在具身智能领域，当大多数公司还在追逐大模型和数据堆砌时，一家名为橡木果机器人的初创公司却选择了截然不同的道路。由9名清华博士组成的核心团队，基于创始人姜峣在哈佛认知实验室的研究，提出一个颠覆性观点：机器人操作应该像人类一样，拥有“本能”。这种本能无需数据训练，仅靠底层机制就能让机器人完成抓取等基本动作，直接挑战当前主流的VLA和世界模型路线。

姜峣的灵感源于对人类行为的长期观察。他在哈佛认知实验室发现，语言和操作是两种完全不同的智能：语言依赖后天环境，而操作行为却高度一致，无论年龄、文化如何，人类抓取物体的方式几乎相同。他将这种先天机制称为“本能”。团队将机器人操作拆分为任务规划和操作执行两个层次，前者依赖知识，后者则基于本能。与主流路线不同，他们不试图用端到端的大模型统一处理视觉、语言和动作，而是先赋予机器人一套类似人类的底层机制，再让技能从交互中自然生长。过去一年，VLA和世界模型的发展瓶颈——如数据需求无限增长、算力成本高企——似乎验证了他们的判断。

技术细节上，团队强调“操作一定要自下而上”。他们通过模拟人类的触觉和视觉感知，设计出无需数据即可执行的抓取算法。例如，在实验中，机器人能像人类一样自动调整抓取角度，即使传感器被干扰。这种机制避免了传统方法中“无限堆数据、堆算力”的困境。姜峣指出，语言可以自上而下，但操作必须适应具体的物理硬件，而用海量数据去拟合无尽物理差异并不健康。这一路线虽非主流，却可能为具身智能的产业化提供更高效的路径。

展望未来，橡木果机器人的路线若被验证可行，将重新定义机器人学习范式。对于AI从业者而言，这提醒我们：在追求大模型的同时，不应忽视底层机制的研究。具身智能的瓶颈或许不在于数据量，而在于对物理世界的理解深度。团队计划进一步优化本能机制，并探索其在工业场景的应用。对于技术社区，这是一个值得关注的信号：有时，回归本能才是真正的创新。