UCLA博士团队创业做人形机器人基础模型，拿下近5亿元天使++轮融资｜硬氪首发

正文

编辑 | 袁斯来

硬氪获悉，人形机器人基础模型公司德塔智能（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投资机构。资金将主要用于人形机器人基础模型持续迭代，加快自研数采设备的量产与数据闭环建设，扩充核心研发团队，以推动技术在真实工业场景中的工程化落地与验证。

这也是公司成立半年内完成的第六轮融资，此前，投资方包括北京通研院、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、半导体领域资本。

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），最终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的真实应用。以人形机器人为载体，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。多元的研究方向与横跨学术界、产业界的实践积累，使团队形成了从前沿研究到技术落地的全栈软硬件能力。

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，源于一条清晰的技术路径探索：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复制或填补。

一个必须面对的事实是，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。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。

然而，当前主流的具身智能模型中，其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的问题，进而制约机器人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。这种模糊判断随着设备进入真实场景，容易累积并放大动作误差，导致长时序连续作业无法完成。

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，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）

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。

其中，单次采集可输出核心训练素材包括两类，一类为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。

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，可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，更好地在数据规模、采集成本与真机适配精度之间实现平衡。

“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）

而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。