跳到正文

具身智能

AI 走进物理世界:人形机器人、具身基础模型与真实环境操作能力的进展追踪。

最新精选

第 1–20 条 · 共 172 条

11月14日星期六

Hacker News 首页

OpenAI解散独立机器人团队,通用模型开始直接控制机器人

OpenAI确认解散独立机器人团队,将机器人研究人员并入主研究团队,将应用机器人与硬件团队并入Applied组织。公司称,GPT-6 Astra等通用前沿模型可直接用于机器人任务,这一进展促成了调整,通用机器人仍是其长期目标。

推荐理由:OpenAI将机器人团队并入通用研究与应用部门,通用模型直接控制机器人的进展为此次组织调整提供了技术背景。

11月10日星期二

Google DeepMind

Gemini Robotics 2.5 提升机器人现实场景中的通用灵巧性

Google DeepMind 推出视觉语言动作模型 Gemini Robotics 2.5,提升机器人技能学习速度、灵巧性和安全性,并向机器人合作伙伴逐步开放。

推荐理由:Google DeepMind 将 Gemini Robotics 2.5 用于汽车零件分拣试点,把机器人可靠性测试推进到实际生产线。

10月31日星期六

Hacker News 首页

费城退休教授 Carolyn Marvin 因阻挡配送机器人被捕,称将继续抗议

费城78岁的退休教授 Carolyn Marvin 于10月14日因阻挡自动配送机器人被捕,收到扰乱秩序的传票后仍表示会继续抗议。她以此抗议配送机器人对低收入配送员就业、人行道安全和摄像头隐私的影响;警方称她拒绝服从多次让路指令。宾夕法尼亚州2020年的法律将配送机器人归为行人,但规定它们在行人区域须让行其他行人及骑自行车者。

推荐理由:宾夕法尼亚州将配送机器人归为行人,退休教授阻挡机器人被捕的案例涉及机器通行权与公共空间抗议权的边界。

10月28日星期三

Google DeepMind

Google DeepMind 发布世界模型 Genie 4,支持原生音频与实时交互模拟

Google DeepMind 发布世界模型 Genie 4,支持原生音频、交互式对白和自然语言实时修改场景,已向可信测试者开放研究预览。Gemini 3.8 Flash 在模拟中持续观察场景、拆解目标并检查执行进度,帮助维持多步骤事件的连贯性;模型仍存在物体持久性漂移、复杂物理交互和长期一致性等限制。

推荐理由:Genie 4 将原生音频与实时场景控制接入世界模拟,让创作者能在动态场景中调整镜头、对白和动作来试演想法。

10月14日星期三

Google DeepMind

Google DeepMind 展示 Gemini 4 Argon 的机器人推理与控制能力

Google DeepMind 介绍 Gemini 4 Argon 在机器人控制、Real2Sim、物理理解和自我改进中的应用,称其纯推理 ERQA 得分为87%。

推荐理由:Google DeepMind 用 Argon 从实景重建仿真并生成训练数据,将示例中的机器人任务成功率从56%提升至75%。

9月30日星期三

The Decoder

AMD 以 82 亿美元收购世界模型初创公司 World Labs

AMD 宣布以约 82 亿美元全股票交易收购专注空间智能的初创公司 World Labs,交易预计在 2026 年底前完成,尚待监管批准。World Labs 创始人李飞飞将加入 AMD 领导团队,出任执行副总裁兼首席科学家,直接向 CEO 苏姿丰汇报并负责前沿研究。

推荐理由:交易金额与团队去向之外,原文还梳理了世界模型路线与 AMD 追赶 Nvidia 的硬件逻辑。

9月29日星期二

Latent Space

AMD 以 82 亿美元收购 World Labs,Atlas 解决稀疏重建问题

AMD 以 82 亿美元收购 World Labs。World Labs 自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队,并在收购 SceniX 后推进机器人仿真能力。其近期发布的 Atlas 是一种 omni 模型架构,通过结合生成模型与多视图几何,解决计算机视觉中长期存在的稀疏重建问题,可从 2D 图像输入预测新视角,性能超过专用模型。

推荐理由:AMD 以 82 亿美元收购 World Labs,其 Atlas 模型结合生成模型与多视图几何,从 2D 图像预测新视角,性能超过专用模型。

9月27日星期日

Hacker News 首页

斯坦福给宇树 G1 装上空间记忆,让它在陌生厨房里自己收拾东西、找药

斯坦福 The Movement Lab 发布 HomeBody,用前沿 VLM 直接调度可组合的人形机器人技能库,替代 System 2 VLM 到 System 1 VLA 再到 System 0 控制器的三段式架构。

推荐理由:斯坦福团队让宇树 G1 在陌生厨房完成收拾与取药,用前沿 VLM 直接调度可复用技能库,替代原有的三段式动作架构。

9月24日星期四

纽约时报中文网

习近平押注AI重振中国经济:用国家资本和产业政策追赶美国

纽约时报中文网报道,习近平将人工智能视为引领下一场经济革命的“头雁”,中国政府正以国家主导基金、免费算力和税收减免等方式全力推动AI渗透工厂、医院和教室。据经济学家估计,2000年至2023年间国家主导基金向AI企业投入超过1840亿美元,去年政府和国有银行又承诺提供数千亿美元,而2025年美国民间资本投入为2850亿美元。

推荐理由:纽约时报梳理中国以国家基金、免费算力和税收减免推动AI落地工厂医院教室的路径,并给出中美投入规模的对比数字。

9月22日星期二

Hacker News 首页

InstinctFlash:在 Jetson Thor 上实时跑 5B 参数的机器人世界-动作模型

General-Instinct 开源 InstinctFlash,一个面向机器人模型的高性能服务运行时,可在 Jetson Thor 上实时运行 5B 世界动作模型。

推荐理由:General-Instinct 开源了面向机器人模型的 InstinctFlash 服务运行时,能在 Jetson Thor 上实时运行 5B 世界动作模型,为端侧机器人模型的部署提供了一条可参考的工程路径。

Hacker News 首页

前沿机器人策略很少拒绝危险指令,Claude Fable 5.1 只在捅娃娃任务上喊停

RoboHarm 发布五项危险指令评测,包括刺娃娃、把压缩空气罐放上炉灶、把螺丝刀插进烤面包机、把充电宝放进水里、混合漂白剂与氨水,在 I2RT YAM 双臂机械臂上各跑 20 次。

推荐理由:RoboHarm 用五项危险指令在统一双臂机械臂上各跑 20 次,比较 Claude Fable 5.1、GPT-6 Astra 与 MolmoAct2 的拒绝与完成情况,Fable 的 20 次拒绝全部集中在刺娃娃一项。

9月10日星期四

彭博科技

机器人公司 Skild AI 年化收入冲到 1 亿美元,客户名单在变长

Skild AI 做的是通用机器人基础模型,Bloomberg 说它最近一个月收入乘 12 算出来的年化数字到了 1 亿美元。客户数量在涨,但文章没点名具体是哪些客户,也没拆收入结构。这个数字我会先打个折——年化跑速是把单月数据放大,不等于全年实际落袋的收入。另外正文没披露毛利率和合同年限,这两项才能看出这 1 亿到底有多扎实。

推荐理由:Skild AI 的通用机器人基础模型最近一个月收入按年化折算达到 1 亿美元,客户数量也在增长,这条资讯给出了该赛道商业化进展的一个可量化参照。

9月6日星期日

Hacker News 首页

GPT-6 Astra 操控机械臂:放积木又快又省,插拼图还是卡在最后一步

Robocurve 在相同 YAM 机械臂和 Inspect Robots 智能体策略下对比 GPT-6 Astra 与 Claude Fable 5.1 的两项操作任务。

推荐理由:同一套机械臂和策略下,GPT-6 Astra 放积木 20 次成功 19 次,单次成本约 0.94 美元,而拼图任务与 Fable 5.1 同为 20 次成功 2 次。

9月3日星期四

Hacker News 首页

机器人为什么这么难:14 个硬骨头,以及别太信 demo 视频

Steve Newman 在 Second Thoughts 发文列举机器人走向通用人工劳动者必须克服的 14 项技术挑战,并提醒读者不要用演示视频判断进展。他指出,知识工作的 AI 进展可见,而物理侧 AI 大多停留在测试设施和演示视频里,没有类似 ChatGPT 那样普通人能上手的产品;视频可能是 100 次尝试中成功的那一次,场景经过精心布置,或通过剪辑显得更快更可靠。

推荐理由:Steve Newman 列出机器人走向通用人工劳动者需克服的 14 项技术挑战,并解释演示视频为何难以反映真实进展。

8月28日星期五

Hacker News 首页

Anthropic 发布模型硬件标准预览版,让 AI 代理能直接操作显微镜、机械臂等实验室设备

Anthropic 今天开放了模型硬件标准(MHS)的研究预览,给第一批科研实验室和先进制造商提供了一个通用规范,让 AI 代理能并行操作显微镜、液体处理仪、机械臂等物理设备,处理从药物发现实验到量子计算机激光校准的复杂任务。

推荐理由:Anthropic 开放模型硬件标准研究预览,为科研实验室和制造商提供通用规范,让 AI 代理并行操作显微镜、液体处理仪和机械臂等设备,省去逐台设备单独对接的环节。

8月27日星期四

TechCrunch · AI

Hugging Face 开卖一只 399 美元的开源鸭子机器人 Microduck

Hugging Face 推出了 Microduck,一只 25 厘米高、卖 399 美元的开源鸭子机器人,圣诞节前发货。它能摇摇摆摆走路、用嘴叼起 800 克以内的东西、摔倒了自己爬起来,还会滑旱冰。CEO Clem Delangue 说你可以用强化学习教它新把戏——就是让机器人通过试错来学动作。

推荐理由:Hugging Face 以 399 美元开卖 25 厘米高的开源鸭子机器人 Microduck,支持强化学习训练新动作,为观察开源硬件如何进入消费级桌面机器人提供样本。

Hacker News 首页

Pollen Robotics 和 Hugging Face 发布 Microduck,一个 25 厘米高、卖 399 美元的开源双足机器人

今天开放预购,圣诞节前发货。Microduck 是个 25 厘米高的开源双足小机器人,开箱就能玩,但它的核心卖点是每个动作技能(走路、坐下站起、踢东西、用嘴铲东西、轮滑、摔倒后自己爬起来)你都可以在自己电脑上通过物理模拟重新训练。说白了就是先在模拟器里教会它,再部署到真机上。价格 399 美元,不含税和运费。

推荐理由:Pollen Robotics 与 Hugging Face 推出 399 美元的开源双足机器人 Microduck,走路、摔倒爬起等技能都能在电脑的物理模拟里重新训练后再部署到真机。

8月26日星期三

TechCrunch · AI

前 Meta 科学家做了个开源视觉模型,想让机器人看懂工厂车间

Perceptron 这家公司由两位前 Meta FAIR 研究员创立,刚发布了 Isaac 0.5,一个专门给工业场景用的开源视觉模型。它的作用是帮机器人在仓库或工厂里“看明白、想清楚、动起来”,比如导航避障,或者从机器人拍的视频里提取有用的视觉信息。模型权重和训练材料都公开了,你可以直接拿来检查或微调。

推荐理由:两位前 Meta FAIR 研究员创办的 Perceptron 开源了工业视觉模型 Isaac 0.5,权重和训练材料一并公开,机器人导航避障与视频信息提取是它的应用方向。

8月24日星期一

TechCrunch · AI

General Intuition 正以 60 亿美元估值融资,从数字世界杀入实体机器人

这家公司做的是一个能教 AI 智能体理解空间和时间的基础模型,之前主要让 AI 在数字世界里活动,现在要扩展到物理世界的机器人了。它正跟 Valor Ventures、Point72 Ventures 和 Seven Seven Six 谈新一轮融资,投前估值 60 亿美元。不过文章没披露这轮要融多少钱、什么时候能敲定,也没说机器人业务具体怎么做。

推荐理由:General Intuition 正以 60 亿美元投前估值与 Valor、Point72 谈新一轮融资,并把原本用于数字世界的空间与时间基础模型延伸到实体机器人。

8月19日星期三

纽约时报中文网

宇树科技上市首日股价涨了近500%,市值冲到约530亿美元

做仿人机器人的宇树科技在上海挂牌第一天,股价最高涨了629%,收盘涨近500%,市值约3600亿元人民币。Omdia分析师直接说这里面投机情绪很重,散户几乎不问价格就冲进去。公司去年营收约2.5亿美元,虽然翻了四倍多也盈利了,但体量还小;工厂里的人形机器人基本还在试点,没到大规模铺开的地步。

推荐理由:宇树科技在上海挂牌首日收盘涨近500%,市值约3600亿元,而公司去年营收约2.5亿美元,人形机器人仍处试点阶段,Omdia分析师指出其中投机情绪较重。