技术深度解析
新瓦机器人的“世界遍历模型”（WTM）代表了与机器人导航领域两大主流范式——经典SLAM和现代VLM（视觉-语言模型）方法——的彻底决裂。
经典SLAM 依赖概率滤波（例如卡尔曼滤波、粒子滤波）来构建环境的静态地图，同时估计机器人在该地图中的位姿。这在受控的静态环境中效果良好，但当环境发生变化——椅子被移动、门被打开、有人走过——时就会失效。实时更新地图的计算成本随环境规模呈二次方增长，而且SLAM没有时间因果性的概念：它无法预测一扇正在关闭的门会在2秒后挡住通道。
基于VLM的导航（例如CLIP、RT-2、PaLM-E）将导航视为一个视觉问答问题：机器人看到图像，语言模型对其进行解读，然后输出电机指令。虽然灵活，但这种方法存在高延迟（通常每次推理200-500毫秒）、3D空间推理能力差，以及无法对连续时间进行建模的根本性缺陷——视频只是一系列离散帧，而非流动的因果过程。
WTM建立在三个新颖的架构组件之上：
1. 因果空间图（CSG）： 与度量地图不同，WTM构建了一个图，其中节点代表“情境状态”（例如，“机器人在门口，门开着”），边代表因果转换（例如，“如果机器人向前移动1米，门的状态变为在身后”）。这是从经验中学习而来，而非预先编程。
2. 时间连续性引擎（TCE）： 一个轻量级的循环神经网络，用于预测连续时间内的下一个状态，而非固定时间间隔。这使得机器人能够预测移动障碍物（例如，一个正在行走的人）并主动调整轨迹，而非被动反应。
3. 动作策略网络（APN）： 一个小型Transformer（约3亿参数），将当前的CSG状态和TCE预测映射为低级电机指令。关键创新在于APN是与硬件无关的——它输出一个标准化的“动作向量”，由硬件特定的适配器将其转换为关节扭矩或轮速。
| 特性 | 经典SLAM | 基于VLM（RT-2） | WTM（新瓦） |
|---|---|---|---|
| 地图类型 | 静态度量地图 | 隐式（视觉记忆） | 因果图 |
| 时间建模 | 无 | 离散帧 | 连续时间流 |
| 每次决策延迟 | 10-50毫秒 | 200-500毫秒 | 15-30毫秒 |
| 对动态环境的适应性 | 差 | 中等 | 高 |
| 硬件独立性 | 低（紧密耦合） | 中等（需要摄像头） | 高（动作向量抽象） |
| 开源参考 | ORB-SLAM3（GitHub，7000星） | RT-2（Google，无公开模型） | 专有 |
数据要点： WTM相对于VLM方法的延迟优势（15-30毫秒 vs 200-500毫秒）对于拥挤空间中的实时导航至关重要。然而，其因果图方法在大规模场景下尚未得到验证——目前演示的最大CSG是一个包含10,000个节点的仓库模拟。扩展到城市级环境将需要大量的工程投入。
关键参与者与案例研究
新瓦机器人正进入一个拥挤但碎片化的市场。主要竞争对手及其策略如下：
1. 传统SLAM供应商： 像 SLAMcore（英国）和 禾赛科技（中国）这样的公司提供硬件优化的SLAM库。它们拥有多年的现场数据，但在架构上局限于静态环境。新瓦向OEM厂商的推销点是：“当你的机器人因为一个箱子掉在过道里就罢工时，为什么还要为SLAM许可付费？”
2. VLM优先的机器人实验室： Google DeepMind（RT-2、AutoRT）、Covariant（抓取与放置）和 Physical Intelligence（π0）正在追求用于机器人技术的大型基础模型。这些系统擅长语义理解（“拿起红色杯子”），但在精确、连续的导航方面表现挣扎。新瓦的WTM具有互补性——它可以在VLM的“大脑皮层”之下充当“运动皮层”。
3. 端到端学习初创公司： Skild AI（融资3亿美元）和 Figure AI（融资6.75亿美元）正在用机器人数据训练庞大的神经网络。它们的方法是蛮力式的：更多数据，更大模型。新瓦的赌注是，一个更小、结构更清晰的模型（WTM）将更具样本效率和泛化能力。
| 公司 | 方法 | 融资额 | 核心产品 | 目标市场 |
|---|---|---|---|---|
| 新瓦机器人 | WTM（因果+时间） | 700万美元天使轮 | WTM中间件 | 服务、物流、人形机器人OEM |
| Skild AI | 大型基础模型 | 3亿美元 | Skild Brain | 通用操作 |
| SLAMcore | SLAM+传感器融合 | 5000万美元 | SLAMcore SDK | 工业AGV、无人机 |
| Covariant | VLM+强化学习 | 2.25亿美元 | Covariant Brain | 仓库拣选 |
| Physical Intelligence | VLM+扩散模型 | 4亿美元 | π0 | 通用操作 |
数据要点： 新瓦的700万美元天使轮融资与竞争对手数亿美元的融资相比微不足道。这既是劣势（计算预算更少），也是优势（更聚焦）。