两台机器人隔墙配合拿笔：成功率从 0 到 100%，通信量还砍掉八成

让两台机器人一起干活，最容易出问题的不是手，而是「看不见」。一台刚抓住桌角，另一台已经开始抬；一方视线被挡，连队友做到哪一步都不知道。过去常见的解法是加一个中央调度器，或者干脆把摄像头画面全传给队友——前者慢半拍，后者把通信带宽烧穿。星尘智能给出的第三种答案，是让机器人学会「只说有用的那句」。

一分钟速览

• 发布方：深圳具身智能公司星尘智能（Astribot），框架名为 CoMind，副标题 Be My Eye。
• 核心机制：去中心化的主动信息共享，加上任务关键信息的精选与压缩。
• 关键结果：两台机器人隔挡板配合拿笔，成功率从 0% 提升到 100%；盲盒置物准确率从 38.9% 提升到 88.9%，通信量减少约 80%。
• 真机任务：隔墙拿笔、盲盒置物、纸箱组装、叠被收纳、冰箱补货、哑铃组装六项。

不传画面，传「你现在需要知道什么」

CoMind 的技术路径分两段。第一段是上下文编码器：从多路摄像头观测里筛选、压缩出对当前任务真正有用的视觉特征和操作状态。第二段把这些信息与接收方自己的视觉、指令、本体状态一起送进视觉—语言—动作模型，直接生成连续动作。

关键设计在于训练时的误差回传。如果 A 最终伸错了位置，动作预测的误差会反向传到 B 的信息编码器，逼着它调整「该提取什么」。于是机器人之间的通信目标变了：不再是尽量准确地描述环境，而是让队友的动作决策更准。这也是它能把通信量压掉八成的根本原因——无关的家具、墙面、背景，本来就不该出现在消息里。

为什么这件事不容易

多机器人协作的难点，从来不是单机能力叠加。两台机器人分别会搬、会抓、会折，不代表合起来就能叠好一床被子。被子柔软易形变，提起、翻折、搬动时形状和受力一直在变，双方必须根据队友的实时状态调整自己。纸箱组装同理，翻转时会遮挡视线，谁也不知道对方抓到了哪个角。

学界也在找答案。斯坦福团队 2026 年提出的 CHORUS，让不同机器人共享同一套 VLA 策略，在各自独立感知的条件下形成默契；2026 年 10 月公开的 DuoMind，则用视觉语言模型做高层推理、VLA 做底层执行，探索分布式协同。CoMind 的切入点更靠近动作层：它关心的不是「如何形成共识」，而是「共享的信息能不能直接改善队友的下一步动作」。

一家绳驱机器人公司的路线选择

星尘智能成立于 2022 年底，创始人兼 CEO 来杰曾是腾讯 Robotics X 实验室架构师，也负责过百度小度机器人的研发。公司走的是相对少见的绳驱路线，推出过 Astribot S1、T1，并围绕模型、具身操作系统和本体做软硬件一体。今年 7 月的 Lumo-2 已经展示过人机协同与多机协作，CoMind 则把研究推进到机器人之间的信息交换层。

趋势洞察

具身智能的下一段竞争，可能不在「单台机器人有多能干」，而在「一群机器人能不能像班组一样配合」。工厂装配、仓储搬运、家庭服务，这些场景里没有哪台机器人能始终拥有完整视野。谁能让分散的视角高效流动，谁就更接近真实落地。CoMind 给出的数字未必是终局，但它把一个问题摆上了台面：协作的瓶颈，也许不是智能，而是沟通的效率。