星尘智能CoMind：隔墙协作成功率100%，通信量降八成

机器人搭伙干活，麻烦就出在「心不齐」上。

要是你看过两台机器人一块儿做事，多半会觉得它们有点「笨」。

问题不在单个机器人不够机灵，而在配合时容易乱。两台机器一起抬桌子，一台已经抓住桌角准备使劲，另一台还在调抓握的姿势；再不然一台视线被挡住，压根不知道队友干到哪一步了。各干各的，原本不难的协作就变得特别费劲。

过去一般有两条路：一是弄个强大的中央大脑统一发号施令，二是让机器人把摄像头拍到的画面全传给队友。

前一种碰上精细动作容易慢半拍，数据得先汇总处理再往下发指令；后一种会产出大量冗余数据。为了说一句「我把螺丝拧进去了」，却要把整个车间的高清视频流传过去，带宽被占着，收的一方还得在一堆无关背景里挑重点。

深圳的具身智能公司星尘智能（Astribot）新近发布CoMind框架，想换条路走。思路挺简单：机器人之间不用分享「全世界」，只分享「对当下这个动作有用的那一点信息」。

隔着墙「借眼」，传得少反倒更准

一组极限测试的数据，最能看出CoMind框架的效果。

「隔墙拿笔」实验里，两台机器人中间挡着板子，谁都看不见谁。没有信息交互时，任务成功率是0%——瞎猜当然猜不中。上了CoMind，成功率一下升到100%。

另一个指标更反直觉：信息传输量。用上CoMind后，机器人之间交换的数据少了约80%。

也就是说，它们不是互相直播高清视频，而是像人类同事那样只讲重点。比如「笔在你左手边30厘米处」，而不是「我看到的画面里有桌子、椅子、地板和一支笔」。

另一项「盲盒置物」测试中，一台机器人要把物体放进自己看不见的盒子，另一台负责给它提供视野。纯靠猜，准确率只有38.9%；用传统的上下文传输方案，能提到72.2%；换成CoMind，准确率到了88.9%。

传得少为什么反而做得好？因为CoMind做的不只是传信息，它还在琢磨「什么样的信息对队友最有用」。

不只是共享视野，更是共享“意图”

拆开看，CoMind的技术逻辑有两块：去中心化的主动共享，加上对任务关键信息的精选压缩。

1. 谁该说话，说什么？

过去机器人多半是被动接收数据。到了CoMind框架里，每台机器人都能独立决策，也会主动把信息递给队友。

系统用一个上下文编码器，从多路摄像头画面里挑出关键视觉特征。组装哑铃时，负责穿入哑铃片的机器人没必要知道房间角落摆着一盆绿植，它只要清楚“杆”和“孔”的相对位置就够了。CoMind提取的正是这类对当前任务有用的特征，压缩之后再发给队友。

2. 动作级反向传播：用结果教机器人“说人话”

这是CoMind最核心的创新。以往的信息共享盯的是“描述准不准”，CoMind盯的是“信息有没有用”。

系统引入了一套动作级反向传播机制。通俗讲，机器人A照着机器人B给的信息做错了动作（比如手伸偏了），这个错误信号不光会修正A的动作策略，还会反向传回B的信息编码器。

好比两人配合打球，接球的一方没接住，发球的一方下一回就会调整抛球的力度和角度。练得多了，机器人B慢慢就学会：眼前这个任务里，机器人A最需要知道什么。

信息共享就此和最终动作结果挂了钩。机器人不是为了交流而交流，是为了把动作完成而交流。

真机演示：从叠被子到冰箱补货

为检验框架的通用性，星尘智能做了六项真机测试，覆盖视觉遮挡、柔性物体操作、精密装配等不同场景。

• 纸箱组装：两台机器人一起撑开、翻转纸箱，翻转时视线被箱体挡住。靠CoMind，它们交换操作状态和进度，看不见也能同步调整抓取位置，把装配做完。
• 叠被收纳：被子是典型的柔性物体，形状随受力实时变化。两台机器人边提起、翻折，边根据对方的动作调整力道和位置。全程没有人类逐步下指令，从提起到收纳它们自己走完了。
• 冰箱补货：这是典型的感知互补任务。一台机器人发现冰箱空了，却看不到饮料在哪；另一台能看到岛台上的饮料。双方交换视觉信息后，配合完成递送和补货。

这些实验说明，CoMind不光能解决“看不见”，也能解决“动不同步”。协作中一方的动作会直接改变另一方的操作条件，持续交换状态比静态分配任务更要紧。

行业背景：从单机智能到群体智能

星尘智能这一步，照出的是具身智能领域一个显眼的走向：单机的能力边界正在露顶，协作成了新的突破口。

VLA（视觉-语言-动作）模型一路进化，单个机器人理解环境、执行指令的本事已经不小。可放到现实世界里，搬运大型物体、组装复杂设备、流水线作业这些场景，天然要多个执行主体配合。单台机器人受视野、机械结构和操作范围限制，很难把每个环节都独自包下来。

眼下学术界和工业界在多机器人协作上，主要有几条技术路线：

1. 共享策略默契：比如斯坦福大学2026年提出的CHORUS框架，让不同机器人共用同一套VLA策略，各自独立感知，通过观察队友行为形成默契，不需要显式通信。
2. 潜在表征共识：比如2025年发表的LatentToM，让机器人学习共享的潜在表征，对任务状态建立共同理解，靠交换紧凑的表征来协作。
3. 语义通信协同：比如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，底层由VLA执行动作。

CoMind走的是第四种思路：面向动作层做信息优化。它不追求宏大的语义理解，也不完全靠隐式默契，而是盯着怎么让共享的信息直接改善队友的动作决策。这跟星尘智能自身的技术积累关系很近。

星尘智能2022年底成立，创始人来杰是腾讯Robotics X实验室的早期核心成员之一。这家公司走的是相对少见的绳驱技术路线，已推出Astribot S1、T1等产品，并搭起了覆盖AI模型、具身操作系统和绳驱本体的软硬件体系。此前发布的Lumo-2具身基座模型已经初步展现出多机协作能力，CoMind要做的，是把这项能力往深处推、落到具体处。

结语

多机器人协作说到底不是把几个聪明的个体凑在一起做加法，关键在让它们学会“沟通”。过去搞协作，靠的通常是工程师预先写死的规则，或者一台庞大的中央服务器，灵活性和扩展性都受限。CoMind这类框架出现后，协作开始变成模型在训练过程中习得的能力——机器人会去理解队友需要什么，再根据反馈调整自己的感知与通信行为。

一旦机器人能像人类团队那样只讲重点、彼此补位，具身智能的落地场景就不会停在单一的家务辅助上，还会往工业装配、仓储物流甚至灾难救援等更复杂的方向延伸。技术往前走了一步，生产组织方式也在微观层面跟着起了变化。