一脑多身
同一套模型权重驱动衡、巡、巧 3 种本体，能力在机器之间迁移。
肆 · 格物Positioning
宋儒释「格物」为即物而穷其理。格物大模型正是这样学习的：不只读万卷书，更在真实世界里一次次伸手、触碰、试错，从物理中归纳常识，再把常识化为可靠的动作。
Highlights
从物理中学会常识
-
-
端侧闭环
感知—决策闭环 30 Hz，离线可运行，数据不出厂区。
-
真实数据
12 万小时真实世界交互数据持续训练，越用越懂物理。
Architecture
观之，思之，行之
多模态感知
视觉、触觉、力觉与本体感受融为一体，把纷繁的世界读成可以推理的结构。
世界模型
行动之前，先在「心中」推演——预测接触、受力与后果，选择更稳妥的一步。
全身控制
毫秒级力控闭环，从迈步到捻指，动作平稳、柔顺、可被信任。
Day One
开箱即得
-
SDK
Python 与 C++ 接口，开箱即可调用感知、导航与操作能力。
-
仿真
提供 MuJoCo 与 Isaac Sim 本体模型，先在仿真中验证，再上真机。
-
ROS 2
原生 ROS 2 节点与消息定义，接入现有机器人软件栈。
-
文档
从开箱到二次开发的完整文档与示例代码。
Compatible生态兼容
- ROS 2
- MuJoCo
- Isaac Sim
- PyTorch