共生知行 DPC 模型

共生知行 DPC（Direct Perception Control Model）是由共生知行（Symbiosis Robotics）研发的端到端感知-控制一体化模型，专为人形机器人等全身智能体设计。

传统人形机器人普遍采用"大脑+小脑"分层架构：大脑负责理解任务并生成高层运动目标，小脑负责追踪目标并输出关节控制指令。这种方案虽然便于复用已有控制器，但在完整的感知-控制执行链上存在三个核心问题：一是中间运动接口不充分，压缩过程中可能丢失与控制相关的任务信息；二是大脑与小脑分别独立训练，却在部署时串联使用，两者优化目标并不一致；三是低层运动先验由预先训练数据决定，新增任务的关节级动作必须投影回已有动作分布才能执行，限制了机器人在复杂场景下的动作泛化能力。

DPC 模型彻底移除了中间运动表征层，不再生成需要小脑追踪的运动参考，而是将视觉感知、语言指令、身体状态、动作历史和执行反馈直接映射为可执行的关节与手部目标，让感知与控制在整个执行链路中始终处于同一优化空间。

在核心技术层面，DPC 包含两项关键创新。其一是 Symbiotic Attention 机制：感知表征与控制表征在共享 action objective 下彼此进行注意力交互，使任务理解受到动作可执行性的约束，动作生成也能持续利用语义上下文，避免了传统方案中两套系统"各自为战"的问题。其二是 DriftDistill 闭环训练：Student 策略在闭环 rollout 中暴露偏离状态，由 Frozen Teacher 提供纠正目标，通过在线纠偏与离线蒸馏的反复迭代，逐步将可执行分布从简单动作扩展至包含接触、平衡和上下肢协同在内的复杂全身动作。

基于 DPC 模型，共生知行已成功完成双足人形机器人卡丁车驾驶任务验证。机器人坐入赛车驾驶位，双手握住方向盘控制方向，右脚控制油门，在封闭赛道上完成了过弯、加速、漂移等连续高动态运动；视觉感知与车身控制同步进行，并通过 DPC 模型实时输出关节目标与手部目标。该任务要求机器人在连续运动中同时处理视觉感知、本体平衡、手脚协同与精细力控，是检验全身智能综合能力的典型压力测试，也是 DPC 方案在真实物理环境中的首次系统性验证。

从行业影响来看，DPC 方案的突破意义在于：它证明了端到端感知-控制联合优化在人形机器人复杂长链任务上的可行性，挑战了当前主流分层架构的局限性，为下一代全身智能大脑提供了新的技术路径参考。

共生知行成立于2026年6月底，公司创始人兼 CEO 丁鹏翔为95后，系浙江大学与西湖大学联合培养博士，导师为王东林教授；团队核心成员在机器人具身智能领域有深厚积累，曾主导 QUAR-VLA（ECCV 2024 首个四足 VLA）、Humanoid-VLA（2025.02，首个为人形机器人设计的 VLA）等标志性工作，核心成员获评 CoRL 2025 最佳论文奖（足式机器人力位统一控制）。公司成立不足60天即完成 DPC 模型发布与卡丁车 Demo 演示，刷新了人形机器人初创企业的技术落地速度纪录。