美光研发边缘推理内存 EIM,降低物理 AI 数据处理延迟并提高带宽
美光正在研发专为物理 AI 设计的边缘推理内存(EIM),该架构垂直堆叠低功耗内存于逻辑芯片之上,旨在降低延迟并提高带宽。 EIM 不同于存内计算,目前尚未公开具体性能指标,技术正推进集成至 LPDDR6,业内预计量产时间为 2028 年下半年。 未来高性能人形机器人预计需约 200GB DRAM 及 4TB 存储空间,将逐步从 LPDDR 向 HBM 架构演进。
美光正在研发专为物理 AI 设计的边缘推理内存(EIM),该架构垂直堆叠低功耗内存于逻辑芯片之上,旨在降低延迟并提高带宽。 EIM 不同于存内计算,目前尚未公开具体性能指标,技术正推进集成至 LPDDR6,业内预计量产时间为 2028 年下半年。 未来高性能人形机器人预计需约 200GB DRAM 及 4TB 存储空间,将逐步从 LPDDR 向 HBM 架构演进。
港大 MMLab 团队提出 EgoWild2Dex,利用 538.9 小时未经刻意编排的真实人类第一视角操作数据训练机器人。通过 GeoFormer 几何变换模块对齐视角差异,并在每个下游任务使用不到 1 小时真机数据的情况下,机器人能够连续完成拆快递、使用热熔胶枪固定手办、制作冷饮等复杂双臂灵巧长时序任务,平均成功率达到 96.7%。
Manifold AI 发布 WorldScape R²SI 框架,该系统在机器人学习基准 RoboDojo Agent Track 上超越 GPT-6-Astra 等模型。R²SI 采用内外双层 Agent 结构,通过 ICL 一次示范学习与 R²SI 递归自进化,实现动作迁移、技能组合及长任务零样本执行。
推荐理由:Manifold AI 提出的 R²SI 框架通过内外双层 Agent 实现机器人自进化,相关系统登顶 RoboDojo 基准。
专门收集真实世界数据的AI实验室HUMXN宣布,将在三个城市免费提供管道、电气、HVAC、风管清洁及地毯清洁服务,条件是允许携带“可穿戴捕捉技术”的工作人员进入家中作业。HUMXN将补贴这些服务费用,通过记录熟练工人如何工作来收集数据,用于训练AI机器人。
宇树科技展示中心在天津建成投用,一层展厅面积1189.04平方米,集中陈列人形与四足机器人及自研核心零部件。 展厅设六大功能体验区,呈现障碍攀爬、工业分拣等实景场景,展现具身智能技术落地成效。
奇瑞 JAECOO 联合 Momenta 完成巴黎首个无接管凯旋门智驾挑战,全程约 11.38 公里。 测试车搭载 Momenta R7 世界模型,通过无标线路面、12 个环岛出口及复杂车流交互。 该车今年 9 月在法国注册量达 2,589 辆,市场份额升至 1.6%。
机器人每小时成本估算从 $2(Roland Berger)到超过 $35 不等,差异源于计算口径。Roland Berger 的 $2 未包含机器本身成本,而 $90,000 的机器人按五年、年运行 2,000 小时摊销,全成本约为 $12 每小时。
Waymo 宣布进入加拿大市场,首站选定多伦多,计划 2028 年向公众提供无人驾驶网约车服务。 Waymo 联合首席执行官 Tekedra Mawakana 称此举是全球扩张里程碑。公司累计行驶里程超 4 亿公里,严重伤害事故率约为人类驾驶员的二十分之一。 Waymo 将与本地车队管理公司合作,并通过实地测试适应多伦多的道路布局和驾驶条件。
禾赛发布三维世界数据引擎 Kosmo,包含空间相机 Kosmo One 和云平台 Kosmo World。Kosmo One 集成激光雷达、影像系统与高精度 IMU,在普通室内条件下约 15 分钟可完成 100 平方米空间的扫描,生成高度还原的三维训练环境。结合云平台的重建与编辑能力,该方案使机器人任务成功率达到 99%,Sharpa 失败案例降至原来的十分之一,并支持自动生成上万条训练轨迹。
DeepSeek 正考虑通过投资或自建团队的方式进入具身智能领域。彭博社披露 DeepSeek 已同意领投腾讯前科学家胡瀚创立的 Winverse AI 种子轮,金额达数千万美元,投后估值约 4 亿美元。同期,前逐际动力基础模型负责人俞涛的创业公司也传在 DeepSeek 的投资方之列。
推荐理由:原文梳理了DeepSeek通过投资切入具身智能的动向,并对比了该赛道融资收紧的现状,帮助读者理解资本流向的变化。
深辰凯动羽毛球机器人在浙江绍兴完成1452拍连续对打,获吉尼斯世界纪录认证,并得到波士顿动力前高管Marc Theermann的技术认可。 该机器人挥拍速度达每秒30米,识别延迟约0.5毫秒,其核心是通用的物理运动平台。 这一表现验证了机器人在高速动态场景下的感知、预测与协同执行能力,为物流分拣等复杂任务拓展提供基础。
四川具身科技(EIR)完成超1亿元Pre-A轮融资,资金将用于“爱湫”人形机器人迭代及万台生产基地建设。 “爱湫”采用3D超短焦投影面部方案,售价9.8万元起,公司预计2026年底投产,目标实现万台级产能。 EIR依托全栈自研与数据飞轮,旨在将情感陪伴能力带入家庭,拓展万亿级消费市场。
优必选发布Thinker-WM多模态统一世界模型,在WorldOlympiad、EWMBench和WorldArena1.0 Track-1三大基准评测中均取得第一名。
VLA让机器人“能干活”,世界模型让机器人“想清楚再干”,两者融合是行业共识。上海张江AI创新小镇内,蚂蚁灵波等企业提供跨本体的VLA大模型,已在药房等多门店上岗;智元GE-Act 2.0大模型在陌生场景成功率提升至44.1%。此外,上海人工智能实验室、擎朗智能等企业在不同技术路线上探索,行业规划与国家标准正在加速制定,以推动真实场景下的能力验证与迁移。
Nvidia 前机器人产品营销负责人 Amulya Vishwanath 认为机器人领域目前处于“乐高时代”,尚未迎来“ChatGPT 时刻”。 她指出执行器、机械手、软件和安全标准等基础构件仍在重构中,这与认为通用基础模型将带来突破的观点相悖。 Vishwanath 现创办早期风投机构 Techable VC,重点关注物理 AI 领域的机器人、材料科学和生命科学投资。
Amulya Vishwanath 认为 Physical AI 远不止机器人,还涵盖分子、材料及药物等领域。她目前任职于 Techable VC,专注投资 robotics、材料科学和生命科学。
由普林斯顿大学、NVIDIA和智元等机构共同提出的 WorldOracle 评测平台于 10 月 16 日正式向开发者开放。该平台通过真实执行记录检验动作驱动的世界模型,首批评测显示当前模型在机械臂路径预测上表现较好,但物体位置与运动预测偏差明显,且长序列预测准确性显著退化。
Sharpa 通过软硬件协同、解耦运动与交互、触觉跨本体表征三条主线,推进类人灵巧操作。UVTA 结合人类演示与机器人数据,提升多任务成功率至 70%;MoDE-VLA 引入强化学习原子技能,提高削苹果等任务成功率至 34%;CraftNet 分层模型将高频触觉反馈隔离至 System 0,配合踏板、点云或隐空间接口优化接触控制。
推荐理由:Sharpa 学术负责人梳理了具身智能在数据、运动交互与触觉三方面的核心路径,揭示了从人类视频到灵巧操作的转化逻辑。
香港生产力促进局启动了其首个实验性具身智能中心。该中心由七家内地及本地公司参与,包括宇树科技(Unitree Robotics)和 Galbot。此举旨在推动香港参与中国机器人产业发展热潮。
拉脱维亚正在其俄罗斯边境建立自动化的反无人机网络。 该网络具备自主检测、追踪和发射能力,士兵仅保留最终开火决定权。 此举旨在以较少兵力拦截廉价无人机,避免使用昂贵的喷气机和导弹,并借鉴了乌克兰在AI驱动防御方面的经验。
Microagi 为 Shift 项目支付费用,雇佣 35,000 多人头戴相机录制烹饪、引擎维修等物理任务视频。 此举旨在解决人形及工业机器人在真实世界物理任务数据上的短缺瓶颈。
沃尔沃将基于 Nvidia Hyperion 平台及 Alpamayo 推理软件,开发支持城市复杂路况(如处理无保护左转)的 L2++ 驾驶辅助系统。该系统目标在 2030 年推出,初期阶段不搭载 lidar 硬件,功能定位与特斯拉 FSD (Supervised) 相似。此次合作旨在取代此前失败的 Ride Pilot L3 项目,进一步丰富 Nvidia 的汽车客户名单。
百度萝卜快跑将于 10 月 21 日至 11 月 3 日在香港东涌首次开展大规模自动驾驶汽车公众试乘活动,预计超过 1000 名市民参与。 试乘路线全长 5.1 公里,每辆车配备一名拥有至少 10 年驾驶经验的安全员,并计划通过问卷收集反馈以推动技术普及。
智元启动“元苼生态发展计划”,与首批 20 多所高校合作,投入总额超 2 亿元共建具身智能产教融合平台。 提供超千台人形及四足机器人和 AIMA 开发平台,支持课程共建与实训,已建联 237 所科研院校。
研究者提出 ARMOR(Adaptive Round-based Multi-task mOdel),通过迭代自精化多任务处理机器人故障检测与推理,克服封闭集分类限制。模型结合稀疏二值标签与少量推理标注进行离线及在线模仿学习,推理时利用自确定性指标筛选最优路径。在多样化环境中,其故障检测率较前序方法提升最高 30%,LLM 模糊匹配推理指标提升最高 100%。
ValueFormer 是用于 VLA 策略在线故障检测与后训练的因果 Transformer,复用遥操作干预标志后,留出集检测平均精度从 0.38 提升至 0.82。
Play2Perfect 框架结合任务无关的玩耍预训练与微调,样本效率比从头训练高出 33 倍。 该方法实现零样本 sim-to-real 迁移,在 0.5 mm 间隙装配成功率达 60%,长时程多部件装配成功率超 50%。 研究证实灵巧机器人需先习得通用操作先验,方能解决接触密集且奖励稀疏的精密装配难题。
VOiLA提出利用学习型扩散模型生成POMDP世界模型,结合VOPP规划器实现高效的在线规划,适用于不确定环境下的机器人任务。 其扩散采样器通过蒸馏为紧凑前馈生成器,使采样成本降低近三个数量级。 在3个基准问题中,VOiLA表现优于或持平于当前RL方法(如Recurrent Soft Actor Critic和DreamerV3),且使用不到10%的训练数据。
EmbodiedMidtrain 提出了一种中训数据引擎,通过轻量级邻近度估计器从 VLM 数据池中筛选出最对齐 VLA 的候选数据。 该引擎构建了 EmbodiedMidtrain-1M 数据集,用于在下游 VLA 微调前对中训 VLM,实验显示其在仿真和真实机器人操控任务中均提升了 VLA 性能。 论文将发布所有代码、数据和模型,以支持未来研究。
研究提出包含9项操作任务的仿真基准RMBench,以及具备显式记忆组件的模块化策略Mem-0,用于系统性评估策略在历史观察推理和信息保持方面的记忆能力。 通过仿真和真实世界实验,RMBench揭示了现有操作策略在记忆依赖任务上的局限,并提供了架构设计选择影响记忆性能的实证见解。
REKI 是一个 2.4B 的视觉-语言-动作模型,在 LIBERO-Plus 等基准上表现优于约两倍的模型,刷新性能与模型大小的帕累托前沿。 该模型采用 VLM 加流匹配动作专家架构,通过少量 register tokens 实现低开销记忆,使位姿振荡现象减少约 4 倍。 REKI 完全基于公开数据预训练,并开源了全部代码、权重及评估部署流程。
研究人员开发了可扩展的深度强化学习算法 Atomic-PPO,通过原子动作分解缩小动作空间,用于优化电动出租车队的调度与充电配置。 该算法基于离散时间马尔可夫决策过程建模,在纽约市真实行程记录校准的模拟环境中,其性能接近流体奖励上界,并优于启发式策略。 实验表明,基于乘客量规划充电桩位置、平衡充电数量与速度,并联合规划基础设施与车队规模对系统表现至关重要。
该研究提出 LIBERO-PeRM 基准,旨在评估具身智能体在机器人操作任务中的个性化偏好学习能力。基准涵盖 312 个任务套件,通过对比零样本、单偏好学习及多偏好冲突处理场景,分析策略泛化性。实验显示当前 VLA 策略零样本表现差,SFT 可有效学习偏好但混合训练会削弱运动偏好学习。
T2-z 提出测试时优化环境潜变量,增强机器人世界模型预测能力。 该模型通过交替训练阶段使潜变量无监督捕捉环境差异,测试时利用单次交互即可推断潜变量。 在 7 个模拟和 4 个真实任务中,物体预测误差从 15.20 降至 7.00,动作成功率从 33.73% 提升至 72.96%。
CoDA 框架引入“仿真数据引擎”与“动作策略”的协同进化机制。通过共享异构内存与视觉语言批评者,将策略失败转化为生成与训练程序,实现针对性迭代优化。 在四个操作任务家族中,CoDA 将分布外成功率从 5.3% 提升至 27.6%。在 LIBERO-Pro 基准上,经过 15 轮生成与训练,成功率在位置扰动下从 25% 升至 84%,在指令扰动下从 1% 升至 76%。
DSP框架通过几小时人类有监督玩耍数据训练玩耍策略,自主采集交互数据训练世界模型,并在推理时指导模型预测控制。 在真实世界实验中,DSP在欠驱动推压任务中成功率比后见行为克隆高69.6%,仅需强化学习1/490的交互数据达到可比表现。 该框架实现了无需任务特定示范或sim-to-real迁移的机器人自主灵巧操作。
提出的全身灵巧操作框架利用机器人躯干和四肢作为接触面,以抓取和操作大型物体。 该框架通过仿真生成可行全身抓握数据集,并训练强化学习专家。专家被蒸馏为一个单策略,使用本体感觉和物体几何形状,实现零样本迁移到真实环境。 在真实世界中,该策略完成90%的全身操作任务,远胜于直接重定向的18%和通用全身控制器的4%。
DemoStream 利用 GPU 加速 TAMP 系统优化演示质量,提升行为克隆成功率。 该系统引入批量 TAMP 采样操作和约束满足算法,并行探索多个解。 实验表明,利用 TAMP 安全保证可在真实环境以平均每小时 66 个演示的速率收集数据。
统一框架 Anvil 提出 9B 学生模型 Anvil-MOPD,在七个公开基准平均性能上以 9.29 和 11.03 个百分点领先 Qwen3.5-9B 及 RynnBrain-8B。 该模型通过 5.8M 源自 160K 图像的记录训练,采用 5.22M 记录训练并在 580K 保留记录上评测,在 VABench-Point 达到 80.67%。
研究人员提出因果光束引导的子任务迁移(CBST)方法,以解决人形与机器形态差异导致的监督难题。 该方法利用因果光束分析子任务迁移,从人类视频中提取操作相关表征,并通过机器人演示将其锚定在任务级语义变量上。 在机器人操作基准测试中,CBST 使任务成功率优于相应的世界 - 动作模型基线。