讓機器人進入「艦隊模式」：Humanoid 新推 KinetIQ ，如何讓不同機型共享一個 AI 大腦、加速規模化部署？
當多台機器人不再只能獨立作業，而是可以像一支團隊被同一個大腦指揮，機器人的「規模化」就進入了新階段。近日英國新創公司 Humanoid 發表名為 KinetIQ 的 AI 系統，核心目標是讓針對不同任務打造的機器人可以「共享同一個 AI 大腦」，進一步控制並協調整支機器人艦隊。
換言之，KinetIQ 的定位不只是單一機器的控制器，而是一套跨平台協作系統，可以管理具備不同身體結構、技能與角色的機器人，讓它們在工業、服務與家庭環境中協同運作。
KinetIQ 示範如何「跨場景協作」
在最新發布的示範影片中，Humanoid 呈現多台機器人透過 KinetIQ 系統同步運作的情境，例如由輪式機器人負責商店後台的食品揀貨、容器搬運與打包等流程，雙足類人機器人則作為服務與家庭情境的研發平台，執行語音互動、線上訂購與處理雜貨等任務。
在這套分工設定下，Humanoid 將輪式機器人定位為面向零售、物流與製造業的工業用途，身高 179 公分、設計負重可達 15 公斤的雙足機器人則被描述為「智慧助理」，主打用於家庭照護需求。
影片中也呈現跨場景的協作流程：在家中，一名女性先對雙足機器人下達語音指令，要求訂購可可粉與橄欖油，畫面隨即切換到倉儲場景，由輪式機器人以五指手掌精準抓取玻璃瓶與紙袋，並放入硬式容器箱再完成裝袋打包。當訂單送抵家中後，雙足機器人再負責拆封包裹，同時依照語音指令把物品放到指定位置。
不用再個別寫程式：KinetIQ 把控制升級成「共享智慧層」
至於如何實現這些影片中的場景？《Interesting Engineering》指出，Humanoid 的作法是把 KinetIQ 定位為「共享智慧層（shared intelligence layer）」，意即同一套系統在艦隊層級完成「目標指派、行動規劃與執行管理」，從而取代過去必須為每台機器人各自撰寫程式的方式。
KinetIQ 的架構也被設計為「跨時間尺度（cross-timescale）」的模式，是由四個同時運作的層級組成，涵蓋從艦隊目標分配到毫秒級關節控制。例如，最上層的 System 3「艦隊級 AI 代理（Fleet-level Agent）」是把每台機器人視為工具，並在接收任務請求、SOP 與場館情境資訊後，於數秒內設定目標、管理優先順序，再將任務分配給輪式或雙足機器人，以最佳化整體吞吐量。
System 2「機器人層級推理（Robot-level Reasoning）」可以透過全模態語言模型觀察環境並解讀上層指令，再把目標拆解成一連串子任務。System 2 生成的計畫會隨視覺語境動態更新，而不是固定腳本，並可把成功流程保存為工作流（SOPs）供後續重複使用。
System 1「VLA 任務執行（VLA-based Task Execution）」以「視覺—語言—行動（Vision-Language-Action）」神經網路在亞秒級頻率（通常 5–10Hz）產生預測，負責生成如抓取、放置等具體動作目標。
最底層的 System 0「全身控制（Whole-body Control）」則負責達成 System 1 設定的姿態目標。這個控制模型完全在模擬環境中訓練，累積約 15,000 小時經驗，以維持不同機體移動時的動態穩定性。
在運作機制上，KinetIQ 採用「代理模式（agentic pattern）」，讓每一層都把下一層當作工具，並透過提示（prompting）來調度。系統會將單一機器人收集到的資料回饋到整體，使技能與效能能在艦隊層級共同提升，並讓工業平台與服務機器人之間可以互相轉移技能。同時，當某台機器人無法完成任務，或碰到 System 2 判斷失敗時，就可以向上層請求支援，或改派更適合的機體接手。
Humanoid 表示，透過 KinetIQ 系統，他們成功讓一具身高 179 公分的雙足機器人在組裝完成後僅兩天內便成功行走。這與傳統人形機器人通常需要數週甚至數月才能完成調校與運作的過程形成強烈對比，也顯示該系統在加速部署與物理 AI 進展上的優勢。
在實際應用驗證方面，Humanoid 強調影片中展示的各項能力並非僅存於實驗室，而是已在真實世界的試點專案中通過測試。因此，KinetIQ 想解決的不是單一機器人「能不能做」的問題，而是當機器人進入現場後，如何在不同場域、不同機型之間維持穩定分工與協作，並讓艦隊能持續運作與擴張。如果這套「共享智慧層」真的能把任務派工、例外處理與技能累積變成可複製的流程，機器人走向規模化部署的腳步，也將持續加速。
＊本文開放合作夥伴轉載，資料來源：《Interesting Engineering》、《Robotics247》、《Euronews》，首圖來源：Humanoid