快手 CEO 程一笑:Kling 4.0 模型已进入游戏和具身智能等场景
快手 CEO 程一笑表示,Kling 4.0 上线后推动可灵流水提升,收入由企业 API 调用和专业创作者订阅双轮驱动。 该模型已应用于影视、短剧、游戏及具身智能等场景,支持动态分镜、镜头预演及游戏设定可视化等任务。 Kling 4.0 采用“理解生成统一”架构,首次支持原生 8K 分辨率,单张照片可生成 2000 字,内置 110+ 种预设影调风格。
快手 CEO 程一笑表示,Kling 4.0 上线后推动可灵流水提升,收入由企业 API 调用和专业创作者订阅双轮驱动。 该模型已应用于影视、短剧、游戏及具身智能等场景,支持动态分镜、镜头预演及游戏设定可视化等任务。 Kling 4.0 采用“理解生成统一”架构,首次支持原生 8K 分辨率,单张照片可生成 2000 字,内置 110+ 种预设影调风格。
特斯拉 CEO 马斯克在视频连线中表示,Optimus 人形机器人预计在未来 12 至 18 个月内完成倒垃圾、洗碗等家务操作,先用于重工业再进入家庭,且一轮强调真实互动的演示将在未来一到两个月内进行。
summary_zh: MIT 研究人员研制出首个具备机载传感与计算能力的扑翼微机器人,成功跟随复杂轨迹飞行并降落。 该机器人通过扩展人工肌肉以提升有效载荷,目前仍需外部供电,主要应用方向包括为蜜蜂减少后的作物授粉。
Pony AI 第三季度营收超过市场预期,主要得益于高利润的 Robotaxi 服务快速扩张。 尽管 Robotaxi 业务的增长速度较前几个季度有所放缓,但该板块依然是推动公司营收超预期的核心动力。
summary_zh: BrightAI 完成 9700 万美元融资,投后估值 7.5 亿美元,领投方为 Smith Point Capital。该资金用于利用常开传感器和 AI 替代管道、电线杆及泵的人工巡检。
华为发布《下一代核心网演进白皮书》,提出 AgenticCore 解决方案及 NGC 目标架构,推动移动网络从云原生向 AI 原生跃迁。 NGC 架构具备意图接口、数据与智能面及低时延用户面三大特征,支持毫秒级 AI 任务时延保障。 华为指出 AI 是移动网络未来十年最大战略机遇,预计 2030 年低时延端云协同请求占比将超 20%。
镁伽科技完成新一轮近2亿美元融资,由阿曼投资局(OIA)领投,亚投资本、Granite Asia、创新工场等老股东加注,招银国际等机构跟投。公司核心载体为镁伽鲲鹏实验室,正迭代至4.0版本,定位从“自动化执行”走向“自主智能体驱动”,通过干湿实验大脑和调度智能体构建“AI设计-自主实验-真实验证-数据生产-模型学习”的闭环。
论文提出“自主视频生成”概念,旨在构建自进化世界模型。其核心主张是模型评估不应仅看视频保真度,而应衡量生成帧在反事实干预下的有效行动能力。 文章形式化了生成、绑定、验证与蒸馏的四阶段闭环优化流程,并定义了新颖性、一致性、OOD及效率四项指标。 该框架以无人机和机械臂为具身测试床,通过扰动风场、感知限制等约束,验证生成视频对决策的实际指导意义。
提出 Pose6DAug 数据增强框架,通过保留成功轨迹并交换操作物体来生成物理一致的演示。 该框架在 3D 空间中利用显式网格和 6D 位姿驱动物体,解决了 2D 编辑破坏多视角一致性的问题。 在真实机器人上,该方法使基础策略成功率提升超过一倍,显著优于现有基准。
研究对比显示,包含地面反力与压力中心的动力学感知模仿学习(KAIL)比纯运动模仿学习(MOIL)能生成更符合生物力学的关节力矩。KAIL 将垂直地面反力和压力中心误差降低 40% 和 48%,髋、膝、踝关节力矩误差分别降低 19%、18% 和 35%。该发现揭示了纯运动模仿学习在步态动力学估计上的根本局限,可能影响可穿戴机器人设计及病理步态诊断。
该模型将物体表示为保留局部表面几何的高斯基元,并用预训练描述符编码手部形态与运动学,结合各向异性马氏距离场建模手部接触。 在 CMAP 和 MultiGripperGrasp 基准测试中,其性能超越最强基线最多 8.24 个百分点,在未见 SharpaWave 手上提升 16.57 个百分点,真实实验成功率达 86%。
WorldComposer 通过 Real2Sim2Real 框架,将真实全景图映射为高保真仿真环境,并合成数字表亲(Digital Cousins)实现数据增强。 该平台支持刚性、铰接及变形物体的交互操作,结合多房间拼接构建大规模环境,实验验证了 sim-to-real 高保真度及泛化性能。 该方法显著提升了机器人策略在未见场景和物体变化下的泛化能力,为高效学习与评估提供了解决方案。
RiskWorld 提出了一种风险感知的世界建模框架,用于共享占据预测和选择性轨迹替换,通过融合空间风险场、时序行为者上下文与视觉鸟瞰特征实现安全运动规划。 该框架采用流引导演化传输占据与场景特征,并用有符号残差校正传输后的占据。
研究团队提出世界锚定规范化框架 WACO,解决 VLA 模型因相机与机器人基座偏移导致的策略失效问题。在 LIBERO-PoseShift 基准及 UR5e 机器人测试中,WACO 将移位成功率分别提升 13.2 和 36.7 点,恢复 90% 仿真性能差距。该方法无需额外数据或测试时校准,在无扰动训练数据方法中创造新纪录。
框架AeroRSI通过让无人机导航策略从自身失败中迭代学习来修正闭环飞行故障。在TravelUAV基准上,三轮迭代将2B参数监督策略成功率从46.4%提升至67.5%,碰撞率减半,较此前最优结果高10.6分且无额外标注。代码与模型已公开。
针对现有方法未充分利用手部运动与物体语义关系的问题,提出TOMAS框架。该框架通过拓扑感知推理机制联合推断交互目标与潜在操作,并结合自适应分阶段机制组织未来手部运动,在多个公开基准上实现了多目标手部运动预测的最先进性能。
提出 VLN-AR 分层视觉-语言-导航框架。经板端优化,其在资源受限无人机平台上实现 7.1x-9.4x 推理加速,仿真与实机导航性能均优于现有方法。 框架利用基于 3D Gaussian Splatting 的自动化管线生成导航数据,结合三阶段训练与轻量级认知智能体,增强场景推理及长时程任务分解能力。
冻结潜在世界模型可反向运行检测执行偏差,在 PushT 任务中将成功率从 0.650 提升至 0.862。 该方法通过偏移分数量化执行偏差,在 Cube 任务成功率提升至 0.432,真机实验中减少末端执行器误差。
LAGR 提出任务导向抓取检测方法,通过构建 2.68M 数据并在基准测试中超越次优方法 9.3 个百分点。 方法包含任务无关生成与语言条件重排序模块,并在 Franka 机器人上验证。
针对长时程任务性能退化问题,提出RePlan-VLA框架。该框架在保留视觉-语言-动作策略的前提下,通过实时监测机器人运动状态来动态修订执行计划,无需额外微调。
论文提出了一种类型化生成语法和名为 PANINI 的交叉熵搜索方法,用于生成机器人操作技能和形态。 该语法通过几何实现映射将语法组合转换为 SE(3) 中的变换,其仲裁决策可从几何包含关系中恢复,在 10 个种子下与欧几里得对照相比,一致性达到 0.905 +/- 0.062,显著优于对照组的 0.611 +/- 0.090。
研究提出 Rat NCAP 神经架构,结合生物脊髓回路生成大鼠运动。该模型无需模仿学习即可掌握不同速度步态转换。在 silico 细胞类型消融实验复现了已知步态表型。结果支持中等抽象层次具身模拟可同时再现复杂行为并提供机制洞察。
研究者提出F$^3$框架,论证经验价值取决于存储形式、适用时机及融合位置,而非源rollout是否成功。 通过Form压缩操作记录,Fit预测辅助时机,Fusion注入前缀与动作先验。 仅在200个样本上训练,在MolmoSpaces和RoboLab上将成功率提升12.0 pp和10.8 pp。
提出 DUAC(基于散度的不确定性感知自适应动作分块)方法,利用预训练视觉语言动作(VLA)模型的流场向量,通过单次生成和雅可比-向量积计算动作级不确定性,无需重训练或多端点采样。 在 LIBERO 系列和 RoboCasa 基准测试中,DUAC 的自适应时域选择在保持高任务成功率的同时,实现了低不确定性估计延迟。 该方法确立了流向量场作为机器人决策中高效、轨迹条件化预测不确定性来源的地位。
提出FedE2E方法,利用一次性联邦学习训练端到端自动驾驶模型,在Bench2Drive基准测试中达到55.85分的驾驶分数。 该方法包含多客户端校准、基于锚点的特征对齐和token级共识蒸馏。相比现有工作提升4.07分,多轮通信设置下5轮后达到60.35分最佳性能。
研究提出PGU-Decoder统一解码框架,解决路网生成等三类任务分离导致的运维成本问题。 该框架包含先验查询模块和关系图注意力网络,在中国360多个城市的部署中,质量得分超98%,人工验证成本降低95%,更新频率由每周提升为每小时。
论文提出 Embodied Graph 和 Relational World Model (RWM),通过稀疏状态抽象解决长时程任务中预测误差累积问题。 RWM 包含任务感知图构造器和图循环状态空间模型,在 Minecraft 实验中成为唯一在预算内获得钻石的方法。 实验还验证了关系状态预测在 Web 智能体决策中的适用性。
基准包含12,774个独立机器人、16,427次模拟及135个实体建造,66%模拟通过结果在真实环境中有效。 视频闭环使智能体消除72%的低难度失败案例,推动AI向实际机器工程设计迈进。
2026 小鹏科技日定于 11 月 25 日 14:00 在广州举行,主题为“Origin 原点”,海报展示了小鹏 IRON 机器人。 小鹏计划在 2026 年底实现人形机器人量产,2027 年上半年开启交付,率先落地门店、商场等商业场景,并逐步拓展至工业及家庭场景。 小鹏机器人业务 8 月 24 日完成首轮超 9 亿美元融资,投后估值超 63 亿美元,刷新中国具身智能行业单轮私募股权融资纪录。
韩国 Galaxy Corporation 计划明年 1 月推出实体机器人女团,今年 12 月将先在澳门举办 K-pop 机器人演唱会。该项目采用中国公司提供硬件、韩国团队开发软件和内容的分工模式,宇树科技提供机器人硬件,Galaxy 将据此拓展主题公园和 IP 衍生品等场景。
格罗方德与波士顿动力扩大合作,将 Spot 机器人部署扩展至其全球生产网络,并计划于 2027 年初在格罗方德厂区启动 Atlas 机器人现场测试。 Spot 在格罗方德佛蒙特州基地已部署超四年,新加坡站点两台机器人在约半年工作期内实现了 99% 的任务成功率。 Atlas 测试旨在评估类人机器人应用场景及集成需求,并支持格罗方德提升员工人工智能技能的全球计划。
地平线机器人实验室发布原生视频几何基础模型 LoFT,在 SpatialBench 等多套评测中多项深度估计指标达到 SoTA。 该模型采用双循环 Transformer 架构,联合预测相机位姿、内参及逐帧深度,恢复场景三维结构。其训练基于 297 万条有效序列及 9.62 亿帧图像记录。 LoFT 覆盖机器人空间感知、具身学习及自动驾驶等场景,提供几何基础。
三星电子计划在今年 1 月的 CES 2027 上发布 HR 和 HE 两款人形机器人。HE 为高端型号,具备更多关节自由度,旨在展现三星具身智能技术;HR 面向大众市场,可应用于生活与工业场景。两款机器人均采用象牙白配色,配备五指手部及模拟人体肌腱的缆线驱动机制。
智元高级副总裁王闯指出,人形机器人会干活才是真本事,而非仅会说话走路。 长隆具身智能乐园已部署近 500 台机器人覆盖 100 余岗位,预计年底达 1000 台。 智元与长隆共建的该乐园号称全球规模最大、场景最丰富。
Genesis AI 是一家由 Nvidia 支持的法国初创公司,专注于研发具备类人灵巧性的通用机器人。 公司计划明年推出首款美国全本土制造的机器人。Genesis 构建了从 AI 模型到硬件和组件的全栈技术。
Uber 与 Momenta 在德国慕尼黑启动 Robotaxi 试运营,乘客可在 Uber App 免费体验自动驾驶出行。 初期覆盖慕尼黑北部包括奥林匹克公园周边街区,呼叫 UberX、Electric 或 Comfort 服务时有机会体验。 每趟行程均配备经过专业训练的安全员,Momenta 已获得德国全境 L4 级测试许可。
美国具身智能公司 Genesis AI 完成 5 亿美元 A 轮融资,投后估值 35 亿美元,这是 AMD 和英伟达首次联手投资具身智能公司。融资将用于推动其非人形机器人 Eno 在 2026 年底前实现量产和部署,覆盖制造、物流及后续服务场景。
推荐理由:融资方首次出现英伟达与 AMD 联手,且公司构建了从数据、仿真到硬件的全栈闭环。
特斯拉在纽约时代广场大通银行弧形广告屏上投放 FSD(监督版)广告,展示实际驾驶场景,并强调启用状态下安全性比人类驾驶员高出 7 倍、全球累计行驶里程超过 150 亿英里。
2026年APEC工商领导人峰会期间,比亚迪王传福、美团王兴、小米雷军并排就坐接受采访,三人均拒绝透露具体聊天内容。雷军在会上表示,过去四年AI大模型带来巨大变化但能实现商业闭环的公司较少,他认为具身智能机器人是巨大的产业机会,其想象空间将超过汽车产业,并看好AI进入物理世界为亚太地区带来机会。
首个基于脉冲驱动的 VLA 框架实现机器人操控端到端直接训练,采用多赢家脉冲融合与 Spike Action Chunking Transformer 组件。 该框架在 LIBERO 和 Meta-World 基准测试中表现具有竞争力,且参数量更少、推理能耗更低。 为资源受限平台上的具身智能建立了神经形态基础。