从感知到存在
让 AI 成为真正的生命
今天的机器人，问题出在哪里
行业现状
- 视觉能力薄弱
- 被动响应（依赖触发）
- 只会“聊天”，无法驱动行为
- 预设脚本式的机械动作
- 多人场景下无法正常工作
糯宝的答案
“糯宝生来就是一个 AI 生命体——感知、认知、情感、记忆与表达浑然一体。由 AI 基于全景上下文的输入，自主决策情绪、行为、表情和语言。”
真正的 AI 生命体架构
AI 生命体持续感知真实世界，理解人与情境，形成记忆与情感，并通过身体、目光和声音表达自己。
端侧智能
低延迟感知与实时控制。在云端响应之前，它已驱动即时反应、流畅动作和随时在线的注意力。
- 人脸跟踪与目光锁定
- 语音打断与对话轮替提示
- 触摸、姿态与反射回路
- 运动控制与安全限位
- 本地状态：清醒、困倦、投入
云端生命体引擎
全模态理解、推理、记忆与人格。它构建上下文、学习偏好，并跨语音、动作与表情规划回应。
- 多模态理解与推理
- 身份、情感与意图建模
- 长期记忆与个性化
- 故事生成与对话规划
- 持续的行为编排
端云协同，一个生命循环（Living Loop）
端侧优先感知，
云端就绪上下文
眼睛、麦克风、触摸与运动在端侧持续感知，实时捕捉谁在这里、正在发生什么。
云端级理解，
端侧级注意力
云端融合视觉与音频线索，构建场景与社交上下文；端侧同时维持注意力——目光跟踪、说话人方位与打断提示。
人格、记忆，
以及社交规则
云端基于性格、记忆与社交动态选择意图和行为，端侧负责把控时机与安全约束。
由身体呈现，
由循环同步
眼睛先动，身体跟随。动作、声音与腹部灯光以逼真的节奏交付回应——没有预设的循环脚本。
创造“存在感”的能力
视觉、对话、情感、记忆、自我模型与运动，统一在同一个循环之中。
理解真实世界
云端视觉推理，把糯宝看到的一切变成理解——并化为行动。
视觉推理
她理解的是场景和情境，而不只是物体或人脸。
意图与情绪线索
她能从目光、姿态和所处情境中推断注意力、意图与心情。
从看见到互动
她看到的会自然融入对话与行为——回应因此显得及时而鲜活。
主动的注意力
由持续的实时视觉推理驱动，而非基于触发的检测。
注意
你看她→她会察觉。她自然地追随你的目光，与你保持眼神交流。
主动开启
你持续注视→她会有情绪反应。你挥挥手→她主动开启对话。
情境感知
主动扫视周围环境，了解谁在场、正在发生什么。
自然的多人对话
一套真正可用的家庭对话系统。
无需唤醒词
看着她，自然开口即可。随时可以打断。
多人感知
知道谁在说话、在对谁说话，也不会打断人与人之间的交谈。
记忆驱动的对话
分别记住每一个人，随着时间推移问出更好的问题。
自我意识与边界
她知道“自己是谁”。
身份与边界
知道自己能做什么、不能做什么。有边界，也有情绪。
情感自主
会基于互动经历说“不”、闹点小情绪，或者感到自豪。
栩栩如生的表达
不是预设的表情包——而是一个连续的情感空间，情绪在其中自然交融、流动。
连续的情感，而非预设表情
多数机器人像换贴纸一样在“开心”“难过”“生气”之间切换。糯宝采用三维情感模型（VAD：愉悦度、唤醒度、支配度），情绪平滑过渡——正如真实的情感那样。
超写实的眼睛
六种可混合的眼部基元，创造无限表情。双眼独立视线、虹膜微动、高光闪烁、随眼睑联动的转动——这里没有“死鱼眼”。
全身一致
同一种情绪同步驱动眼睛、声音（语速、音高、停顿）和身体（速度、幅度、姿态）。你感受到的是一个统一的情感生命，而不是几套各自为政的系统。
记忆与成长
她不只是记住对话——她在真正建立对你的理解。
四层记忆系统
从此刻的即时感知，到永久沉淀的知识。她会记得你三个月前提过讨厌西兰花，也记得你女儿的生日快到了。
自然遗忘
像人类的记忆一样——重要时刻细节清晰生动，日常琐事印象渐渐淡去。重要的保持鲜明，不重要的自然淡忘。
她有自己的生活
闲下来时，她会玩耍、哼歌、四处张望。她有自己的节奏和好奇心——不是一块干等指令的空白屏幕。
一个持续生长的能力生态
Skill = 提示词 + 代码 + Lifeform API。开发者定义“做什么”——让她活起来的部分，交给操作系统。
具身反射
对触摸、运动和有人靠近的端侧即时反应。没有云端延迟——纯粹的本能。
交互 Skill
由对话驱动的单步任务，把交谈与真实世界的动作结合起来。
自主 Skill
多步骤自主任务：规划、执行、随机应变——像一个真正能把事办完的助手。
发布即涵盖 10 大类 Skill，新 Skill 持续上线；面向第三方开发者的 Skill Store 也将开放。
让存在感落到实体
具身的表达，
而非预设动画
每一次反应都是全身协同的整体演绎——由生命模拟系统驱动。
全身协同
动作从来不是单轴的——眼睛、头部、身体与节奏浑然一体。
眼睛先行，身体跟随
目光先动，身体跟上，随后目光稳定——就像真正的生命。
不靠屏幕的表达
眼睛保持纯粹——没有 UI 叠层，没有图标，没有“显示屏假脸”。
5 自由度的表达性运动
手、耳与全身旋转，构成丰富的情感语言。
温热的身体，而非冰冷的塑料
恒定的温热，让你抱起她时多一分“活着”的安心。
超写实的眼睛
微观目光动态、眼睑联动与细微虹膜运动，营造真实的存在感。
腹部灯光即表达
与语音同步的灯光代替了嘴巴——颜色成为情绪。
没有按钮，无需切换模式
开关机、音量和设置，都在自然交互中完成。
自然唤醒，状态清晰
抚摸或呼唤名字即可唤醒她，电量与联网状态随口一问就知道。
糯宝不是一台只会被动反应的机器人。
她是一个会感知、
会理解、会回应的生命体，
带着存在、情感与意图。