德塔智能半年内第六轮融资，持续加码人形机器人基础模型

人形机器人基础模型领域的融资热度，正在被一家成立仅半年的公司持续刷新。

德塔智能（Delta Intelligence）近日完成近5亿元天使++轮融资，本轮投资方包括多家上市公司产业方和头部财务机构。

资金将用于人形机器人基础模型的持续迭代、自研数采设备的量产与数据闭环建设，以及扩充核心研发团队，推动技术在真实工业场景中的工程化落地与验证。

这已经是公司成立半年内的第六轮融资。

此前的投资方阵容相当豪华，包括北京通研院、智元机器人、乐聚机器人、星海图等人形机器人主机厂，高瓴创投、元禾控股、复星锐正、华映资本、联想创投等财务机构，以及汽车、半导体领域的产业资本。

公司定位与创始团队背景

德塔智能成立于2026年1月，专注研究原生通用人形机器人基础模型HFMs（Humanoid Foundation Models）。

公司目标是实现通用的人形全身协同操作（Loco-Manipulation），推动具身智能向工业与家庭场景真实应用，加速物理通用人工智能（Physical AGI）的到来。

三位核心创始人均获UCLA博士学位，具有清华本科、北大任教等学术背景。

团队的技术专长覆盖机器人学习、大规模机器学习、机器人系统与具身智能。研究及产业经历横跨Google Robotics、NVIDIA Research、DeepMind、Meta、北京大学和北京通用人工智能研究院，并参与过多项美国DARPA、ONR及NSF机器人项目。

这种多元化的学术与产业积累，让团队形成了从前沿研究到技术落地的全栈软硬件能力。

为什么要从一开始就构建“全身智能”

具身智能赛道正从运动展示加速迈向物理作业。

德塔智能团队创立背后，基于一条清晰的技术路径判断：双足人形机器人的基础模型，必须从一开始就为“全身智能”而建，而非在既有框架上进行迁移或填补。

人形机器人走出实验室之后，面对的是带有台阶、门槛、楼梯及其他特殊地形的真实物理空间。

在这些场景中，机器人既要移动，又要操作，还需在动态环境中持续保持平衡与决策。

要实现全身协同操作，前提是设备对所处空间有足够精准的认知。这种空间理解必须是三维的、实时的、无歧义的。

二维视觉表征的三大限制

然而，当前主流的具身智能模型中，空间认知仍建立在二维视觉表征之上。

当机器人走进工业生产、能源运维、家庭服务与户外巡检等真实复杂环境，二维视觉表征容易带来三个问题：

• 缺失真实空间深度
• 几何关系存在歧义
• 大场景中上下文易爆炸

这些问题直接制约了机器人的环境理解与安全作业能力。

举个例子，当机器人站在门前，二维表征往往难以准确判断门把手距离、开门方向、身体空间如何变动才能让出开门空间。

这种模糊判断进入真实场景后，容易累积并放大动作误差，最终导致长时序连续作业无法完成。

原生三维世界引擎：从感知源头消除偏差

为了消除这一结构性偏差，德塔智能选择构建一套原生三维世界引擎。

该引擎以三维表征作为模型核心，可直接处理点云、高斯泼贱等三维场景表示，实现原生的三维理解、推理和对未来环境状态的推演。

全身全景人类数据采集与全身技能学习（图源/企业）

自研数采设备：同时采集人体动作与三维场景

引擎的运转需要持续的数据供给作为前提。

德塔智能自研了一套全身全景数采设备，采用纯视觉采集架构，可以同步捕捉手、脚、腰、肩全维度人体骨架关节运动轨迹，基于第一视角视频流实时增量重建全局三维场景。

单次采集可输出两类核心训练素材：

• 一类是完整人体全身骨架数据，还原手脚协同、重心切换、借力操作等真实交互逻辑；
• 第二类是高精度三维场景数据，记录障碍物、台阶、操作台面等环境物理参数。

分层采集路径设计

在采集路径设计上，德塔智能针对不同开发阶段规划了分层方案，包含搭载机器人本体的遥操作采集，以及无需实体机器人的UMI、Ego-centric无本体动捕模式。

无本体采集效率更高、硬件成本更低，适用于大规模积累通用全身交互样本。

遥操作采集则用于后期的真机微调与精度对齐。

两种模式搭配使用，可以在数据规模、采集成本与真机适配精度之间实现更好的平衡。

“市面上多数数采方案仅能采集手部等局部动作，基于此训练的模型难以完整理解人与环境的交互，也难以掌握攀爬梯具、推拉重型门等依赖全身协同的复杂任务。”

德塔智能创始人兼CEO马晓健认为，人形机器人的学习逻辑应当对标人类，必须完整采集全身与环境的交互行为，才能搭建无认知偏差的世界模型。

全身全景数据可视化（图源/企业）

从感知到控制：构建“大脑+小脑+力位混合”三层架构

精准理解三维空间只是感知层基础。

机器人能否把高层任务意图转化为毫秒级精准肢体运动，是落地作业的另一重核心门槛。

高自由度人形本体拥有数十个联动关节，单一高层指令无法直接驱动全身平衡、发力、位移，底层控制链路复杂度极高。

此前常见做法是，将规划模型输出的指令直接下发给底层控制器。

这套方式在低自由度的机械臂上尚且可行，但面对高自由度的人形机器人，中间缺失的全身协同调节模块会直接导致动作卡顿、发力失控乃至失衡摔倒。

为了解决这一断层问题，德塔智能搭建的是“大脑+小脑+力位混合”三层原生协同架构。

• 大脑模块：搭载自研三维世界引擎，负责环境感知、长时序任务规划、高层交互意图输出；
• 小脑：基于海量仿真强化学习训练的神经网络，接收大脑稀疏高层指令，转化为数十至数百赫兹的全身电机精细控制信号，实时动态调整重心、协调四肢发力，解决高自由度本体平衡控制难题；
• 力位混合层：输出柔顺的控制。

这套大小脑分层架构的差异化价值，在全尺寸人形、五指灵巧手等高自由度设备上会充分释放。

小脑依托全身全景交互数据持续迭代，可自适应适配各类复合全身任务。

全身采集与人形机器人物流场景作业（图源/企业）

与头部主机厂协同，做基础模型提供方

马晓健判断，随着具身智能产业化加速，算法模型企业与硬件主机厂深度协同将成为主流发展模式。

依托完整底层技术体系，德塔智能团队已与智元、乐聚、星海图、宇树等头部人形机器人厂商建立长期合作。

公司依托标准化的本体适配流程，实现模型在不同硬件平台间的快速迁移。

作为人形机器人生态中的基础模型提供方，公司致力于为各类本体提供可部署、可扩展的全身智能底座，成为连接硬件平台与上层应用的关键一环。

以下为访谈节选（略经编辑）：

问：基于原生的大小脑架构，真实数据和仿真数据的配比策略是什么？背后如何考量？

马晓健：先说“配比”概念本身——我们并不是在一个统一的数据池里，多少给大脑、多少给小脑，而是两套完全独立的训练体系，服务于不同的优化目标。

根源在于大脑、小脑承担的任务属性完全不同，对应的物理交互规律也不同。

大脑负责全局环境理解、长时序任务规划和全身操作决策，我们不依赖仿真数据。

根本原因在于仿真系统的接触建模能力不足。

人形机器人在工业巡检、物料搬运、爬梯等真实作业中，会同步发生手部夹持、足部承重、躯干借力等多点复合接触，而仿真器很难精准复刻柔性形变、滑动摩擦、多触点受力这类复杂交互。

大脑如果基于失真的仿真信号学习任务策略，学到的是仿真世界的操作逻辑，部署到真机上极易失效。

因此，德塔的大脑训练，必须依赖真机原生交互数据。

家务场景长程全身协同任务作业（图源/企业）

小脑负责底层全身协调和动态平衡控制，情况完全相反。

我们以仿真环境为核心训练载体。

平衡控制本质上是一个连续状态到动作的优化问题，关键在于重力模型和关节动力学的准确性，而这两件事物理引擎已经做得很好了。

小脑在仿真器中通过强化学习进行海量试错，仅在收尾阶段用少量真机动捕数据做校准微调。

简单来说：

• 大脑要学复合交互操作，对真实接触物理要求极高，只能以真机数据为核心；
• 小脑要学动态平衡，依赖物理规则即可迭代，仿真能低成本供给无限试错样本。

二者数据链路和训练目标天然拆分，不存在统一的配比标准。

问：各家双足人形本体硬件参数、关节约束、动力学特性差异较大，德塔智能的通用人形基础模型如何完成跨本体快速适配？

马晓健：针对不同厂商的人形本体，我们沉淀了一套标准化的适配流程，分为四个环节：

• 全身动捕数据采集
• 跨本体运动重定向
• 小脑仿真强化学习
• 大脑快速微调

每个环节都有相当程度的技术壁垒，也是我们多年在三维视觉和人形全身协同上的持续积累。

以重定向环节为例，人体有数十个自由度，而各家本体的自由度、尺寸、关节限位、重心分布都不一样，硬件差异天然加大了动作映射的难度。

德塔智能的重定向算法是基于多约束优化来解这个问题。

• 一方面，所有关节运动值必须严格落在本体限位区间内，避免碰撞和卡顿；
• 另一方面，要完整保留原始动作的核心发力逻辑，像开门借力、爬梯这类全身协同动作，重心轨迹和手部轨迹不能出现偏移，否则机器人复刻不出人类的发力方式。

重定向完成后，大脑和小脑分开推进。

小脑负责全身平衡和肢体协同，在仿真环境里做强化学习，不占用真机资源，迭代效率很高。

其中难度最大、不确定性最高的sim2real环节，得益于我们多年的经验积累和与头部主机厂的密切协同，可以实现更快的迁移。

大脑负责场景理解和任务决策，依托我们预训练底座已经具备的通用认知能力，面对新本体只需要少量真机数据做微调，就能匹配硬件特性，快速落地多样的家居和工业场景任务。

整套流程下来，我们不需要每换一个本体就重新采集大规模数据、从头训练整套系统，适配周期和硬件损耗成本都大幅降低。