苹果总部最年轻的主任工程师之一、AI平台技术负责人田野，带着7年苹果机器学习平台构建经验，回到深圳创业。他创立的RoboScience公司上月刚完成10亿元A轮融资，成为该赛道当月最大一笔融资。这家成立仅一年的公司，正在用一套全新的数据语言重新定义具身智能的核心逻辑——将关注点从“机器人怎么动”彻底转向“物体本身发生了什么变化”。

这套名为Object Trajectory的数据格式，本质上是用连续3D点云去刻画物体在时间维度上的变化过程，包括位置移动、姿态变化、接触关系甚至形变。田野解释，Object一词兼具“物体”和“目标”双重含义，因此它能精确描述机器人与物体的交互目标以及物体运动状态的变化。RoboScience认为，具身智能真正缺失的不是动作数据，而是一种能同时表达认知与物理执行的中间语言，Object Trajectory正是这个中间层。它将机器人本体差异、物体类型差异、任务差异这三类变量压缩进同一个表示空间，不再依赖具体硬件结构或任务模板。

值得注意的是，这种点云并非深度相机直接采集的数据，而是更高层级的结构化表征。Object Trajectory框架下的具身世界模型能够生成完整物体的三维点云，包括被遮挡区域的结构信息，用模型能力弥补传感器的不完备性。这一特性使得系统不再受限于单一传感器视角或局部观测，遮挡、噪点等传感器缺陷不会限制表征本身。在能力层面，它带来了两个重要变化：一是泛化方式从逐帧模仿人类动作转变为先定义物体状态变化，再由机器人反推自身动作；二是系统结构实现解耦，将感知、控制与数据来源分离，为模型扩展提供更强的可扩展性。

田野本科以专业第一毕业于中科大物理系，硕士在斯坦福AI Lab师从吴恩达。首席科学家邵林是新加坡国立大学助理教授，师从图灵奖得主Leonidas Guibas，其团队刚获ICRA 2025最佳论文奖。这样的技术背景让RoboScience在具身智能底层架构上展现出独特的思考深度。对于AI从业者而言，Object Trajectory提供了一种新的视角：或许真正的具身智能突破不在于让机器人更会模仿，而在于建立一套能统一描述物体世界变化的通用语言。随着10亿元资金的注入，这家公司能否将这一范式落地为可商用的具身世界模型，值得持续关注。