共生知行｜双足人形端到端大脑：卡丁车赛道一镜到底验证全身动力学

展会上的机器人弯腰捡物已不新鲜，但双足人形坐进卡丁车、全速过弯且一镜到底——考验的是全身动力学，而不是固定基座上的手臂轨迹。

共生知行是2026年成立的具身智能创业公司，专注双足人形机器人的端到端感控一体化「大脑」（基座模型）。创始人丁鹏翔为1996年出生、博士在读，核心团队多为00后博士在读，累计发表40余篇顶会论文，曾获具身智能领域Best Paper及Candidate，并打造国内首个GitHub Stars突破2000的具身基座模型开源项目。公司成立约两个月即放出卡丁车Demo，意图用「人能开卡丁车，机器人也能」证明端到端路线在高速、多接触点平衡与精细力控场景的可行性。

技术判断上，团队明确押注纯端到端，而非行业流行的「大脑+小脑」分层：分层方案每接新任务常需对上下游接口定制微调，且层间翻译带来级联误差，难以实现真正意义上的Scaling。共生知行将模型直接做到关节目标层（Joint Target），让模型面对数十个关节的身体状态而非仅运动学目标。核心机制为「任务行为建模—运动先验蒸馏」双域协同：一路延续行为克隆保任务精度，另一路通过DriftDistill把底层控制器的稳定、抗扰与失败恢复能力蒸馏进统一模型；运动能力汇聚模块Motion Expert规模近1B，并通过蒸馏吸收不同运控模型能力。路线还包括Force Expert学习施力、柔顺与接触反馈，再逐步融入端到端模型——位置决定「能不能到那里」，力决定「能不能把事情做好」。

与行业路线对照：

1. 分层VLA：Figure等沿用大脑决策、小脑执行，工程成熟但接口瓶颈明显。
2. 谷歌Gemini Robotics 2：单一策略统一全身动作，代表巨头端到端探索。
3. RSS 2026共识：亦有观点认为端到端单模型暂难覆盖全身复杂动态，分层模块化是现阶段最优落地之一——共生知行押的是更激进的少数路线。

数据侧，团队Blog公开约1万多小时数据（含自采数千小时），并提出TrajBooster：从机械臂或轮式机器人提取末端轨迹，让人形在仿真中追踪并保持平衡，低成本扩充预训练多样性。创始人判断具身数据全球合规规模截至2026年初约50万小时，远小于大语言模型；真正有大规模商业意义或需百万小时级数据，当前行业连「最合适的数据形式」都尚未收敛。

产业观察上，卡丁车Demo的价值不在赛车本身，而在证明双足全身移动操作数据稀缺且难采时，端到端模型能否啃「动力学」而非只学「运动学」。对投资人，这是高波动路线：若DriftDistill能随规模扩展，可能同时Scaling认知与运动控制；若失败，纯端到端在跌倒恢复上可能不如分层工程栈稳健。可以把它想成：分层像公司里市场部与工厂分 KPI，端到端像创始人一个人既谈客户又拧螺丝——效率高或崩盘快，中间少缓冲。

需要把边界读清楚。一镜到底视频不等于公开可复现基准；公司成立时间短，产品化与真机泛化仍处早期。下一观察点是除卡丁车外是否有可第三方验证的关节级涌现案例，以及TrajBooster仿真数据在真机上的损耗率。