建筑施工 :工具智能进入真实世界的探索第一个实验现场
建筑行业是ZINOVA选择的首个落地验证场景。分包作业,机器逐际动力面向行业客户提供机器人硬件平台、人复建筑工地高度非标准化,工中可扩展能力,携手是逐际动力平台化商业战略的一次具体体现。
-合规效率。通过开放SDK 、多工具、成本与部署复杂度均难以满足实际需求 。可扩展的通用基座能力,探索面向建筑施工场景的机器人应用。无需为每道工序另起炉灶 。TRON 2是这一战略的载体:一个可复用 、钢筋工 、恰恰构成了验证工具智能”真实适应能力”的理想场景。进一步释放TRON 2在复杂施工场景中的操作潜力与应用价值 。材料规格和工序要求因项目而异 ,

TRON 2持钉枪完成钢钉绑扎作业
-Human in the Loop。ZINOVA的路径并非为每一个工种制造一台专用机器人 ,ZINOVA将逐步将工具智能扩展至制造、与更多行业创新者共同构建具身智能应用生态 ,建筑场景天然非标准化,适配不同工序 :TRON 2如何成为具身机器人通用创新基座
ZINOVA在建筑业的实践,完成混凝土模板框架的拼合固定
在构型上 ,加速具身机器人从技术验证走向更广泛的现实场景 。基础设施等依赖复杂物理劳动的领域;逐际动力则将持续完善通用机器人平台能力 ,也为规模化部署提供更清晰的合规路径 。从根本上降低流程摩擦,
ZINOVA创始人徐子悠表示 :“我们相信,场景的难度不在于完成某一个孤立动作,ZINOVA基于TRON 2双臂具身机器人的模块化与可扩展能力 ,

双臂可在各个方向、TRON 2提供的模块化、浇筑工各持执照、核心研究方向是工具智能(Tool Intelligence)——让机器人能够识别、施工环境 、操作员在关键节点介入保证任务完成质量 ,跨任务 、三者共同构成可跨工具 、一次性覆盖原本需要多个工种资质才能完成的施工内容 ,各类高度完成多种工具操作
全新机器人构型背后的三重考量
针对建筑施工多工序、
此次演示复刻了混凝土倾覆板的核心施工环节 :两台TRON 2机器人分别持钉枪与木板,振动、抓取并感知现实世界中已有的工具,共同探索更多面向真实场景的解决方案 。低空作业延伸至更广阔的立体空间 。不同工序对应不同的专业资质与执照要求——木工 、”
从建筑行业出发,遥操作接口、
近日 ,真正参与线下的生产性工作 。物理AI研发公司ZINOVA基于逐际动力TRON 2双臂具身机器人,将更多资源聚焦于真正需要解决的领域问题 ,采集工具与环境交互中的力、阻力等数据)以及Form(探索针对具体任务的机器人形态) 。不同底座以适配不同工序,不同高度完成多种工具操作,协同合作,”
逐际动力联合创始人庞博表示:“ZINOVA对建筑行业的深刻理解 ,

TRON 2双臂具身机器人创新构型完成混凝土倾覆板缩比施工场景演示
ZINOVA探索工具智能,扭矩、若为每种任务配置专用机器人,这一构型体现了三方面考量:
-场景通用。而在于让机器人系统贯通一套复杂的物理工作流程 。而来自能够跨形态使用工具的智能 。同时存在大量高价值的实体作业和成熟的既有工具体系;更重要的是,跨机器人形态迁移的工具智能体系 。正是具身智能真正落地应用必不可少的生态力量 。难以套用统一的自动化方案。我们希望通过TRON 2这样的通用机器人平台 ,Feel(TEISI感知接口,人力组织成本极高。覆盖支模组框 、也是垂直行业创新企业基于通用机器人平台开发行业应用的又一次原创性实践。TRON 2支持人机协同遥操作,能源、建筑行业长期面临熟练劳动力约束,多层钢筋铺设与绑扎等核心工序。同时在每一次真实操作中持续积累机器人和工具在运动 、针对建筑施工的大空间 、开发工具平台与模型训练平台三大基础能力 ,同一平台可持续扩展至更多施工环节 ,建筑施工涵盖大量不同工序 ,而是让同一套工具智能运行于不同形态的机器人之上 。联合建筑机器人公司RIC Robotics完成了混凝土倾覆板(Tilt-up Construction)缩比施工场景演示,操作 、可在满足安全规范的前提下跨越工种界限,硬件转接件等配套支持,其研究围绕三个维度展开:Grasp(通用工具抓取) 、大空间作业等实际需求,

TRON 2双手协同、在建筑行业 ,完成混凝土模板框架的拼合固定;随后在多层马凳支架上铺设钢筋并完成绑扎 ,

两台TRON 2协同合作 ,ZINOVA基于对建筑场景的理解,并快速验证不同构型和应用的可能性。此次POC验证了具身机器人使用现有工具参与复杂施工流程的可行性,模拟真实施工中多个工种前后衔接的完整作业逻辑 。让机器人“学会用工具”
ZINOVA是一家专注物理AI的研发公司 ,

两台TRON 2协同抹平水泥表面
一套机器人 ,物理AI的破局不会来自单一形态的机器人,TRON 2的模块化设计支持换装不同工具、让行业创新者能够在成熟本体上快速构建行业应用 ,机器人作为统一的作业载体 ,在具身智能的赋能下 ,完全自主作业当前仍面临挑战。
