隱身新創的核心任務
位於舊金山 SoMa 區的辦公室幾乎空蕩，唯一的「裝飾」是一排排懸掛在支架上的類人機器人。創辦人 Danijar Hafner（31 歲）正以隱身模式籌備新創，目標是讓機器人在「從未見過」的居家環境中自如行動。對於要送機器人進入民宅的應用而言，能即時因應未知的平面圖與家具配置，是突破傳統機器人限制的關鍵。
技術路線：模型式強化學習
Hafner 的核心技術是 模型式強化學習（model‑based reinforcement learning）。他先構建「世界模型」——一種模擬實體物理規律的 AI 模型，讓智能體（agent）在此虛擬環境中進行大量試驗。智能體把模型當作真實世界的「模擬器」，學會如何行動，然後將這些經驗「夢想」成未來的預測，最後套用到實體機器人上，實現對未見情境的即時適應。與傳統需要大量實體試錯的機器人研發相比，這套方法可在不觸碰真機的情況下完成大規模、複雜任務的學習。
創辦人背景與產業連結
Hafner 出身德國東北部農村，父母皆為古典音樂家。自幼在鄰居指導下學會程式設計，高中時即開始線上學習人工智慧（AI），對「思考」的運作產生濃厚興趣。2015 年，他在波茨坦的 Hasso Plattner Institute 就讀二年級時，獲得 Google Brain 的學生研究員職位，之後在 Google Brain、DeepMind（已合併）等部門累積十餘次實習與工作經驗，曾與 AI 先驅 Geoffrey Hinton、Ashish Vaswani（《Attention Is All You Need》作者）等大師共事。這些經歷讓他深諳前沿 AI 理論與實務落地的落差，也為新創提供了強大的研究網絡。
未來展望與挑戰
隨著類人機器人逐漸從實驗室走向家庭，**「未見環境的即時適應」**將成為商業化的關鍵門檻。Hafner 的模型式強化學習若能在真實居家場景中驗證成功，將大幅降低機器人部署的成本與風險，開啟從清潔、照護到居家助理的多元應用。然而，模型的真實度、計算資源需求以及安全性驗證仍是未解的挑戰。若能克服這些障礙，隱身新創有望在未來數年內，將「科幻」中的類人機器人，變成每戶家庭的實用夥伴。