ATHENA
一次演示即学会
给机器人展示一次任务。一次人类演示。87.8%准确率。传统方法需要100次演示才能达到57.2%。这是100倍的数据效率。
单次演示成功率
87.8%
梯队 2 // 04
机器人编程陷入困境
机器人学习每项新任务需要花费$5K–$50K的集成商时间。企业被锁定在系统集成商依赖中——数月的交付周期，僵化的程序在单个物体改变时就会崩溃。传统模仿学习每个任务需要100+次演示，准确率仅达57.2%。这种经济模式无法扩展。
- $50K
- 每个新任务成本
- 100
- 当前所需演示次数
- 57.2%
- 传统方法准确率
演示一次·永久部署
ATHENA采用两阶段方法。第一阶段捕获单次人类演示——对场景进行高斯泼溅、分割物体、语言标注、追踪手部运动、估计6自由度姿态。第二阶段泛化执行：4.5亿参数的视觉-语言-动作模型将感知映射为动作，1kHz柔顺控制器确保机器人在真实世界中安全运行。
模块链:演示: GENESIS → MONAD → AZOTH → DAEMON → ERGON // 执行: PYGMALION → CHIRON
- 01第一阶段 — 演示捕获
GENESIS
3D高斯泼溅
将演示场景重建为逼真的3D高斯场——一个可迁移的空间记忆，记录任务如何被执行。
- 02第一阶段 — 演示捕获
MONAD
分割与追踪
以持久蒙版隔离场景中的每个物体。机器人知道什么移动了、什么被抓取了、什么保持不动。
- 03第一阶段 — 演示捕获
AZOTH
语言标注
将每个分割区域关联到自然语言。不是"蒙版#12"而是"蓝色六角螺栓，M6，左托盘"。支持口头任务指定。
- 04第一阶段 — 演示捕获
DAEMON
运动轨迹
从演示视频中提取完整的3D手部轨迹——机器人将复制的运动骨架。
- 05第一阶段 — 演示捕获
ERGON
6自由度姿态估计
为每个被操作的物体计算精确的6自由度姿态。方向、位置、接近角度——全部捕获。
- 06第二阶段 — 执行与泛化
PYGMALION
4.5亿参数VLA策略
4.5亿参数的视觉-语言-动作模型，将场景感知+语言指令映射为电机动作。泛化的大脑。
- 07第二阶段 — 执行与泛化
CHIRON
1kHz柔顺控制
以1kHz运行的实时柔顺控制器。吸收接触力，适应物体变化，确保执行期间机器人安全。
对机器人产业的影响
这是机器人编程的iPhone时刻。不再需要花$50K雇集成商等三个月，车间主管只需给机器人演示一次任务。五分钟后即可运行。新产品变体？再演示一次。ATHENA将机器人部署从资本项目变成日常工作流。
- 01单次学习：单次人类演示即达87.8%准确率
- 02无需集成商——工厂员工直接教机器人
- 03边缘可部署：4.5亿参数模型在设备端运行，无云依赖
关键数据
- 87.8%
- 单次演示准确率
- 100×
- 数据效率
- 5分钟
- 任务习得时间
- $19B
- 可寻址市场
价值所在
| 家用机器人 | $11B |
|---|---|
| 小批量制造 | $5B |
| 护理与辅助 | $3B |
| 现场服务与维护 | $0.5B |
护城河
一次演示。87.8%。高斯泼溅是可迁移的知识——一个任务如何被执行的3D记忆，能泛化到新物体和新场景。
一次演示。不是一百次。