据雷峰网10月8日报道，至简动力强化学习负责人冯宗宝9月29日在美国匹兹堡举行的 IROS 2026 上展示，一台机器人可自主照看两台 CNC 机床，在工件与卡盘间隙仅0.5毫米的条件下完成抓取、上料、插入、取出与放置，训练仅使用600条真实机器人轨迹。雷峰网·鲸犀同日独家获悉，清华 AIR 首届博士生李健雄创立本溯智能，获五源资本领投，常春藤资本、线性资本、华山资本跟投，押注动作原生 In-Context 具身基础模型。
据雷峰网整理现场演讲，CNC 操作在真实工厂的难点包括0.5毫米间隙、反光金属和弱纹理影响视觉、受限空间内关键接触界面不可见。至简动力把视觉、语言和状态输入转为 token，用 SimpleWAM、DRAM 和 DPE 分别处理动作生成、长时序记忆和动作选择。
SimpleWAM 是统一世界动作模型，训练时视频 DiT、3D DiT 与动作 DiT 联合重建未来视频帧、3D状态和动作片段；推理时只输入当前图像、当前3D状态和语言指令，直接输出动作片段。DRAM 用固定大小记忆矩阵读取历史，可附加到预训练策略而不改骨干。DPE 先训练行为克隆动作器，再用单独评估器对候选动作打分，成功和失败 rollout 只更新评估器，动作器保持冻结。
精密插入中，至简动力用力与力矩做接近感知条件化，并通过实时阻抗控制器调整运动。据雷峰网报道，组合方法在精密 CNC 插入任务上取得100%任务成功率，最终实现机器人单设备全自动值守双 CNC 机床，演示视频以五倍速展示抓取、上料、取件与归位。至简动力称其自研多模态模型，具备数据飞轮、模块化硬件平台和 SimpleClaw 开放平台。
据雷峰网·鲸犀独家获悉，本溯智能已获五源资本领投，常春藤资本、线性资本、华山资本 WestSummit Capital 跟投。核心团队包括首席科学家、清华 AIR 副教授詹仙园及7名长期合作的年轻研究者。本溯智能称，创始团队组建前，核心成员分别拿到字节跳动 Top Seed、英伟达、小米等 offer 和海外高校博士录取，合计放弃年薪总包接近4000万元，李健雄个人放弃最高年薪总包接近千万元。
本溯智能官方资料显示，公司不追随“预训练基模＋后训练部署”，而选择动作原生的 In-Context 具身基础模型，目标是面对新场景、新任务或新本体时无需重新训练，仅通过少量人类示范和自主尝试，在几分钟内完成学习适应。公司认为动作信息难以被语言完整描述，以语言为中心的 VLA 路线在精细操作和跨场景泛化上有先天局限；其模型大部分容量用于动作生成，并用长上下文组织连续物理交互，使机器人根据此前动作、结果、失败和反馈调整决策。
据雷峰网·鲸犀报道，本溯智能自2024年起研发跨具身模型 X-VLA 与高效隐空间世界模型 ODEWorld。X-VLA 仅用不足1000小时预训练数据，在多项第三方评测中领先，并帮助团队从400多支队伍中获得 IROS 2025 智元机器人挑战赛总冠军。ODEWorld 通过连续物理时间隐空间建模，为长时序物理信息表达和 In-Context Learning 提供基础。公司接下来需将现场学习能力在更多真实场景、本体和任务中验证。