← 全部模型资讯

源策未来发布 Anchor 1 全身控制模型:报告称手腕误差低 28%,权重计划 2026 年底分批开放

据机器之心 2026 年 11 月 6 日报道,源策未来发布全身控制模型 Anchor 1,定位为 System 0「小脑」:真机测试中手腕、脚踝全局位置误差比此前最佳对比方法低约 28% 和 39%,遥操作踢纸箱示范采集成功率从 37.5% 升到 98.0%;权重与部署代码计划 2026 年底分阶段开放。

发布 更新

发生了什么

据机器之心 2026 年 11 月 6 日报道,具身智能公司源策未来(Archon Robotics)发布全身控制模型 Anchor 1,并公开 32 页技术报告与项目主页,把它定位为全身智能架构中的 System 0(S0)层,即把指令稳定转成全身动作的「小脑」。报道称,Anchor 1 下发的指令只包含五个部位:骨盆、左右手腕、左右脚踝,每个部位给出目标位置与朝向,其余关节不指定;部署时不做在线重定向,而是先用操作员与机器人各自的 T 字站姿做一次标定,之后逐帧套用固定的缩放、旋转与偏移参数,把人体动作换算到机器人尺度。训练侧则把重定向前移到离线环节:每段人体动作配一段重定向得到的机器人动作作为监督与奖励,经自动质检与人工复核后,训练集为 406,222 段动作、约 1081 小时,其中 77% 来自自采动捕数据。纠偏方面,手腕与脚踝的跟踪误差不进入编码器,绕过 token 直接送入解码器,并额外训练轨迹头,以便在上层只给 token 时重建目标位姿。真机测试在宇树 G1 上完成:报道称 72 段全身操作动作中,手腕与脚踝全局位置误差比此前表现最好的对比方法低约 28% 和 39%;遥操作踢纸箱的示范采集成功率从 37.5% 提升到 98.0%,每小时成功示范从 9 条增至 43 条,捡拖鞋任务为每小时 62 条、成功率 97.37%。团队还搭建了 In-house、Public、Reachability 三条评测 Track,用全程误差阈值判定单段动作是否成功。报道把这次发布放在更大脉络中:今年 1 月底 Figure 在 Helix 02 中加入 System 0,2 月英伟达开源全身控制基础模型 SONIC,此后 Google DeepMind 与智元也推出相关模型。开放计划方面,源策未来称将在 2026 年底分阶段开放 Anchor 1 的模型权重与部署代码,以及基于 PICO 和诺亦腾 PN-LINK 的遥操作与示范数据采集链路。

对开发者的影响

对开发者来说,这条新闻里最需要先看清的不是某个基准数字,而是接口形状。报道描述的两条指挥路径——遥操作或上层策略下发五个锚点,以及上层策略直接输出 motion token——决定了你动的是数据采集管线,还是策略的输出层。如果现有栈在部署时做在线重定向,Anchor 1 的思路是把这一步挪到离线训练,部署端只传五个锚点;报道称这样只需 60 毫秒的未来指令,而参与对比的方案需要 80 到 90 毫秒,并展示了 Xsens、CHINGMU、诺亦腾 PN-LINK 与 PICO 四种输入设备都能换算成五个锚点,身高 165 至 188 厘米、体重 50 至 80 公斤的操作员都能直接上手。采集效率的变化会传导到成本:报告给出的每小时成功示范从 9 条到 43 条,意味着达到同样示范量所需的人机时间可能差异很大,但这是源策未来在 G1 上的自测结果,不是可移植到其他本体的通用结论。评测口径同样值得留意:报道称阈值放宽时各方法成功率互相靠拢,收紧到 10 厘米时差距才显现,说明用整段平均跟踪误差比较控制器容易掩盖短暂但致命的偏差。另外,报道称上层策略可以只输出 motion token、由冻结的 Anchor 1 执行,这改变了「大模型 + 控制器」的分工方式。以上均为报告与报道中的说法,尚未见第三方复现,接入前宜把接口、时延与评测口径当作三个独立变量分别验证,而不是把报告里的排名直接当作选型依据。

接入与评估建议

以下是条件性分析与建议,不属于报道中的事实。第一,决定输入接口是采用五个锚点还是沿用在线重定向:如果上游是 Xsens、CHINGMU、PN-LINK 或 PICO 一类骨架数据,下游是 G1 一类本体,报告给出的路径是标定一次、逐帧套用固定参数、部署时不再实时求解关节角;但如果你的机器人关节结构与操作员体型差异明显,这套标定假设需要自己重新验证。可测量的判据是:用自有参考动作统计全程手腕与脚踝位置误差不超过 10 厘米的动作占比,与现有在线重定向管线在同一批动作上对比,同时记录指令突变次数。第二,决定上层策略暴露的接口是五个锚点位姿还是 motion token:若上层是大规模 VLA、需要紧凑结构化的输入,token 更利于训练;但若场景是遥操作采示范、对精度最敏感,报告本身建议优先直接下发五个锚点,因为从 token 重建目标会带来精度损失(仿真中局部位置误差从 21.9 毫米升到 22.4 毫米)。可测量的判据是固定试验次数下的任务成功率,以及同一任务换用另一种接口后的成功率差。第三,决定评估口径:把「整段平均跟踪误差」换成逐帧阈值判定再比较控制器,前提是你已有一套不参与训练的参考动作,并且接受打滑次数、多余迈步次数这类过程指标;可测量的判据是在最严阈值下方法之间的成功率差是否仍然明显,若放宽阈值后差距消失,说明这套评测对当前选型不具区分度。

限制与待确认事项

报道与报告都列出了限制。评估只在一种人形机器人(宇树 G1)上完成,没有跨本体的严格对比,上述误差与成功率不能直接外推到其他机型。五个锚点只描述身体该到哪里,不包含物体几何、接触力与抓握稳定性,动作跟得准不等于抓得稳;自主执行中捡拖鞋的成功率为 45%,报道也承认自主全身操作远未成熟。从 token 重建目标带来的精度损失仍需缩小。论文提示 Public Track 上参与对比的方法可能在训练中接触过部分公开数据,且报道始终没有点名那个「主流开源全身控制模型」,横向对比的可复现性有限。开放方面,报道只提到计划分阶段开放模型权重与部署代码,没有说明许可证条款,因此不能把「开放权重」当作开源许可来看待。权重与部署代码计划在 2026 年底分阶段开放,目前尚不可获取,本文涉及的能力、误差与效率数字均为厂商自报。需要明确的是:Anchor 1 目前并未出现在 KimiSeek 的模型目录中,报道也没有提到任何托管 API;文中提到的开放计划、可获取时间与相关链路,指的都是源策未来方面的说法,不是本站已上线或提供的服务,实际接入请以厂商渠道为准。

三分钟跑通第一次调用

注册后创建 API Key。调用费用从账户余额扣除。新用户首充 7 折。充 ¥500,实付 ¥350,到账 ¥500。充 ¥1000,实付 ¥850,到账 ¥1000 最低充值仍为 ¥10,适合试用。

来源与编写说明

刚刚,源策未来发布 Anchor 1:让人形机器人真正做到精准控制

本文基于所列来源,由 AI 辅助整理、分析和翻译,并经过自动质量检查。分析与建议不代表实测结果;模型可用性与价格请以当前目录为准。