近日，千诀科技宣布完成数亿元A+轮融资。本轮投资方包括京铭资本、元禾厚望、筱光资本、芯能创投、英诺天使基金、未来边际创投等知名市场化机构及产业方投资人共同参与。其中，京铭资本作为老股东，本轮继续追加投资。Maple Pledge枫承资本长期出任私募股权融资顾问并参与本轮投资。
本轮融资将主要用于核心技术研发、工程化能力建设和真实场景拓展，推动千诀科技的机器人智能技术在更多机器人形态和应用场景中落地。千诀科技聚焦真实世界机器人智能，以预测式世界模型和多项式表征架构为技术基础，构建覆盖感知、决策、规划与控制的机器人智能基础设施，适配不同形态的机器人，为其提供可部署、可量产、可持续进化的智能能力，从而帮助机器人厂商减少重复研发，更快实现产品落地和规模化应用。千诀科技的技术路径同时沿两个方向推进：一方面深入底层学术研究，围绕预测式世界模型、多项式表征和神经网络“简单性”等基础问题形成原创成果；另一方面推进研究成果的工程转化，将其应用于机器人智能系统和真实任务。从底层研究、模型架构到工程落地的完整链路，构成了千诀科技的核心技术优势。
尽管两项研究采用的具体方法并不完全相同，但都从多项式结构出发，探索神经网络内部表征、模型复杂程度与世界模型学习之间的关系。千诀科技率先公开相关成果，体现了公司在这一底层技术方向上的前瞻判断与持续积累。
神经网络往往表现出一种倾向：在复杂的模型结构和大量可能的函数中，最终学习到相对简单、泛化能力更强的规律。但长期以来，这种“简单性”更多是一种经验观察，缺少统一且可操作的量化方法。
该研究沿数据相关的插值路径构建正交多项式代理，以多项式的“有效阶数”衡量神经网络函数的复杂程度。有效阶数越低，意味着模型依赖的函数关系越简单；有效阶数越高，则意味着模型学习到的关系更加复杂。
在完成度量的基础上，研究进一步提出可微的简单性正则化方法，将“学习更简单的函数”直接纳入模型训练，使神经网络的简单性不仅可以被量化，也可以在训练过程中被主动优化。
在工程应用方面，这些论文成果并未停留在学术研究阶段。目前，千诀科技已将多项式表征从神经网络“简单性”的度量与优化，进一步应用于预测式世界模型的训练、组合、升级和追踪，并由此形成面向真实世界机器人的表征与模型架构。
千诀科技的预测式世界模型不以还原现实世界的全部像素和细节为目标，而是聚焦真正影响任务完成的状态变化，在特征空间中预测行动可能带来的结果。相较于重建现实世界的全部视觉细节，这种方式能够将计算和学习重点放在与任务直接相关的环境规律、状态变化和行动结果上。
基于这种预测方式，机器人可以将当前状态、行动结果和下一步决策连接起来。在任务执行过程中，如果人员、物体或空间状态发生变化，机器人也能够根据新的观察更新判断，重新规划后续行动。这使机器人不再只是根据当前输入作出一次性反应，而是能够围绕任务目标持续感知、预测、决策和执行。
目前，千诀科技已面向人形机器人、轮式双臂机器人、轮式单臂机器人、带臂四足狗、带臂清洁、悬臂无人机等不同形态，推进智能能力的适配与验证，并在家庭、零售、服务等场景中持续落地。
通过将机器人的共性能力沉淀为可复用、可组合、可升级的基础模块，千诀科技能够降低不同本体和场景下的重复研发与适配成本，缩短从能力验证到实际部署的周期。
本轮融资完成后，千诀科技将继续推进预测式世界模型和多项式表征架构的研发，加强工程化与产品化建设，将相关能力进一步沉淀为可部署、可复用、可持续迭代的机器人智能系统青海配资开户，并与机器人厂商及场景合作伙伴共同推动规模化应用。（CIS）
创同策略提示：文章来自网络，不代表本站观点。
