当主流AI领域追逐视觉-语言-动作模型与世界模型时，一支由清华大学师生组成的团队正以颠覆性理念挑战行业认知。这支名为橡木果机器人的团队，自2016年起便聚焦于被多数研究者忽视的领域——操作本能，试图为机器人赋予类似人类与生俱来的操作能力。
团队核心成员姜峣在哈佛大学博士后研究期间发现，人类抓取物体的行为具有跨文化一致性。无论来自何种背景，人们抓取物品的方式惊人相似，这种无需后天学习的能力与语言形成鲜明对比。这一发现促使他质疑数据驱动范式在机器人操作领域的普适性，转而探索基于生物本能的解决方案。
与传统数据驱动方法不同，该团队构建了"本能-反射"架构。通过模拟人类对滑移的感知反馈，机器人能在抓取过程中自主调节力度，无需预先建模物体物理参数。这种自下而上的技术路线，与主流自上而下的端到端学习形成根本性分歧。团队成员指出，操作任务包含任务规划与硬件执行两个维度，而现有模型往往将二者混为一谈。
在硬件层面，团队耗时七年研发的触觉传感器可获取接触界面的分布力、变形、滑移等32维信息。这种对物理交互的深度感知，使机器人能理解"手感"背后的力学逻辑。实验显示，配备该系统的机械臂能通过翘起方式抓取无法直接抠取的身份证，展现出超越预设程序的适应能力。
产业落地过程中，团队避开竞争激烈的汽车领域，转而聚焦快消品行业。在化妆品生产线上，其系统成功解决频繁换产导致的调试难题，实现"零部署成本"应用。某香薰企业的灯芯扶正工序中，机械臂凭借触觉反馈系统，准确处理不同粗细、软硬的灯芯，替代了原生产线上的数百名工人。
技术壁垒构建方面，团队强调双重护城河：首先是认知层面的共识突破，多数研究者仍难以接受操作本能的存在；其次是系统层面的本能拆解，将人类操作行为归纳为定向、探索、抓握三种基础反射。这种理论创新与工程实践的结合，形成难以复制的技术积累。
资金与生态建设方面，团队采取独特策略。前期通过触觉传感器研发积累技术信用，2025年后逐步展示操作系统的完整能力。姜峣坦言，与主流技术路线背道而驰确实带来生态构建挑战，但先发优势与真实场景数据闭环正在形成竞争壁垒。目前其触觉模块已在多个细分领域占据主导地位。
这个由8位清华博士组成的团队，拒绝了留校任教与大厂高薪的诱惑。成员回忆，姜峣用"操作领域的特斯拉"愿景说服了他们。在清华实验室时期，他们就经历了长达三年的理念磨合，最终形成对本能驱动的坚定信仰。这种学术共同体向创业实体的转化，在高校创业史上极为罕见。
当被问及技术路线风险时，姜峣以牛顿万有引力定律作比：复杂运动现象背后存在简洁底层逻辑，操作本能正是这样的"第一性原理"。团队正通过工业场景积累数据，逐步验证其理论框架的普适性。在某化妆品企业的生产线上，机械臂抓取准确率已稳定在99.7%，超过人类操作工水平。
