英飞凌、意法半导体、恩智浦 CEO 称欧洲在机器人和物理 AI 领域具备竞争实力。
三家厂商凭汽车与工业技术优势,推动 AI 从数据中心向机器人、汽车及工业设备延伸,强调芯片与系统需安全稳定。 随着 AI 转向直接执行现实操作,系统安全性至关重要,一次错误判断可能造成本可避免的严重后果。
三家厂商凭汽车与工业技术优势,推动 AI 从数据中心向机器人、汽车及工业设备延伸,强调芯片与系统需安全稳定。 随着 AI 转向直接执行现实操作,系统安全性至关重要,一次错误判断可能造成本可避免的严重后果。
马斯克预测数字超级智能将满足人类一切需求,包括建造城堡,并使人人都拥有极高收入及顶级医疗服务。 他认为技术进步将带来极度充裕的能源,使现有货币制度显得原始;数字超级智能有望让白领效率翻倍,推动全球经济增长 20% 至 30%。 人形机器人生产效率可达人类 5 倍,仅需 2000 万至 3000 万台机器人即可达到目前全美国在职劳动者的总产出水平。
NVIDIA 在 CoRL 2026 上发布了 GR00T 2,一款能同时预测未来视频和动作的机器人模型。 一项关键结果表明,在98次、97次和97次组装中,一个推理智能体协助机器人从失败的步骤中恢复,相比不使用智能体的 71-84 次成功率更高。
菜鸟在香港澳门举行发布会,宣布向AI与具身智能企业开放全球仓网,打造物流实景训练集群,开放零售、3C、航空等数十个行业的物流场景。同时推出“科技出海三日达”服务,提供跨境运输、海外部署、备件补给及返修运维等全链路支持,助力AI硬件与具身智能产品全球化落地。
国家发展改革委在发布会上表示,将多渠道丰富老年教育资源供给,把新技术产品服务使用作为老年教育重要内容,帮助老年人跨越“数字鸿沟”。 该举措旨在拓展适老消费场景并丰富银发消费业态,同时支持各地开展文艺展演、提供网络视听产品及增加银发旅游产品供给。 这是加快适老科技研发应用、让技术成果惠及更多老年人的重要组成部分,旨在更好满足老年人多样化消费需求。
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类传感原理。该模型可将不同传感器信号转化为统一的触觉表征,支持跨传感器、跨灵巧手、跨模型和跨任务复用。在 26 项真机测试中,接入该模型后四种动作模型的平均任务成功率较无触觉时提高约 14 至 26 个百分点。
波士顿动力发布视频展示加装轮子的 Atlas 人形机器人,其通过定制转接器在踝关节执行器上安装标准电动滑板车轮子,测试持续高速移动与重载表现。 改装未进行重大硬件改动,工程师在仿真环境中将脚部替换为轮子。演示显示 Atlas 能跳起来转一圈并横向冲刺,其轨迹跟踪控制器首次尝试即完成动作。 该带轮机器人并非商业化产品,而是被选作研究平台,用于测试加速、转向及停止时对执行器的负载。
宇树科技今日股价盘中大涨,截至发稿时涨幅超 10%,市值约 3200 亿元。此前,该股已连续 2 个交易日收涨。
英伟达CEO、总裁及联合创始人Jensen Huang在与Alice Huang的婚外情事件被披露后,因另一段与其直接下属、英伟达高管Kimberly Powell的关系证据,在董事会会议后辞职,CFO Colette Kress被任命为临时CEO。
推荐理由:原文梳理了董事会调查、临时CEO任命和情报与商业背景,提供事件后续演进的阅读线索。
新华社在2026年11月5日的人工智能与中国现代化论坛上,联合优必选发布了两款名为信语(Xinyu)和心妍(Xinyan)的仿生人形新闻主播。这两款机器人具备全尺寸人类比例,由电影导演张艺谋担任首席形象设计,通过Xinhua Yudian(新华社AI时事信息智能体)的接口获取内容,以确保信息的可追溯、安全与可控。
UC Berkeley与NVIDIA团队提出Agentic Robotics新范式,利用AI智能体团队生成、测试并优化机器人控制程序,无需额外数据收集即可提升机器人行为。研究基于NVIDIA Isaac开源仿真框架,发布了行业标准的工业任务基准测试,并已在Ambi Robotics的生产环境中验证,提升了仓储机器人的分拣能力。
推荐理由:文章展示了Agentic Robotics如何通过生成、测试和提炼机器人程序,为缺乏海量数据的机器人领域提供新的研究路径。
UC Berkeley BAIR团队将于2026年11月在CoRL会议上展示33篇主会论文和4篇Late-breaking posters,涵盖机器人学习与多模态智能。 会议期间将举行Early Career Keynote演讲,并设多个专题分会场探讨Agentic Robotics与多尺度具身记忆。
UC Berkeley 和 NVIDIA 在 2026 年机器人学习会议上联合宣布了一种名为 Agentic Robotics 的新方法,利用 LLM 编码智能体生成人类可读代码来控制机器人,取代传统的模仿学习数据堆叠模式。
推荐理由:文章详述了利用 AI 编码智能体替代大规模数据驱动的方法,展示了该技术在工业场景中高达 99% 的成功率及解决仿真与真实世界差距的潜力。
NVIDIA 在 CoRL 会议上推出了 GR00T 2 世界动作模型和 Isaac Lab 3.0 机器人学习框架,用于提升机器人在精细操作和工业自动化中的表现。
推荐理由:官方发布了 GR00T 2 等机器人模型及 Isaac Lab 3.0,展示了通过仿真训练和 Agentic 工作流提升机器人操作精度的方法。
美国 NHTSA 宣布对 Waymo 旗下 2895 辆自动驾驶汽车展开召回整改效果调查,重点评估 2025 年 12 月软件更新后车辆遇到校车闪烁红灯或停车警示牌时是否仍会超速、超车。该事件导致今年 1 月加州发生儿童被撞事故,Waymo 此前已完成大部分车辆软件更新但违规问题仍存在。
Physical Superintelligence 使用 Anthropic 模型证明了 Aaronson-Ambainis 猜想,系统运行第三天即生成被 Lean 接受的完整证明。
特斯拉 Robotaxi 服务扩展至圣安东尼奥,覆盖 275 平方英里,成为其规模首位的运营城市。 这是该公司连续两周开通的新市场,目前已在 8 座城市服务约 420 万人口。 圣安东尼奥当前使用 Model Y 运营,而 Cybercab 已投入超 300 辆并计划拓展至达拉斯。
Agility Robotics 周五股价收于 9.90 美元,较周四下跌近 14%。 此前该公司通过 SPAC 合并融资约 4.65 亿美元,以扩大 Digit 仓库机器人的产量。 CEO 需证明人形机器人能规模化盈利,投资者对其必要性持分歧观点。
MIT 与 NYU 研究人员构建 FLEX 管道,利用 LLM 使机器人能理解自然语言指令背后的潜在意图。 FLEX 通过特征编辑让机器人从“别洒到笔记本电脑上”等指令推理出液体与设备互斥,从而规避所有电子设备。该工作将于本月在机器人学习会议上展示,证明 LLM 常识可将单次纠正转化为通用运动规划规则。
NVIDIA 宣布投资 Point2,并计划投资 Motif Technologies、RLWRLD 和 Upstage。 覆盖 AI 基础设施、物理 AI、基础模型和企业应用全栈,基于 NVIDIA Inception 项目与韩国创业生态合作。
奔驰CTO约尔格·布尔策公开表示L3推出过早且实用性不足,奔驰已取消改款S级上的Drive Pilot L3系统,并将研发重心转向L2辅助驾驶和L4自动驾驶。宝马也曾取消改款7系上的Personal Pilot L3系统。两家车企认为消费者需求不足以支撑L3业务盈利,而L2系统能覆盖更多日常出行场景。
推荐理由:两家长期推动L3量产的车企相继取消该系统,反映出高级别自动驾驶在成本与实用性上的市场困境。
三星 SDI 将为波士顿动力 Atlas 人形机器人供应电池,凭借产能优势占据初期几乎独家供应商地位。 Atlas 计划 2028 年或之后量产,由现代摩比斯负责相关业务。 机器人搭载 70 节 2170 圆柱电池,单节容量 5000mAh,电池包总容量约 1.3kWh。
IDC 预计 2026 年全球灵巧手出货量约 2.5 万台,不含内部配套,中国厂商占比超 85%。 竞争已从硬件参数转向综合操作能力,主要应用于人形机器人配套、科研及数据采集场景。 未来三年行业将从“路线探索”进入“工程化竞争”阶段,需平衡性能、可靠性与成本。
NVIDIA 正结合韩国制造与工程优势,通过加速计算、AI 与仿真推动 Physical AI 从开发走向实际生产。
论文提出Fast-TD-MPC框架,在103个连续控制任务上以约4倍推理速度实现与原MPC规划器相当的性能。该框架借鉴双系统认知理论,将高速策略执行与测试时规划自适应路由,仅在需要时启用高成本推理。 在外部扰动下,Fast-TD-MPC可自主选择回退至完整规划器,维持了接近原规划器的鲁棒性。
研究提出 LAG-Fusion,一种针对非同步多模态扩散策略组合的延迟感知融合框架。该框架允许模态特定策略以原生推理速率运行,并通过参考系重基准规则对齐延迟的预测去噪指导信号。 实验显示,LAG-Fusion 在接触密集型操作任务中,结合低频视觉策略与高频力控策略,其响应性和任务性能优于同步融合及专门设计的力感知基线。
NoContactNoWorries 是一个基于 Transformer 的多模态框架,融合 RGB-D 视觉与机器人本体感知来推断二元接触状态,作为伪触觉信号用于手物交互。 该方法在模拟环境和真实机器人上验证了可行性,推断出的接触信号支持下游强化学习代理完成手持物体重定向,并能泛化至新物体。
提出闭环安全关键交通生成框架 RiskFlow,将未来行为生成重构为动作空间内的一步流传输。 利用碰撞时间排序选择高风险代理,并通过对抗交互目标优化输出动作。在 nuScenes 数据集闭环评测中,RiskFlow 实现了安全性与真实性的良好平衡,并大幅缩短了推理时间。
RigidFormer 提出了一种基于 Transformer 的无网格刚体动力学学习模型,通过对象中心推理和紧凑锚点推进物体状态。 该模型利用锚点-顶点池化丰富局部几何特征,并采用基于锚点的 RoPE 保持对象顺序无关性,通过可微 Kabsch 对齐强制刚性约束。 在标准基准测试中,RigidFormer 使用点输入优于或持平基于网格的基线方法,运行速度更快,并扩展至 200 个以上物体。
该系统将学习控制器和神经 3D 安全监控集成到传统工业工作流中,在电机生产线自动化了柔性电缆插入与焊接。 每任务仅需不到 20 分钟真实世界数据,即可连续运行 5 小时 10 分钟,生产 108 台电机,并在无物理围栏条件下达到 99.4% 的产品级质检通过率。 结果证实了通过基于学习的方法扩展工业自动化可行路径。
研究结合通用价值函数近似器,训练出在运行时可由用户选择特定风格(styles)的智能体。 框架在《Horizon Forbidden West》、《Gran Turismo》及开源人形域中验证,智能体能强关联风格需求并完成任务。 源码开放,用户可在终端灵活控制最终执行表现。
SURE 是一种数据高效的视觉-语言-动作(VLA)训练框架,通过显式建模空间和时间不确定性来降低对演示数据的依赖。该框架结合轻量级转置卷积概率动作解码器与 Soft-DTW 对齐监督,以捕捉动作间的局部相关性并适配时序差异。在 LIBERO 和 RoboTwin 2.0 评测中,SURE 仅使用 10% 的演示数据或 20% 的训练步数,其操作成功率即可匹配或超越基线模型。
ToolDex 发布,这是一个大规模 Ego-Exo 人类演示数据集,旨在支持创意物理工具使用。 数据集通过同步第一视角相机与八个多视角相机捕获高保真多视角观察,并为手、工具及目标物体提供丰富标注。 它确立了涵盖物理工具使用推理、稀疏视角重建及机器人策略学习的基准测试套件。
研究人员推出基于Isaac Sim的HomeLoop仿真框架及基准,包含20项基于真实家庭隐患的任务。 该基准结合机器人本体、联网设备及故障传感器,通过时间逻辑检查评估动作;评测六款VLM显示最佳模型得分61.9%,且存在过度反应现象。 HomeLoop旨在支持机器人-IoT协同、长期记忆及隐私-安全权衡等研究。
通用 AI 驱动的 AMP1 框架在 RoboLab-120 上以 85.6% 的零样本成功率超越了领先的 VLA 和 WAM 模型。 AMP1 支持单臂、双臂及移动操作,且无需演示或任务专用训练。该智能体可自主进化抓取、推挤等技能,并借助持久化记忆将 RoboDojo 双臂任务失败率降低 4.6 倍。
基于采样的机器人控制策略会利用基于人类偏好训练的奖励模型,在 HalfCheetah 和 Meta-World 等环境中导致真实回报最高降低 76%。 测试发现,使用人类标注时抽屉任务成功率从 10/10 降至 0/20,而留出集标注准确率保持在 0.75-0.97。
该研究提出 Q-OIL 方法,通过在强化学习干预转移中加入乐观奖励,实现比竞争基线更高的成功率。 Q-OIL 在模拟环境及真实机器人上的成功率提升 10-50%,并改善了两个双臂操作任务的预训练 VLAs。 解耦 Critic 对稳定性至关重要,该方法为可扩展的机器人干预学习提供了实用路径。
一项涵盖9项操作任务和631种配置的受控模拟研究指出,Agentic Robotics 自我学习循环的瓶颈在于将信息解释为正确的策略更新。 该研究通过28K次 coding agent rollouts,分析发现成功的关键在于归因失败、推理空间几何结构及选择性重构代码。
STRIDE 提出了一种基于加速度奖励的人形机器人运动学习方法,仅需板载 IMU 即可在数分钟内完成训练。该方法结合 XQC 算法和高增益关节控制,在 Unitree G1 和 Booster T1 上 14 分钟内学会行走,较无对称增强和特定组件的训练减少 81% 的摔倒次数。
计算机使用智能体(CUA)可执行具身任务,在四个 ECCV 工作坊竞赛中包揽第一至第六名奖项。 通过渲染物理环境视图并提供控制,仅更换软件而未对智能体进行特定微调。 这表明 CUA 的视觉定位与点击技能可迁移至具身任务,推动具身 AI 走向单一通用模型时代。