黄碧薇Aether推CRIS-0 机器人0.2秒急停

# 黄碧薇Aether推CRIS-0 机器人0.2秒急停 时间：2026年10月9日（北京时间凌晨,Aether AI 美国西部时间 10 月 8 日正式发布） 地点：美国加利福尼亚州圣迭戈（Aether AI 总部）；公司同步在 zhidx 视频号、官方 demo 视频发布 人物：Aether AI 创始人兼首席科学家 黄碧薇（Biwei Huang,UCSD Halıcıoğlu 数据科学研究所助理教授,CMU 因果学派核心传承者,师承 Clark Glymour、Peter Spirtes、Bernhard Schölkopf、Kun Zhang 等因果发现奠基人）；Aether AI 工程团队；公司学术顾问包括图灵奖得主 Judea Pearl；公司 2026 年 6 月 17 日刚完成约 2000 万美元种子轮融资,经纬创投领投,英诺基金、SWC Global、九合创投等参投 事件详情：因果智能公司 Aether AI 10 月 8 日通过 Business Wire 与官方渠道正式上线"因果机器人智能系统"CRIS-0（Causal Robotic Intelligence System-0）的真机演示,这是其自有的"Causality-guided Robot Agent（因果驱动机器人 Agent）"与"Causal World Model（因果世界模型 CausalWM）"两条研究线第一次整合到同一台家用机器人上落地。Demo 中,机器人关闭微波炉门时遇到人手伸入,平均 0.2 秒内完成急停或改写计划;在咖啡制作流程遭遇人为移位、光照突变 10 次随机扰动中,CRIS-0 平均 2 秒内识别因果变量偏移并完成重规划,9 次有效恢复;在"客厅寻物与整理"等数十步长程任务里,系统把目标拆解为带前置/后置条件检查的因果子阶段,清理桌面时区分普通书本与隐私账单、对外观相似的饮料罐先晃动感知内部液面后再选择丢弃或放回;在 20 条模糊语义指令（例"给我拿一瓶适合晨跑后喝的饮料"）的 Personalized Pick and Place 任务上达成 18 次精准取放,等效 90% 成功率。与传统端到端 VLA 在长程任务中误差累积崩溃不同,CRIS-0 一旦某个"因果变量"（例如桌布夹爪是否真正抓住）不满足,任务状态直接回退到对应阶段,而不会盲推后续动作或全流程重来。 背景：Aether AI 2026 年 6 月由黄碧薇在圣迭戈创立,围绕"因果发现"学派核心命题——"识别机制而非拟合模式"——重写 AI 与物理世界交互的栈。公司核心模型包括 RSIAgent（在 OSWorld 2.0 与 Agents' Last Exam 等通用软件智能体基准上不靠额外训练击败闭源前沿）和 CausalWM（截至 2026 年 9 月在 TriWorldBench 总榜与世界模型机器人赛道 PAI-Bench 双双第一）。CRIS-0 之前,这两条研究线分别独立验证——本次核心突破是把它们的潜在状态分享到同一份因果变量表示里,让世界模型预测指引 Agent 的工具调用,执行结果再回灌世界模型,使重规划周期被压到 0.2–2 秒区间。黄碧薇在官方说明中明确指出:"真正的智能不是预测接下来发生什么,而是理解它为何发生、如果你换种动作会有什么不同。软件世界能撤回错误,物理世界不能;把因果推理搬上实体硬件,才是这套路线最严苛的考场。" 影响： - 具身智能赛道首次有公开 demo 用"因果状态 + 因果世界模型"的双结构把具身长程任务的误差累积问题落地解决,与主流端到端 VLA、人形机器人 Foundation Model 形成差异化路线,推升因果/反事实推理在机器人栈的优先级。 - 量化指标（0.2 秒急停、2 秒重规划、9/10 抗扰、18/20 模糊指令准确）给出一份企业内部基准,后续若被独立复现,将推动具身评测从"任务成功/失败"二元指标向"扰动恢复时间 + 因果一致性"扩展。 - 因果变量成为可复用的工程单元（识别/抓取/放置/折叠四个原子阶段都按因果状态推进）,让机器人从"按脚本走"升级为"按语义走",为后续多模态融合、人形机器人家务场景打开新思路。 - 学术侧,Causal-Learn / Causal-Copilot 等开源工具链与 Pear / Schölkopf / Spirtes / Kun Zhang 三代学术脉络被直接对应到商业产品上,公司在 Berkeley / CMU 体系的"理论—工程—商业化"链路进一步打通。 - 行业层面,CRIS-0 释放的信号会促使 FigureAI、Tesla Optimus、Apptronik、智元机器人、宇树科技等加快世界模型与因果重建投入,具身 Foundry 平台可能短期出现"因果环境/因果数据生成"新需求。 - 公司明确表示下一站是把因果智能从机器人推向"复杂动态系统预测"与"科学发现"（生物、新材料方向）,意味着因果 AI 将不再只是研究范式,而开始拥有第一份接近硬件的工程基线。 总结：Aether AI 把 CausalWM 与 RSIAgent 这两条原本各跑各的因果研究线,首次通过共享因果变量表示拧到同一台家用机器人上,得到一份把"扰动恢复时间压到 0.2–2 秒区间、长程任务 90% 模糊指令准确率"的实体 demo。CRIS-0 的意义不是"机器人更灵活",而是把"识别机制而非拟合模式"的因果学派工程化在最严苛的物理考场里跑通了第一份报告——后续独立复现和量化对比将决定这条路线能否真正上桌坐到主流具身智能座次里。 参考来源： - 量子位：https://www.qbitai.com/2026/10/502411.html - 智东西机器人前瞻：https://m.zhidx.com/p/599492.html - 网易科技深度分析：https://www.163.com/dy/article/L8Q9K0NQ0511AQHO.html - 网易订阅量子位转载：https://dy.163.com/article/L8QGSU1J0511DSSR.html - Business Wire 官方稿：https://www.businesswire.com/news/home/20261008233217/en/Aether-AI-Brings-Causal-Intelligence-Into-the-Physical-World - Robotico 英文报道：https://robotico.market/news/aether-ai-introduces-cris-0-for-self-correcting-robot-tasks - Aether AI 官网：https://aetherlabs.ai - 百度百科 Aether AI：https://baike.baidu.com/item/Aether%20AI/68049212 - PANews 2000 万美元种子轮：https://www.panewslab.com/zh-hant/articles/019edb06-558a-769d-aa0f-cf2a959cd120 - 百度百科因果推理：Aether AI 写入产业动态章节（已存档 https://baike.baidu.com/item/%E5%9B%A0%E6%9E%9C%E6%8E%A8%E7%90%86/53498825 ）