半年四轮亿元级融资后，欧拉万象想把家庭机器人带向哪里？

半年内完成四轮亿级融资后，欧拉万象的家庭机器人将走向何方？

设想这样一个画面：你拖着疲惫的身躯回家，在电梯里通过手机应用告知机器人即将抵达，开门后，它已为你备好拖鞋，并将你换下的鞋子放到鞋架上。

来到客厅，狗和你都在沙发上休息，机器人则把散落一地的玩具捡起并归位。当你吃完外卖，对它说“清理桌面”后再次躺回沙发，它便将外卖盒整理进垃圾袋。

如今，这已非幻想，而是家庭具身智能企业欧拉万象最新推出的家庭应用实践。数日前，这家成立仅半年的公司宣布完成第四轮数亿元融资。

在当前的具身智能领域，家庭场景被普遍看好，却鲜有人敢于给出确定性答案。它既高频、刚需，又充满非标准化挑战。上述每个场景对人类而言轻而易举，但对机器人来说，却意味着一连串的判断、调整与执行。

因此，机器人真正进入家庭，面临的不仅是动作执行的准确性，还有对具体任务和使用环境的持续适应。核心问题在于：家庭机器人究竟应依赖预设技能完成任务，还是能在使用中逐步适应环境、理解需求，并不断扩展自身能力？

欧拉万象选择了后者。CEO周顺波指出，公司自创立起便强调“养成”概念——机器人出厂时无需掌握所有家务，但应能被家庭教会，从用户示范中学习新技能，并在实际执行中通过自进化系统持续改进表现。这一路径的可行性，最终取决于机器人在真实家庭中的稳定性和可靠性。

01. 家庭机器人最大挑战不是操作，而是理解生活

家中有多少种门？如何开启它们？

房间门需旋转，阳台门是推拉式，衣柜门可能需按压。欧拉万象产品团队调研发现，像开门这样对人类简单至极的动作，足以难倒机器人。

人类习以为常的生活包含一系列理解、判断、执行和反思，而人本身是最大变量。在家庭小天地中，人们释放自我、随心所欲。“家庭的多样性和不同用户需求，两者相乘，使家庭机器人任务处理变得极其复杂，”周顺波坦言。

家庭环境的复杂性决定了机器人不能从“包揽所有家务”开始定义产品。欧拉万象选择先找出用户反复遇到且技术当前可解决的任务，据此确定首批验证场景。安全、隐私和长期可靠性，也会影响这些能力能否进入家庭。

为获取真实需求，欧拉万象在国内外机器人社区收集了千余份有效长问卷，每份需近15分钟完成，问题细致到家中是否有超过3厘米的门槛、家务习惯及最令人头疼的家务等，从中确定家庭机器人最值得完成的高价值任务。

例如，用户最希望机器人帮忙解决桌面收纳问题，“大家隔段时间会请阿姨全屋打扫，但桌面可能每天从整洁变混乱，很难总找阿姨整理桌子。”

再如，相比市面上宣传的叠衣服需求，更多人关注的是等待衣服洗净烘干的那一小时。“很多人工作到很晚回家，洗完的衣服在洗衣机里放一夜，不及时晾晒怕有异味，所以衣服不洗好无法安心入睡，”周顺波表示，叠衣服对许多用户反而是清爽解压的事。

欧拉万象此次展示的场景均基于真实需求。技术团队表示，以玄关拿鞋为例，看似只是从地面拿起鞋子放回鞋柜，实则串联了目标识别、位置判断、移动、抓取和放置等环节。机器人需识别鞋子、确定鞋柜位置和合适放置点，并在执行中协调移动底盘与机械臂，完成连续动作。任一环节偏差都可能影响结果。

难点还在于移动和操作必须结合。机器人走向鞋子时，需判断机械臂能否够到；抓取过程中，若位置变化，身体和手部动作需随之调整。欧拉万象正沿Action-Native Foundation Model路线，探索在统一模型框架下处理移动与操作，减少“走到了却做不了”的情况。

在此次展示的彩蛋中，机器人不仅能持续捡起客厅中的玩具，还能在玩具移动时实时更新抓取位置。这意味着机器人需反复移动、寻找目标、伸出机械臂、完成抓取，并将玩具放入收纳篮。真正难点在于，机器人不能仅依赖任务开始时的环境信息，而需在整个执行过程中持续感知环境，根据玩具位置和自身位置变化，及时调整后续动作。

桌面整理则考验理解能力。用户通常只说“把桌子收一下”，但并非要拿走所有物品。真实家庭桌面上，有些需丢弃，有些需保留并归位，机器人必须据此判断哪些该处理、哪些该留下并放置妥当。

欧拉万象技术团队介绍，这种判断力来自两层设计。一层在模型内部，预训练阶段融合语义理解和取舍判断，辅以目标检测和标注，让机器人见过足够多“吃剩的外卖盒该扔掉”这类先验。另一层来自AgenticOS系统，它接入通用大模型，负责高层任务规划，并调用其他检测模型辅助识别；组合各路先验信息后，制定详细执行规划，交由自研模型落地。

这些场景共同展现了机器人在复杂动态环境中的持续任务执行能力：不仅能在明确条件下完成指定动作，还能在物品位置变化、目标移动、任务持续推进或指令具有开放性的情况下，根据环境与任务状态变化持续调整行为，推进任务完成。

02. 从第一天开始的“养成”

在欧拉万象此次场景展示中，还有一个值得关注的环节：人类佩戴数据头环，向机器人示范如何给狗喂食，机器人则通过学习这段示范，尝试掌握相应动作。

让机器人学会人类动作，并非简单将视频交给模型。首先，需校正头环采集的画面，减少镜头畸变对位置和动作判断的影响。接着，去除与任务无关的人体信息，并将人类动作转换为机器人可理解和执行的版本。据团队介绍，这一转换过程中的位置映射误差可控制在亚毫米级别。完成转换的数据随后进入模型训练，最后由机器人实际执行。

对用户而言，整个流程被尽可能简化：只需在家中设定任务，根据难度提供数十条示范，后续数据处理、模型训练与部署由系统自动完成。根据欧拉万象现有验证，部分简单任务，用户参与数据采集仅需约10-20分钟，完整端到端流程约6小时。这意味着，用户只需投入少量时间示范，机器人便有机会在当天完成新技能学习与部署，并尝试执行任务。

“我们希望降低机器人获取新技能的门槛，包括数据门槛，”技术团队表示，“机器人学到的不是固定动作，而是你的任务意图、物体间的交互关系及背后物理规律。”

欧拉万象技术团队提到，家庭中的长尾需求极为复杂，“几乎没有两个人的家完全一样，出厂预置功能难以覆盖所有需求，所以我们希望机器人进入家庭后，适当采集数据，形成与这个家庭相关的特性。”

他们在调研中了解到，有位用户希望机器人能帮自己敲木鱼——因为经常在家办公，想通过敲木鱼声保持平静。这类需求看似微小，却带有鲜明个人色彩，难以预先归纳为通用功能。但如果机器人能实现，不仅提供实用功能外的情绪价值，还能增强用户与机器人之间的连接。对于这类难以预定义的个性化需求，欧拉万象希望通过技能养成工具链，让用户能从零开始训练小型策略模型，将原本难以预置的需求转化为机器人可学习和执行的技能。

不过，当前演示的场景均来自调研筛选出的高价值任务，而非通用家务能力，更多场景仍在研发中。家务的真正难度在于长期运行中的安全性和稳定任务完成率，需在真实家庭中用更长时间验证。

示范能让机器人学会一项新技能，但真实任务中的变化会暴露其不足。如何让技能在真实场景中持续改进，是另一问题。欧拉万象从day1就在思考，Real-World RSI（递归自我改进）是其答案。

Real-World RSI如何理解？技术团队以玄关整理鞋子为例：机器人执行任务时成功拿起鞋子，但放入鞋框时未能放准。传统做法是工程师分析问题、决定如何采集大量数据、再训练模型，技能扩展难以跟上家庭任务多样性。而现在，这些环节都变成系统自主参与。

机器人执行任务时，系统能获取完整执行结果、观测数据和测评反馈。由于系统沉淀了算法工程师的大量know-how，它可以判断鞋子没放好是空间位置判断不准，还是底盘控制或双臂协同不到位，并据此诊断出具体数据需求——比如确认是空间定位问题，就补充不同视角的数据。“通过数据采集或合成、转换的方式补充下一轮所需的先验信息，再去重新训练模型。”

欧拉万象技术团队介绍，目前Real-World RSI已逐步融入从数据处理、模型训练到评测与部署的各个环节，覆盖模型迭代主要流程。从今年8月底训练出第一版模型至今，欧拉万象已在机器人操作仿真基准RoboTwin2.0上发布两版模型，均取得SOTA成绩。

RSI的意义不仅是提升模型训练效率，更在于建立一套持续自我改进的机器人能力成长机制。它将基座模型、数据与训练基础设施、评测系统和机器人本体连接起来，逐步实现由AI和系统自动识别真实任务中的失败、异常与能力不足，并将这些信息转化为下一轮模型、系统或本体改进的输入，形成“执行—发现问题—改进—再验证”的持续闭环。

“以单次规模化消融实验为例，使用64张GPU训练约2.5天，累计训练资源用量约3,800GPU-hours，”欧拉万象技术团队介绍，通过持续优化训练与实验流程，在算法工程师人数基本不变的情况下，模型迭代效率提升了约2-4倍。此次家庭场景中的任务尝试，正是基于这一持续迭代的基座模型开展。

03. 成为“管家”而非“家政员工”

具身智能发展到今天，家庭机器人已成为人工智能与机器人产业共同看好的方向，但行业对如何实现这一目标，仍未形成统一答案。有的从成熟的单一功能产品切入，逐步拓展机器人能力边界；有的押注人形机器人，希望通过更接近人类的形态适应现有生活环境。

真正决定行业发展的，不仅是机器人能否实现更多功能，而是能否以合理价格、较少人工干预和稳定任务完成率，为普通家庭创造实际价值。

从香港中文大学机器人专业博士到华为具身智能1号员工，再到选定家庭机器人方向创业，周顺波在机器人领域已工作十几年。他的判断很明确：依照当前本体和模型成熟度，短时间内无法做出可直接面向终端普通用户的产品。这也是欧拉万象选择将Maker作为最初目标群体的原因：他们乐于接受新事物，有一定动手能力。与他们的互动，可帮助公司逐渐定义清楚产品边界。

但最终，欧拉万象希望能降低机器人使用门槛，让更多人有机会参与创造机器人。周顺波解释，这也是他们从理念到技术上对“可养成机器人”探索的本质。

当前，欧拉万象的模型和数据基建已基本搭建完毕，专业开发者门槛开始逐渐降低。“我们很多新进实习生，都能用我们的工具很快参与到各个研发环节。”

周顺波还有一个大胆想法，他正在寻觅一名非机器人背景的产品经理。“因为我们本质上在创造全新的产品品类，现在许多有机器人经验的产品经理可能来自消费机器人公司，但他们是在传统品类里做创新，有固有方法论，比如扫地机上长一只手，这种构型无法用人类数据驱动。”

在周顺波看来，真正能帮助公司定义用户需要什么样的机器人伙伴的产品经理，应是“有想象力和活人感，真的去体验和感悟生活的人”。关于未来设想，他举了一个例子：如果第二天要下雨，手机可推送消息提醒用户带伞。而机器人作为能与真实物理世界交互的agent，在用户出门前，可直接拿着伞站在玄关口递给他。

也就是说，作为家庭伙伴，机器人并非简单与家政保洁员比较能做多少家务，而是更类似“管家”角色，既能承担服务功能，也是真实的陪伴和照顾者。

据周顺波透露，明年Q1，欧拉万象的机器人将走出实验室，真正进入家庭。值得一提的是，这将是一次小规模部署，而非大规模量产和极低售价铺货。这一决定基于他对整个行业的判断——当下更重要的是快速迭代功能，而非以某一早期版本铺开售卖。另一方面，这也将是一次长期部署，收集真实用户长期使用反馈，持续加速基座模型和RSI系统迭代。

成立半年多，欧拉万象已将家庭需求、用户示范和模型迭代连成一条可验证路线。但家庭机器人能否真正“被一个家教会”，答案不在一次展示中，而在接下来更长时间的真实使用中：它能否稳定完成任务，遇到变化时如何调整，又能否将失败转化为下一次进步。爱游戏体育官网关注这一领域的持续发展。