让通用机器人走进每一个家庭
KNOWIN具身基础模型架构
为了实现机器人在开放环境中的高阶自主性，我们提出了一种生成式具身智能架构，从数据、认知到执行形成完整闭环。
1. KnowinDream：跨越"数据墙"的生成式引擎
高质量机器人轨迹数据的匮乏，是制约行业的根本瓶颈。KnowinDream 是我们基于视觉生成模型构建的数据引擎——从有限的真实数据中学习场景变化的规律，直接合成海量机械臂操作的训练视频，覆盖人工采集几乎无法穷举的极端光照、复杂材质与多样化上下文。它不是推理链路中的在线组件，而是整个系统鲁棒性的根基。
2. KnowinBrain：具备反思能力的具身认知基座
在云端，我们部署了登顶 Embodied Arena 榜单第一名的基础 VLM——KnowinBrain。我们创新性地利用KnowinDream生成的海量合成数据对其进行了深度的 Action CoT 后训练，将其与 Action Token 生成对齐，使其具备了进行自回归动作思考的能力。在 1-5Hz 的执行反馈机制下，经过后训练的KnowinBrain可以动态评估当前的物理状态，实现自主反思与策略修正，打通感知、规划与执行的闭环。
3. Action Tokenizer：生成式动作编解码器
架构图中的 Action Tokenizer，正是在 KnowinDream 合成的海量视频上预训练的成果。经过多维度物理环境的充分训练，它掌握了极其泛化的动作表征能力，能够将 KnowinBrain 生成的 Action Token 高效解码为边缘系统所需的 Action Chunk，确保机器人在面对未知的真实世界时，依然能可泛化的生成出平滑、精准的物理操作。此外，Action Token Space 并非静态的。随着 Knowin 不断解锁更多复杂的家庭应用场景，这一底层动作空间将持续动态扩容，赋予机器人不断进化的物理执行边界。
KnowinDream
生成式数据引擎
生成的理念不止于动作本身。KnowinDream 是诺因基于生成模型构建的数据引擎，从真实世界数据中学习场景变化的规律，直接合成机械臂操作的训练视频——包括那些人工采集几乎无法穷举的极端条件。
极端场景，同一模型
以衣物折叠为例：在电视屏幕上操作，面对动态光源与持续变化的画面干扰。系统未针对任何特定光照条件单独训练，这一鲁棒性源于 KnowinDream 对场景变化的充分覆盖。
关于我们
诺因成立于2025年7月，全球首创通用具身大模型新架构，开辟具身智能的下一代范式，致力于让机器人走进每一个家庭，开启人机共生的新纪元。诺因面向消费级家庭场景，打造具备物理实体、能够在真实环境中形成“感知—生成—执行—演进”闭环并持续交互的具身智能系统。
作为面向家庭消费级具身智能的探索者与先行者，诺因依托全栈自研能力、全新的生成式具身大模型体系与创新的合成数据路线，持续提升机器人在复杂家庭环境中的跨场景泛化、长链条闭环执行与可靠交付能力，聚焦现代家庭在陪伴互动、娱乐与高频家务协作等多元需求，为用户带来更智能、更自主、更省心的家庭服务体验。
联系我们: HR@knowin.ai
