一老一小”场景对智能系统提出了更高要求：既要主动，也要克制；既要记住长期变化，也要允许用户纠正；既要能调用机器人和外部服务，也要把关键决定留给人。领本AI通过EmoGPT自主交互世界模型，探索的是一条从多模态感知到现实任务闭环的技术路径。其价值不止于让机器人更会说话，而在于让机器人理解持续发生的生活，在授权范围内发现需求、协同处理问题，并用执行结果不断更新对家庭的理解。

公司建有上海市院士专家工作站，并与上海交通大学重点实验室保持长期技术合作，首席科学家为上海交通大学教授、情感计算方向研究者孙锬锋。年，专注多模态情感识别与具身交互模型研发，创始团队由上海交通大学计算机博士与连续创业者组成。月公司与智域基石签署战略合作，双方围绕情感大模型与操作级数据编译展开联合研发，面向家庭服务与康养机器人场景。据公司介绍，该模型面向家庭、养老与校园等场景，为具身机器人提供。据公司

领本科技将发布校园具身机器人，软硬件一体化，融合人形机器人、AI交互、学习陪伴等，能进入真实场景服务，如迎新、科技节、学习空间、成长支持。难点在于责任边界，需明确AI可做什么，学生确认，转接人工，将学校管理流程纳入设计。标志着校园AI从屏幕工具走向真实空间服务节点。控制在150字内。</think>领本科技即将发布校园具身机器人，将人形机器人、AI交互与学习陪伴融合为软硬件一体化产品，

家庭机器人真正的技术门槛，不是能否识别喜怒哀乐，而是能否把不同人群的权利、风险与关系边界写进模型。一个老人连续两顿饭没有出现在餐桌旁，一个孩子放学后把自己关进房间。摄像头都看见了“行为异常”，情感模型也可能给出相似判断：沉默增加、互动减少、情绪偏低。接下来，机器人该怎么做？它可以主动询问，可以通知家属，可以持续观察，也可以什么都不说。问题在于，面对老人和孩子，这几种动作的顺序、权限和后果完全不同。

过去一年，人形机器人完成了不少令人印象深刻的动作：叠衣服、整理房间、装卸物品，甚至多机器人协同完成复杂任务。资本的关注点也从本体、关节和运动控制，进一步转向“大脑”、数据和持续学习。钛媒体近期对具身智能融资的梳理显示，资金正在明显向模型、大脑和数据基础设施集中；在WAIC 2026的讨论中，行业关键词也从动作展示转向模型、部署、失败反馈和持续学习。但另一个判断同样流行：家用人形机器人真正进入普通家

领本AI团队基于EmoGPT，在CUHK-X大模型赛道公开测试榜暂列第一。赛事以非RGB多模态数据考察人类行为理解，指向家庭、养老等隐私敏感场景的具身智能落地能力。机器人进入家庭，最先遇到的并不是“会不会走路”，而是“该看什么、不该看什么”。在展厅里，高清摄像头、表情识别和自然对话很容易制造“机器人已经懂人”的印象。但真正进入家庭、养老机构或儿童成长场景后，持续采集人脸和生活画面会立刻触及隐私边界

EmoGPT是领本AI打造的多模态情感智能底座，通过融合文本、语音、表情、行为与长期记忆，帮助智能终端理解用户状态并生成适配策略，未来可应用于机器人、家庭、教育、养老和车载等场景。

EmoGPT是领本AI打造的多模态情感智能底座，通过融合文本、语音、表情、行为与长期记忆，帮助智能终端理解用户状态并生成适配策略，未来可应用于机器人、家庭、教育、养老和车载等场景。

提到具身养老，很多人首先想到的是机器人送药、巡检、递水和陪老人聊天。但养老场景真正缺少的，不只是一个能够移动和执行任务的机器人，而是一套能够持续理解老人状态、保留长期记忆、识别异常变化并连接家属与服务人员的智能系统。机器人解决的是“如何行动”，情感大模型解决的是“为什么行动、何时行动、以什么方式行动”。领本AI正在研发的EmoGPT情感智能平台，尝试成为养老机器人与真实养老服务之间的“状态理解层”

从其公开的产品思路看，EmoGPT强调多模态情绪感知、分层记忆和场景化反馈：机器人负责进入现场、采集交互信号，模型负责理解状态变化，真实的家长、老师、护理人员或服务人员完成最终处置。但真正决定一台机器人能否进入家庭、养老、教育和服务场景的，恰恰不是它在聚光灯下完成了多少高难动作，而是它在没有聚光灯时，能否理解人的边界、保持一致、减少误判。运动能力解决的是“机器人能不能来到你身边”，情感与关系能力解