提箱搬运操作中，该任务的吞吐量翻了一番以上，成功率从78%攀升至99%。这意味着失败事件减少了约二十倍，而这一成果仅在数天的训练后便已实现。

能力工厂

首席技术官贾拉德·坎农将这一进展描述为一场结构性转变

对整个行业而言。坎农表示，类人型机器人正逐渐演变为一个规模问题，并将这一新框架描述为一个“能力工厂”，而非一系列量身定制的工程解决方案。该公司声称，强化学习（RL）方法展现出明显的规模化趋势，并能很好地推广到未见过的物体上，为实现工业客户所要求的100%可靠性提供了一条可信的途径。

对于更广泛的机器人市场而言，KinetIQ Ascend的成果进一步佐证了这样一种观点：当强化学习经过适当扩展并锚定于现实世界物理规律时，便能够克服历史上一直困扰机器人操作的脆弱性。随着Humanoid等公司与博世等合作伙伴一起，从试点项目转向全面生产部署，快速训练和验证这些高可靠性技能的能力，很可能将成为硬件供应商之间的主要差异化因素。