星尘智能发布 CoMind 框架，探索机器人主动协同

11 月 13 日，星尘智能发布 CoMind（Be My Eye）多机协同框架。该框架面向机器人协作中的视野遮挡与信息传递问题，尝试让机器人主动筛选并共享影响队友决策的任务信息，而不是依赖中心节点分配每一步动作，或直接传输大量原始数据。

在组装纸箱、叠被、冰箱补货等任务中，机器人的视野和操作状态往往互不相同。一台机器人掌握的信息，可能正是队友完成下一步动作所需要的依据。但如果所有决策都由中心节点统一调度，细致动作需要反复上报和等待；如果机器人只进行简单通信，又可能缺少对任务进度和动作的有效理解。

CoMind将协作拆解为信息提取与共享、协同决策两个环节，目标是在分布式执行中，让每台机器人既能利用自身观测，也能使用队友提供的关键信息。

机器人共享任务上下文，而非转发全部画面

CoMind首先从视觉信息中提取与任务相关的上下文。星尘智能介绍，模型在训练中不仅学习当前画面中的内容，也学习哪些信息会影响后续动作，并结合任务进度识别队友当前处于哪个执行阶段。

例如在组装纸箱时，机器人需要知道队友是否已经就位、是否准备插入箱页；在寻找特定物品时，则要共享目标的关键特征。系统据此筛选信息并传递给队友，减少无关画面和数据带来的通信负担。

接收信息的机器人会将队友共享的上下文，与自身视觉观测、任务指令和本体状态结合，再输入视觉—语言—动作（VLA）策略生成动作。框架采用对称的信息编码与动作策略接口，使每台机器人都可以提取、发送和接收任务信息。

依据动作结果优化信息传递

CoMind还引入动作级反向传播机制。训练时，系统根据机器人动作的结果优化信息编码器，使其学习哪些信息更能帮助队友完成任务。

以盲盒置物为例，一台机器人能看到目标位置，另一台则被遮挡。接收信息的机器人如果放置错误，动作结果会作为训练信号，帮助发送端调整后续共享内容。模型优化的目标因此不仅是提取清晰信息，也包括传递对协作决策有用的信息。

星尘智能在六项任务中测试了 CoMind，包括纸箱与哑铃组装、叠被收纳、冰箱补货、盲盒置物和隔墙跟随等。公司公布的结果显示，在隔墙跟随拿笔测试中，任务成功率从 0% 提升至 100%；在遮挡条件下寻找指定盒子并放置物品的测试中，准确率从 38.9% 提升至 88.9%，信息传输量减少 80%。

这些结果对应特定任务和测试条件。不同任务的成功率、准确率及通信量如何统计，会影响结果的比较与解释；CoMind在更广泛场景中的表现，还需结合后续测试和实际部署观察。

从共享信息走向协同预判

星尘智能称，CoMind目前侧重于任务上下文共享，后续计划探索机器人之间的意图共享，让机器人根据队友的潜在动作提前调整自身行为。

CoMind建立在星尘智能 Lumo 模型及其机器人系统研发基础上。对多机协作而言，信息共享能否减少等待、提升配合质量，需要最终由连续任务中的完成效果来验证。星尘智能已公开相关技术报告及真机演示视频。