团队
- CEO / Founder：Junghee Ryu（류중희）— 韩国 deeptech 连续创业者和加速器经营者；前 FuturePlay（韩国深科技加速器）负责人；此前创办的公司被美国科技巨头直接收购；首尔科学高中校友，与 KAIST、首尔大学、Naver 等有深厚联系。
- CTO：Jaekyoung Bae（배재경）— arXiv RLDX-1 论文作者之一。
- CSO：Hensen Ahn（안헨센）— arXiv RLDX-1 论文作者之一，学术背景待进一步核实。
- President, US：Carl Choi — 前 Alumni Ventures Deep Tech Fund 合伙人，2026-03 加入 RLWRLD 负责美国市场拓展。
- 团队规模：arXiv RLDX-1 论文有 50+ 作者，说明研究团队规模已显著扩张；官网展示 AI researchers、roboticists、product engineers 混编结构。
- 办公室：旧金山（300 Grant Ave）、首尔（江南区 Teheran-ro）、东京（丸之内 Shin-Marunouchi Building）三地布局。
产品
- RLDX-1：灵巧操作优先的机器人基础模型（Dexterity-First Foundation Model for Robot Hands），2026-05-07 正式发布。可部署到单臂、双臂和人形多种本体，重点解决高自由度灵巧手的抓取、接触和实时控制。
- DexBench：自主发布的灵巧操作基准测试（dexbench.org），将工业灵巧需求拆分为五个难度 regime（抓取多样性、空间精度、时间精度等）。
- ALLEX：与 WIRobotics 合作的人形机器人，强调安全人机协作和手部灵巧性，计划 2026 年秋季展示 RLWRLD 智能在 ALLEX 上的真实表现。
- 4D+ Motion Capture：专有动捕数据管线，用于从工厂采集真实技能数据。
- 当前阶段：RLDX-1 已开源（arXiv 论文 + GitHub 代码 + HuggingFace 权重），但尚未披露具体商业化定价和客户合同规模。
技术路线
- 核心判断：RLWRLD 明确选择”dexterity-first”路线，不做全身运动（locomotion），而是专攻灵巧手操作——定位为工业自动化的”最后一英里”。
- 支撑：
- 官网公司页直言”Dexterity is the hardest problem in robotics. We solve it.”，并将 65-75% 先进制造业剩余人力任务归因于精细操作需求
- RLDX-1 论文明确指出现有 VLA（Vision-Language-Action）模型在倒水、手内旋转、反应式抓取等任务上持续失败，原因是缺少高自由度手-物几何、接触力和时间动态等模态
- RLDX-1 架构包含：Robot-specialized VLM（空间几何推理）、Motion Module（时空运动特征提取）、Synthetic Robot Data（~5× 数据增强）和 Human Data（覆盖远程操作无法触及的高自由度灵巧操作）
- 官方发布在 arXiv（2605.03269）、GitHub（RLWRLD/RLDX-1）和 HuggingFace（Collections/RLWRLD/rldx-1），技术透明度较高
- 路线特征：Hardware-agnostic intelligence——模型可适配任何本体；Industry data is the moat——从工厂现场采集真实数据而非纯仿真；Long-term partnerships——3-5 年企业合作而非一次性试点
- 研究产出：官网研究页列出多项前沿工作（Cog3DMap、RoboAlign、SpatialBoost、RoboCurate、CompACT、DWM 等），涵盖空间推理、VLA 对齐、合成数据策展、世界模型等方向
商业验证
- 核心判断：RLWRLD 仍处于”技术产品化早期”，RLDX-1 刚发布、客户合同和收入规模均未公开。
- 支撑：
- 官网 business 页提供三种合作路径：Roadmap Design（RX）、PoC 验证和长期 Partnership
- 声称已有企业 engagements 跨制造业、物流和服务业，但未披露具体数量和客户名
- Carl Choi 作为 US President 的任命（2026-03-24）说明公司正为美国工业合作做准备
- 韩国媒体报道提到其与 K-robot 产业链（HUBO、Friday、Alex 等）的连接
- 不确定性：尚无公开付费客户案例、部署规模数据或收入信号
市场切入
- 当前切口：日韩制造业的灵巧操作自动化（高端制造”最后一英里”），强调从工厂现场采集数据
- 商业导向：长期合作伙伴模式（3-5 年），“earn while we learn”——数据飞轮嵌入客户运营
- 地理优势：韩国和日本的工业自动化需求密集，公司三地布局（首尔、东京、旧金山）可能利于亚洲市场深耕
融资历史
| 轮次 | 金额 | 时间 | 投资方 |
|---|---|---|---|
| Seed（含多轮追加） | 累计 $41.8M（₩60B） | 2025-04 ~ 2026-04 | 未公开全部 |
注：初始披露为 $14.8M（TechCrunch 2025-04），2026-04 官方新闻称累计达到 $41.8M。
竞争定位
- 核心判断：RLWRLD 是全球具身智能中少见的”dexterity-first foundation model”路线玩家，在灵巧手操作方向上有独特定位。
- 与竞品差异：
- 相比 Physical Intelligence（通用机器人策略）、Skild AI（通用具身基础模型），RLWRLD 明确聚焦灵巧操作而非全身控制
- 相比 Sanctuary AI（液压灵巧手 + 垂直整合），RLWRLD 是 hardware-agnostic 的软件层，不绑定特定本体
- 地理上，RLWRLD 在韩国具身智能生态中有先发优势，且已建立日韩工业客户连接
- 与 WIRobotics ALLEX 的合作为其提供了从软件向整机验证的通道
- 风险：赛道仍处极早期、竞争对手资本更雄厚（Physical Intelligence、Figure AI 等）、灵巧操作的商业价值是否能独立于整机解决方案仍待验证
风险
- 技术风险：灵巧操作是公认最难的机器人子问题之一，RLDX-1 虽开源但实际部署效果待外部验证
- 市场风险：工业客户是否愿意为”纯软件灵巧层”买单，还是会选择自带操作能力的整机方案
- 资本风险：$41.8M 种子轮虽不少，但对比 Physical Intelligence / Figure AI 等对手的 $B 级融资仍有量级差距
- 地理风险：韩国和日本市场天花板可能有限，美国工业市场拓展需要更强的本地化能力
- 竞争风险：如果大模型公司（如 Google DeepMind、NVIDIA）也在灵巧操作上发力，RLWRLD 的差异化可能被快速追平
动态记录
- 2026-05-08：重大更新。确认 CEO 为 Junghee Ryu，累计融资 $41.8M（其中 $26M 为 2026 年新增）。RLDX-1 模型 2026-05-07 正式发布（arXiv 论文 + 开源代码/权重）。补入公司定位”dexterity-first”、三地办公室布局、ALLEX 人形合作、DexBench 基准、Carl Choi 任 US President 等关键信息。depth_score 从 14 调至 30（来源大幅增加，但距 Phase 2 下限 40 仍有差距）。
- 2026-04-14：根据官网主页 / team / research 与 TechCrunch 融资稿建立骨架档案，当前优先补创始团队、投资方与真实部署信息。