星尘智能发布 CoMind 多机协同框架，隔墙协作成功率从 0 升到 100%

星尘智能发布了一套面向多机器人协同的模型框架 CoMind，副标题是 Be My Eye。这家以绳驱机器人和自研具身智能模型受到关注的深圳公司，这次把研究重点从单机能力移到了机器与机器之间的配合。

它要解决的问题很具体：多个机器人一起干活时，怎么协调决策、怎么交换信息。让中心系统统一调度，精细动作容易慢半拍；把摄像头画面全部传给队友，又会产生大量冗余数据，把通信和处理负担推高。

CoMind 的思路是去中心化的主动共享。每台机器人都可以主动向队友提供信息，再结合收到的上下文独立生成动作，不再依赖一个中心控制器下发全部指令；同时它并不传输完整视频，而是按任务需求提取关键视觉特征与操作状态。

极限测试给出的数字相当直观。两台机器人隔着挡板、彼此完全看不见，却通过共享关键信息完成配合拿笔，任务成功率从 0% 提升到 100%。在盲盒置物任务中，完全不共享信息时准确率为 38.9%，改用另一种上下文传输方案后为 72.2%，CoMind 进一步做到 88.9%，同时把通信量削减约 80%。

星尘智能展示了六项真机实验：隔墙拿笔、盲盒置物、纸箱组装、叠被收纳、冰箱补货与哑铃组装，覆盖视觉遮挡、柔性物体操作和精密装配几类不同的协作难点。

技术上有两个阶段。第一阶段由上下文编码器从多路摄像头观测中筛选、压缩关键信息，并学习预测未来的视觉变化，让机器人理解操作处在哪个阶段；第二阶段是双向共享与协同动作生成，接收方把共享信息与自身视觉、任务指令和本体状态一起输入视觉语言动作模型，输出连续动作。

还有一个关键设计叫动作级反向传播。简单说，队友的动作结果会反过来决定自己该提供什么信息：如果接收方最终伸错了位置，动作预测误差可以在训练中反向传回信息编码器，促使它调整关键特征的提取方式，让交流服务于操作，而不是单纯描述环境。

这个方向正成为具身智能的热点。量子位提到，斯坦福大学团队在 2026 年提出的 CHORUS 尝试让不同机器人共用同一套视觉语言动作策略、在各自独立感知的条件下协作，且不在运行时显式通信。两条路线指向同一个判断：单机再强也受视野、机械结构与操作范围限制，协作智能才是补齐边界的那一环。