人形机器人基础模型公司德塔智能（Delta Intelligence）近日宣布完成近 5 亿元天使 ++ 轮融资。据悉，资金将主要用于人形机器人基础模型持续迭代、自研数采设备的量产与数据闭环建设，以及核心研发团队扩充，推动技术在真实工业场景中的工程化验证。

这是公司成立半年内完成的第六轮融资。此前投资方包括智元机器人、乐聚机器人、星海图等主机厂，元禾控股、复星锐正、华映资本、联想创投等财务机构，以及汽车、半导体领域资本。

同期，德塔智能发布头戴式全身全景数据采集设备 Delta D1。佩戴者正常作业时，设备即可同步采集第一人称全景视觉与全身关节运动轨迹，全程不依赖机器人本体，具身智能基础模型训练所需的全身交互数据由此规模化产出。

公开资料显示，德塔智能成立于 2026 年 1 月，研发方向是原生通用人形机器人基础模型。

" 原生 " 二字针对的是行业现状：当前主流具身智能模型的空间认知建立在二维视觉表征上，单目图像缺失真实深度，仅凭像素估算距离可能产生较大偏差。机器人站在门前，二维表征难以准确判断门把手的距离、开门的方向、身体要让出多少空间——这类模糊判断进入真实厂区后会逐步累积，导致长时序连续作业无法完成。

德塔智能的做法是从底层换掉表征。公司自研原生三维世界引擎，以三维表征作为模型核心，可直接处理点云，高斯泼溅等三维场景表示，实现原生的三维理解，推理和对未来环境状态的推演。

在这套引擎之上，公司采用 " 大脑＋小脑 + 力位混合 " 三层协同架构。大脑负责环境感知、长时序任务规划和操作决策，训练几乎不使用仿真数据——仿真器难以复刻柔性形变、多触点受力这类复杂接触，大脑必须依赖真机原生交互数据。小脑负责全身平衡与底层控制，在仿真环境中经强化学习海量试错，将大脑的稀疏指令转化为数十至数百赫兹的全身电机控制信号。最后经由获得力位混合层输出柔顺的控制。三个层级分工明确、闭环联动。

大脑的训练依赖真机交互数据，而这类数据目前没有现成来源。" 市面上多数数采方案仅能采集手部等局部动作，基于此训练的模型难以完整理解人与环境的交互，也难以掌握攀爬梯具、推拉重型门等依赖全身协同的复杂任务。" 德塔智能创始人兼 CEO 马晓健表示，人形机器人必须完整采集全身与环境的交互行为，才能建立无认知偏差的世界模型。

行业主流的采集方案输出的是上肢的视频流数据，录下作业过程、切分成片段，模型学到的是一帧帧画面。而双足人形的全身协同训练需要另一种形态的数据——人体全身骨架数据：人体全身百余个关键点的运动轨迹，经算法实时解算为结构化数据，并与视觉信息在时间轴上对齐。目前市面上还没有能批量产出此类数据的方案。

与本轮融资同期发布的 Delta D1，就是为规模化生产这种数据而造的设备。采集者佩戴 D1 正常作业即可，无需机器人本体，也无需动捕棚和场地改造；设备同步记录第一人称全景视觉与全身关节运动轨迹，全局定位精度控制在 2cm 以内，数据采完即可用于训练。针对双臂精细操作的场景，手持配件 D1-Gripper 与头戴设备协同工作，补齐抓取、装配等末端细节。

具身智能的数据缺口远超任何一家公司的采集能力，德塔智能选择向行业开放这套采集体系，与本体厂商、科研机构及产业各方共建具身数据基础设施。采集数据经跨本体重定向后，可用于宇树 G1/H2、智元灵犀 X2/A3，乐聚夸父 4 代 /5 代、星海图 Kengo 等不同人形本体的算法训练。此前，德塔智能已联合中国信息通信研究院发布工业数据集 2.0，工人佩戴 D1 在真实产线上边作业边采集，无需中断生产。

目前，德塔智能的基础模型已经进入真实作业。电网全身巡检要求机器人在变电站这类复杂空间中边移动边操作设备，汽车零部件上下料、SMT 料箱分拣考验的是移动中的抓取与连续搬运——这些正是全身协同能力必须兑现的任务类型。

具身智能的竞争正在从运动展示走向物理作业。决定一台人形机器人能否真正干活的，是它对三维空间的理解精度，和把全身几十个关节协调起来的可靠性。半年六轮融资之后，德塔智能正为通用人形机器人补上全身智能这块基座。