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 81–100 条 · 共 172 条

5月29日星期五

AI HOT 精选

特斯拉说 FSD 比人安全十倍,但训练它的员工自己都不敢坐

路透社扒了特斯拉的安全报告,发现“比人类安全 10 倍”这个说法站不住脚。特斯拉拿自己车气囊弹出的数据,去跟全美所有车辆(包括老车)的普通事故率比,11 位交通安全研究员看了直摇头,说这是误导性营销。更扎心的是,9 名前数据标注员和 1 名前工程师爆料,FSD 连避让校车、紧急车辆这种基础操作都还搞不定。

推荐理由:路透社核查特斯拉安全报告,11 位交通安全研究员指出其用自家气囊数据对比全美平均事故率的统计口径问题,另有 10 名前员工透露 FSD 在避让校车等基础场景上的表现。

5月28日星期四

NVIDIA 博客

NVIDIA 在 ICRA 发了 8 篇论文,核心是让机器人在仿真里练完直接去现实世界干活

NVIDIA Research 在 ICRA 上展示了 8 篇论文,都围绕一个思路:在仿真里训练机器人,然后直接部署到真实环境。ScheduleStream 让多机械臂并行规划,速度提升 3 倍,代码已开源。COMPASS 导航框架完全不靠真实数据,在仿真里训练后迁移到真机,20 次真实导航测试成功率约 80%,比纯模仿学习基线高了 4.5 倍。

推荐理由:NVIDIA Research 在 ICRA 发布 8 篇论文,其中 COMPASS 导航框架不依赖真实数据,仿真训练后迁移到真机,20 次测试成功率约 80%,为纯模仿学习基线的 4.5 倍。

AI HOT 精选

Mistral 推出物理 AI 模型,用一张 GPU 几秒钟预测完整物理场

Mistral 整合了 Emmi AI 团队,发布了一个面向工业工程的物理 AI 基础模型。它能根据几何结构、边界条件或测量数据,在单张 GPU 上用几秒钟预测出完整的物理场(比如温度、应力分布)。正文没披露具体架构、参数量、训练数据规模和实测误差范围,也没给出跟传统数值仿真在精度和速度上的量化对比,所以实际工程可用性还得看后续验证。

推荐理由:Mistral 整合 Emmi AI 团队后推出面向工业工程的物理 AI 基础模型,可在单张 GPU 上几秒预测温度、应力等完整物理场,为关注工业仿真效率的读者提供一条技术路线参考。

机器之心 · 公众号

ICML 2026:AutoMoT 用大小模型异步分工,在 Bench2Drive 和 nuScenes 上拿了双料第一

这篇文章本身被微信环境验证挡住了,正文内容没抓到,所以下面说的都基于标题和已知信息。AutoMoT 是南洋理工 AutoMan 实验室、哈佛和小米汽车一起搞的端到端驾驶模型,核心思路是把视觉语言模型和驾驶动作拆成两个专家:一个 4B 的 Qwen3-VL 负责看懂场景,一个 1.6B 的动作专家负责输出驾驶指令,而且两个模型是异步推理的,不用互相等。

推荐理由:AutoMoT 把 4B 视觉语言模型与 1.6B 动作专家拆成异步推理,在 Bench2Drive 和 nuScenes 上取得双料第一,其大小模型分工思路可供端到端驾驶架构参考。

机器之心 · 公众号

国产预训练具身大模型 Wall-OSS-0.5 开源,宣称跳过微调也能直接干活

X Square Robot 开源了一个叫 Wall-OSS-0.5 的视觉-语言-动作模型,主打“预训练完就能用”。他们放出了 40 万步的预训练 checkpoint,在 17 个真实机器人零样本任务里,有 4 个成功率超过 80%。这次开源的东西挺全:权重、代码、训练配方、消融实验,还有一个叫 DMuon 的优化器实现。

推荐理由:X Square Robot 开源视觉-语言-动作模型 Wall-OSS-0.5,放出 40 万步预训练 checkpoint,在 17 个真机零样本任务中 4 个成功率超 80%,并附权重、代码与训练配方。

5月27日星期三

机器之心 · 公众号

三星公开 Meki、M2RL 和 LiveClawBench 三项研究,从端侧记忆架构做到物理 AI 评测

三星这次放出了三个项目:Meki 是一种给端侧模型用的记忆架构,让手机或 IoT 设备上的小模型能记住上下文、省着用算力;M2RL 是多领域强化学习框架,想让一个模型在不同任务里都能自己学会干活;LiveClawBench 则是专门测物理 AI 的基准,看模型能不能在真实世界里抓取、操作物体。

推荐理由:三星公开 Meki、M2RL 与 LiveClawBench 三项研究,分别对应端侧记忆、多领域强化学习和物理 AI 评测,读者能从中看到三星在端侧与机器人方向上的布局。

AI HOT 精选

Reachy Mini 机器人现在能完全在本地跑语音对话了

Hugging Face 给 Reachy Mini 机器人配了一套纯本地运行的语音对话方案,数据不用上传云端。他们用 speech-to-speech 库搭了一条流水线:先靠 Silero VAD 检测有没有人在说话,再用 Parakeet-TDT 把语音转成文字,接着交给大模型想怎么回,最后让 Qwen3-TTS 把文字念出来。

推荐理由:Hugging Face 为 Reachy Mini 搭了一条全本地语音对话流水线,从 Silero VAD、Parakeet-TDT 到 Qwen3-TTS 逐环节可查,为想在边缘设备上复现同类方案的人提供了完整技术路径。

5月26日星期二

纽约时报中文网

中美共同的 AI 焦虑:怕被未来收割

作者在中美两头跑,发现两边的普通人都在被同一种不安笼罩:技术跑太快,红利不一定轮到自己。文章用滴滴司机钻算法空子、美国送餐员抢单的例子开场,指出 AI 在两国都加剧了职场监控、情感孤独和无力感。美国超七成青少年拿聊天机器人当陪伴,中国预计到 2030 年独居人口达 2 亿,AI 伴侣成了孤独的速效解药。

推荐理由:作者在中美两地观察到普通人对 AI 的共同不安,用滴滴司机钻算法空子、美国送餐员抢单等例子,说明技术红利未必落到个人身上。

5月25日星期一

机器之心 · 公众号

众趣科技开源浏览器端3D高斯泼溅查看器,10亿个高斯点也能跑,内存和速度都比李飞飞团队的Spark 2.0强

众趣科技把他们的Aholo Viewer开源了,这是一个在浏览器里直接看3D高斯泼溅场景的工具。在300万个高斯点的测试里,它占用的内存只有Spark 2.0的一半,加载速度快了一倍,渲染速度快了两倍,而且宣称能撑住10亿个高斯点的场景。

推荐理由:众趣科技开源浏览器端3D高斯泼溅查看器Aholo Viewer,300万高斯点测试中内存占用为Spark 2.0的一半、加载快一倍、渲染快两倍,并称可支撑10亿点场景。

5月22日星期五

AI HOT 精选

国家发改委:建训练基础设施,让机器人从跑马拉松到进工厂商场家庭

国家发改委在5月22日的发布会上,用北京亦庄人形机器人半马的成绩来说明具身智能的进步:参赛队伍从20多支涨到100多支,完赛队伍从6支涨到40多支,机器人跑得更快、过弯更灵活、导航更自主。下一步会重点建两样东西:一是训练基础设施,用来采集数据和训练机器人的“大脑”和“小脑”模型,让它在不同场景都能干活。

推荐理由:国家发改委提出加快具身智能训练基础设施建设,并引用亦庄半马参赛队伍从20多支增至100多支、完赛队伍从6支增至40多支的数据,指向机器人从赛场走向工厂、商场和家庭。

机器之心 · 公众号

CVPR 2026 | HiF-VLA:用视频压缩的思路教机器人“边看动作边想下一步”

西湖大学团队搞了个叫 HiF-VLA 的框架,核心想法是把机器人看世界的方式从“一帧帧静态图”换成“画面怎么动的”。它直接用 H.264 这类视频编码器从画面里提取紧凑的运动向量,再让一个联合专家模型同时预测未来的视觉动态和该做的动作序列。论文里给的数据是,在设定的历史窗口下,显存峰值 31.4GB,延迟 117.7 毫秒。

推荐理由:西湖大学团队提出 HiF-VLA,用 H.264 运动向量替代逐帧视觉编码,并让联合专家模型同时预测视觉动态与动作序列,显存峰值 31.4GB、延迟 117.7 毫秒。

彭博科技

Waymo 在亚特兰大暂停无人出租车,因为车辆会往洪水里开

Waymo 在亚特兰大的一辆车直接开进了被淹路段,导致公司暂停了五个城市的服务。问题出在车辆对积水路面的识别和决策上——它判断不出“水有多深、能不能过”,就硬着头皮往前开。这跟之前导致数千辆车被召回的是同一个毛病。不过正文没披露具体是哪五个城市,也没说什么时候恢复运营。

推荐理由:Waymo 因车辆驶入亚特兰大积水路段而暂停五城服务,这与早前触发数千辆车召回的是同一识别缺陷,指向无人车在恶劣天气下的安全边界。

NVIDIA 博客

NVIDIA 在 COMPUTEX 2026 拿了四个奖,Vera Rubin NVL72 号称推理能效比上代高 10 倍

NVIDIA 在 COMPUTEX 2026 上靠 Vera Rubin NVL72、Jetson Thor 和 Alpamayo 拿了四个 Best Choice 奖。

推荐理由:NVIDIA 在 COMPUTEX 2026 凭 Vera Rubin NVL72、Jetson Thor 和 Alpamayo 拿下四个 Best Choice 奖,其中 NVL72 给出的推理能效数字比上代高 10 倍。

5月21日星期四

AI HOT 精选

FSD 官宣进入中国大陆,但没公布城市、车型和价格

特斯拉发了一条很短的官宣,说 FSD 正式进入中国大陆市场。正文没披露哪些城市能用、支持什么车型、怎么收费,也没提监管审批情况。目前只有一句话,我会先打个折,等具体落地细节出来再看。

推荐理由:特斯拉官宣 FSD 正式进入中国大陆市场,但未公布可用城市、支持车型与收费方式,这条消息的价值在于自动驾驶市场等待已久的落地动作有了官方口径。

5月20日星期三

新智元 · 公众号

摩尔线程 MUSA 生态更新:SDK 对齐 CUDA 12.8,SGLang 主线已合并

摩尔线程放出了自家 GPU 生态 MUSA 的最新进展。SDK 5.1.0 把兼容目标拉到了 CUDA 12.8,覆盖了 761 个驱动和运行时接口,意思是跑 CUDA 代码时能认的指令更多了。推理框架 SGLang 的主线代码已经合并了 MUSA 的支持,硬件支持排期在 2026 年第二季度。

推荐理由:摩尔线程 SDK 5.1.0 将兼容目标对齐 CUDA 12.8,覆盖 761 个驱动和运行时接口,SGLang 主线也已合并 MUSA 支持,硬件排期在 2026 年第二季度。

新智元 · 公众号

驭势科技在港交所上市,成为全场景L4自动驾驶第一股,市值超百亿港元

驭势科技今天在港交所挂牌,发行价每股60.30港元,公开发售部分超额认购6777倍。公司主要做机场、厂区这类封闭场景的L4级无人驾驶物流车和接驳车,2025年在大中华区机场L4商用车市场占了90.5%的份额。不过原文因为微信环境验证拦截,正文内容没抓到,具体的财务数据、技术路线和募资用途都没披露,这些关键信息得去翻招股书才能确认。

推荐理由:驭势科技在港交所挂牌,机场L4商用车市占率90.5%,公开发售超额认购6777倍,这条资讯呈现了自动驾驶企业在封闭场景商业化落地的进展。

纽约时报中文网

中国法院第三次判企业用 AI 替代员工后辞退违法,杭州案月薪从 2.5 万降到 1.5 万被认定非法解雇

杭州中院把一起 AI 替代岗位的案子定为指导性案例:公司用 AI 取代质检岗,给员工调岗但月薪从 2.5 万砍到 1.5 万,员工拒绝后被辞退,法院认定公司没做合理安置,属于违法辞退。这是中国官方第三次公开支持被 AI 抢走工作的劳动者胜诉,信号很明确——企业引入 AI 算自愿降本,不能当裁员的理由。

推荐理由:杭州中院将企业用AI替代质检岗后降薪辞退员工认定为违法,这是中国法院第三次公开支持被AI抢走工作的劳动者胜诉。

TechCrunch · AI

Google 把街景塞进 Genie 世界模型,现在能直接生成可交互的街道模拟

Google DeepMind 把 Street View 街景数据接入了自家的世界模型 Project Genie,让它能根据真实街道照片生成可交互的 3D 场景。你可以像玩游戏一样在模拟街道里走动,还能调天气、看极端气候下的样子。

推荐理由:Google DeepMind 将街景数据接入世界模型 Project Genie,能由真实街道照片生成可交互 3D 场景并调节天气,为机器人与游戏仿真提供现成地图素材。

5月19日星期二

AI HOT 精选

现代汽车计划在自家工厂部署 2.5 万台波士顿动力 Atlas 人形机器人

现代汽车集团在摩根大通的投资者会上说,要在现代和起亚的制造工厂里用上超过 2.5 万台 Atlas 人形机器人,目标到 2028 年实现年产 3 万台。执行器(相当于机器人的关节和肌肉)会在美国工厂生产,规划年产能超过 30 万个。不过正文没披露具体什么时候开始铺、铺到哪些工厂,也没说采购成本。

推荐理由:现代汽车集团计划在现代和起亚工厂部署超2.5万台波士顿动力Atlas,并设定2028年年产3万台目标,这一规模展示了人形机器人在汽车制造环节的潜在应用量级。

AI HOT 精选

地平线开源了 4 亿参数的机器人控制模型 HoloMotion-1,能跳舞、搬箱子,端侧跑到 300 帧

地平线机器人实验室把一个人形机器人全身控制模型 HoloMotion-1 开源了,参数规模 4 亿,他们管它叫“机器人小脑”。这个模型用了 MoE 稀疏激活和 KV-cache 推理,把单步推理开销压下来,在端侧能跑到约 300FPS,比常见的 50Hz 控制频率高出一大截。

推荐理由:地平线机器人实验室开源了 4 亿参数的人形机器人全身控制模型 HoloMotion-1,靠 MoE 稀疏激活和 KV-cache 把端侧推理做到约 300FPS,远高于常见的 50Hz 控制频率。