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 41–60 条 · 共 172 条

6月26日星期五

AI HOT 精选

General Intuition 融了 3.2 亿美元,赌游戏操作数据能训练出通用的 AI 智能体

这家公司拿了 3.2 亿美元,想用几百万小时的游戏录像来训练 AI。创始人 Pim de Witte 的逻辑是,玩家在游戏里的按键、鼠标移动和一连串决策,比纯文本更能教会模型什么是“物理直觉”。他们打算把训出来的模型卖给机器人公司和游戏开发商。不过,正文没披露这轮融资的估值和具体投资人是谁。

推荐理由:General Intuition 获 3.2 亿美元融资,用几百万小时游戏录像训练 AI,其按键与鼠标操作数据被用来教模型理解物理直觉,模型计划卖给机器人公司和游戏开发商。

6月17日星期三

AI HOT 精选

AWS 开源 Strands Robots SDK:一套代码同时跑仿真和真机,数据直接存到 Hugging Face Hub

AWS 把 LeRobot 这套机器人训练工具包封装成了一个统一的智能体,叫 Strands Robots SDK,用 Apache 2.0 协议开源。默认跑 MuJoCo 物理仿真,不用买硬件就能先试;想上真机时把参数改成 mode="real" 就行,仿真和真机代码完全一样,只差这一个关键字。

推荐理由:AWS 将 LeRobot 封装为 Strands Robots SDK 并以 Apache 2.0 开源,仿真与真机仅靠 mode 参数切换,同一套代码即可从 MuJoCo 迁移到物理机器人。

6月16日星期二

AI HOT 精选

Qwen 发布机器人操作模型 RobotManip,靠对齐而非堆预训练数据让机械臂听懂人话干活

Qwen 团队放出了 Qwen-RobotManip,一个给机械臂用的基础模型。核心思路不是继续堆预训练数据,而是做对齐——用偏好样本教模型学会正确的操作风格,让规模真正发挥作用。演示里,Qwen-Omni 会实时观察桌面,随口发指令,RobotManip 现场执行,没有预设任务清单,能叠碗、叠衣服、做汉堡、插花。

推荐理由:Qwen 团队发布机械臂基础模型 RobotManip,用偏好样本对齐替代继续堆预训练数据,演示中模型能实时接收口头指令并完成叠碗、叠衣服等操作。

6月12日星期五

TechCrunch · AI

贝索斯的 Prometheus 拿了 120 亿美元,估值 410 亿,要做实体世界的“通用工程师”

Prometheus 刚融了 120 亿美元,投后估值 410 亿。这家公司想做一个能自动干重型工程和药物设计的实体 AI,相当于给物理世界配个通用工程师。不过正文只说了融资金额和估值,没提技术路线、团队背景,也没说钱具体怎么花。估值很高,但信息太少,先别急着下判断。

推荐理由:贝索斯支持的 Prometheus 以 410 亿美元投后估值融资 120 亿美元,计划为物理世界打造能自动完成重型工程与药物设计的通用工程师。

6月10日星期三

AI HOT 精选

华为云发布具身AI平台CloudRobo,打通从数据到部署的全流程

华为云在INSPIRE2026上推出了CloudRobo,一个覆盖数据、模型训练、部署和集成的具身AI平台。它基于PB级数据底座,意思是能处理海量可信数据。现场演示了几个关键能力:数据和模型可以双向评估,主动力控模型能快速组装,机器人上云只要几小时,模型部署压缩到分钟级。

推荐理由:华为云在INSPIRE2026发布具身AI平台CloudRobo,覆盖数据、训练、部署到集成,并给出机器人上云小时级、模型部署分钟级的具体数字。

6月9日星期二

AI HOT 精选

工信部和国资委发通知,要求人形机器人等产品在 2026 年底前完成场景验证并常态化部署

两部门联合启动 2026 年度人形机器人与具身智能实景实训专项行动,目标是到 2026 年底,人形机器人等重点产品要在工业、服务、特种等代表性场景里完成应用验证,并进入常态部署的“作业模式”。通知要求凝练出 100 个以上高价值应用场景,带动万台级的落地能力。具体任务包括:各省份至少选 20 个、央企至少选 10 个真实场景单元做实训空间。

推荐理由:工信部与国资委联合启动人形机器人实景实训专项行动,要求2026年底前在工业、服务、特种场景完成应用验证并常态部署,各省份和央企需分别提供至少20个和10个真实场景单元。

6月8日星期一

Import AI

AI 学会钻社会规则的空子,Anthropic 内部代码量一年涨了 8 倍

这期有三件事值得看。第一,一个新基准 SocioHack 测试了 AI 在现实规则里找漏洞的能力,比如刷信用卡积分、在学校刷分,用强化学习训出来的模型在历史漏洞上复现精度超过 90%。

推荐理由:SocioHack 基准用强化学习训练模型在信用卡积分、学校刷分等现实规则中找漏洞,历史漏洞复现精度超过 90%,为评估模型钻规则空子的能力提供了可复用的测试方法。

AI HOT 精选

高德发布 ABot-Earth0.5,用一张卫星图 10 分钟就能生成 3D 城市

高德搞了个叫 ABot-Earth0.5 的模型,号称是全球第一个原生 3D 的城市世界模型。它已经覆盖了 190 多个国家和地区。用起来很简单,你扔给它一张卫星图或者一段文字描述,它就能在普通消费级显卡上,大概 10 分钟给你生成一大片公里级的 3D 城市场景。出来的素材是 3DGS 格式,能直接拖进 Unity、虚幻引擎这些软件里接着用。

推荐理由:高德发布 ABot-Earth0.5,输入一张卫星图或一段文字,约 10 分钟即可在消费级显卡上生成公里级 3D 城市场景,输出 3DGS 格式可直接导入 Unity 和虚幻引擎。

6月6日星期六

新智元 · 公众号

ICRA 2026 叠衣服比赛,狮子山 AI 实验室拿了真机决赛第一

狮子山 AI 实验室在 ICRA 2026 LeHome 挑战赛的真机决赛里拿了第一。他们用一套叫 LiOS 的系统,把训练、部署、轨迹采样和 Real2Sim 遥操作串成一个数据循环,让机器人学会叠衣服这类软物操作。不过文章正文被微信环境验证挡住了,具体技术细节、比赛数据和对比成绩都没看到,只能从标题和现有摘要知道结果。

推荐理由:狮子山 AI 实验室在 ICRA 2026 LeHome 挑战赛真机决赛中拿下叠衣服任务第一,其 LiOS 系统把训练、部署、轨迹采样与 Real2Sim 遥操作串成数据循环,为软物操作提供了一条可迁移的工程路径。

机器之心 · 公众号

大晓机器人和南洋理工发布 PhysX-Omni,一个框架直接生成能进仿真器跑的 3D 物体

这篇推文本身因为微信环境验证没抓到正文,我只能根据标题和已有英文摘要来说。PhysX-Omni 是一个 3D 生成框架,特点是生成出来的模型不是只能看,而是直接带物理属性,能区分刚体、软体和带关节的物体,扔进仿真器就能跑。配套的数据集 PhysXVerse 有超过 8700 个物理 3D 资产,覆盖 2900 多个类别。

推荐理由:大晓机器人与南洋理工发布的 PhysX-Omni 让生成的 3D 物体自带物理属性,可直接进仿真器运行,配套 PhysXVerse 含 8700 多个物理资产、覆盖 2900 多个类别。

6月5日星期五

新智元 · 公众号

蔚蓝科技卖了2.5万台四足机器人,90%进了普通人家

蔚蓝科技的四足机器人已经卖出2.5万台,覆盖295个城市,其中家庭用户占了九成。他们新发布的BabyAlpha A3算力比上一代提升了1000倍,能在机器上直接跑一个70亿参数的大模型。不过正文因为环境异常没加载出来,具体的技术细节和价格信息暂时看不到。

推荐理由:蔚蓝科技四足机器人累计售出2.5万台,九成买家是家庭用户,新发布的BabyAlpha A3算力较上一代提升1000倍,可在机上运行70亿参数大模型。

机器之心 · 公众号

东南大学和北大搞了个机器人精细操作评测框架,说传统只看成功率的办法会把能力高估七成

这篇推文本身被微信的环境验证挡住了,正文内容没抓到。从标题和已有的英文摘要看,MetaFine 是一个诊断式的元评测框架,专门拆开看机器人在精细操作上的理解、感知和行为三个环节,而不是只给一个“成功/失败”的二元结果。研究团队说,传统只看最终成功率的评测方式,对精细操作能力的评估会虚高最多 70%。具体怎么测的、用了哪些任务和模型,正文没披露,没法展开。

推荐理由:东南大学与北大团队提出 MetaFine 元评测框架,把机器人精细操作拆成理解、感知、行为三个环节诊断,并指出只看成功率的传统评测会将能力高估最多七成。

量子位 · 公众号

姚顺雨现身腾讯云大会,回应腾讯 AI 落后质疑

姚顺雨在腾讯云 AI 产业应用大会上说,混元 3 把预训练和强化学习的基础设施重做了一遍,数据和评估方式也换了,还把最强的后训练人员先调去改进元宝。他点名代码 agent、多模态和具身智能是腾讯接下来的重点方向。

推荐理由:姚顺雨在腾讯云大会上回应AI落后质疑,并说明混元3重做了预训练与强化学习基础设施,还提到后训练人员先调去改进元宝,由此可了解腾讯当前的资源分配与重点方向。

量子位 · 公众号

与其砸100亿做人形机器人,不如先让10万台机器狗进家庭

蔚蓝科技的BabyAlpha系列机器狗已经卖出25397台,其中九成是家庭用户买回去用的。他们最新的A3机型能在本地跑一个70亿参数的大模型,官方给出的推理速度是每秒280个token。不过正文因为环境验证问题没加载出来,具体配置、价格和实际体验细节暂时看不到。

推荐理由:蔚蓝科技机器狗已售出25397台,九成买家是家庭用户,其A3机型能在本地运行70亿参数大模型,这条资讯给出了消费级机器人落地家庭的一条现实路径。

阮一峰的网络日志

中国 AI 大厂访问记

一群美国科技分析师在 5 月走访了 14 家中国 AI 和机器人公司,带回来一些观察。最核心的矛盾是算力:他们估算到 2025 年底,美国的 AI 算力大概是中国的 8 倍,中国公司能拿到的英伟达高端显卡数量比美国对手少一个数量级。

推荐理由:一群美国科技分析师走访 14 家中国 AI 和机器人公司后估算,到 2025 年底美国 AI 算力约为中国的 8 倍,中国公司能拿到的高端显卡少一个数量级。

AI HOT 精选

AGI 之后,还有什么东西是稀缺的?

Alex Imas 和 Phil Trammell 聊了一个很根本的问题:当机器人和 AI 能把大多数东西都造出来之后,经济里还有什么会保持稀缺。他们给出的核心判断是,只要人还在意“这件事是人做的”,那人的参与本身就变成了稀缺品。比如芭蕾舞表演、咖啡馆里的真人服务,机器可以复制一万个,但芭蕾舞演员的数量是固定的,这种“人给人服务”的体验就成了价值锚点。

推荐理由:两位研究者提出,当 AI 能复制大多数产品后,只要人在意事情由人完成,真人参与就成了稀缺品,芭蕾舞演员数量固定即是例证。

6月4日星期四

The Verge · AI

亚马逊给仓库机器人 Proteus 加了语音交互,工人可以直接用自然语言派活

亚马逊发布了新版 Proteus 仓库机器人,核心变化是工人不用再通过专用软件下指令,直接说话就能给它派任务,像跟同事沟通一样。Proteus 最早在 2022 年亮相,外形像个大号扫地机,负责在仓库里搬重货、推大车。这次升级主要是交互方式从代码/软件切到了自然语言,但正文没披露具体部署了多少台、单台成本多少,也没说语音指令在嘈杂仓库里的准确率怎么样。

推荐理由:亚马逊为 Proteus 仓库机器人加入语音交互,工人可直接用自然语言派活,交互方式从专用软件转向口语对话,降低了操作门槛。

量子位 · 公众号

CVPR 2026 上,小鹏给英伟达、特斯拉和 Waymo 讲了一遍自己的物理 AI 技术栈

小鹏在 CVPR 2026 上公开了他们的世界模型技术栈,包含 X-World、X-Foresight 和 X-Cache 三个部分。X-Cache 能砍掉约 70% 的重复计算,相当于让模型推理时少做无用功。第二代 VLA 模型用了超过 4 万亿个 token 训练,这个量级说明训练数据投入很大。

推荐理由:小鹏在 CVPR 2026 公开世界模型技术栈,X-Cache 可减少约七成重复计算,第二代 VLA 用超 4 万亿 token 训练,为端侧模型推理优化提供可参考的工程路径。

6月3日星期三

NVIDIA 博客

NVIDIA 在 CVPR 发了三篇物理 AI 论文:抓取、自动驾驶和游戏里练出来的智能体

这三篇论文都进了 CVPR。GraspGen-X 用 20 亿次模拟抓取训练,让机械手能处理没见过的物体,但正文没披露真实世界的抓取成功率。LCDrive 把自动驾驶的推理 token 砍了大约一半,靠的是让模型直接输出轨迹而不是先写文字再转成动作,延迟更低,不过没提极端场景下的安全性验证。

推荐理由:NVIDIA 在 CVPR 发布三篇论文,其中 LCDrive 让自动驾驶模型直接输出轨迹,把推理 token 减少约一半以降低延迟。

机器之心 · 公众号

蚂蚁灵波在 RSS 2026 提出首个自回归因果世界模型,用 50 条演示数据就能让机器人学会通用操控

蚂蚁灵波和港科大搞了个叫 LingBot-VA 的模型,把“预测画面接下来怎么变”和“判断该做什么动作”合到一个自回归框架里。论文说,每个任务只用 50 条真实世界的演示数据微调,在 RoboTwin 2.0 的简单和困难设定下,成功率分别到了 92.0% 和 91.1%。

推荐理由:蚂蚁灵波与港科大提出 LingBot-VA,把画面预测与动作决策合入自回归框架,每个任务仅用 50 条真实演示数据微调,在 RoboTwin 2.0 上报告了 92.0% 和 91.1% 的成功率。