Arm给出物理AI三阶段路线图:从跨对象泛化到系统级自适应
Arm物理AI机器人技术研究全球负责人Federico Pecora提出机器人能力演进三阶段:跨对象泛化、多任务智能、系统级自适应,其中跨对象泛化已在分拣、物流、零售场景得到验证。
Arm物理AI机器人技术研究全球负责人Federico Pecora提出机器人能力演进三阶段:跨对象泛化、多任务智能、系统级自适应,其中跨对象泛化已在分拣、物流、零售场景得到验证。
Synaptics 提出物理AI的瓶颈已从视觉感知转向触觉:视觉负责规划,触觉负责执行,机器人需在接触后感知压力、剪切力与初始滑移。其方案用慢速通道测力分布、快速通道监听高频振动,并在指尖边缘端本地处理,约70毫秒内完成抓握修正。文章强调规模化落地取决于可靠性而非传感器分辨率,并引用高盛预测2035年全球制造业、仓储和物流将有140万个活跃人形机器人。
大晓提出“双脑协同”架构,将云端大脑SenseNova的任务理解与规划能力,同端侧开悟世界模型的物理状态判断与行动后果预测连接,并由具身Harness组织感知、记忆、技能与控制。该探索希望把单台机器人的交互经验连同证据和适用条件保留下来,供其他机器人跨任务、跨场景、跨本体复用,减少重复试错。系统以自主执行、经验学习、递归自我改进三个递进闭环组织,目前处于探索阶段,尚未给出实机验证指标。
星尘智能创始人兼 CEO 来杰在专访中表示,公司以绳驱机器人本体、具身操作系统 AOS 和具身模型三位一体为架构,AOS 将感知、移动、操作与交互封装成技能模块,可适配 GPT 6 等大模型与 Agent,让开发者用自然语言开发应用。其 Lumo-2 具身模型具备隐式世界动态预测能力,结合强化学习搭建试错纠错闭环。来杰认为机器人行业的「iPhone 4 时刻」还没到,但可能比想象中更近。
余浩提出端侧大模型芯片评估应从TOPS转向有效内存带宽、能效比与tokens/s等综合指标。3D-DRAM叠加立方脉动TPU架构在平均5W功耗下实测3B模型INT4量化Decode约80tokens/s,词元能效比15token/W,带宽利用率约80%。相关3D-TPU方案处于样片阶段,迈特芯AI智能体MetaClaw已适配Qwen、MiniCPM、Gemma并展开试点应用。
本期播客中,Claire 与 Brookhaven 国家实验室的 Kushant Patel 聊聊在粒子加速器等科学设施中工作的机器人。Patel 开发帮助机器人与仪器感知、建图并在物理世界中移动的软件,此前曾在加州大学伯克利分校教四足机器人测绘和巡检核材料,现在为布鲁克海文的先进同步辐射光束线开发控制系统。
英伟达将Halos操作系统从自动驾驶拓展至机器人领域,支持开发者在不破坏底层架构的前提下自定义安全功能。系统持续监控硬件与软件库,Holoscan Sensor Bridge可嵌入微控制器或FPGA以识别损坏的传感器数据,还包含虚拟环境仿真与检验实验室项目,为机器人开发提供安全反馈。
翼菲科技具身智能事业部总经理李祥明在辽宁举行的2026全球工业互联网大会上作《AI时代工业机器人如何突出重围》主题分享,提出可靠性、易用性、全品类加具身智能和出海四条突围路径。
AMD在Advancing AI大会上推出面向人形机器人的锐龙AI嵌入式X100系列处理器、Kria AI SOM模组和Robotics Software Suite,6月送样、四季度量产。文章分析认为AMD的x86实时控制加统一内存加FPGA组合主打工业准人形与双轨供应链场景,短期难以撼动英伟达Thor在高端双足机型约68%的市占,机会在于吃掉工控机加独立GPU的工业存量并充当第二供应商。
在WAIC 2026“智能趋势论坛”上,艾利特机器人董事长曹宇男发表《光联智能:物理AI的战略前哨》演讲,指出物理AI落地面临数据、模型、执行、规模化四重瓶颈。公司通过自研“元启Primo”方案实现现场少量样本冷启动,敏感数据本地驻留并以联邦智能进化,已在光通信制造实现规模化部署。苏州超级工厂预计2026年底竣工投产,累计积累百万级机器人操作轨迹与亿级力触觉传感器采样数据。
Dexmate 发文主张工业 Physical AI 的部署上限由硬件而非模型决定,并以自家 Vega 1 Pro 为例展开。
深圳如本科技CTO邱强表示,公司以机器视觉与机器人运动规划技术打造智能手眼单元,瞄准工业机器人不够智能、应用成本高的两大痛点。其卫浴打磨单元可通过3D视觉检测洗手盆形状并自动规划工作轨迹,缩短调试时间;智能手眼单元可将1~2名工人从有害环境解放出来。今年2月1日,如本科技与日本RBB公司签署合作协议,开启“出海”。