波士顿动力与FieldAI宣布达成战略合作，旨在推进机器人技术在建筑行业及其他复杂多变环境中的落地应用。此次合作将波士顿动力的顶尖机器人平台与软件栈，同FieldAI专为未知环境探索而研发的“现场基础模型”（FFMs）相结合，从而将机器人的自主作业能力拓展至以往因不可预测性过高而难以涉足的领域。

以建筑行业为例，施工现场处于持续演变状态，地形地貌不断变化，空间布局时时调整，且常有工人交叉作业。这种高度动态的环境长期以来使得传统编程机器人难以安全、有效地运行。在快速推进的项目中，采集精确及时的现场信息并保持全局掌控，不仅劳动强度大、容易出错，还可能将工作人员置于危险境地。建筑领域正是检验这项技术的理想试验场——倘若机器人能在这样的环境中实现自主作业，那么它们几乎可以在任何地方胜任工作。

波士顿动力公司创始人马克·雷伯特（Marc Raibert）表示："我们与阿里（Ali）及其团队相识已久，早在他们使用Spot机器人赢得DARPA地下挑战赛的城市赛段时，就已经在应对为NASA解决同类难题了。"

“将FieldAI在风险感知自主性方面的专长与Spot卓越的移动能力相结合，使我们能够共同应对那些以往对机器人而言属于‘禁区’的未知且高度动态的环境。”波士顿动力创始人马克·雷伯特表示，“这对机器人领域而言是真正意义上的巨大进步，我们对FieldAI正在迎接的挑战感到兴奋。”

从“预设执行”到“风险决策”：通用自主的新纪元

基于其在工业环境中部署自主机器人的深厚经验，波士顿动力带来了久经考验的硬件能力。其机器人设计用于在制造和加工设施中全天候可靠运行，实质上“常驻”于这些环境中。它们执行预定任务，采集数千个数据点，并通过波士顿动力的Orbit平台进行分析，帮助组织提前发现故障、进行预防性维护并执行安全巡检。

而通过与FieldAI的合作，这些机器人正迈向通用自主的新时代。FieldAI作为机器人AI和自主操作领域公认的领导者，其核心技术是“现场基础模型”（FFM）。这是一种专为具身智能构建的新型“物理优先”基础模型，为多智能体、机群级别的机器人协同建立了基础层。

与那些为机器人技术而改编的传统AI模型不同，FFM是专门为推理现实世界中的不确定性、风险和物理约束而设计的。这使得机器人能够在动态、非结构化的环境中安全、自主地运行，处理它们未曾明确接受过训练的场景，且无需依赖预存的地图布局、GPS、固定路径或额外的机器人基础设施。搭载FieldAI FFM的机器人可以在完全边缘端自主运行，无需任何云端连接，这使得客户能够将业务拓展到地球上最偏远的地区。

当Spot装上“工地大脑”：应对建筑业的“混沌”挑战

将专为工业巡检和在复杂环境中移动而设计的四足机器人Spot，与FieldAI的FFM模型相结合，极大地扩展了其能力，使其能够全面理解施工现场，跟踪并记录竣工进度。

Spot坚固耐用的移动性，加上FFM的风险感知决策能力，使得机器人能够安全有效地在曾经被认为过于混乱而无法实现自动化的环境中导航。随着每个机器人在不同环境中采集运行数据，FieldAI的模型会持续改进，形成一种复合数据优势，加速部署可靠性并实现快速扩展。

该解决方案直击建筑业的关键挑战，包括不可预测的地形、动态的工作流程和安全监控。FFM使Spot能够随着场地的变化进行调整，采集准确数据，并将其与数字孪生或BIM模型对齐，将原始信息转化为可操作的洞见。凭借未知领域探索能力，一个由FieldAI驱动的Spot可以在对地下矿井、快速演变的建筑区域或动态人口密集场所等环境没有任何先验知识的情况下，穿越未知或高度动态的区域。

波士顿动力首席战略官马克·特尔曼（Marc Theermann）表示：“FieldAI在全球复杂和动态工地的大规模部署方面处于领先地位，并为建筑团队提供了他们日常使用的价值。让机器人在这些环境中可靠工作并处理未知探索，感觉就像是机器人领域的‘火箭科学’，如果说有哪个团队能应对这些挑战，那非FieldAI莫属。”

从单机智能到机群协同：开启规模化部署

目前，配备FFM的Spot已在众多建筑工地部署，自主执行巡检、测绘和监控任务。它可以通过3D扫描和图像跟踪每日进度，识别积水或通道堵塞等安全隐患，并能在夜间运行，为每个清晨提供最新的现场洞察。

FieldAI的独特之处在于其专注于将机器人机群作为多智能体系统进行部署和管理。机群所能实现的远超单个机器人：机器人之间可以相互协调，共享对环境的理解，并在整个场地范围内进行集体推理，将自主机器转变为一个真正的分布式系统，而非孤立的一次性工具。这样的机器人机群可以跨多个项目部署，实现大规模的操作和数据采集标准化。

FieldAI与波士顿动力的合作为建筑运营带来了显著效益：

效率： 巡检和文档记录时间比人工流程减少了90%以上。

成本节约： 偏差的早期发现减少了代价高昂的返工。

安全： 机器人监控危险区域，减少了工人的暴露风险。

可扩展性：从亚洲到欧洲再到北美的客户，正在将其部署规模扩大到企业级。

FieldAI创始人兼首席执行官阿里·阿迦（Ali Agha）指出：“像建筑工地这样复杂的现实世界场地，本质上是不可预测的。真正的突破在于开发出能够理解风险并实时做出决策的机器人和‘机器人大脑’。这种智能让机器人能够自主适应，为复杂环境带来了全新的可靠性和洞察力。我们现在正处于一个临界点，大规模机群部署已成为可能。”

作为合作的一部分，FieldAI将在未来几个月内扩大Spot机器人的部署，致力于打造全球最大的第三方四足机器人机群之一。

波士顿动力的Spot机器人与FieldAI的FFM模型相结合，为这种技术路径如何应用于其他对适应性、可靠性和安全性要求极高的行业提供了一个范例。通过在建筑领域精炼这一方法，两家公司正在重新定义具身智能的可能性，并为未来的自主应用奠定基础。