2025-12-01 Memo —— 主打一个 “猫级智能”，家庭服务机器人太会整活了！

作者：陈康成   出品：机器觉醒时代   

Sunday Robotics 是一家专注于家庭服务型机器人的初创公司，由两位斯坦福博士赵子豪（Tony Zhao）与迟宬（Cheng Chi）联合创立。

该公司成立于2024 年，总部位于美国山景城。公司成立后长期处于低调保密状态，经过 18个月的秘密研发，于 2025年11月19日正式推出其首款轮式家用服务机器人Memo的原型机，由此开始从“隐性模式”进入公众视野。

Sunday Robotics 的核心理念是追求“猫级智能（Cat-level Intelligence）”。这一概念旨在创造一种既非完全被动、也非完全自主的智能水平。它不像工业机器人那样精确但僵化，也不像科幻电影中的人形机器人那样拥有通用人工智能。

相反，“猫级智能”追求的是介于两者之间的平衡：机器人能够理解并执行一系列复杂的、非结构化的家庭任务，具备一定的自主学习和适应能力，同时又能与人类进行自然、亲切的互动。

与追求通用人形机器人的公司（如Tesla , Figure，1X Technologies）不同，Sunday Robotics 选择了一条看似更为务实的路线 ——优先考虑解决实际问题的效率与安全性，而非一味地去模仿人类的外形。降低不切实际的预期，同时聚焦于一个可实现的商业目标：先打造一款真正能在日常家务中提供帮助的机器人。

不同配色Memo（图片来源：公司官网）

一、 基础介绍

Memo是一款专为融入家庭环境而设计的轮式服务机器人，身高1.7米，体重约77公斤, 全身自由度超过20个。其中，每条手臂有7个自由度，每只手有4个自由度，躯干部位有1个自由度，负责移动的下半身有4个自由度。

Memo机器人基本参数（信息来源：公司官网）

目前，1X Technologies 的 NEO 机器人同样聚焦家庭场景研发。二者的核心差异在于：Sunday Robotics 的 Memo 并未采用双足行走设计与五指灵巧手结构，主动舍弃高仿人形态的路线。

Sunday Robotics (Memo) VS 1X Technologies (NEO) （机器觉醒时代制图）

1）“面包手”结构的三指夹爪设计

Memo的末端执行器采用经过优化后的三指夹爪设计，被称之为“面包手”结构：大拇指 + 食指 + 其余三指合一的结构，支持实现类似人手的抓握功能，但结构比五指灵巧手更简洁高效。

Tony Zhao认为，市面上目前缺乏软硬件都足够成熟的现成五指灵巧手方案可供消费级产品使用。目前，Memo所使用的夹爪足以完成80%以上的家庭任务，并在可靠性、可维护性和成本控制上远优于五指灵巧手方案。

2）下肢部分：采用轮式移动底盘+ 三段式升降柱躯干设计

轮式移动底盘可保证机器人能以约1米/秒的速度（接近人类步行）在家中平稳穿行。与此同时，升降柱驱动躯干实现了从接近底盘的低位到高达2.1米的垂直工作范围调节。

结合其0.8米的水平臂展，Memo能够覆盖一个极其广阔的工作空间，足以应对家庭场景中绝大多数高、中、低不同平面的任务，如捡起地上的玩具、清理桌面碗碟或擦拭高处的台面。

Memo结构示意图（来源：公司官网）

二.“技能捕捉手套”与ACT-1基础模型

Memo的出圈（走红）并非偶然，除了极具吸引力的外观设计，更离不开 Sunday Robotics 扎实的技术研发实力 —— 其核心技术优势集中体现在两大层面：

创新的数据采集方案—— “技能捕捉手套”

强大的具身智能AI模型 —— ACT-1基础模型

1）技能捕捉手套

Sunday Robotics开发了一款名为“技能捕捉手套”的数据采集设备，旨在高效获取人类操作数据以训练机器人执行复杂任务。该手套与Memo机器人手部具有完全一致的几何结构与传感器布局，可精准捕捉人手动作与姿态，并将其转换为机器人可学习的数据。

技能捕捉手套（左）和Memo的手（右）（图片来源：公司官网）

尽管“技能捕捉手套”精准对齐了人手与机器人手部的动作，但数据采集环节仍存在巨大变量：不同人类操作员的身高、臂长以及关节灵活性千差万别，导致采集到的视觉视角与运动学数据无法被机器人直接学习。

为了弥合这些差异，Sunday Robotics开发了名为“Skill Transform”的算法系统。该技术通过对采集到原始观测值（包括运动学数据与视觉数据）进行对齐与校准，以消除人类特有的细节。最终，将人类动作数据高保真地转化为机器人可执行的指令。

据Sunday Robotics官方数据显示，这一流程的转换成功率高达90%，最终生成的训练集，其视觉表现和运动轨迹都仿佛由机器人亲身演示，为模型学习提供了坚实的数据基础。

目前，这套“技能捕捉手套”设备的成本约400美元，价格显著低于市面上用于遥操作数据采集的动捕手套。

凭借这一低成本、易用的设备，普通用户无需专业培训，即可在家中自然完成家务动作，成为机器人的“老师”和“教练”。这套系统的使用者被称为“记忆开发者”，他们通过日常操作持续为Memo贡献真实、高质量的训练数据。

目前，公司已分发超2000副手套，在500多个真实家庭中采集约1000万个家务操作片段，构建起规模庞大、多样性强的家庭任务数据集。

2）ACT-1基础模型

ACT-1(Action Chunking with Transformers)基础模型是一个端到端模型，是驱动Memo的“智慧大脑”。它的特点在于将长时程操作与基于地图的导航相结合，能够以视觉感知为核心，结合本体状态与场景先验知识（如地图），直接输出机器人的全身动作指令。

ACT-1算法旨在解决机器人模仿学习中的一个关键难题：如何从人类演示的连续动作中学习并生成流畅、精准的动作序列。

其核心思想是利用Transformer架构，将人类演示的冗长、连续的动作序列分解为一系列离散的、可管理的“动作块”。通过这种方式，模型可以更有效地学习和捕捉动作序列中的长期依赖关系和关键模式。在生成动作时，模型首先预测出这些动作块的序列，然后再将它们平滑地连接起来，形成最终的连续动作。

ACT-1基础模型的核心能力体现在 “长程任务分解” 与 “零样本泛化” 两个层面。

“长程任务分解”体现在，它能将一个宏观指令（如“清理餐桌”）自主规划并执行为一个包含数十个步骤的连贯动作序列。例如，从识别并抓取餐桌上的杯盘开始，到平稳移动至洗碗机，最终完成开门、放入、关闭等一系列操作，整个过程无需分段指令，体现了模型对任务层级和时序的深刻理解。

“零样本泛化”则体现在它对陌生环境的适应能力。当Memo进入一个从未在训练数据中出现过的家庭时，只要提供环境的3D地图，ACT-1就能直接解读地图中的语义信息（如识别出厨房、餐桌、洗碗机的位置），并自主规划出前往这些关键位置的路径。因此，无需针对新环境进行任何重新训练，Memo便可立即开始工作。

三、商业模式

2025年11月19日，Sunday Robotics正式开放了"Founding Family Beta"（创始家庭测试版）计划的申请通道。这项限量测试计划全程免费，首批仅筛选50个家庭参与。入选的家庭预计将在2026年底收到Memo机器人，在真实家庭环境中帮助测试和打磨产品。

在成本控制方面，当前Memo原型机的成本约为20,000美元，主要集中于手工定制的外壳与精密结构。公司计划通过注塑成型等规模化量产工艺优化生产流程，目标是将成本降低至少50%，最终实现低于10,000美元的终端售价，从而真正切入消费级市场，让机器人能够走进更多普通家庭。

至此，不仅让人想起另一家做家用机器人的公司：1X Technologies。1X Technologies和 Sunday Robotics 都是将ToC 的家用场景作为优先落地目标的具身智能机器人公司。

Sunday Robotics (Memo) VS 1X Technologies (NEO) （机器觉醒时代制图）

就在上个月（10月28日），1X Technologies 正式发布了家用人形机器人NEO，并开启预售。在早期体验计划中，NEO机器人售价为2万美元，购买者可享受2026年优先发货及3年质保。此外，用户也可选择按月订阅模式，每月费用499美元，最低订阅期限为6个月。

根据1X官方介绍，用户可通过语音交互或手机软件指挥NEO工作，还能以机器人第一视角实时查看工作情况。对于NEO尚未掌握的技能，用户可以预约1X的远程专家在线远程遥操指导，让机器人在实践中学习进化。

与1X Technologies依赖高成本后台专家遥控的模式相比，Sunday Robotics通过其创新的“技能捕捉手套”与精准的产品定位以及亲民的产品定价策略，构建了一个更具可扩展性的商业模式闭环。

这一模式的核心驱动力在于“数据飞轮”效应：通过低成本、易推广的技能捕捉手套和目标低于1万美元的亲民售价，Memo能够快速进入成千上万个普通家庭。每个家庭都将可能成为高质量数据的来源，这些真实环境下的操作数据将持续优化其ACT-1模型，而模型性能的提升又进一步增强了产品吸引力，推动更多家庭采用。

这一自我强化的循环，使Sunday Robotics能以远超对手的速度积累起多样化、大规模的家庭环境数据。在这种模式下，SundayRobotics不仅可以避免了1X Technologies所面临的高昂运营成本与隐私争议，更有望在家庭机器人市场竞争中，率先建立起坚实的用户基础与难以逾越的数据壁垒。

参考资料：

1.Sunday Robotics官网

https://www.booster.tech/cn/about-us/

2.Sunday Robotics 创始人谈“GPT时刻”为物理人工智能带来的挑战，并打破数据瓶颈

https://www.humanoidsdaily.com/feed/sunday-robotics-founders-on-the-gpt-moment-for-physical-ai-and-breaking-the-data-bottleneck

3. 访谈Sunday Robotics 联合创始人 Tony Zhao 和 Cheng Chi

https://www.bilibili.com/video/BV1L8CZBcEgu/?spm_id_from=333.337.search-card.all.click&vd_source=ee384f4a50f6052bfa3e0a47b31604c3