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 121–140 条 · 共 172 条

5月10日星期日

机器之心 · 公众号

谷歌 Ted Xiao 把近十年机器人学习分成三个时代,从 RT-1 到 RT-2 再到规模化

这篇文章的正文被微信环境异常拦截了,实际内容无法读取。从标题和已有英文摘要看,Ted Xiao 的复盘主要讲谷歌机器人团队怎么从 RT-1 用 8.7 万条遥操作轨迹训练,走到 RT-2 把 50 亿到 550 亿参数的视觉语言模型改造成视觉-语言-动作策略。具体三个时代怎么划分、每个阶段踩了什么坑、规模化后效果到底提升多少,正文没披露,没法展开。

推荐理由:Ted Xiao 复盘谷歌机器人学习从 RT-1 用 8.7 万条遥操作轨迹训练,到 RT-2 将 50 亿至 550 亿参数视觉语言模型改造为动作策略的路径。

5月9日星期六

AI HOT 精选

特斯拉用视觉AI提前“看”到碰撞,让气囊和安全带更早启动

特斯拉把车上摄像头看到的画面和碰撞传感器结合起来,让安全系统能提前判断要撞车了,不等传感器确认就先把安全带收紧、气囊准备好。团队用真实事故数据和仿真回放,拿人体模型测受力,发现早一点启动保护能明显降低预估伤害。这次改进通过OTA推给车主,但正文没披露具体支持哪些车型,也没给出伤害风险降低了多少的量化数字。

推荐理由:特斯拉将摄像头画面与碰撞传感器结合,让安全带和气囊在传感器确认前提前启动,并用真实事故数据与仿真回放评估人体受力。

FT · 科技

德国无人机初创公司 Helsing 估值冲到 180 亿美元,投资人正往军工赛道砸钱

Helsing 计划在新一轮融资里融 12 亿美元,估值达到 180 亿美元。这家德国公司背后有 Spotify 创始人 Daniel Ek 站台。正文被付费墙挡住了,没披露更多技术细节或财务数据,所以这个估值到底靠什么撑起来,目前还看不清。

推荐理由:德国无人机初创公司 Helsing 计划融资 12 亿美元,估值达 180 亿美元,军工赛道正吸引资本持续加注。

机器之心 · 公众号

港科大和社区开源了 StarVLA,一个框架把主流视觉-语言-动作模型串了起来

StarVLA 把 VLA(视觉-语言-动作模型)里常用的主干网络、动作输出头、训练策略和评测接口都做成了可插拔的模块,不用再为不同论文各搭一套代码。仓库在 GitHub 上已经拿到 2.2k 星,支持的基准包括 LIBERO、SimplerEnv、RoboTwin 2.0、RoboCasa-GR1 和 BEHAVIOR-1K。

推荐理由:港科大与社区开源 StarVLA,把 VLA 常用的主干网络、动作输出头和训练评测接口做成可插拔模块,省去为不同论文各搭一套代码的重复工作。

5月8日星期五

AI HOT 精选

机器人终局:一份物理 AGI 路线图,用大语言模型的成功逻辑来推演

演讲者把机器人做成人形通用智能拆成六块:视频世界模型当第二预训练范式,世界行动模型(WAM)负责把感知转成动作,数据收集策略对标特斯拉 FSD 的物理数据飞轮,EgoScale 和灵巧性缩放定律试图量化训练规模与手部操作能力的关系,物理强化学习用来跑通最后一公里,DreamDojo 则是一个端到端的神经物理引擎。

推荐理由:演讲者把物理 AGI 拆成六个模块,并用大语言模型的发展阶段类比机器人训练路径,为讨论人形通用智能提供了一套可对齐的框架。

机器之心 · 公众号

英伟达和普渡大学用 agent 闭环做文生 3D 场景,让模型自己检查、自己改

这篇是 ICLR 2026 的论文,讲的是英伟达 Cosmos Lab 和普渡大学搞的 Scenethesis 框架。它让语言和视觉模型组成一个 agent 闭环,根据文字描述生成 3D 场景。流程里加了视觉定位、基于 SDF 的物理约束,还有一个裁判模块来挑错。

推荐理由:英伟达 Cosmos Lab 与普渡大学提出 Scenethesis 框架,用语言和视觉模型组成 agent 流程生成 3D 场景,并加入 SDF 物理约束与裁判模块做自检纠错。

5月6日星期三

量子位 · 公众号

波士顿动力高管出走,Atlas 月产仅 4 台,离现代汽车年产 3 万台目标差了 200 年

波士顿动力放出了新版 Atlas 体操演示,但同期消息显示 Atlas 月产量只有 4 台。Atlas 全身 56 个自由度,重 90 公斤,续航 4 小时,2026 年的产能已被现代 RMAC 和 Google DeepMind 预定一空。核心矛盾在规模:现代汽车目标是年产 3 万台机器人,按现在的月产 4 台算,攒够 1 万台需要超过 200 年。

推荐理由:现代汽车计划年产 3 万台机器人,而 Atlas 当前月产仅 4 台,按此速度攒够 1 万台需超过 200 年,这条资讯把机器人量产目标与产能现实之间的差距摆了出来。

5月3日星期日

量子位 · 公众号

清华 AIR 开源具身智能仿真框架 GS-Playground,一块 4090 能同时跑 2048 个场景

清华 AIR DISCOVER 实验室和合作方开源了 GS-Playground,已被 RSS 2026 接收。这个框架把批量 3D 高斯泼溅渲染和并行物理引擎绑在一起,专门解决机器人训练时视觉仿真的算力瓶颈。在 RTX 4090 上,640×480 分辨率能跑到每秒一万帧,同时并行跑 2048 个场景。

推荐理由:清华 AIR 与合作方开源的 GS-Playground 把批量 3D 高斯泼溅渲染与并行物理引擎耦合,单张 RTX 4090 在 640×480 下达到每秒一万帧并同时跑 2048 个场景。

5月2日星期六

TechCrunch · AI

Meta 买下机器人公司 ARI,把人形机器人的模型研发收回自己手里

Meta 收购了做人形机器人基础模型的初创公司 Assured Robot Intelligence(ARI),收购金额没公布。ARI 的团队会整体并入 Meta 的超级智能实验室,之前他们在做让机器人理解、预测和适应人类行为的模型,目标场景是家务和其他体力活。

推荐理由:Meta 将人形机器人基础模型公司 ARI 团队整体并入超级智能实验室,此前 ARI 在做让机器人理解并适应人类行为的模型,主攻家务等体力活场景。

彭博科技

Meta 收购机器人 AI 公司 Assured Robot Intelligence,要搞人形机器人

Meta 买下了一家叫 Assured Robot Intelligence 的初创公司,这家公司专门给机器人做 AI 模型,Meta 想用它的技术推进自己的人形机器人项目。收购价格、团队规模和产品时间表正文都没提,所以这笔交易到底有多大分量还不好说。

推荐理由:Meta 收购专做机器人 AI 模型的初创公司 Assured Robot Intelligence,用于推进自身人形机器人项目,这是大厂在具身智能方向的一次具体布局。

4月30日星期四

新智元 · 公众号

小象电动轴向磁通电机已出货近7万台,进入华为、比亚迪、广汽、美团供应链,计划年内建成年产15万台的自动化产线

小象电动做的是轴向磁通电机,用在机器人关节上。关节成本占人形机器人整机的35%到45%,这块一直是量产卡脖子的地方。他们给出的数据是:同等功率下体积和重量比传统电机小三分之一,效率做到97.5%,良率超过96%,目前累计出货接近7万台。客户名单里有华为、比亚迪、广汽和美团。今年还计划上一条年产15万台的自动化产线。

推荐理由:小象电动轴向磁通电机累计出货近7万台,已进入华为、比亚迪、广汽、美团供应链,关节成本占人形机器人整机35%到45%,其量产爬坡进度直接关系整机成本下降空间。

机器之心 · 公众号

罗剑岚团队发布 LWD,用失败数据训练机器人,16 台真机跑出 0.95 成功率

罗剑岚团队和智元机器人搞了个新训练框架 LWD,已经在 16 台 Agibot G1 真机上跑过验证。LWD Online 在 8 个任务上平均成功率 0.95,长流程任务也能到 0.91。

推荐理由:罗剑岚团队与智元机器人推出 LWD 训练框架,用失败数据训练机器人,并在 16 台 Agibot G1 真机上验证,8 个任务平均成功率达 0.95。

4月29日星期三

新智元 · 公众号

生数科技 MotuBrain 在 WorldArena 和 RoboTwin2.0 两个榜单同时登顶

生数科技新模型 MotuBrain 拿了两个第一:在 WorldArena 世界模型榜单上得分 63.77 EWM,在 RoboTwin2.0 的干净和随机两个测试里分别拿到 95.8 和 96.1 分。

推荐理由:生数科技 MotuBrain 在 WorldArena 与 RoboTwin2.0 两个榜单同时登顶,WorldArena 得分 63.77 EWM,RoboTwin2.0 干净与随机测试分别为 95.8 和 96.1 分。

量子位 · 公众号

生数科技认领了那个神秘登顶的机器人模型,叫 MotuBrain,在两项评测里拿了高分,还放了个三台机器人接力干活的演示

4 月中旬有个叫 MotuBrain 的模型在 WorldArena 和 RoboTwin2.0 两个榜单上突然登顶,生数科技在 4 月 29 日认领了它。RoboTwin2.0 的干净环境和随机干扰环境分别拿了 95.8 和 96.1 分。

推荐理由:生数科技认领了此前在 WorldArena 和 RoboTwin2.0 登顶的 MotuBrain,并放出三台机器人接力完成长程任务的演示,展示视频公司跨入具身智能后的落地形态。

TechCrunch · AI

Scout AI 拿了 1 亿美元,要把 AI 模型送进战场,我们去了他们的训练营

Scout AI 融了 1 亿美元,用来训练能在战场上干活的 AI 智能体。我们实地看了他们的训练场,核心目标是让一个士兵就能指挥一群无人车。不过正文没披露这轮融资是第几轮、谁投的、估值多少。

推荐理由:Scout AI 融资 1 亿美元训练战场 AI 智能体,其训练场以单兵指挥无人车队为目标,军事 AI 的应用方向由此有了具体样本。

X · @dotey(宝玉)

港科大等十余所高校发 88 页综述,给“世界模型”画了一张统一地图

这篇综述先捅破一层窗户纸:做强化学习、视频生成、Web Agent 的人嘴里说的“世界模型”根本不是一回事,论文之间没法比。作者团队拉出一个“能力等级 × 领域法则”的二维框架,把 400 多篇工作摆到同一张桌子上。能力分三层:L1 只预测下一步,L2 能做多步推演且遵守领域基本规则,L3 能在预测翻车时自己诊断原因、设计实验、修正模型。

推荐理由:港科大等十余所高校联合发布 88 页综述,用能力等级与领域法则的二维框架把 400 多篇世界模型工作放到同一坐标系里比较。

4月28日星期二

量子位 · 公众号

南洋理工搞了个模糊指令测试,机器人成功率最多暴跌 36.9%

南洋理工 MARS 实验室发了 REI-Bench,专门测机器人怎么理解人话里的模糊指令。他们把模糊程度分了 9 个等级,拿 4 套机器人规划框架搭上 6 个小模型跑了一遍。结果 LLaMA3.1-8B 加 SayCan 这套组合,在多轮对话里成功率从 57.7% 掉到 46.9%。

推荐理由:南洋理工 MARS 实验室发布 REI-Bench,把模糊指令分成 9 个等级,测试 4 套规划框架搭配 6 个小模型的表现,其中一组多轮对话成功率从 57.7% 降至 46.9%。

Latent Space

Applied Intuition 十年做成 150 亿美元估值,他们想把所有会动的机器都塞进同一个 AI 操作系统

Applied Intuition 的 CEO 和 CTO 聊了他们从 YC 时期的自动驾驶工具链,一路做到估值 150 亿美元实体 AI 公司的完整路径。公司现在有 30 多款产品,全球非中国车企前 20 名里 18 家是他们的客户,L4 级无人卡车已经在日本跑起来了。

推荐理由:Applied Intuition 的 CEO 和 CTO 复盘了从 YC 时期自动驾驶工具链到 150 亿美元估值实体 AI 公司的路径,并给出 30 多款产品、18 家全球前 20 非中国车企客户和日本 L4 无人卡车的落地情况。

4月24日星期五

机器之心 · 公众号

机器人跑赢人类马拉松后,资本开始从硬件转向“大脑”

荣耀的人形机器人“闪电”在北京亦庄半马跑出50分26秒,比人类男子世界纪录57分20秒还快。宇树H1在1.9公里弯道赛段也跑出4分13秒。文章说2026年一季度具身智能融资近200笔、总额超300亿元,4月16日灵初智能又拿了4.55亿美元Pre-A轮。信号很直接:钱正从机器人本体流向模型和智能系统,硬件能卷的差不多到头了。

推荐理由:荣耀人形机器人半马跑出50分26秒,超过人类男子世界纪录,同期具身智能一季度融资近200笔、超300亿元,资金正从本体转向模型与智能系统。

彭博科技

贝索斯的实体 AI 实验室 Project Prometheus 完成新一轮融资,估值冲到 380 亿美元

Project Prometheus 刚关掉一轮 100 亿美元的融资,估值大约 380 亿美元。领投的是贝索斯本人,跟他一起干的是前 Google 高管 Vik Bajaj。光看这个数字就知道手笔有多大:单轮融 100 亿,直接把一家做实体 AI 的公司抬到这个身价。

推荐理由:贝索斯本人领投 Project Prometheus 的 100 亿美元融资,公司估值约 380 亿美元,单轮融资规模与定价水平为观察实体 AI 方向的资本投入提供了具体参照。