跳到正文

技术方向

具身智能 最新动态

AI 走进物理世界:人形机器人、具身基础模型与真实环境操作能力的进展追踪。

71 条精选近 30 天 43 条共收录 1,476 条

更新

具身智能的精选

11月18日周三第 1–20 条
  1. 量子位78

    Genesis 完成 5 亿美元 A 轮融资,英伟达 AMD 首次联手押注

    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。

  2. Hacker News LLM81

    用 Opus 5.5 直接修改 π0.5 机器人策略权重,无需微调

    作者让 Opus 5.5 分析 π0.5 DROID 策略在 Isaac Sim 中的失败原因,通过直接放大 4 个注意力头的权重(×3)修复了颜色排序任务。该任务成功率从 30 次中的 9 次升至 27 次,且完全未使用训练或微调流程;该修改同时使未在编辑设计中出现的杯子放入篮子任务成功率从 20 次升至 27 次。

    推荐理由:作者验证了直接用LLM修改机器人策略权重无需微调即可提升排序成功率,展示了新优化路径。

11月17日周二
  1. 36氪87

    AMD完成82亿美元收购World Labs,李飞飞出任AMD执行副总裁兼首席科学家

    AMD正式宣布完成对空间智能公司World Labs的收购,这笔约82亿美元的全股票交易使World Labs并入AMD,李飞飞出任AMD执行副总裁兼首席科学家,直接向苏姿丰汇报,另外两位联合创始人将保留并维持独立的前沿研究组织。

    推荐理由:原文给出了AMD全股票收购World Labs的交割细节、团队定位与软硬协同规划,读者可据此判断这笔交易如何改变AMD的AI策略。

11月15日周日
  1. 36氪68

    OpenAI 解散独立机器人团队,GPT-6 Astra 与 Claude Fable 5.2 冲击机器人控制层

    OpenAI 解散独立机器人团队,原团队并入核心研究团队,应用机器人和硬件业务改由 OpenAI 总裁 Greg Brockman 负责。据 Fortune 报道,OpenAI 称此举是为了加速机器人进展,并非放弃,因为其通用模型已开始接管机器人控制。

    推荐理由:报道了 OpenAI 解散机器人团队与通用模型接管控制层的判断,并给出 GPT-6 Astra 和 Claude Fable 5.2 在仿真测试中的对比数据。

11月12日周四
  1. 36氪73

    李飞飞详解统一世界模型Atlas,AMD CEO苏姿丰谈机器人发展机遇

    李飞飞在CoRL 2026演讲中介绍统一世界模型Atlas,该模型采用多模态自回归扩散Transformer架构,支持从零像素生成到稠密3D重建的多种模式,并在Rapidata相机运动基准中排名第一。AMD CEO苏姿丰随后在对话中预测机器人物理AI未来规模达数千亿美元,强调AI算力与通用模型及专用模型协同演进的重要性。

    推荐理由:李飞飞阐释Atlas统一世界模型架构,提供从生成到3D重建的核心技术思路及机器人应用潜力参考。

  2. IT之家79

    Runway 发布机器人模型 Praxis-1,速度与成本表现超 GPT-6 Astra

    Runway 宣布推出开放权重机器人模型 Praxis-1,采用 Apache 2.0 许可证,可在自有硬件上运行和微调。该模型基于 270 亿参数的视频基础模型构建,在 RoboLab-120 基准的 1200 个场景中完成 555 个,成功率约 46.2%。官方称其完成速度比由 GPT-6 Astra 驱动的机械臂快 15.6 倍,完成每个任务的成本是其 51 分之一。

    推荐理由:原文给出了 Praxis-1 的基准测试数字及与 GPT-6 Astra 驱动的机械臂在速度和成本上的对比,读者可以据此判断其可用性。

  3. 量子位76

    大晓机器人发布双脑协同架构,实现酒店洗衣自动化

    大晓机器人发布双脑协同架构,结合世界模型Munda与通用模型Astra,实现酒店洗衣场景的自动化操作。该架构将任务耗时从30分钟以上压缩至18.6秒,并引入具身RSI机制,通过真机实验不断迭代优化动作技能,使牛仔裤筒内残留率从48%降至19%。

    推荐理由:展示了双脑协同与RSI在酒店洗衣场景的落地路径,以及耗时从30分钟压缩至18.6秒的关键数据。

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. The Verge · AI96

    英伟达CEO黄仁勋因丑闻辞职,Colette Kress接任临时CEO

    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。

  3. Hacker News AI84

    研究展示Agentic Robotics通过AI智能体生成与优化机器人控制程序

    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。

  4. Hacker News AI84

    UC Berkeley 与 NVIDIA 提出 Agentic Robotics,利用编码智能体解决机器人任务

    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。

11月9日周一
  1. 量子位73

    奔驰与宝马决定放弃L3级自动驾驶,转向L2与L4

    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。

11月8日周日
  1. 机器之心71

    SuperMimic 大幅降低人形机器人全身控制训练成本

    UC Berkeley 发布 SuperMimic 工作,提出基于单一可微世界模型的全身控制架构,将 12.9 万段人体动作跟踪策略的训练成本从 128 张 GPU 运行 7 天压缩至单张 GPU 运行约 3 小时。在包含 129,514 段动作的测试中,SuperMimic 的归一化回报率和失败率均优于英伟达的 SONIC 检查点,该论文已被 CoRL 2026 接收为 Oral。

    推荐理由:文章通过算力消耗量级的鲜明对比,揭示了单一可微世界模型对传统强化学习路线的替代价值。

11月7日周六
  1. IT之家81

    苹果披露人形机器人 HALO 系统:调用千问模型在宇树 G1 上验证,单项任务平均成功率 91%

    苹果研究团队在 arXiv 提交论文,披露了人形机器人自主控制系统 HALO,并公开了数据生成、模型训练和部署代码。团队在 6 个真实环境中开展 360 次单项任务测试,平均成功率为 91%;针对 3 种长序列复合任务,平均成功率为 70%。该研究使用 250 张 H100 GPU 合成主要训练数据,并指出当前系统主要依赖视觉感知,加入触觉感知将是后续改进方向。

    推荐理由:苹果披露了 HALO 系统的训练细节与实测数据,为理解大模型在人形机器人上的落地瓶颈提供了具体参照。

11月6日周五
  1. 机器之心66

    中兴通讯发布EmbodiedMind:三阶段训练范式让机器人学会“一口气干完一件活”

    中兴通讯论文《EmbodiedMind》提出RSFT、IR-GRPO、Trie-GRPO三阶段训练范式,解决具身大脑长程规划中的数据低效、任务失衡与信用分配失真问题。

    推荐理由:中兴通讯提出三阶段训练范式,以8B模型在18项基准上取得70.02%平均成绩,为具身长程规划提供低成本研发路径。

  2. 机器之心70

    源策未来发布全身控制模型 Anchor 1

    源策未来发布全身控制模型 Anchor 1,旨在解决人形机器人全身操作中指令精准与执行稳定的问题。该模型提出“五个锚点”指令方案并采用解耦的误差反馈机制,在真机测试中手腕和脚踝全局位置误差较对比方法降低约 28% 和 39%,显著提升了遥操作示范采集效率。

    推荐理由:文章详细拆解了 Anchor 1 通过五个锚点和解耦误差反馈提升精度的机制,以及其评测标准对数据质量的意义。

11月5日周四
  1. 机器之心79

    百度发布具身世界模型 Apollo World,实现无人车虚拟闭环交互测试

    百度 Apollo 披露具身世界模型 Apollo World,支持无人车在虚拟城市中与 AI 智能体驱动的参与者进行实时交互,日虚拟路测里程可达 10 万公里。该模型通过因果自回归多模态生成技术,实现全订单流程推演及环境动态切换,与 Waymo World Model 形成差异化竞争,旨在降低规模化部署成本。

    推荐理由:揭示了百度 Apollo World 在虚拟环境中的交互式测试机制,通过对比 Waymo 展示了其在长程任务推演上的差异。

11月4日周三
  1. 量子位71

    招商局狮子山实验室发布「驭物™ Lion-ER-35B-A3B」具身推理模型

    招商局狮子山人工智能实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,该模型采用 MoE 架构,总参数 35B 但每个 Token 仅激活约 3B 参数。模型在十项主流具身相关基准上全部指标上涨,等权综合均分达到 65.29,多项核心能力超越更大参数量模型。权重已在 Hugging Face 开源,兼容 Transformers、vLLM 和 SGLang 等框架。

    推荐理由:展示了能力牵引的数据引擎方法,读者可了解其如何在低激活参数下提升具身推理能力。

  2. 机器之心68

    智元在便利店进行24小时机器人压力测试,四台机器人成功转正

    智元在上海徐汇区便利店进行24小时直播测试,6台精灵G2机器人分班上岗。考核结果显示,四台机器人成功转正,冷姐和倦王因岗位稳定性小瑕疵暂未转正。测试揭示了机器人通过Genie Master框架实现自主迭代,将任务成功率从28.6%提升至85.7%的闭环能力。

    推荐理由:智元在真实便利店进行的24小时实测给出了成功率变化数据,读者可据此判断其具身智能部署闭环的可行性。