亚马逊对 Fauna Robotics 的收购看起来更像是一次平台迁移，而不是消费机器人游戏。这使得 Fauna 的人形机器人 Sprout 的意义超出了交易本身。该系统提供了在更高级别的自主性成熟之前，面向开发人员的可信人形堆栈是什么样子的早期视图。

速度胜过猜测

Fauna 在 2026 年初发布的一份技术报告让人们得以一睹围绕受限学习控制、全身 VR 远程操作构建的平台，以及旨在将自主性故障转化为训练数据的管道。这里的时间线很激进。 Fauna 成立于 2024 年初。根据 SEC 备案文件，该公司从 Kleiner Perkins 和 Lux Capital 等投资者那里筹集了 1,660 万美元，根据 CNBC 报道，筹集了 3,000 万美元。

该公司于 2026 年 1 月向研发合作伙伴推出 Sprout，两个月后被亚马逊收购稍后。在这个时间表上实现一个可用的人形平台并进行收购令人印象深刻。该报告读起来不太像一个长期研究计划，而是专注于构建一个可以在现实世界限制下快速改进的系统。

为开发人员设计，而不是演示

按照人形机器人标准，Sprout 很小。它高1.07米，重22.7公斤，具有29个自由度。尺寸的选择决定了系统的其余部分。它具有柔软的外观、最小化的夹点、可反向驱动的电机、保守的扭矩限制和单个自由度夹具。该设计似乎优先考虑保持物理交互的可管理性，而不是提供最令人印象深刻的演示。

Sprout 使用头戴式 ZED 2i 立体摄像头、躯干安装的飞行时间传感器、IMU 和四麦克风阵列，没有腕戴式摄像头。 Fauna 认为，远程操作填补了传感空白，而且这种组合涵盖了足够多的研究用例，具有实用性。那个简单的近距离操作存在局限性。这些是有界系统的权衡，它足够安全、足够便宜、足够可修改，可供开发人员现在使用。

Sprout 的大多数子系统都依赖于既定的方法。电机策略在 NVIDIA Isaac Sim 中进行训练。它使用标准的消费类 VR 硬件，并为 teleop 界面提供反向运动学重定向功能。地图堆栈融合视觉、惯性和腿部运动数据，并使用体积融合构建密集的 3D 地图。导航使用熟悉的规划和跟踪方法，语音管道依赖于现成的语音识别和合成提供商。

根据我的经验，机器人产品在集成、故障处理和对不成熟自主性的错误信心方面出现了问题，而不是因为底层算法缺乏新颖性。

集成真正重要的地方

为了确保确定性控制，系统故意将应用程序级工作负载与时间控制隔离开来。临界循环。 Jetson AGX Orin 运行高级感知和规划软件，而定制板则依赖嵌入式控制器进行配电、传感器采集和电机控制。

Fauna 将相同的规则应用于系统中的学习环境。端到端学习策略在融资演讲中听起来很棒，但 Fauna 却走了不同的方向。他们为不同的动作建立了完全独立的强化学习策略，无论是走路、爬行、跪着、坐着还是跳舞。标准 PD 控制和硬功率限制充当必要的护栏，以限制执行。它在概念上可能不那么雄心勃勃，但对于保持系统在混乱的现实条件下的可靠性来说，这是一个更好的短期赌注。

控制模式之间的转换有自己的学习跟踪控制器，通过动作捕捉和动画轨迹进行训练。当姿势或执行器限制漂移时，还有单独的安全约束和中止逻辑的范围。这一点至关重要，因为转换失败是人形机器人最容易脆弱的地方。

将失败转化为数据

远程操作数据循环可能是堆栈中最有价值的部分。底层的 DAgger 训练框架是行业标准，但 Fauna 显着提高了其操作实用性。当自主行为出现偏差时，操作员就会暂停。他们看到机器人的冻结姿势在 VR 空间中投射为幽灵。然后他们可以将控制器与那个幽灵对齐并从相同的物理状态恢复。每次失败都会成为在最重要的时刻捕获的标记训练数据，而不是通过硬重置而丢弃。

小型两足动物带来了团队必须解决的特定映射问题。脚接触是间歇性的，位置估计可能会漂移，并且深度质量可能是不可预测的。为了解决这个问题，动物群划分了环境局部一致的体积子图或小地图，因此局部传感器故障只会破坏一个区域而不是整个地图。全局校正异步运行。 Fauna 表示，与行业标准开源基准相比，这将计算负载减少了大约 30%。在运行机上所有内容的机器人上，即使是适度的计算节省也会扩大开发人员想要运行的其他所有内容的余量。

Fauna 构建了一个基于插槽的行为层次结构，通过每个插槽的优先级规则协调灯光、音频、头部姿势、眉毛和身体运动。如果触发安全警报，机器人会立即放下当前的表情。当安全操作时，空闲和交互行为会融合在一起。对于面向开发人员和非专家操作员的机器来说，可观察性是一项关键要求。

什么会发布，什么不会发布

Fauna 似乎对 Sprout 进行了优化，以提高部署速度，而不是为了任何广泛的通用智能主张。当你看什么时以 50,000 美元的价格点购买 ips，您就可以在导航、远程操作和开发工具方面打下坚实的基础。 Fauna 自己的架构图完全从最初的 SDK 中剥离了推理和社交背景。他们没有将完全集成的自主堆栈开箱即用，而是建造了高度模块化的物理容器。它严重依赖标准 ROS 2 接口和模型上下文协议服务器来与外部代理交互。

不够安全尚未经过认证

安全性是平台和产品之间的差距变得值得注意的地方。 Fauna 描述了三层——硬件防护、独立的嵌入式安全子系统和应用程序级合规控制。本文不提供评估认证案例所需的证据。接近感应似乎依赖于消费级组件。握力由软件控制，并且没有提及运动链中的力或扭矩感测。这些都不能否定该平台的价值呃。但安全的开发者系统和可认证的消费产品仍然是非常不同的事情。

Fauna Robotics 的 Sprout 人形机器人体积小、重量轻、触感柔软，比一般人形机器人更安全。 |资料来源：Fauna Robotics

购买沙箱

亚马逊花了数年时间构建仓库机器人，而其消费机器人技术尚未生产出耐用的产品线。 Astro 作为消费产品从未取得突破，而 Astro for Business 在一年内就停产了。亚马逊最近还搁置了 Blue Jay 仓库机器人。

Sprout 短期内不会在你的客厅里走来走去折叠衣服。海女zon 收购 Fauna 并不是为了运送消费者人形机器人。它获得了构建一个的工具。围绕安全、监管、数据收集和操作员恢复的集成选择使得 Sprout 难以快速复制，而这些都没有出现在演示卷中。这个领域的大多数公司都在竞相展示他们的机器人的功能。亚马逊刚刚购买了一个系统，该系统经过优化，可以学习其机器人尚不能做的事情。在机器人技术中，这可能是更有价值的起点。

关于作者

Deepak Jayaraj 是位于匹兹堡的农业机器人公司 Four Growers 的硬件工程和制造副总裁。他在太空机器人、医疗设备和农业科技领域拥有超过 15 年的经验，专门指导机器人公司需要经历从原型到规模部署的关键转变以及硬件商业模式的经济性。