UCLA博士回国创业，做出了一套能让机器人"看懂"三维空间的智能系统，半年融了近5个亿。
这家公司叫德塔智能（Delta Intelligence），成立刚满半年，已经完成了第六轮融资。投资方名单很长：智元机器人、乐聚机器人、星海图、宇树这些国内头部人形机器人厂商全部在列，财务机构也有高瓴创投、联想创投、复星锐正这样的熟面孔。
三位创始人都是UCLA博士，清华本科出身，曾在Google Robotics、NVIDIA Research、DeepMind、Meta干过。团队研究横跨机器人学习、大规模机器学习、具身智能，参与过美国DARPA和NSF机器人项目。
他们正在解决一个很具体的问题：现在的人形机器人，看世界还是"平面"的。
绝大多数具身智能模型依赖二维视觉。当机器人走进工厂、家庭、楼梯间这类复杂环境，二维表征的问题就暴露了——门把手距离多远？往哪边开？身体怎么转才能让出开门空间？这些判断一旦出错，动作误差会不断累积，最终长时序任务根本完不成。
德塔智能的打法是从底层重建三维感知能力。他们自研了一套"原生三维世界引擎"，让机器人直接处理点云、高斯泼溅等三维场景数据，实现原生的三维理解、推理和对未来状态的推演。
光有感知不够。人类做一个开门动作，大脑发出指令，小脑负责全身几十个关节的毫秒级协同发力，维持平衡、调整重心、驱动手部动作——这一切同时发生，缺一不可。但现在的人形机器人，中间层是断的，高层指令直接下发给底层控制器，面对高自由度本体，平衡控制和精细发力根本跟不上。
德塔智能的三层架构就把这个断层补上了：大脑负责环境感知和长时序规划；小脑是强化学习训练的神经网络，把高层指令转化为数百赫兹的全身电机控制信号，实时调重心、协调四肢发力；力位混合层输出柔顺控制。三层各管一段，闭环联动。
数据怎么来？他们自研了一套全身全景数采设备，纯视觉采集架构，同步捕捉手、脚、腰、肩全维度人体骨架关节运动轨迹，配合第一视角视频流实时重建全局三维场景。这套设备支持两种采集模式：一种需要实体机器人遥操作，另一种无需本体，直接用动捕数据训练。后者成本更低、效率更高，可以大规模积累通用全身交互样本。
目前德塔智能已与智元、乐聚、星海图、宇树等头部人形机器人厂商建立了长期合作，模型在不同硬件平台间可以快速迁移。商业模式很清楚：不做机器人本体，只做基础模型供应商，给各类本体输出可部署的全身智能底座。
具身智能今年依然很热，但真正跑出来的公司正在从"展示运动"转向"完成物理作业"。德塔智能融到的这笔钱，很大一部分会用于自研数采设备的量产和数据闭环建设——谁先解决数据问题，谁就拿到了下一轮的门票。