杰西卡 发自 ROBO-智量子位ROBO | 公众号 AI4ROBO

几台机器人一起干活，最头疼的是什么？

心不齐。

两个人合伙叠被子、抬桌子，还得靠眼神递个信号。换成几个机器人凑到一块儿，情况只会更乱。

这台刚抓住桌角，那台已经准备往上抬；一旦有一方视线被挡住，连队友做到哪一步都摸不清……机器人凑在一起合作，往往更让人着急。

交流本身也是道坎。

交给中心系统统一调度？细活儿配合起来容易慢半拍。把摄像头拍到的画面全发给队友？冗余数据一大堆，通信和处理都得跟着受累。

深圳具身智能公司星尘智能针对这个难题，刚刚推出一套多机协同框架CoMind（Be My Eye）。

这家公司此前靠绳驱机器人和自研具身智能模型被人熟知，这回把研究重心挪到了多台机器人之间：让它们主动交换任务关键信息，各自独立做动作决策，协作因此更紧密。

先看极限测试的数据：

两台机器人中间隔着挡板，谁也看不见谁，却能靠共享关键信息配合拿笔，任务成功率从0%拉到100%。

视线被挡的那台机器人，借队友的“眼睛”找盒子放东西，准确率从盲猜的38.9%升到88.9%。更关键的是，整个过程中信息传输量少了80%。

传的信息更少，配合怎么反而更顺了？

隔着墙“借眼”，机器人组队干活多了条新路

星尘智能刚发布的CoMind，是一套面向多机器人协同操作的模型框架，核心目标是让机器人在独立决策的同时，主动交换对任务有用的信息。

星尘把这套框架的核心能力归为两点：去中心化的主动共享，以及对任务关键信息的精选与压缩。

前一点，是让每台机器人都能主动把信息递给队友，再结合收到的上下文独立生成动作，对统一中心控制器的依赖因此减少。

后一点则改写了信息交换的方式。机器人不用传完整摄像头画面，而是按任务需求提取关键视觉特征和操作状态，帮队友判断下一步该做什么。

说白了，机器人既能自己拿主意，也清楚该告诉队友什么。

星尘智能为此做了六项真机测试：隔墙拿笔、盲盒置物、纸箱组装、叠被收纳、冰箱补货和哑铃组装*（真机视频可以参考文末链接）*。

这六项实验覆盖了视觉遮挡、柔性物体操作、精密装配等不同类型的协作难题。

拿两台机器人一起组装纸箱来说。

任务看着简单，实际要双方共同把箱体撑开、翻转，还得不停调整抓取位置。纸箱翻转的时候会挡住视线，机器人没法直接看到队友在怎么操作。

有了CoMind，两台机器人之间就能互通操作状态与任务进度，即使视线被挡住，装配照样往下走。

叠被子这个任务难度更高。被子本身柔软、易变形，机器人提起、翻折、搬动的过程中，形状、边缘和受力状态一直在变。两台机器人要配合完成，除了各自控制好动作，还得依据队友的操作随时做出调整。

演示里，两台机器人接连做完了提起、翻折、收纳等动作，整个过程没有人类一步步下指令。

哑铃组装也是一例。一台机器人把哑铃片穿进杆里，可它受自身视角限制，很难同时看清杆和孔位的相对位置。这时候另一台机器人从不同角度提供关键的空间信息，帮队友边动边调，最终完成对准和装配。

冰箱补货展示的则是不同位置之间的信息互补。一台机器人发现冰箱里饮料不够了，另一台能看到岛台上放着饮料。两边把看到的画面一交换，再配合着把饮料递过去、补进冰箱。

这几项实验其实牵扯到两种不一样的协作能力。一种是感知互补，让机器人借队友的视角看到自己看不到的东西；另一种是动作协同，让机器人在连续操作中根据队友的状态和进度来调整自己的行为。

后一种尤其关键。两台机器人分别会搬运、会抓取、会折叠，不等于凑到一起就能把活干顺。一起搬东西时，一方的动作会直接改变另一方的操作条件；组装复杂零件时，双方还得跟着物体状态不停调整姿态。

单台机器人干活，自己决策就行；协作任务里，机器人得一直弄明白队友在做什么。各自把手头的事做好只是第一步，知道队友当下需要什么，才是协作的要害。

比起共享视野，更关键的是学会“说重点”。

CoMind的两项核心能力，正好对应多机器人协作里的两个现实难题：决策怎么协调，信息怎么高效交换。

过去的多机器人协作，常见做法是中心化调度——由一套统一控制系统分任务、排行动，再给每台机器人下指令。

这种方案在分工明确时挺好用。可一旦碰上需要频繁调整的精细操作，把多台机器人的感知和控制信息都集中处理，容易多出额外的计算和通信开销。

另一类做法是分布式决策，让机器人自己完成感知和动作控制。这降低了对中心系统的依赖，代价是每台机器人手里的信息有限。

目标或者队友一旦被挡住，关键的决策依据可能就没了。就算允许机器人互相通信，信息怎么传也是个问题。

机器人每秒产生的视觉数据可能很多，但真正跟队友动作相关的，往往只占很小一部分。拿组装哑铃来说，负责穿哑铃片的那台机器人，需要知道的是杆和孔位的相对位置；旁边的家具、墙面和其他物体，对当前操作帮不上什么忙。

要是把完整视频直接传给队友，通信负担会加重，接收方还得从海量数据里重新挑出有用的信息。

CoMind的技术方案，落脚点就在信息怎么提、怎么一起做决定这两件事上。整套设计分成两步走。

头一步叫任务相关上下文提取。多路摄像头拍到的画面，先由上下文编码器过一遍，挑出要紧的、压掉多余的，把对眼下任务和接下来动作有用的视觉特征留下来。

同时，模型会学着预判画面往后怎么变，再对照任务做到哪一步，让机器人弄明白自己正处在操作的哪个环节。

第二步是双向共享，再协同生成动作。两台机器人各自都能单独提取、发出关键信息，也能收下队友递来的上下文。收到的一方把它跟自己的视觉观测、任务指令、本体状态拼到一起，送进视觉—语言—动作模型（VLA），由模型输出连续动作。

发信息和做动作这两样本事，两边都攥在手里，不必再靠一个中心控制器把全部操作指令都生成出来。

框架里还有一处关键安排：动作级反向传播。说白了，就是拿队友的动作结果倒过来推，决定自己该给什么信息。

盲盒置物实验就是个例子。机器人A看不见目标，得靠机器人B递信息。要是A最后伸错了地方，训练时动作预测的误差就能一路回传到B的信息编码器上，帮着模型改一改关键特征是怎么挑的。这么反复练下来，B会越来越愿意提供那些能让A做对动作的信息。

这么一来，信息共享和最终动作之间就挂上了直接的钩。机器人之间交流，目标不只是把周围环境说准确，还得管用，得服务于队友怎么下手。

实验数字也说明了这一点。盲盒置物任务里，不共享信息时准确率是38.9%；换成另一种上下文传输方案，准确率到了72.2%。

CoMind把准确率又推到88.9%，通信信息量还少了约80%。给机器人塞更多信息，协作未必就更好。信息跟任务对不对得上，才决定它能起什么作用。

协作智能，正在补齐单机智能的边界

多机器人协作，眼下是具身智能领域一个重要的研究方向。VLA这类模型越进化，机器人看懂环境、执行指令、完成复杂操作的本事也在往上走。

可现实里大量活儿，本来就得几个执行主体一起干。搬大件、装复杂设备、跑连续的生产流程，都牵扯到不同位置、不同动作之间的配合。单台机器人再聪明，视野、机械结构、操作范围也摆在那儿，绕不过去。

△图片由AI生成

于是，越来越多的研究团队把目光转向多机器人之间的协作机制。

斯坦福大学团队在2026年拿出的方案叫CHORUS，思路是让多台机器人共用同一套VLA策略，各自独立感知，再凑到一起干活。

这套方案不靠机器人运行时明着通信。各台机器依据自己的视觉观测和那套共享策略分别生成动作，配合是在观察队友行为的过程中自然形成的。

研究里演示的任务包括一起抬洗衣篮、互相递书等。

2025年发表的LatentToM走的是另一条路。

研究人员的做法是让不同机器人学一套共享的潜在表征，借此对任务状态和队友行为形成共同理解，通信时交换的是紧凑表征，协作操作由此实现。

2026年10月公开的DuoMind，用视觉语言模型做高层任务推理和语义通信，底层动作执行交给VLA模型，探索的是机器人之间的分布式协同。

三项研究代表了三种不同打法：靠共同策略磨出默契，靠潜在表征建立共识，或者靠语义信息来组织行动。

星尘智能CoMind盯的是另一个问题，位置更靠近动作层：机器人共享出去的信息，怎样才能直接改善队友的动作决策。

它的做法是把任务相关的视觉信息提取、双向共享和动作策略放在一起联合优化，让通信内容与最终操作结果挂上钩。

这条研究方向并非凭空而来，与星尘智能此前的技术积累有关。

星尘智能成立于2022年底，创始人兼CEO来杰曾是腾讯Robotics X实验室架构师，也是该实验室早期核心成员，此前还负责过百度小度机器人相关的研发工作。

这家公司选的是相对少见的绳驱技术路线，陆续推出Astribot S1、T1等机器人产品，围绕AI模型、具身操作系统和绳驱本体搭起软硬件一体化的技术体系。

模型方面，星尘智能此前发布过Lumo系列具身基座模型。

今年7月推出的Lumo-2，已经把 人机协同、多机器人协作放进能力展示里。这回CoMind把研究往深处推了一步，落到机器人之间的信息交换与动作决策上。

从单机操作走到多机协作，星尘的技术路线也照出整个行业正在面对的新课题。

不管是工业装配、仓储搬运还是家庭服务，机器人都很难时刻掌握完整的环境信息，也没法单靠自己完成所有操作。

处在不同位置的机器人，本来就看到不同的视角；不同任务环节之间，动作依赖又很紧密。这些分散的信息能不能顺畅流动，直接决定整个系统的效率。

所以协作不只是任务分配、路径规划和动作协调。机器人还得读懂队友需要什么信息，再据此调整自己的感知与通信行为。落到真机上，这种能力直接决定任务成败。

协作这件事，正从工程师写下的规则，变成模型在训练中学会的能力。

人类靠分工协作把个体有限的能力组织起来，撑起了复杂的社会生产体系。如今，同样的规律也进入了机器人的逻辑。

技术报告地址：www.astribot.com/AI/CoMind