NVIDIA 发布 Alpamayo 2 Edge,Embedl 实现 10 倍加速
NVIDIA 发布 Alpamayo 2 Edge 模型。Embedl 称其优化版在 AGX Thor 边缘硬件上运行比 PyTorch 快 10 倍以上。 该模型采用 RL 训练,输入 6 个摄像头及近期运动数据。 用户可在 AGX Thor 设备上直接运行该模型。
NVIDIA 发布 Alpamayo 2 Edge 模型。Embedl 称其优化版在 AGX Thor 边缘硬件上运行比 PyTorch 快 10 倍以上。 该模型采用 RL 训练,输入 6 个摄像头及近期运动数据。 用户可在 AGX Thor 设备上直接运行该模型。
沐曦与优必选共同发起的曦选创智完成 5 亿元人民币天使轮融资,由纪源资本、经纬创投联合领投。 资金将用于具身智能端侧芯片研发、工具链建设及量产交付。 曦选创智成立于 2026 年 5 月,注册于无锡,致力于以国产算力连接模型与真实任务。
中国石化牵头成功研发国内首个具身智能压力表全自动检定装置。 该装置集成机器人操作、视觉识别与软件协同,可同步检定 4 块指针压力表并生成证书,全程仅需 5 至 6 分钟,读数识别率达 99.7%。 装置效率提升 3.5 倍以上,标志着指针压力表检定从“人测”转向“机测”。
Figure AI 在圣克拉拉招聘一名夜间协调员,负责监管其开发的人形机器人及人类操作员,提供 40 至 45 美元的合同转正式雇员岗位。 该职位需处理机器人故障和安全隐患,有时还需直接操作机器。 尽管 Figure 的目标是用机器人替代人类劳动力,但目前其机器人仍需在夜间有人值守。
Memories.ai 推出 Memories Upload 平台,向零工支付报酬以录制烹饪、理货等任务的第一人称视频。 用户佩戴可配对实现立体深度捕捉的 45g 以下 LUCI Pin 相机。 平台测试首月记录超 100 万小时,目标至 2027 年 3 月达 1000 万小时,以缓解机器人数据瓶颈。
Nvidia Research 发布了机器人基础模型 GR00T 2,该模型通过从视频转移人类动作到机械臂,大幅降低了对昂贵遥操作的需求。作为“世界-动作模型”,它能预测下一步动作并生成摄像头视野的短期扩散视频,该模型基于超过 1000 块 GB300 芯片和约 40 万小时的任务视频训练而成。
丘沃智能开物™L4套件在新疆完成首次完整曝光,搭载临工3004混动拖拉机实现无人深翻,耕深超30厘米,作业速度11.8km/h,综合横向误差1.2厘米。 系统基于KaiwuOS六层架构,集成AgroNexus-Pad平板及时序数据平台,无接管转场突破3.2公里,并支持预测性维护。 11月底直营旗舰店将在芳草湖农场开业,旨在将样板田转化为可复制的规模化交付体系。
北京市经信局印发《北京市具身智能机器人产业高质量发展行动方案(2026-2028 年)》,建立企业上市“一对一”服务机制,培育优势龙头企业。 方案提出在整机、模型等领域培育不少于 200 家科技和创新型中小企业,支持视觉语言动作模型(VLA)、世界模型(WM)等多技术路线布局与融合发展。 旨在推动技术从“感知”到“认知”跃升,使机器人“大脑”认知达到理解物理规律约束及识别非语言指令水平。
CHORD 提出基于接触力矩空间引导的强化学习框架,实现灵巧机器人长时程操作。 该框架在包含 4,739 项任务的仿真基准中,于 1,831 项任务上达到 82.12% 平均成功率。 CHORD 还实现了从手部到全身操作及真实世界的迁移,全身操作成功率为 90.77%。
该研究提出由刚性臂与柔性操作器串联的混合机器人系统,采用定制化模仿学习算法实现单次泛化。 系统匹配或超越刚性机器人在堆叠等经典任务中的表现,并实现通过狭窄开口抓取物体等全新行为。 证明了刚柔结合能弥补智能缺失,拓展操作技能边界。
OHCAM 提出在线假设驱动方法,通过最大化竞争假设间分歧以主动降低不确定性,从而学习复杂动作模型。 该方法从简单假设集开始,仅在与数据不一致时扩展至复杂条件,具备可扩展性。 在 6 个基准规划领域及 Kinova Gen3 机器人实验中,OHCAM 展现出样本高效性,解决任务数显著超过基线。
研究人员提出 SPAR(MoT)架构,基于预训练 VLM 实现机器人策略学习,无需动作监督即可利用人类第一视角视频。 该架构通过未来视觉状态预测提供独立且互补的学习信号,实验表明从第一视角视频学习的表征能提升分布外机器人任务性能,且随视频数据规模扩大收益进一步增加。 研究还探讨了目标函数选择与数据筛选的影响,为利用无动作视频进行可扩展机器人学习提供了洞见。
Curie's Jarvis 让机械臂在人类布局的操作台上执行化学实验,无需固定位置或标记。该系统读取纸质指令照片,通过四个相机视角识别容器标签定位目标。在 Franka Panda 机械臂上,完成 5/5 和 4/5 次实验运行,160 次标签识别全部正确。 使机器人更接近人类进行化学实验的方式。
summary_zh: PhysMoE 模型提出解耦 VLM 架构,在 9 个坐标定位基准测试中平均提升 15.7%,吞吐量加速 8.31 倍。 其核心创新包括通过物理模态路由共享下层网络,并将每个坐标编码为单个 Token 以复用视觉编码器位置嵌入。
APS-VLA框架通过行动引导与未来感知的视觉Token剪枝提升机器人控制效率。该框架冻结预训练VLA主干,利用轻量级决策影响评估器基于视觉观察、语言指令和本体感受对Token进行评分与硬选择,在部署时移除辅助预测器。
Embodied Science Agent (ESA) 通过统一数字智能与物理具身,解决了自驱动实验室中物理接地缺失的问题。 ESA 包含数字智能体、具身智能体和统一接口,在废水处理实验中导航超 2 亿种条件。 15 轮实验使溶液透过率从 82% 提升至 99.7%,其视觉运动策略实现了跨仪器布局泛化。
研究展示了在纳米粒子超晶格上利用编码代理进行自主同步辐射 X 射线实验。 在三次实验中,61%-67% 的消息涉及解释或判断,方法学贡献占比从 46% 升至 56%-61%。 结果显示,59%-68% 的错误修正涉及多方参与,为多智能体科学系统设计提供指导。
研究提出名为“Show, Don't Tell”的自监督系统,通过观看人类演示视频训练定制物体检测器,消除对语言描述和昂贵提示工程的依赖。 该方法直接展示特定物体而非使用复杂语言描述,自动生成数据集进行监督学习,显著优于现有检测与识别方法,提升了机器人任务完成率。
研究提出 GoRL 框架,通过解耦优化与生成来解决在线强化学习中的矛盾。该算法将策略优化限制在可处理的潜空间,利用扩散或流匹配解码器生成动作,确保稳定性与表达力。 实证结果显示,GoRL 在多种连续控制任务中显著优于基线模型。在 HopperStand 任务中,其回报超过 870,是强基线的 3 倍以上。在人体任务中,它比最强非 GoRL 基线高出一个数量级。
基于π0.5的单一VLA模型在OmniGibson模拟器中完成100项长时序家务任务,位列2026 BEHAVIOR挑战赛第9名,为前十名中唯一独立团队。 模型训练20万步处理2.11亿帧演示数据,14项任务由GPT-6 Astra编码代理控制机器人,平均Q值达0.639,显著优于学习策略的0.108。
研究提出融合持续学习的谈判策略,将面部表情识别实时个性化。66名参与者与机器人谈判实验中,该方法显著提升了个体效用及对方让步率。 该架构在交互后台异步更新模型,产生更高平均唤醒度估计及更宽输出范围。
针对 VLM 评委可靠性评估不足,提出 State-Conditional Invariance (SCI) 原则及 GridWM-Judge 诊断基准。 GridWM-Judge 基于 MiniGrid 确定性轨迹构建,包含 5 类诊断任务,涵盖局部感知与因果判别。 研究揭示 VLM 评委存在对证据呈现敏感及反事实判别弱等失效模式,建议联合报告正确率与因果敏感度。
Robbyant 开源了 LingBot-Touch 模型权重与推理代码,助力机械手通过触觉操控物体。该模型基于近 5000 小时三类触觉传感器数据训练,并通过了 26 项真实任务测试。
龙芯中科宣布其智能机器车完成 ROS2 Jazzy 全栈移植,基于龙芯 2K3000 统一调度实现建图定位与机械臂抓取完整链路。 龙芯 2K3000 采用 12nm 制程,集成 8 个 LA364E 核心,主频最高 2.5GHz,单核 SPEC CPU 2006 定点分值 30 分;车辆搭载麦克纳姆轮实现全向运动。
成都人形机器人创新中心发布第五代贡嘎人形机器人,宣称拥有“全球最领先人形机器人大脑核心技术”并代表当前全球第一梯队最高水平。该机器人搭载自研一体化具身智能系统,在场景感知、时空记忆、因果推理规划及动作世界模型等核心模块完成系统性迭代,打通了从感知到执行的完整技术链路。其在记忆、决策及动作执行层面实现深度优化,支持长程家庭任务并提升精细操作成功率。
英伟达在 CoRL 大会上发布新一代机器人基础模型 GR00T 2,该模型支持人类数据向不同机器人本体迁移,且模型、数据及仿真环境将陆续开源。数据显示,GR00T 2 利用 40 万小时人类视频预训练,在提供 5 次示范后任务成功率从 40% 提升至 95%,并开放了 WAM API 供上层推理模型调用。
同一新闻,精选展示《NVIDIA 在 CoRL 发布 GR00T 2 等机器人技术与 Isaac Lab 3.0 框架》
谷歌推出 VLA 机器人模型 Gemini Robotics 2.5,在 200 余项任务上测试其灵巧度、可靠性与安全性。模型相较前代成功率高出 30% 至 100%,任务完成速度快 20% 至 30%,并可适配 Apptronik Apollo 2 与 Franka Duo 等机器人平台。
Nvidia 发布研究报告,推出机器人模型 GR00T 2。该模型利用扩散模型预测未来画面,让机器人能直接学习人类视频中的动作。测试中,机器人学会了切香蕉、钉钉子等任务,在装配任务中成功率达到 97%。
Hedra 于 2026 年 11 月 10 日推出 Model Factory,一个面向物理和人工智能的自主后训练与推理平台,其过去 12 个月营收增长 15 倍。
Google DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5,在 Mercedes-Benz 活跃产线试点中实现 96% 的分拣成功率。
DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5,在 200 项任务评估中较基线成功率提升 30% 至 100%、完成任务快 20% 至 30%。Apptronik Apollo 2 在奔驰匈牙利与德国产线完成零件排序试点,成功率达 96%;同时发布的 ASIMOV-Jailbreak 基准测试中,Gemini 4 Argon 实现 99.5% 越狱抗性。
推荐理由:Gemini Robotics 2.5 在 200 项任务中最高提速 30%、成功率最高提升 100%,并配合奔驰产线 96% 成功率的试点与 99.5% 越狱抗性基准。
Figure AI 正在加州圣克拉拉招聘夜班协调员,负责监督人形机器人运行及协同员工,岗位为合同制,时薪 40 至 45 美元。 工作时间涵盖晚间及周末,需站立工作并搬运最高 50 磅设备。该岗位设置背景是全球机器人行业上半年融资达 334 亿美元,Figure AI 自身估值达 390 亿美元。 公司仍依赖人类员工确保机器人执行任务,现阶段尚未实现完全自主运营。
TensorWorld物原科技成立四个月,一个月内完成天使轮及天使+轮融资,总额超1亿美元。 凯辉基金、红杉中国联合领投天使轮,蚂蚁集团、美团战投、蔚来资本参与后续轮次。 公司主攻物理基座模型,通过GeoPT技术将仿真数据需求降低20%至60%,旨在让AI具备预判物理世界后果的能力。
蚂蚁灵波开源LingBot-Touch触觉基础模型,基于近5000小时真实数据预训练,统一磁触觉、视触觉及压阻式信号为通用触觉Token。 模型提供约530万参数轻量版与Small版,支持26项真机测试;接入后任务成功率提高14至26个百分点,验证了触觉能力的跨硬件复用性。 该模型已在Hugging Face、GitHub及魔搭社区开放,旨在补齐机器人精细操作的触觉感知短板。
智元AGIBOT正式发布WITA-Omni(硅光动语全模态大模型),这是行业首个具身全模态端到端交互大模型。该模型基于机器人本体感知数据训练,支持触觉、本体状态输入以及机器人动作、表情输出,实现全双工交互。
华特迪士尼公司正与 Field AI 合作测试 AI 停车机器人,旨在帮助游客在拥挤的度假区寻找车位。 该机器人基于《汽车总动员》设计,采用四轮橙色底盘,配备大型显示屏、机械臂及方向指示标牌,无需人形结构。 迪士尼尚未公布具体部署时间,也未确认最终会在乐园投入使用,后期采购与维护成本较高。
发布欧洲多模态数据集 KITScenes Multimodal,配备超 400 米长程 lidar、4D 成像雷达及高精度 GNSS/INS 定位。 作为公开数据集首次将红绿灯等所有交通元素以重投影精度映射为 3D 拓扑连接数据。 该数据集旨在弥补现有数据在传感器保真度和地理多样性上的不足,并包含四个面向具身 AI 的空间学习基准测试。
免训练系统 VOIM 通过累积软标签证据,实现了从 RGB-D 或单目 RGB 视频构建开放词汇 3D 实例地图。 该系统在 ScanNet++ 上达到最高 present-class mIoU,比最强基线高 10 分,单目视频性能也超越带深度传感器的 HOV-SG 和 ConceptGraphs。
TRACE 利用时序梯度反转在具身强化学习中重建隐私轨迹,在保留数据场景下达到 18.8 dB PSNR 且近乎完美恢复动作。 该攻击以 3-4.5 ms 每帧速度自回归重建,性能优于学习基线并快数量级,适用于多种架构。 实验表明保护时序梯度流可能需要序列感知隐私机制。
论文提出频率感知流匹配(FAFM)方法,通过离散余弦变换处理异构频率输入,生成连续且时间一致的动作。 FAFM 不增加网络参数,在 LapGym 和 LIBERO 等基准中提升了成功率与运动平滑度。 该方法在真实 Franka 机器人部署中表现一致,相关代码已公开。