RLWRLD

团队

一句话定位

• 形态：纯软件 VLA 基座模型（硬件无关）
• 技术路径：Dexterity-first Multi-Stream Action Transformer (MSAT)
• 数据策略：真实工厂/酒店场景穿戴式数据采集 + 仿真增强
• 团队基因：KAIST 学术 + 韩国深科技创业圈 + 日韩工业巨头联盟

来源：Forbes Korea (2026-05-18)

创始人

• CEO：Junghee Ryu（류중희）— 韩国 deeptech 连续创业者，前 FuturePlay 深科技加速器负责人（10+年）；此前创办图像识别公司 Olaworks，2012 年被 Intel 收购
• 创始动机：2023 年前后 KAIST 校友会讨论认为韩国已在 ChatGPT 级 AI 竞争中落后，Ryu 判断”移动机器人的 AI 仍是开放战场”

来源：Forbes Korea (2026-05-18) + KoreaTechDesk (2025)

核心研究

• Chief Scientist：Jinwoo Shin（신진우）— KAIST AI 研究生院 ICT 讲座教授，RLDX-1 技术 session 主讲人
• CTO：Jaekyoung Bae（배재경）— RLDX-1 arXiv 论文作者之一
• CSO：Hensen Ahn（안헨센）— RLDX-1 arXiv 论文作者之一
• 团队规模：50+ 命名作者在 RLDX-1 论文（arXiv 2605.03269），混编 AI researchers + roboticists + product engineers

来源：RLDX-1 arXiv (2026-05-07)

美国市场

• President, US：Carl Choi — 前 Alumni Ventures Deep Tech Fund 合伙人，2026-03 加入，负责美国工业合作拓展

来源：GlobeNewswire (2026-03-24)

商务团队

• Co-founder & CBO：KW Lee — 负责业务拓展、全球战略合作伙伴关系，主导日本/韩国企业合作

来源：b2match Technology & Business Cooperation Days 2026 (2026-05)

• Business & Strategy Executive：Hyemin Cho — 公开代表公司出席 Lotte Hotel 等数据采集合作项目

来源：Euronews (2026-05-14)

办公地点

• 三地办公室：旧金山（300 Grant Ave）、首尔（江南区 Teheran-ro）、东京（丸之内 Shin-Marunouchi Building）

来源：RLWRLD 官网 (2026-05)

产品

RLDX-1 模型概览

• RLDX-1：全球首个 Dexterity-First 机器人基础模型，2026-05-13 于旧金山 Exploratorium 举办Dexterity Night 正式发布
• 覆盖本体：单一 backbone 适配 WIRobotics ALLEX 人形、Franka Research 3 协作臂、OpenArm 开源平台
• 发布形式：arXiv 论文（2605.03269）+ GitHub 代码 + HuggingFace 权重，全开源

来源：The AI Insider (2026-05-14)

基准测试表现

• GR-1 Tabletop（人形专用）：RLDX-1 超出 NVIDIA Isaac GR00T N1.6 达 10.7 个百分点
• RoboCasa Kitchen：70.6 分（GTC Taipei 2026-06-02 确认）— 首个打破 70 分大关的 VLA 模型，超越 GR00T N1.6（66.2）4.4 分
• ALLEX 咖啡倒水：70.8% 成功率 — 约为竞品模型的 2 倍
• 八项公开基准：RLDX-1 在全部 8 项公开基准上超越此前 SOTA（GTC Taipei 2026-06-02 确认）
• 训练效率：仅需 NVIDIA GR00T N1.5 约 20% 训练算力（AI Insider 2026-06-02）
• RoboCasa365 benchmark：Tops 该基准（2026-05-21 报道）
• 人形操作综合：RLDX-1 声称 86.8% 成功率 vs π0.5 和 GR00T N1.6 的约 40%

来源：The AI Insider (2026-05-14) + RD World Online (2026-05-14)

DexBench

• DexBench：自研灵巧操作基准（dexbench.org），将工业需求拆为 5 个 regime
• 任务规模：18 项任务 + 55 评估例

来源：DexBench (2026-05)

ALLEX 合作

• ALLEX 人形机器人：与 WIRobotics 合作，轮式人形 + 高灵活臂 + RLWRLD 智能
• WIRobotics 融资：2026-05 完成 $70M Series B
• 计划时间线：2026-09 展示 RLDX-1 在 ALLEX 上的真实效果

来源：YouTube 官方视频 (2026-05) + Threads (2026-05)

4D+ 世界模型路线

• 下一代：4D+ 世界模型 — 超越 vision/language/action，在时间轴上联合预测 contact、torque、robot state

来源：The AI Insider (2026-05-14)

技术路线

架构创新

• Multi-Stream Action Transformer (MSAT)：vision、language、action、tactile、memory 各分配独立 stream，通过 joint attention 在终端融合；专为动态重量/力/接触条件变化的任务设计
• Robot-specialized VLM：在机器人 VQA 数据上微调，聚焦末端执行器-目标物几何关系推理
• Motion Module：时空运动特征提取
• Synthetic Robot Data：~5× 数据增强
• Human Data：覆盖遥操作无法触及的高自由度灵巧操作

来源：RLDX-1 arXiv (2026-05-07) + Humanoid Guide (2026-05-15)

NVIDIA 基础设施

• 开发栈：NVIDIA Isaac GR00T、Isaac Lab、Isaac Sim、cuRobo
• 训练：NVIDIA Hopper GPU（H100/A100）
• 推理：NVIDIA Jetson AGX Thor + Jetson Orin + TensorRT
• 端到端部署：云端训练的单 backbone 模型可直接在 edge 设备运行，无需重训练
• 官方定位：NVIDIA 机器人生态负责人 Amit Goel（Senior Director, Product Management）称 RLWRLD 是 “one of the key partners in the physical AI ecosystem NVIDIA is building”；NVIDIA Inception 计划成员

来源：The AI Insider (2026-05-14) + The AI Insider — GTC Taipei (2026-06-02)

DexBench 行业标准倡议 (fact-id: f-dexbench-2026)

• 发布时间：2026-06-09
• 合作方：NVIDIA
• 定位：与 NVIDIA 联合发起行业标准倡议，定义下一代人形机器人 AI 的灵巧操作评估标准
• 框架规模：18 项基准任务（T00–T17）、56 个评估案例，覆盖制造、服务、物流三大行业
• 分类体系：基于 OSC 轴（Object/Scene/Context）+ Dexterity Regimes（抓取多样性、空间精度、接触精度、力控、动态性等），将灵巧操作从学术 grasping 扩展到工业级多维度评估
• 任务覆盖：从 Special Picking（特殊抓取）到 Tool-Use（工具使用）到 Moving Object Interaction（移动物体交互），涵盖单手/双手、刚性/柔性/流态物体操作

来源：DexBench 官网 (2026-06) + PR Newswire (2026-06-09) + Engineering.com (2026-06-12)

研究覆盖 (fact-id: f-research-papers-2026)

• 已发表工作：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
• GRIT（arXiv 2604.04138, 2026-04-05）：两阶段框架从稀疏 taxonomy 指导学习灵巧抓取控制，在 370+ 新物体上达 87.9% 成功率，显著优于 baseline；作者含 RLWRLD 团队成员 [来源：arXiv (2026-04-05) — 🟢]
• VaLR（arXiv 2602.04476, ICML 2026, 2026-04-01）：Vision-aligned Latent Reasoning，在多模态 LLM 推理链中动态生成视觉对齐的 latent token，保留长推理中的视觉信息并解锁 test-time scaling；作者含 KAIST/RLWRLD 团队 [来源：arXiv (2026-04-01) — 🟢 ICML 2026]
• HRDexDB（arXiv 2604.14944, 2026-04-16）：大规模多模态灵巧抓取数据集，覆盖 human 和多种 robotic hand 的 100 物体高保真抓取轨迹，支持 human-robot 抓取直接对比 [来源：arXiv (2026-04-16) — 🟢]
• AutoDex（arXiv 2606.23689, 2026-06-22）：自动化真实世界灵巧抓取数据收集系统，跨 Allegro 和 Inspire 手在 100 物体上采集 3,593 次抓取试验，同步多视角观测和机器人状态日志；数据收集吞吐量比遥操作高 4.8×，真实世界成功率 76% [来源：arXiv (2026-06-22) — 🟢]

来源：RLWRLD Research (2026-06)

商业验证

企业合作规模

• 已接触企业：200+ 大型企业会面（截至 2026-05-13，Dexterity Night 主题演讲披露）
• 活跃项目：10+ 大型企业 PoC（基准验证）+ RX（路线设计），覆盖制造、物流、酒店

来源：The AI Insider (2026-05-14)

Rainbow Robotics 合作

• 合作伙伴：Rainbow Robotics（韩国，KAIST 孵化，Samsung 为最大股东）
• 合作范围：RFM 应用扩展至 Rainbow Robotics 各机器人平台

来源：Tech in Asia (2026-05-08)

行业活动曝光

• Humanoids Summit Tokyo：2026-05-28/29，Takanawa Convention Center，CEO Junghee Ryu 发表主题演讲
• NVIDIA GTC Taipei 2026：2026-06-01 至 2026-06-04，台北国际会议中心，展示 RLDX-1 及 RFM 开发管线；RLWRLD 以 Taiwan 补全「韩国–日本–台湾」东亚制造/机器人/半导体走廊，计划对接亚太硬件伙伴加速 RFM 生态扩张

来源：BusinessWire (2026-04-08) + The AI Insider (2026-06-02)

InnoVEX 2026

• 奖项：在 2026 台北 COMPUTEX/InnoVEX 上获奖（2026-06-05），展示 RLDX-1 模型及基于 AWS 的训练架构

来源：TipRanks (2026-06-05) + TipRanks (2026-05-21)

RLDX-1 全球巡展首尔收官 (fact-id: f-tour-seoul-2026)

• RLDX-1 全球巡展首尔站：2026-06-10，RLWRLD 在首尔举办 RLDX-1 全球巡展收官活动，NVIDIA、AWS 及韩国制造企业高管出席；现场展示 RLDX-1 在酒店、物流、制造场景的灵巧操作 demo
• 韩国媒体集中报道：2026-06-10 至 2026-06-16 期间，韩国主流媒体密集报道 RLWRLD（7 篇以上），包括 전자신문（电子新闻）、이데일리（每日经济）、테크42、뉴스투데이、글로벌이코노믹（Global Econometrics）、FA저너、네이트
• “Physical AI 的答案在现场”（테크42, 2026-06-11）：标题引用 RLWRLD 主题——酒店/物流/制造企业现场数据采集是 physical AI 成功关键
• “机器人终于模仿手…劳动的最后英里自动化”（이데일리, 2026-06-11）：聚焦 RLWRLD dexterity-first 定位与”劳动最后一英里”（last mile of labor）自动化愿景
• WEF 选出的下一个独角兽（글로벌이코노믹, 2026-06-14）：RLWRLD 作为 WEF Technology Pioneer 2026 入选者，被韩国媒体列为下一个有望达到独角兽估值的韩国机器人创业公司之一
• CEO 采访：手技能评估标准（네이트/인터뷰, 2026-06-14）：“无法分辨智能机器人…RLWRLD 提出手指技能评估标准”——CEO Ryu 就 DexBench 标准化愿景接受采访

来源：전자신문 (2026-06-10) — 🟡 headline-level + 테크42 (2026-06-11) — 🟡 headline-level + 이데일리 (2026-06-11) — 🟡 headline-level + 글로벌이코노믹 (2026-06-14) — 🟡 headline-level + 네이트 (2026-06-14) — 🟡 headline-level + FA저널 (2026-06-16) — 🟡 headline-level

核心企业投资方

• 韩国：SK Telecom、LG Electronics、CJ Logistics、Lotte
• 日本：KDDI、ANA Holdings、Mitsui Chemicals、Shimadzu
• 投资性质：企业战投为主，非典型 VC 结构——这些工业巨头既是出资方也是潜在客户

来源：The AI Insider (2026-05-14) + GlobeNewswire (2026-02-26)

实际场景数据采集

• 酒店场景：Lotte Hotel 首尔员工穿戴相机采集 napkin folding、餐具准备等动作数据
• 物流场景：CJ Logistics 仓库员工穿戴式运动追踪
• 零售场景：Lawson 便利店员工穿戴相机记录货品陈列、拿取动作
• 数据内容：数字化为手指定位 + 关节角度 + 施力大小 + 动作序列
• 韩国政府项目：同期投入 ~$33M，将行业大师技能数字化并嫁接 AI 制造系统

来源：Sanhak News (2026-05-13) + Interesting Engineering (2026-05) + Euronews (2026-05-14)

人机效率对比

• 酒店客房清洁：机器人当前需要数小时 vs 人类员工约40 分钟（RLWRLD 自述）
• 目标时间线：RLWRLD 希望其 AI 可用于工业机器人2028 年前

来源：Euronews (2026-05-14)

奖项

• Nebius 机器人奖：Foundation Models 类别第一名（2025），获得 $150K Nebius AI Cloud 计算积分

来源：Engineering.com (2025)

资本结构

融资

• 累计种子轮：₩60B（约 $41.8M），2025-04 至 2026-04 多轮追加（b2match 平台另有 $45M 口径，来源可靠性偏低）
• Seed 1：$14.8M（TechCrunch 2025-04-14 报道）
• Seed 2：$26M（2026-02-26 官方宣布）
• 投资方类型：企业战投为主（LG、SK、CJ、Lotte、ANA、KDDI 等），非典型 VC 结构

来源：GlobeNewswire 官方新闻 (2026-04) + TechCrunch (2025-04-14)

估值

• 估值：未披露（种子轮阶段未公布估值）

来源：公开信息未披露

竞争定位

差异化定位

• 全球唯一 dexterity-first 基础模型：不碰 locomotion，专攻高自由度灵巧手操作作为工业自动化”最后一英里”
• Hardware-agnostic：不绑定特定本体，可适配单臂、双臂、人形
• 地理先发：韩国唯一具身基础模型公司，日韩工业客户连接已建立
• 数据飞轮：从工厂现场采集真实操作数据而非纯仿真，“Industry data is the moat”

来源：Forbes Korea (2026-05-18) + RLWRLD Business Page (2026-05)

竞品对比

• Physical Intelligence (π)：通用全身操作 → RLWRLD 只攻灵巧手，不碰全身
• Skild AI：通用具身基础模型 → 覆盖多技能但 dexterity 非专精
• NVIDIA GR00T：全栈平台 → RLWRLD 是 GR00T 生态核心合作伙伴，非竞品
• Sanctuary AI：液压灵巧手 + 垂直 → RLWRLD 纯软件、硬件无关

来源：The AI Insider (2026-05-14)

不确定性（未披露）

• 商业模式风险：纯软件”灵巧层”能否独立存在，还是会被整机方案吸收
• 资金差距：$41.8M 种子轮 vs Physical Intelligence $1B+，资源差距 20×+
• 市场天花板：韩国本土市场有限，北美扩张尚在初期（Carl Choi 2026-03 刚加入）
• 商业化阶段：尚无公开披露的付费客户或收入数据

来源：自研判断

奖项与认证 (fact-id: f-awards-2026)

• WEF 2026 Technology Pioneer：RLWRLD 入选世界经济论坛 2026 年度 Technology Pioneer 名单（2026-06-10 公布），与全球约 30 家科技初创公司一同入选，涵盖 AI、能源、航天等领域 [来源：The World Economic Forum (2026-06-10) — 🟡 headline-level，原文 403 无法访问全文]
• InnoVEX 2026 Pitch Contest 大奖：RLWRLD 在台北 COMPUTEX/InnoVEX 2026 技术路演比赛中获得大奖（Grand Prize），以 RLDX-1 技术实力赢得评审 [来源：한경매거진 (2026-06-05) + 조선비즈 (2026-06-05) — 🟡 headline-level]

ICML 2026 首尔 Robotics Night (fact-id: f-events-icml2026)

• Robotics Night Seoul：RLWRLD 于 2026-07-08 在首尔研究实验室举办 Robotics Night 活动，配合 ICML 2026 大会（2026-07-06 至 07-11，首尔 COEX）；提供 RLDX-1 真实机械手 live demo、研究社交；约 40 位研究者已确认出席（2026-06-24 LinkedIn 更新）[来源：X/Twitter @RLWRLD_ai (2026-06-10) — 🟢 + LinkedIn @RLWRLD (2026-06-24) — 🟢]
• KBS 深度报道：韩国 KBS 广播公司播出 RLWRLD “指尖智能”（fingertip intelligence）专题报道，展示 RLDX-1 在精细物品抓取（薄名片、精细器皿等）上的操作能力 [来源：X/Twitter @RLWRLD_ai 引用 KBS (2026-05-28) + KBS News — 🟡 headline-level]

All Hands Up! 机器人手基准平台 (fact-id: f-allhandsup-2026)

• 平台名称：All Hands Up!（allhandsup.org），RLWRLD 于 2026-06-19 正式发布的开放机器人手性能评估平台
• 核心功能：基于 RLWRLD 实际操作 10+ 种商用灵巧手的一手数据，提供技术报告和可视化工具（interactive URDF visualization，无需专业软件，浏览器直接操作各关节）
• 评估方法论：组织影响操作效率的关键设计变量——拇指活动度（Kapandji Scale）、远端指间关节（DIP）独立驱动、最小可抓取物体直径、手部外壳材料摩擦特性；使用自研 DexBench 在 18 项真实世界操作任务中分析各手特征和局限性
• 双硬件策略（2026-07-07 首次公开）：鉴于目前不存在完美的机器人手，提出两类互补硬件——Type 1（field deployment 型，优先轻量化+高耐用性，适合工业现场部署）和 Type 2（training data 型，优先高 back-drivability+精度，适合精细操作和 AI 训练数据采集）；两种类型互补使用是当前机器人手开发的务实路径
• 行业意义：解决”哪些机器人手在真实世界有效”这一研究和工业界反复提出的问题；推动机器人手从规格参数比较转向真实操作性能标准化评估

来源：allhandsup.org (2026-06) + TipRanks (2026-06-19) — 🟢 + Robotics & Automation News (2026-07-07) — 🟡 + third-news.com (2026-07) — 🟡

机器人手性能评估平台 & AWS 合作 (fact-id: f-hand-platform-2026q2)

• 机器人手性能比较平台：RLWRLD 于 2026-06-19 发布数据驱动机器人手性能评估平台（Dexterous Robotic Hand Performance Comparison Platform），支持不同品牌机器人手在标准化任务上的量化比较，扩展 DexBench 生态 [来源：TipRanks (2026-06-19) — 🟢 headline-only, Cloudflare blocked full text]
• “什么是好的机器人手？“（벤처스퀘어, 2026-06-22）：韩语深度报道，聚焦 RLWRLD 发布机器人手性能比较平台，从抓取力、精度、自由度等维度定义”好机器人手”的行业标准 [来源：벤처스퀘어 (VentureSquare) (2026-06-22) — 🟡 headline-level, 404 无法访问全文]
• AWS Physical AI 合作报道：2026-06-22，AWS 官方博客发表 “Putting Dexterous Robots to Work: How RLWRLD Builds Physical AI with AWS” 长文，详述 RLWRLD 使用 AWS 基础设施（训练/推理）构建 Physical AI 的技术栈与商业路线 [来源：AWS Blog (2026-06-22) — 🟢 headline, 原文 404; Google News indexed]
• Physical AI 生态扩张报道：2026-06-20，TipRanks 综合报道 RLWRLD 扩展灵巧操作平台、巩固 WEF 认可、NVIDIA/AWS 双生态合作 [来源：TipRanks (2026-06-20) — 🟡 headline-level]
• Robotics & Automation News WEF 报道：2026-06-17，RLWRLD 被评为 WEF Technology Pioneer for advancing physical AI infrastructure [来源：Robotics & Automation News (2026-06-17) — 🟡 headline-level]

动态记录

• 2026-07-08：Phase 3 维护保鲜。All Hands Up! 平台事实组新增：评估方法论（Kapandji Scale 拇指 ROM、DIP 独立驱动、最小可抓取直径、摩擦特性）、双硬件策略（Type 1 field deployment / Type 2 training data）、18 项 DexBench 真实任务分析。新增 Robotics & Automation News（2026-07-07）和 third-news.com 2 条来源。Frontmatter 修正：funding_total 补 $ 前缀、新增 valuation: unknown。ICML 2026 首尔大会正在进行（07-06 至 07-11），RLWRLD 作为东道主城市企业举办 Robotics Night（07-08），3 篇论文展示中。
• 2026-07-02：Phase 2 维护保鲜。D-047 frontmatter 修正：founded_date 从 ‘2023’ 改为 ISO 格式 “2023-01-01”；funding_total 从裸数字 41800000 改为 “$41800000”（带货币标识）。ICML 2026 确认信息更新：LinkedIn 官方帖（2026-07-01）确认 RLWRLD 有 3 篇论文被 ICML 2026 接收（VaLR、Cog3DMap 等），ICML 2026 大会于 2026-07-06 至 07-11 在首尔 COEX 举办，RLWRLD 作为东道主城市企业组织 Robotics Night（2026-07-08）。新增 WEF 关于灵巧度基准测试的文章来源。PRIORITY.md 去重修复（删除重复 rlwrld 条目）。
• 2026-06-28：Phase 3 升级冲刺培育。研究管线大幅补全：新增 4 篇 arXiv/ICML 论文事实组——GRIT（arXiv 2604.04138, 87.9% 成功率, 370+ 物体）、VaLR（arXiv 2602.04476, ICML 2026, 视觉对齐推理）、HRDexDB（arXiv 2604.14944, 大规模灵巧抓取数据集）、AutoDex（arXiv 2606.23689, 自动化数据收集 3,593 次试验, 4.8× 吞吐提升）；ICML 2026 Robotics Night Seoul（2026-07-08, ~40 位研究者已确认）更新确认。新增 6 条来源。depth_score 64→70 ✅ 达标核心层门槛。
• 2026-06-23：Phase 2 培育更新。新增事实组「机器人手性能评估平台 & AWS 合作」（2026-06-19 至 2026-06-22）：RLWRLD 发布数据驱动机器人手性能比较平台（DexBench 生态扩展）；AWS 官方博客长文报道 RLWRLD Physical AI 技术栈（2026-06-22）；벤처스퀘어韩语深度报道”什么是好的机器人手”（2026-06-22）；TipRanks Physical AI 生态扩张综合报道（2026-06-20）；Robotics & Automation News WEF Technology Pioneer 报道（2026-06-17）。新增 5 条来源。depth_score 62→64。
• 2026-06-17：Phase 2 培育更新。DexBench 框架细节补全（18 项基准任务、56 个评估案例、OSC 轴 + Dexterity Regimes 分类体系，来源：dexbench.org 官网 + Engineering.com）。RLDX-1 全球巡展首尔收官（2026-06-10）新增事实组。韩国媒体集中报道浪潮（2026-06-10 至 2026-06-16，7 篇+，涵盖 전자신문/이데일리/테크42/글로벌이코노믹/FA저널/네이트）。新增 7 条韩语媒体来源。depth_score 58→62。
• 2026-06-10：Phase 2 培育更新。NVIDIA GTC Taipei 2026（2026-06-01/04）展示 RLDX-1：8 项公开基准全超 SOTA，RoboCasa Kitchen 70.6 分超 GR00T N1.6（66.2）4.4 分，仅需 20% 算力；NVIDIA 基础设施栈细节更新（H100/A100 + Jetson AGX Thor/Orin + TensorRT 端到端部署）。与 NVIDIA 联合发起 DexBench 行业标准倡议（2026-06-09），定义人形机器人灵巧操作评估标准。InnoVEX 2026 获奖（2026-06-05）。RoboCasa365 benchmark 顶榜。韩国–日本–台湾走廊战略确认。depth_score 52→55。
• 2026-06-02：Phase 2 培育更新。补入 Humanoids Summit Tokyo 2026（CEO Ryu 主题演讲）、Rainbow Robotics 合作、Lawson 便利店数据采集细节、人机效率对比（机器人数小时 vs 人类40分钟酒店客房清洁）、商务团队成员（CBO KW Lee、业务高管 Hyemin Cho）。韩国政府 $33M 配套项目确认。Funding 另有 $45M 口径（b2match）。Olaworks 收购历史（Intel 2012 首笔韩国收购）。depth_score 47→52。
• 2026-05-26：GEO-WRITING-GUIDE 合规重写。补入”一句话定位”、结构化事实组、更细化的风险与不确定性分析。depth_score 45→47。
• 2026-05-22：重大更新（培育）。Dexterity Night SF 正式发布（2026-05-13），RLDX-1 在 3 个基准上超越 NVIDIA GR00T N1.6（+10.7pts / 70.6分 / 70.8%倒水）。MSAT 多流架构细节披露。NVIDIA 官方定位为”核心生态合作伙伴”。CEO Forbes Korea 深度专访（2026-05-18）披露创始动机。AKA KDDI ANA Mitsui Shimadzu 等日本企业投资方确认。10+ 企业 PoC/RX 项目。4D+ 世界模型路线图公布。depth_score 30→45。
• 2026-05-08：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。
• 2026-04-14：根据官网主页 / team / research 与 TechCrunch 融资稿建立骨架档案。