优艾智合发布工业具身智能基础模型 FabriX 与工业人形机器人 Edge
优艾智合于 6 月 29 日发布工业具身智能基础模型 FabriX 和工业人形机器人 Edge。FabriX 采用边云混合架构,结合多模态 MoE 基础模型与确定性控制,并提出三年赋能 1 万个工业现场的生态伙伴计划。
优艾智合于 6 月 29 日发布工业具身智能基础模型 FabriX 和工业人形机器人 Edge。FabriX 采用边云混合架构,结合多模态 MoE 基础模型与确定性控制,并提出三年赋能 1 万个工业现场的生态伙伴计划。
Figure AI宣布Figure 03人形机器人进驻BMW Group Plant Spartanburg的Hall 52,从此前Figure 02的钣金上下料转向sequencing分拣用例,Figure 02去年曾参与装配30,000辆汽车。
推荐理由:官方公布了Figure 03在BMW工厂的部署场景与Helix 02驱动细节,读者可了解人形机器人从搬运到复杂分拣的落地进展。
高通在投资者日阐述机器人战略,把机器人计算架构拆成System 2推理层(18核CPU、700 TOPS多NPU、64GB内存、超过270GB/s带宽,跑VLA大模型)、System 1行动层和System 0执行层,底层采用纳秒级同步的确定性以太网和多传感器ASIC。
毕马威中国未来独角兽人工智能榜单(长江三角洲地区)发榜仪式于10月19日在上海举行,斯帝尔凭借打磨场景的AI具身智能机器人系统入选“创新双30企业”。其NextBrainAI磨菇云系统融合认知系统与力觉、触觉、视觉、声觉感知,结合轨迹智能规划与工艺配方智能生成,基于深度学习与强化学习实现智能打磨。
哈工大朱延河教授团队在《极端制造(英文)》(IJEM)发表论文,提出基于协作重构的模块化机器人自主容错修复策略,通过改变形态恢复关节故障损伤,无需备份模块替换。方法结合拓扑描述与运动学自建模、粒子群算法搜索目标构型及改进RRT协作重构算法,实验中容错上限比固定构型冗余方法提高7倍。哈工大为唯一完成单位,博士生齐健为第一作者。
推荐理由:论文给出无需备份模块的协作重构容错策略和7倍容错上限提升数据,读者可了解极端环境下机器人集群自修复的具体实现路径。
鹿明机器人的产业具身大脑 Prime R0 在 AI2 发起的零样本具身智能评测基准 MolmoSpaces 上,于单臂精细操作与双臂协同操作全任务评测中以综合成功率位列全球第一。
银河通用发布AstraBrain-WBC 0.5(论文题为Humanoid-GPT,被CVPR 2026接收),用约20亿帧重定向动作数据训练Transformer全身控制器,零样本运动追踪成功率92.58%,推理延迟0.39毫秒,代码和数据开源。
推荐理由:这篇解读把银河通用新模型的数据规模、架构选择和局限讲清楚,读者可以据此评估通用运动控制路线的进展。
Sanctuary AI宣布在一家全球Tier 1汽车供应商的线缆插接生产任务上达到99.5%以上任务成功率,节拍时间2.54秒,并按客户实时生产基准验证。该公司调整策略,将Physical AI部署在现有商用机器人硬件上而非等待人形硬件量产,系统在运动传送带上操作柔性线缆,吞吐量匹配客户在产线水平。
韩国科技信息通信部6月9日在首尔举行物理AI领先技术研发项目启动报告会,计划2年内投入340亿韩元,联合LG电子等10家产学研机构自主开发韩国型世界模型及国产模拟器,目标是使机器人最终动作成功率比不使用世界模型时提升20个百分点以上,并计划1年8个月内实现MVP,在制造与物流现场实证。
推荐理由:韩国政府启动物理AI核心技术国产化项目,读者可从中了解其投入规模、目标指标与产学研分工安排。
PKU EPIC Lab 提出灵巧手抓取生成方法 KPGrasp,以全欧氏 3D 手部关键点参数化结合 Transformer 流匹配模型,从大规模数据学习抓取先验,无需接触损失或接触式测试时优化。
推荐理由:论文给出免接触损失的抓取生成新方法和两个基准上的具体成绩,读者可以对比现有方法评估其思路。
PKU EPIC Lab 发布 LIMMT(Less Is More for Motion Tracking),称是首个面向物理仿真人形运动追踪的数据中心研究。方法从物理可行性、多样性和复杂度三个维度定义动作数据质量,用不到 3% 的 AMASS 训练即可获得优于全量数据集的追踪表现,并清洗了网络来源 mocap 数据。论文已被 ICML 2026 接收,见 arXiv:2606.06953。
推荐理由:论文给出数据质量三维度框架和少量数据训练结果,对做humanoid运动追踪的研究者有方法参考。
1X 宣布正式成立 1X World Model Lab,专注大规模具身世界模型预训练,目标是加速实现完全自主的人形机器人。前 Luma AI 创始研究科学家 Sam Sinha 加入担任 Founding AI Researcher 和世界模型负责人。
推荐理由:1X 官方阐述了世界模型实验室的数据路线和全栈自研主张,读者可借此理解其通向自主人形的技术路径。
Boston Dynamics 与 Hyundai 合作,通过人类演示参考和强化学习训练 Atlas® 人形机器人完成此前未做过的 Ghost Rabona 踢球动作,包括假动作跨步与交叉腿射门。
Agile Robots 获得 NVIDIA Cosmos 3 的早期访问权限,早期仿真测试显示其强大能力。公司将为客户集成 Cosmos 3,提供仿真、测试、训练与部署物理 AI 的新选项,并在探索基于 Cosmos 的 NVIDIA Video Augmentation Skill,用于自动化数据整理、生成与评估。
鹿明机器人完成数亿元A1及A2轮融资,A1轮由三菱电机领投、普华资本和吴中金控等跟投,A2轮三菱电机继续领投,恒生电子、海高集团、昆石投资等跟投。融资用于具身大模型研发和场景拓展,融资后公司现金储备达数亿元;其与三菱电机共创的柔性质检具身智能方案已在其中国工厂投入试用,自研的Lumos Nexcore物理AI引擎与无本体数采系统Lumos FastUMI Pro支撑工业场景落地和数据回流。
推荐理由:原文给出融资结构与产业方合作细节,读者可以了解其工业落地路径和数据采集技术布局。
Figure AI 展示两台搭载 Helix-02 的人形机器人在两分钟内协作整理卧室,完成开门、挂衣、收耳机、合书、倒垃圾、推椅子入桌和合作铺床。两台机器人运行同一个学习的视觉-语言-动作(VLA)策略,没有共享规划器、消息传递或中央协调器,各自通过自身摄像头从对方动作推断意图。公司称据其所知这是单个学习神经网络直接从像素到动作完成多人形协作移动操作的首次演示。
推荐理由:官方展示了同一 VLA 系统驱动的两台人形机器人协作整理卧室,读者可了解无共享规划器的多机协作实现思路。
逐际动力LimX Dynamics正式开源FluxVLA Engine,一个面向具身智能的标准化VLA工程底座,覆盖数据、训练、仿真评测到真机部署全流程。
推荐理由:逐际动力官方开源其VLA工程底座,读者可据此了解统一配置与真机部署流程如何降低研发门槛。
Figure宣布BotQ工厂已交付超过350台第三代人形机器人Figure 03,生产节拍从每天1台提升到每小时1台,120天内吞吐量提升24倍。产线由自研制造执行软件驱动,覆盖150多个联网工位,整机下线一次合格率超过80%,电池产线一次合格率99.3%,已生产9000多个执行器,每台机器人出厂前经过80多项功能验证测试。
推荐理由:官方给出量产与质检的具体数字,并说明车队规模如何支撑感知条件全身控制的落地。
灵初智能4月10日发布基于人类数据预训练的Psi-R2和Action-Conditioned World Model Psi-W0,并开源首批1000小时人类手部操作全模态数据集,总数据储备达10万小时。
推荐理由:原文给出两个新模型的分工机制和开源数据入口,读者可据此评估人类数据用于机器人训练的可行路径。
灵初智能宣布完成新一轮融资,投资方为国投先导与京西瑞瓴,资金将用于核心技术研发与商业化落地。4月10日公司发布新一代具身智能模型Psi-R2及Psi-W0,并开源1000小时人类操作全模态数据集,称Psi-R2在Molmospace基准上获全球Top1;后续将推进灵巧操作方案在物流、工业及新零售场景的规模化应用。
Skild AI 宣布收购 Zebra Technologies(前身为 Fetch Robotics)的机器人部门,计划将 Skild Brain 部署到仓储场景以自动化端到端履约流程。Zebra 的 Symmetry Fulfillment 调度平台已在物流环境中验证,可在机器人和一线工人间协调任务;公司称此次收购将加速其数据飞轮并扩展到更多垂直领域和机器人形态。
推荐理由:收购方自己说明了整合方向,读者可以据此判断其平台与通用模型将如何组合进入仓储场景。
灵初智能发布Psi-R2与Psi-W0两个模型,称其为业内首个基于10万小时量级人类数据完成预训练的具身智能模型。
推荐理由:原文由团队亲自拆解双模型架构与数据治理结论,给出了可借鉴的人类数据利用路径与实验依据。
零次方机器人宣布完成超亿元新一轮融资,由润泽集团领投,宁波东力、接力天使、平湖泽新跟投。公司称订单数已突破亿元、营收数千万,单月稳定量产百台,并在全国20余个地标场景完成验证;文中还介绍了其4D增广模型ZERITH-SDA与类脑双流异步执行架构ZERITH-V2等技术进展。
推荐理由:公司自述融资详情与订单规模,并说明其场景落地路径和数据增广方法,可了解其商业与技术布局。
Sanctuary AI 展示其专有液压手在真实世界中零样本完成在手操作:完全在仿真中训练的策略可连续十次将字母立方体重定向到目标姿态且不掉落。操作全程仅靠指尖、无手掌支撑,需同时稳定抓握并逼近姿态目标。原文称其手具备较高主动自由度可实现手指外展,液压驱动与紧凑液压阀为工业级类人灵巧操作提供路径。
Agile Robots SE 与 Google DeepMind 宣布建立战略研究合作,将 Gemini Robotics 基础模型与 Agile Robots 的工业机器人平台结合,开发可适应、具备推理能力的机器人。合作首先聚焦可靠性和规模关键的工业制造场景,通过部署、数据采集、模型训练与迭代形成数据飞轮;Agile Robots 表示其全球已安装超过 20000 套机器人解决方案。
推荐理由:合作聚焦工业场景部署与数据回流训练,读者可以借此了解基础模型与整机厂商打通的落地路径。
Berkeley AUTOLAB等团队提出CaP-X开放框架,用于系统研究机器人操作中的Code-as-Policy智能体,核心包括交互环境CaP-Gym和评测12个前沿模型的CaP-Bench。
推荐理由:原文给出了Code-as-Policy智能体的系统评测框架和测试时扩展可缓解抽象依赖的发现,对研究编码智能体操作控制有参考价值。
越疆机器人正式启动第三批全尺寸工业人形机器人ATOM的量产交付,投入全球产业一线应用。ATOM搭载自研DOBOT-VLA模型,可融合视觉、语言与动作完成自主决策,关节模块经过近万次循环测试,并支持与轮式、多足机器人在统一平台下协同调度。
推荐理由:原文由当事方说明第三批量产交付进展和场景落地情况,读者可据此了解其产业化推进节奏。
Sharpa 在 NVIDIA GTC 2026 上展示了灵巧手 Wave 的实机演示,其技能通过 NVIDIA Isaac Lab 仿真平台训练并稳定迁移到真实系统,实现手内操作等精细操作。
Skild AI 宣布与 ABB Robotics、Teradyne 旗下 Universal Robots 和 MiR 合作,将通用模型 Skild Brain 集成到工业机器人中,无需逐任务编程,通过少量任务数据做 post-training 微调。
推荐理由:Skild AI 自述与 ABB、UR、NVIDIA 的合作部署方式与装配任务细节,读者可了解其通用模型如何进入产线。
1X Technologies 披露其人形机器人 NEO 的 AI 开发流程基于 NVIDIA 机器人平台,涵盖本周 GTC Taipei 发布的开源物理 AI 智能体工具。
RoboForce 宣布获得 5200 万美元超额认购融资,累计融资达 6700 万美元,本轮由 YZi Labs 领投,Jerry Yang 参投。新资金将用于加速下一代机器人基础模型、扩展通用 Physical AI 机器人,并推进面向商业部署的制造准备。
推荐理由:融资公告同时交代了资金用途和与NVIDIA的技术栈合作,读者可以据此了解这家公司下一阶段的落地路径。
Figure AI 发布 Helix 02 新演示,该单一神经网络系统完成全身端到端的客厅整理任务,在走动中持续操作物品、工具和容器。演示中 Helix 02 无新算法和特殊工程,仅靠新增数据学会用喷雾瓶加毛巾擦拭清洁、双手端箱收集积木、把枕头抛回沙发、手持遥控器换向后按键关电视,并侧步穿过茶几与沙发间的窄缝。
Figure AI发布Helix 02,将控制从上半身扩展到整个人形机器人,实现连续的移动与操作一体化自主任务。新增System 0全身控制器,基于超过1000小时人体动作数据与仿真强化学习训练,以10M参数网络在1kHz输出关节指令,替换约109504行手写C++代码;System 1连接头部的视觉、掌部相机、指尖触觉与本体感知,以200Hz输出全身关节目标。
推荐理由:原文给出Helix 02的架构分层、训练数据与演示任务细节,读者可以据此了解全身自主控制的具体实现路线。
Sharpa 在 CES 2026 上首次展出全身机器人 North,由 CraftNet 端到端分层 VTLA(视觉-触觉-语言-动作)模型驱动,连续四天每天八小时进行实机自主演示:拍照、乒乓球对打、风车装配和发牌,全程未用脚本。
Skild AI 宣布完成 14 亿美元 C 轮融资,由 SoftBank 领投,NVentures(NVIDIA)、麦格理资本、Jeff Bezos 等参与,估值超 140 亿美元。
推荐理由:官方披露融资规模、估值和收入数据,读者可据此了解这家通用机器人模型公司的商业化进展。
Skild AI 提出通过观看人类视频来突破机器人数据瓶颈,认为遥操作受限于环境多样性和实时采集规模,无法达到基础模型所需的数据量。其方案是跨本体学习,只需不到 1 小时机器人数据微调,即可让模型仅凭视频演示学会新技能,将人类的“抓取”映射到不同机器人本体的执行动作上。
逐际动力正式发布具身智能体系统 LimX COSA(Cognitive OS of Agents),定位面向物理世界原生的具身 Agentic OS。系统采用自底向上三层结构:底层为全身运控基础模型,中层为大小脑融合的高阶技能层,顶层为自主认知与决策能力,涉及交互、记忆与思考。
Sharpa 发布端到端分层 VTLA(视觉-触觉-语言-动作)模型 CraftNet,面向精细操作中的最后一毫米接触控制。模型由三部分组成:System 2(约 1 Hz,开源 VLM 负责推理与任务分解)、System 1(约 10 Hz 负责运动规划与粗动作)、System 0(约 100 Hz 基于触觉反馈实时微调手部动作),三者异步协同。
Sunday Robotics 发布基础模型 ACT-1,宣称训练未使用任何机器人操作数据,而是通过 Skill Capture Glove 采集人类动作,经 Skill Transform 以 90% 成功率转换为机器人数据。
Dexterity 提出“可交易世界模型”(Transactable World Models),把空间理解实现为受物理约束的共享算子,多个异步技能智能体对它进行事务式交互,提供不确定性边界、回滚、可解释性与实时一致性。