跳到正文
11月11日周三
  1. IT之家31

    中国石化牵头研发国内首个具身智能压力表全自动检定装置

    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”。

  2. Seven Minute Feed32

    Figure AI 招聘夜间协调员监管人形机器人

    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。

  3. Seven Minute Feed75

    Nvidia 发布 GR00T 2 机器人基础模型,通过学习人类视频实现技能迁移

    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。

  4. 量子位38

    丘沃智能开物™系统首次完整曝光,新疆大田无人深翻超30厘米

    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。

  5. IT之家33

    北京出台 2026-2028 年具身智能机器人行动方案,建立上市“一对一”服务机制

    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。

  6. arXiv · AI23

    OHCAM 通过不确定性引导探索学习具有条件化与量化效应的动作模型

    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。

  7. arXiv · AI42

    Ego Guidance:利用无动作人类第一视角视频增强机器人策略学习

    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。

  8. arXiv · ML23

    Show, Don't Tell: 通过观看人类视频检测新物体

    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。

  9. arXiv · ML26

    GoRL:通过解耦优化与生成解决在线强化学习中生成策略的优化难题

    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。

  10. arXiv · ML33

    基于状态条件不变性的可靠 VLM 评委诊断框架

    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。

  11. IT之家50

    成都第五代贡嘎人形机器人发布,宣称拥有“全球最领先人形机器人大脑核心技术”

    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。

  12. 量子位83

    英伟达发布开源机器人基础模型 GR00T 2

    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》

11月10日周二
  1. Google DeepMind73

    DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型

    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。

  2. IT之家46

    Figure AI 招聘夜班管理员照看人形机器人,时薪最高 45 美元

    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。

  3. 量子位34

    TensorWorld物原科技融资过亿美金 聚焦“物理真实”路线

    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。

  4. 量子位50

    蚂蚁灵波开源LingBot-Touch触觉基础模型,实现机器人跨硬件“一脑多手”

    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。

  5. IT之家25

    迪士尼测试 Field AI 联合开发的 AI 停车机器人

    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。

  6. arXiv · ML33

    KITScenes Multimodal:面向自动驾驶的高保真欧洲多模态数据集

    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。