Meta 携手傅利叶 3 个月打造人形机器人 Max,正推进第二代开发
据 The Information 报道,Meta 与中国机器人公司傅利叶合作,仅用 3 个月便打造出一款名为“Max”的人形机器人原型,双方已开始开发第二代产品。
据 The Information 报道,Meta 与中国机器人公司傅利叶合作,仅用 3 个月便打造出一款名为“Max”的人形机器人原型,双方已开始开发第二代产品。
首届 CMG 世界机器人登泰山大赛将于明日在山东泰安开赛,央视揭秘了机器人在红门至中天门段路的认路、探路及应对复杂路况的技术。 参赛机器人赛前需全速跑古道进行建图,四足机器人下盘稳,人形机器人则将视觉移至胸前并强化步态感知以应对重心挑战。 赛事总裁判长指出台阶高低不一、路面复杂是最大挑战,该实景赛道为山地特种机器人技术迭代提供了实战平台。
红旗连锁公告终止研发16个月的机器人无人售货系统,转投24小时云值守。尽管实验室测试通过,真实环境中因玻璃瓶易碎、复杂包装难抓取及窄过道避障失败而终止。 项目研发支出约286.68万元,远低于具身智能公司预期,业内指出其仅具营销展示价值,缺乏商业闭环。
飞捷科思联合复旦大学提出统一世界动作模型 Fysiverse-UniWAM,在不依赖大规模机器人预训练的情况下,于 MAP-Bench 基准中取得 9.85 厘米平均位置误差和 2.30° 朝向误差,分别领先最强外部基线 30.1% 和 44.0%。
星衍智能发布通用具身 Harness 框架 Auriga,结合大语言模型实现机器人在物理世界中的自主操作与在线纠错。
推荐理由:星衍智能通过通用 Harness 让机器人无需针对目标任务预调优或反复重置环境,展示了跨越物理任务与不同机器人形态的泛化能力。
Meta 与中国企业傅利叶合作打造人形机器人 Max 原型,研发周期仅三个月。该机器人身高约 1.5 米,体重约 48.1 千克,搭载英伟达 Thor 芯片。马克 · 扎克伯格称其为 Muse 模型的“物理化身”,双方已启动 Max 2 研发,暂无销售计划。
XHEART 推出旗舰智驾芯片 X7 Ultra,该芯片专为大模型定制,大模型算力达 700 TOPS,基于量产 Transformer 模型实测计算利用率达 98.7%。X7 系列已量产 8 个月,累计出货超 20 万颗,搭载 10 款量产车型并获 40 余款车型订单。公司计划启动下一代 X9 研发,其大模型算力目标为 3000 TOPS,面向 L4 自动驾驶场景。
无界动力宣布与京东签署战略合作协议,双方首批零售合作项目落地,机器人 K15 已在七鲜咖啡西宸里店和长楹天街店正式上岗。 K15 为第二代双臂轮式半人形机器人,搭载自研 1200TOPS(INT8)算力国产计算平台,腕部翻转半径 30mm,正推进 1000+ 七鲜门店规模化复制。 双方计划实现 10 亿元人民币产品合作规模,并重点布局海外市场,探索智能零售方案的全球化拓展。
AI Agent首次操控机械臂对活体小鼠完成脑部注射实验,展示了其直接接入实验室设备的可行性。该实验由Exin Therapeutics主导,团队使用Claude Opus 5.5和Claude Sonnet 5模型,让Agent自主选择治疗方案、脑区及注射坐标,并控制机械臂完成手术。
Sam Altman 在 Cheeky Pint 播客中表示,OpenAI 将把机器人项目指向数据中心,称 AI 控制机器人运行晶圆厂并建造太阳能电池板的自我复制数据中心已触手可及。 此举将机器人重新定义为解决 OpenAI 最大瓶颈——物理基础设施的手段,旨在构建运行更多 AI 的产能,而非仅服务于消费者或工厂。
Exin Therapeutics利用基于Claude体系的AI Agent对小鼠实施了减少癫痫发作的脑部手术,成功完成基因治疗载体注射。术中Opus 5.5因检测到生物体任务及连接中断风险而拒绝执行移动操作,最终由Sonnet 5完成手术。该公司计划通过AI与实验闭环加速神经环路干预靶点验证。
Neuralink 工程师与一位重度瘫痪的渐冻症(ALS)患者进行了为期 72 小时的黑客松,集中爆肝开发出 8 项新的脑机交互技术原型,其中最核心的突破在于意念驱动 AI。患者只要在脑海中默念「Hey Neuralink」并提出任务,Grok Agent 即可全自动接管电脑并执行操作,这一创新将大脑输出的一整句「意图」直接交给 AI 拆解和执行,从根本上突破了传统脑机接口在解码带宽上的物理瓶颈。
推荐理由:原文详细拆解了脑机接口与AI智能体融合的8项前沿技术原型,揭示了人类大脑作为AI原生输入端的交互演进路径。
Claude 智能体在癫痫小鼠模型中自主完成了基因治疗方案设计、靶点选择与立体定位手术。Exin Therapeutics CEO Gabriel Ocana-Santero 在 X 上分享了实验过程:智能体从 19 种候选疗法中选出增强特定抑制性通路的方案,排除了一个不可靠靶点并给出了详细理由,还从三篇文献推导出注射坐标、体积和速度。
启元具身研究中心发布 PrimeSim,这是一款基于预训练视频生成模型的世界模型仿真器,在 EWMBench 综合得分 6.09 位列第一,并在 WorldSimProbe 三项指标中夺冠。其技术路径包含中训练与后训练两阶段,支持跨本体迁移和超长时序推演,单卡 A100 推理速度达 10.12 FPS,相关权重与代码即将开源。
推荐理由:原文展示了将视频生成模型改造为机器人仿真器的完整技术路径与量化指标,为具身智能训练提供了可复现的工程参考。
地平线征程 6P 芯片及 HSD 软件栈已进入比亚迪天神之眼 B 方案,首批车型将于 11 月上市。 天神之眼 B 由地平线供应 560TOPS 算力的征程 6P 加 HSD,替代部分算力为 254TOPS 的英伟达 Orin-X。 HSD 已与 10 家车企达成合作,累计定点车型超过 20 款,远期向订阅模式过渡。
Dreame 29 岁创始人正研发用于处理清洁、洗衣等杂务的 AI 算法与人形机器人。 家用机器人仍被视为人形机器人竞赛中较难且未经验证的领域。
引入状态仿射隐空间转换模型 SALT,通过递归多步 rollout 监督训练,解决视觉规划中预测误差传播问题。 SALT 在一步预测误差上比 LeWM 基线高 1.48–2.19 倍,但在 4 个环境中闭环成功率平均提升 10.0 个百分点。 在 OGBench-Cube 上,执行后成本急剧上升导致失败的 episode 比例从 23.3% 降至 2.0%。
提出RE4框架,基于操作模式检索和转换演示数据集,在模拟和真实机器人测试中优于基线。 框架包含姿态估计、模式感知检索、模式感知转换和重规划四个步骤,在Push-T、Robomimic和MimicGen等基准上验证了鲁棒性。 结果证明可解释性构建模块对物体交互操作技能学习有益。
LPS 通过通过可微单步 MeanFlow 策略反向传播原始动作空间 Q 梯度来更新潜在动作空间 actor。 该方法摒弃代理潜在 critic,利用原始动作空间 critic 引导端到端优化,MeanFlow 策略作为行为约束生成先验。 在 OGBench 和真实机器人任务中,LPS 取得 SOTA 性能,优于行为克隆及潜在导向基线。
CoAWM 框架通过学习跨具身时空动力学先验,支持机器人在不同本体和执行频率下的动作生成,其核心是共享潜函数空间。 该框架分两阶段学习:首先通过函数预训练将不同本体的轨迹映射到共同表示,其次将预训练函数空间与世界模型骨干连接,使观察、语言指令和机器人状态能条件化预测动作。 这种将共享动力学先验与任务条件动作选择分离的方法,为跨本体和控制频率的机器人经验迁移提供了统一基础。
提出 LLM 引导的四足机器人平面操纵方法,利用 LoRA 微调语言规划器并配合端到端全身推动策略。仿真中成功率达 93.3%,较分层基线减少超 60% 完成时间;硬件测试 45 次试验中 44 次正确组合技能。
Event2Reward 提出结合绝对与相对进展监督方法,在四个 LIBERO 套件中,通过稀疏奖励训练将平均策略成功率提升 18.16 个百分点。 该方法利用约 100K 条真实机器人记录构建事件注释数据集,无需逐帧绝对进展标签,通过事件内进展关系约束局部变化。 在真实机器人上,30 分钟训练后精确插入任务成功率达 60.0%,物体操作任务达 90.0%,均显著优于基线。
提出级联技能优化(CSO)后训练框架,将LIBERO总体成功率从80.1%提升至97.5%,并在RoboTwin2.0及五个物理单臂任务中达到61.0%成功率。 该框架包含两阶段:拒绝采样监督微调对齐观测到技能映射,以及冻结观测编码器下的技能策略优化,确保更新稳定。 该方法有效解决VQ-VAE量化误差导致的先验分布次优问题,为机器人操作提供可靠的后训练路径。
summary_zh: 研究收集1616集水下操作数据训练14个VLA模型,在泳池任务中最佳模型成功率为93.3%。 案例研究显示单任务ACT策略(47.9%)显著优于通用SmolVLA(7.9%),相关工具已开源。
该研究提出名为 FORGE 的两阶段学习框架,结合在线降阶模型参考生成与全身追踪控制,在 Unitree G1 人形机器人上实现敏捷行走。 第一阶段利用单刚体动力学训练命令条件式全身参考生成器,第二阶段冻结该策略在线生成参考以训练全阶动力学全身追踪策略。
研究人员提出 Coupled Guidance,一种基于几何视角的流匹配专用引导机制,通过利用训练中的耦合结构,解决了直接移植扩散引导导致的不稳定性问题。 在 ManiSkill3 机器人避障、Adroit 灵巧操作及 ImageNet-128 图像生成任务中,该框架在无任何额外开销的情况下,提升了样本质量与引导稳定性。 该工作已被 NeurIPS 2026 接收,论文共 25 页。
该方法将动作分块轨迹表示为平滑基函数的线性组合,在保持策略架构与推理过程不变的前提下,通过构造性平滑降低抖动。 在 one-shot ACT 骨干上降低约一个数量级、iterative DiT 骨干上降低 2.4 倍的 chunk 内部 jerk;条件化校正可消除 73%–84% 的 chunk 边界不连续,且单步开销可忽略。
论文提出TGTV框架,整合时空图学习与大语言模型,用于固定翼无人机的可解释故障检测与追溯。 在ALFA公开数据集上,该框架窗口级检测的AUPRC达0.976,准确率0.973,召回率0.902,F1分数0.920。 飞行级故障诊断召回率达0.943,F1分数0.944,为可解释的飞行后故障分析提供了依据。
针对 PPO 在处理长周期、接触密集型任务时因缺乏动作判别力而停滞的问题,论文提出一种条件化动作价值评估器。 该评估器允许在同一状态下对比已执行动作与采样动作,结合广义优势估计(GAE)限制探索噪声,使算法能突破局部极小值。 在同等训练预算下,扩展后的算法成功完成了精确销钉插入任务,而 PPO 失败。
研究显示,保留经验证的闭环机器人策略代码可提升新任务成功率。 在 RoboCasa 中,使用验证选定的源代码将目标任务成功率从 41.5% 提升至 57.0%。 该方法在物理 Unitree G1 上验证了学习过程,证明优化源代码能助益新策略获取。
论文提出证据获取与可行性门控(EAFG)框架,结合视觉语言模型和任务运动规划(TAMP)。 EAFG 通过执行 TAMP 规划的动作序列获取视觉证据,据此决定继续规划或停止。 在三种烹饪场景中,该框架提升了任务完成率,并能在缺少必要物体时适当停止。
在 MATRX 城市搜救环境中,利用历史协作模式构建的知识图谱情景记忆,可使救援成功率从 25.7% 提升至 41.3%。 该方案通过图表示学习自动选取代表性记忆初始化机器人,平均任务时间减少 283 秒。 这一机制显著改善了交互初期的人机协作效率,有助于平滑早期团队磨合。
ADTT 通过显式对齐历史 triplanes 并预测残差变化,在 Occ3D-nus 上实现了 SOTA 预测性能。该方法采用 ego-motion 补偿,使用查询条件 Transformer 仅预测场景变化,从而减少参数并提高 FPS。代码已公开。
研究人员提出Bilevel Representations for Agent Interaction Dynamics(BRAID)模型,这是一种用于生成式多人交互的分层序贯潜在变量模型。 该模型将社会动作生成公式化为元迁移学习问题,通过组级和个体级潜在状态,实现全量、稀疏或部分观测下的连贯生成,并可用于社会预测、追踪及反应生成任务。
WNM-3D 是一款用于连续视觉-语言导航(VLN)的生成式世界导航模型。该模型在 GN-Bench 和 VLN-CE 基准上表现优于匹配的 WNM-2D 基线及强力 VLN 对比方法。
Gym-Anything for Robotics 框架引入代码智能体自动构建机器人模拟环境,并发布了包含 25 个测试和 175 个训练环境的 RoboWorld。 即使最强前沿模型在所有 RoboWorld 测试任务中的平均奖励仅为 0.06,但通过引入在上下文学习和特权教师等方法,模型性能得到显著提升。 作者已开源该管道、RL 环境和基准测试以促进后续研究。
该研究提出BURGER基准,用于评估视觉-语言-动作(VLA)模型在语言条件绘画任务中的泛化能力,其核心是在相同空白画布上根据指令控制机械臂绘制指定物体。 实验使用28,200个模拟演示和282个绘画任务评估5个代表性VLA模型,揭示了各模型在语言接地、空间组合和动作生成方面的不同失败模式。
本文提出了一种混合 MPC 和强化学习框架,用于自主卡车的高速公路驾驶。 该框架利用预训练的强化学习模型为有限时域 MPC 提供终端成本估计,在模拟环境中与纯 MPC、纯强化学习等基线进行了对比。 结果显示,该混合方法在所有配置中实现了零碰撞且成本最低。
UMI-Live 是一套面向野外场景的全栈开源双臂 UMI 数据采集系统。 该系统硬件集成相机与 LiDAR-惯性传感、本地计算及电源,无需外部追踪设备或现场标定;软件支持双-YAM 遥操作及 VLA 策略训练与推理。 通过微调 π_0.5 和 MolmoAct2 模型,在双臂拾取放置任务中分别达成 10/10 和 8/10 成功率,并公开了 40 小时跨三种任务的数据集。
WorldFlow 是一个生成式世界模型,通过统一的 Mixture-of-Transformers (MoT) 骨干联合预测未来视频和基于查询的 3D 轨迹,解决了现有模型 3D 动力学隐式及动作绑定特定机器人配置的问题。