人形机器人在移动中完成精细操作，一直是具身智能领域的硬骨头。过去的主流方案是“先走到位置，再停下来操作”，但真实世界中，站姿决定抓取范围，躯干姿态影响施力，脚底接触影响平衡，手部动态又会反过来影响身体运动——移动和操作在物理上深度耦合，无法简单拆解。Current Robotics今天发布的全身灵巧操作模型Curr-0，用单一端到端策略打破了这一僵局，让人形机器人第一次能在移动中同步完成全身姿态调整和手部精细操作，全程自主执行，不再“走走停停”。
Curr-0运行在70+自由度的人形机器人本体上，核心设计是把全身灵巧操作当作一个耦合整体来训练，而非拼凑移动和操作两个独立模块。系统内部分为三层：上层理解任务和语言指令，中层协调全身运动和姿态稳定，下层负责手部与物体的精细交互。三层不是顺序执行的流水线，而是在同一个闭环策略里实时协同运行。展示的任务包括撕开茶包、点香、文件盖章、清理桌面垃圾，以及抱着玩具穿过门口蹲下放进篮子——每个动作都要求机器人在移动中实时调整全身姿态，并在接触瞬间完成精细力控。
支撑Curr-0训练的，是21000小时真实人类行为数据，其中包含2800小时全身示教数据，全部来自Current Robotics自研的HumanEx全身外骨骼数据采集系统。这套系统的独特之处在于，人类只需穿戴设备在真实场景中完成任务，系统就能同步记录全身姿态、关节运动、手部动作、本体感知、肌电信号和环境交互等多维数据，完全不依赖机器人本体。这意味着数据规模的增长不再受限于机器人部署数量，而是可以随人类真实任务行为持续扩大——团队称之为从“机器人部署小时数”切换到“人类任务小时数”。
除了数据和模型，Current Robotics还在解决另一个瓶颈：物理世界本身没法规模化。每次真实测试都消耗硬件、能源和人力，失败无法回滚，场景无法随时重置。为此，团队正在构建多物理模态交互世界模型，覆盖视觉、本体感知和力觉信号，作为物理世界的可扩展替代品，用于策略评测、后训练和部署前验证。在此基础上，他们还提出了Human-in-the-World-Model框架：策略在世界模型里运行，遇到错误或不确定的情况，人可以介入修正，修正数据马上用于后续训练，形成评测、干预和后训练的闭环。从HumanEx采集数据，到Curr-0训练出全身灵巧操作能力，再到世界模型支撑的评测迭代，Current Robotics展示了一套完整的基础设施体系，为具身智能的规模化落地提供了新的路径。