雙足機械人技術展示
零次方的一群熱愛機械人的"00后"科幻迷，作為愛好者也作為開發者，一同復刻了科幻電影《鐵甲鋼拳Real Steel》中的經典畫面，人形機械人ZERITH Z1模仿學習人類拳擊手運動，PK一場有趣的搏擊賽事。
靜動態動作同步
復現鐵甲鋼拳中的經典畫面
團隊採用AI輔助進行機械人的結構參數設計，實現了更高的動態運動性能與更低的能耗。團隊自研了物理交互世界模型算法進行運動控制，能夠實現出色各種複雜工況的適應和複雜環境下的的盲走能力。
複雜地形 前向行走
複雜地形 倒退行走
專有場景泛化操作
在泛化操作模型上，零次方對標自動駕駛技術深耕垂直場景的路徑——正如自動駕駛在礦山運輸、港口物流、高速幹線等封閉場景率先突破，針對機械人領域開發了專有場景泛化操作方案。聚焦特定場景的深度需求，打造可閉環、可複製的專用場景解決方案。團隊對專有場景中的工序進行規範化，並結合視覺語言大模型進行場景解析，獲得流程化的任務描述。在機械人實際執行過程中，通過分析任務的類別選擇不同的解決方案。
魯棒雙臂操作
泛化抓取收納
根據機械人的所需的移動佔比，可以將任務劃分為兩類：長距離移動操作任務和局部長序列操作任務。長距離移動任務主要涉及到送遞和歸納物體等空間變換需求，為此團隊提出能夠結合環境信息和任務需求的通用抓取放置模型GP-6D作為解決方案。然而，目前大多數工作僅實現了物體的抓取，並未解決放置問題。GP-6D通過利用視覺語言大模型與3D場景關係圖生成最優的放置位姿，結合自外感知規劃實現無碰放置。
為解決局部長序列操作任務中存在的級聯誤差傳播問題，團隊提出了基於模塊化動作基元的複合策略生成框架。該框架通過構建面向操作對象泛化的技能表徵體系，將複雜任務分解為可組合的動作基元，通過對庫中各項動作基元的篩選組合來完成任務。其中，為了保證技能的成功率，團隊創新性地提出了IRL的訓練框架，旨在將模仿學習的高效性和強化學習的魯棒性結合，並通過現實與仿真迭代交替的方式實現泛化。
為了進一步拓展數據來源，降低單位數據成本，團隊研發了一套低成本單目攝像頭視覺重映射機械人控制方案，通過一個廉價的 RGB 攝像頭對操作者的動作行為進行捕捉，實時重映射到機械人上，端到端操作延遲低於 150 毫秒，突破了硬件成本，較傳統手柄或 VR 系統降低 80% 以上，較動捕技術硬件成本下降99%。這一方案為機械人遙操作提供了一種全新的、經濟高效的數據採集方案，具備更低的部署成本和更廣泛的適用性；該技術方案在零次方具身操作機械人ZERITH F1上的演示效果：
重映射機械人控制方案
做最安全的機械人
安全始終是機械人應用落地的首要前提。然而，儘管市場需求迫切，行業至今仍未推出一款能夠徹底解決這一核心痛點的產品。無論是展廳場景中可能對展品造成的損害，4S店環境中對車漆的潛在刮擦，還是人機交互時對人類安全的隱憂等等，這些挑戰始終制約着機械人的廣泛應用。基於大量的市場用戶測試反饋，零次方團隊頂着產品交付壓力，對現有穩定版本進行全面重構。
全身避障算法
基於"機械人三安全法則"——對人類安全、對環境安全、對本體安全，團隊將推出最安全的人形機械人。
Zerith零次方
「零次方機械人」公司成立於2025年1月，由清華大學和江淮前沿技術協同創新中心聯合孵化。公司的幾位早期創始者的共同標籤為，"00后"-"清華大學"-"人工智能專業"，一同開啟了具身智能領域的創新征程。隨着公司的快速發展，零次方持續吸引了來自百度、位元組跳動、科大訊飛、美的等科技與產業巨頭的頂尖人才——既有深耕行業十餘年的戰略專家，亦不乏具備破局思維的年輕攻堅力量。這種橫跨互聯網、人工智能、智能製造等領域的複合型人才梯隊，正構建起技術敏銳度與場景理解力兼備的「雙螺旋」能力模型，為機械人垂直場景落地注入戰略級動能。
雷峰網雷峰網
