团队
创始人
- 创始人：Joshua Belofsky，单人团队
- 教育背景：University of Chicago（UChicago）
- 研究经历：NASA、Caltech
- 职业跨度：学术研究（NASA/Caltech）→ 创业（YC W25，General Trajectory）
- 当前状态：SF 单人创业，$500 teleop stack 开源
来源：YC Company Page (2026-05-31)
组织信号
- 公司类型：YC W25 batch（2025 Winter cohort）
- 团队规模：单人团队（截至 2026-01 YC Launch）
- 公开渠道：X @gentrajectory
来源：YC Company Page (2026-05-31)
产品
一句话定位
- 形态：灵巧操作 foundation model（非硬件本体公司）
- 技术路径：reward-guided imitation learning（reward model 优化 base model grasp）
- 数据策略：human demonstration（VR teleop 采集）→ reward model 训练
- 团队基因：单人学术型（UChicago/NASA/Caltech），开源自下而上
来源：YC Company Page (2026-05-31)
核心产品
- 模型定位：foundation model for dexterous manipulation——让人形机器人抓取未见过的物体并执行实世界任务
- 泛化能力：对未见过的物体和场景泛化，涵盖 prior SoTA 模型 0% 成功率的 case
- 性能表现：63%↑ 提升（在困难物体上，baselines 为 0%），标准物体维持近 perfect 性能
- 评估对象：xArm 机器人 + Inspire Hands 灵巧手（参考开源 teleop 栈
来源：YC Company Page (2026-05-31) + GitHub dex-teleop (2026-05-31)
开源策略
- 开源 teleop 栈：
dex-teleop，Vision + wrist trackers 替代 data gloves - 硬件成本：约 $500（vs 市面上 ~$5,000）
- 技术规格：Vive Tracker → xArm 100Hz，Quest Hand Tracking → Inspire Hands 60Hz；双机械臂+双手同步控制；HDF5 格式录音用于 ML pipeline
来源：GitHub GeneralTrajectory/dex-teleop (2026-05-31)
技术路线
核心判断
- 技术架构：reward-guided imitation learning——收集高效 human demonstrations，训 reward model 优化 base model grasp
- 关键差异：不依赖海量真实数据，用奖励模型引导少量 demo 实现泛化
- SoTA 对比：在 baselines 0% 的困难物体上达 63% 提升（具体 benchmark 未公开 full set）
- 感知方案：VR tracking（Vive Tracker + Quest Hand Tracking）而非视觉端到端
来源：YC Company Page (2026-05-31)
技术不确定性
- 技术细节：full technical report 未公开（general trajectory.com/technical-update 仅为 placeholder 页面
- 开源限：仅 teleop 基础设施开源，模型权重/训练代码未公开
- Sim-to-real：描述”reward guided”但未说明仿真 vs 真机比例
来源：自研观察，标注不确定性
商业验证
- 客户/收入：无公开信息。公司处于 pre-revenue 研究阶段
- 目标市场：logistics / manufacturing / defense（YC page 标注）
- 当前阶段：单一创始人，极早期（YC W25 batch），无种子轮以外融资
- 资金情况：YC 标准 $500K 投资（推测），无独立轮次公开
来源：YC Company Page (2026-05-31)
竞争定位
差异化
- 低成本 data pipeline 壁垒：$500 teleop 硬件栈 vs 行业 $5K+（开源免费），可大幅降低 imitation learning 准入门槛
- 单人团队能力：单人完成 foundation model 研发 + 软硬件全栈，体现了极高的单个工程师 competence
- 学术+开放路线：加州理工/NASA 背景，开源 teleop 基础设施
竞争挑战
- 单人团队可扩展性：从 research prototype 到产品化公司还有巨大 gap
- 商业变现路径未明：无产品/定价/客户
- 大厂竞争：Google DeepMind（Gemini Robotics）、Physical Intelligence（π0）等在灵巧操作上有更大资源
来源：自研竞争分析
风险
执行风险
- 单人团队：唯一创始人兼工程师，单点故障风险极高
- 商业化周期：灵巧操作 foundation model 商业化路径长，对投资人耐心要求高
产品风险
- 泛化验证不足：63% 提升在单一设定下的结果，full benchmark 未公开
- sim-to-real gap：极低成本 teleop 栈的可靠性需在更多场景验证
来源：自研判断
动态记录
- 2026-05-31：新建档（depth=18，sources=3 条）。搜索工具全面不可用（tavily 432 / zhipu MCP error），信息来源为 YC Company Page + GitHub repo。单人团队极早期，后续需补充 founder LinkedIn/X 信息