从单机会干活到组队打配合星尘智能发布 CoMind 多机协同范式,主动共享精选任务上下文

2026 年 11 月 13 日,深圳具身智能公司星尘智能发布多机协同模型框架 CoMind(全称 CoMind-Be My Eye,意为 "做我的眼睛"),定位为业界首个主动共享、精选任务上下文的多机协同模型框架。这套范式的核心逻辑是:协作不是把看到的一切都共享给队友,而是由每台机器人主动筛选、压缩真正影响决策的关键信息再双向传递,接收方结合自身画面、任务指令和身体状态送入 VLA 模型直接生成连续动作。相比中心化调度层层等指令、或无筛选一键转发原始画面两种老路,CoMind 采用去中心化主动共享加精选信息的两阶段方案,并通过 "动作级反向传播" 用队友动作结果反过来训练信息发送方。在隔墙跟随拿笔测试中,互不可见条件下任务成功率从 0% 跃升至 100%;盲盒置物测试准确率从 38.9% 提升到 88.9%,信息传输量减少约 80%。目前六项真机测试在家庭与实验场景跑通,距离产线连续多机协作和大规模动态自组织仍有距离,下一步计划从 "共享信息" 延伸到 "共享意图"。

一、发布背景与框架定位

项目内容
发布方星尘智能(Astribot,深圳具身智能公司)
发布时间2026 年 11 月 13 日
框架名称CoMind(CoMind-Be My Eye,"做我的眼睛")
框架类型多机协同模型框架
官方定位主动共享、精选任务上下文的多机协同模型框架
前身能力2026 年 7 月第二代基座模型 Lumo-2 已把多机器人、人机协作列入能力范围,CoMind 将这条能力线做深一层
解决问题多机配合中的视野遮挡、信息传递、决策归属和带宽占用
后续方向从共享信息走向共享意图,预判队友意图、主动补位

二、多机协作卡在哪些技术难关

  1. 决策权问题:中心化调度像现场总指挥,宏观分工清晰,但双人抬桌、叠被这类毫秒级配合中,每次微调都要上报、等待、再执行,连贯动作被切成停顿。
  2. 信息稀薄问题:去中心化看似灵活,但可见队友时尚能配合,一旦遮挡或背对,协作立刻中断;即便通信,多是 "我在动" 这类与具体动作脱节的文本,缺乏支撑关键动作的深层信息。
  3. 带宽拥堵问题:机器人每秒产生大量视野画面,不加筛选全部转发会挤占网络,队友也会被无用数据淹没。

这三件事缠在一起:谁来决策、传什么信息、怎么用有限带宽把信息传好。

三、CoMind 两大核心特点

特点具体含义对应传统痛点
去中心化主动共享不设总指挥,每台机器人都能主动把关键信息发给队友,也能接收队友信息,实时互通任务上下文告别 "等领导派活" 的被动、中心化调度
精选信息把队友所需、影响决策的信息筛选压缩后再共享,不传原始画面和无关通用特征拒绝 "一键转发" 带来的噪声和带宽拥堵

四、两阶段工作流程

阶段一:任务导向的上下文压缩(挑重点、递纸条)

  • 发送方结合当前任务指令,从多路相机画面中优先挑出与当前操作直接相关的内容。
  • 示例:盲盒任务里真正关键的只是盒子 / 盘子的颜色,其余无关画面一律不发。
  • 挑出的内容压缩成一小组表征传给队友。
  • 训练要求一:预判稍后画面会怎么变,留下对下一步动作有价值的线索。
  • 训练要求二:标清任务进展阶段,是刚刚开始还是即将完成,方便队友判断配合节奏。

阶段二:双向上下文优化与协作策略学习(看懂纸条、直接动手)

  • 接收方把队友传来的浓缩信息,与自己看到的画面、任务指令、自身姿态状态一起输入视觉 — 语言 — 动作(VLA)模型。
  • 由 VLA 模型直接输出连续动作,全程不需要中心电脑统一下命令。
  • 两台机器使用对称处理结构,互为眼睛和外脑,双向传递。

五、动作级反向传播:关键训练设计

  • 评判标准转换:不看信息传得多漂亮,只看队友动作究竟做对没有,用最终操作结果反过来训练发送方。
  • 回传路径:以盲盒竞猜为例,看不见目标的机器人伸错位置后,错误与正确动作之间的差距沿网络回传给负责传信息的队友,提醒其目标特征不够突出。
  • 迭代结果:经过一轮轮训练,发送方学会优先传递最能帮队友把动作做对的信息。
  • 设计意义:把信息共享和最终操作结果绑定,让每一比特数据直接服务协作决策,而不是停留在把环境看清楚。

六、六项真机测试场景与难点

测试场景协作难点CoMind 应对方式
组装纸箱高频物理接触、动作高度耦合,翻转中箱体频繁遮挡视线实时掌握双方操作状态和进度,视野遮挡时借队友眼睛,连续完成组装与搬运
叠被收纳柔性物体持续形变,翻折、搬动时边缘和形状一直在变,伴随动态张力精选视觉上下文,在大幅形变干扰中实时对齐动作意图,自主同步每一步
冰箱补货关键信息分散在两边视野,单机拼不出全貌实时补齐全局信息,两台机器无缝递送接力,减少重复往返
组装哑铃片动态相对位置看不清,穿片方难以同时看清杆和孔的位置关系毫秒级补全队友视角的空间关系,实时调整姿态,锁定对准精度
盲盒置物零可见信息下协作,盒子位置随机变换,一侧可见、另一侧完全遮挡共享有视野一侧的关键视觉特征(如盘子颜色),让遮挡方精准命中
隔墙跟随拿笔互不可见,还要交替担任主动与跟随角色接力完成实时共享目标颜色和出手时机,跟随对方节奏完成接力

七、极限遮挡测试关键数据

对照项准确率 / 成功率信息传输量
什么都不传(盲盒置物基线)38.9%—
普通上下文传输方案72.2%—
CoMind88.9%约为转发完整画面的五分之一(token 量)
盲盒置物整体改善准确率 38.9%→88.9%,信息传输量减少约 80%—
隔墙跟随拿笔成功率 0%→100%(互不可见、角色交替)—

八、在星尘全栈体系中的位置

层级组成作用
上层 AI 模型Lumo 系列 VLA 基座模型(Lumo-1 显式推理;Lumo-2 预判动作后世界变化)负责思考决策、语义理解、指令拆解与场景泛化
中间具身 OS机器人操作系统层调度动作、连接模型与本体
底层绳驱本体绳索驱动的柔性机械身体提供灵活、有柔性的物理操作能力

CoMind 不是孤立算法,而是长在这套三级全栈体系上的多机协同环节;公司已公开技术报告和无剪辑真机视频供外界核验。

九、行业路线对照与落地边界

公开资料梳理的多机路线

  • 中心化路线:亚马逊 DeepFleet、智元 LinkBots 等。
  • 非中心化、信息有限方案:斯坦福 CHORUS、Figure Helix-02、哥伦比亚大学等机构探索。
  • CoMind 所属类型:自主决策、信息充分的去中心化主动共享方案。

落地价值

  • 硬件侧:不必为重任务堆一台巨型专用机器,几台普通机器按需协同、闲时各干各的,同样硬件覆盖更多场景。
  • 通信侧:只传关键信息,带宽占用约砍去八成,对网络和设备要求更友好。
  • 任务上限:多机互相充当外脑,承接大件组装、长程接力这类单机盲区任务。

当前边界

  • 六项测试在家庭与实验场景跑通,离产线连续多机协作、成百上千台机器在动态环境中自组织还有距离。
  • 技术报告中的成功率不等于商业交付中的稳定率。
  • 下一步从共享信息到共享意图,仍需后续模型迭代和真机验证。

十、总结

CoMind 把机器人协作从 "会配合" 往前推到 "会沟通":去中心化主动决策解决谁来指挥,精选上下文压缩解决传什么、传多少,动作级反向传播保证传的信息真正服务动作结果。隔墙拿笔 0% 到 100%、盲盒置物 38.9% 到 88.9% 且带宽降八成,说明在遮挡和信息不对称场景下,信息与任务的关联度比信息总量更决定协作质量。对具身智能行业而言,单机智能触顶后,多机协同是扩大任务上限的关键方向;CoMind 选择跨视野共享感知这个具体切口做深,后续能否在真实工业、仓储和家庭场景稳定落地,还要看规模化部署数据。

【相关 FAQ】

问题 1:星尘智能 CoMind 是什么,全称和发布时间是什么?

回答 1:CoMind 全称 CoMind-Be My Eye("做我的眼睛"),是星尘智能 2026 年 11 月 13 日发布的多机协同模型框架,定位为主动共享、精选任务上下文的多机协同范式,解决多机器人配合中的视野遮挡、信息传递和决策归属问题。

问题 2:CoMind 的两大核心特点是什么,和中心化调度、一键转发有什么区别?

回答 2:两大特点一是去中心化主动共享,不设总指挥,每台机器人主动互通任务上下文;二是精选信息,把影响决策的内容筛选压缩后再共享。它区别于中心化层层等指令的被动调度,也区别于不加筛选转发原始画面、造成带宽拥堵和噪声的做法。

问题 3:CoMind 具体怎么工作,两阶段流程分别做什么?

回答 3:第一阶段是任务导向的上下文压缩,发送方从多路画面中挑出与当前操作直接相关的内容,压缩成表征传给队友,并预判画面变化、标注任务进度;第二阶段是双向上下文优化与协作策略学习,接收方把队友信息与自身画面、指令、姿态状态一起送入 VLA 模型,直接输出连续动作,双方对称互传。

问题 4:CoMind 的动作级反向传播是什么,为什么能提升多机协同成功率?

回答 4:动作级反向传播是用队友动作结果反过来训练发送方:不看信息描述得多清楚,只看队友动作做对没有;伸错位置的偏差回传给传信息的一方,提醒其目标特征不够突出。经过迭代,发送方优先传递最能帮队友做对动作的信息,使每一比特数据都服务协作决策。

问题 5:CoMind 真机测试成绩如何,信息传输量下降多少?

回答 5:六项真机测试覆盖组装纸箱、叠被、冰箱补货、组装哑铃片、盲盒置物、隔墙跟随拿笔;隔墙互不可见拿笔成功率从 0% 升到 100%,盲盒置物准确率从 38.9% 升到 88.9%,信息传输量减少约 80%,传输 token 量约为转发完整画面的五分之一;目前这些结果来自家庭与实验场景,不等同产线商业稳定率。

【参考资料】

[2026-11-16](产业观察:星尘智能发布 CoMind,机器人实现共享视野)OFweek 机器人网

[2026-11-14](让机器人协作干活:星尘智能发布多机协同框架 CoMind)新京报

[2026-11-13](星尘智能发布 CoMind 多机协同范式,隔墙跟随拿笔成功率升至 100%)搜狐 / 观点网

[2026-11-13](科幻成真 机器人「共享视野」超能力:星尘智能发布多机协同新范式 CoMind)CSDN DAMO 开发者矩阵

[2026-11-13](星尘智能发布 CoMind 框架,探索机器人主动协同)42 号电波

[2026-11-10](资本退潮、GPT-6 疾进时,谁在替具身智能修路?)36 氪

[2026-07-15](机器人也开始修炼见闻色,星尘智能发布具身基础模型 Lumo-2,让动作更快更准)凤凰网科技

[2026-06-03](深圳具身公司星尘智能完成超 10 亿 B 轮融资,估值破百亿)36 氪

【免责声明】

  1. 本文技术描述来自公司发布、公开媒体报道及技术报告转述整理,框架结构、模型名称、测试场景和指标以星尘智能官方后续公开资料为准。
  2. 文中成功率、准确率和带宽下降比例均为特定实验场景下的测试结果,受硬件配置、环境遮挡、任务难度、模型版本和训练数据影响,不代表任意场景下的交付表现。
  3. 多机协同路线对照(中心化、非中心化等分类及对应企业 / 机构)为公开资料梳理,仅用于行业背景说明,不构成对相关方案优劣或商业实力的评价。
  4. 从共享信息到共享意图属于公司后续规划方向,存在技术可行性、迭代节奏和落地场景的不确定性,本文不构成产品发布承诺。
  5. 本文仅为公开资讯与技术方案梳理,不构成投资建议;涉及机器人采购、部署和合作决策,请以官方技术文档、实测验证和商务条款为准。

本文来自作者[荒熵推演]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/jqr/202611/3671.html

赞 (0)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 荒熵推演
    荒熵推演 2026年11月17日

    我是新新网的签约作者“荒熵推演”!

  • 荒熵推演
    荒熵推演 2026年11月17日

    希望本篇文章《从单机会干活到组队打配合星尘智能发布 CoMind 多机协同范式,主动共享精选任务上下文》能对你有所帮助!

  • 荒熵推演
    荒熵推演 2026年11月17日

    本站[新新网]内容主要涵盖:互联网行业的追踪与探索

  • 荒熵推演
    荒熵推演 2026年11月17日

    本文概览:2026 年 11 月 13 日,深圳具身智能公司星尘智能发布多机协同模型框架 CoMind(全称 CoMind-Be My Eye,意为 "做我的眼睛"),定

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们