RoboForce 完成 5200 万美元融资，累计融资达 6700 万美元
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。
技术方向
机器人模型与学习 最新动态
机器人 VLA、通用动作模型、世界模型、模仿学习、强化学习、技能与运动策略学习、在线适应、跨任务和跨本体迁移。重点是模型、策略或学习方法；发布数据集归数据与仿真，优化推理部署归软件与计算系统。
197 条精选近 30 天 107 条共收录 1,794 条
更新
精选归档 · 第 10 页
RoboForce精选AI 评分7272
Physical Intelligence精选AI 评分7878 Physical Intelligence 提出 MEM，让 π0.6 的 VLA 记住最长 15 分钟的长时程任务
Physical Intelligence 提出名为 Multi-scale Embodied Memory（MEM）的方法，为视觉-语言-动作模型（VLA）同时提供短期与长期记忆，使模型能完成最长 15 分钟的任务，如清理整个厨房或从头做烤奶酪三明治。
推荐理由：文章把长时程任务的瓶颈定位到记忆机制，并给出短期存视频、长期存语言的双尺度设计，思路可迁移。
普华资本精选AI 评分6262 无界动力完成超2亿元天使+轮融资，第三轮接近完成
通用具身智能机器人公司无界动力宣布完成超2亿元天使+轮融资，由普华资本、深创投、创新工场、钧山资本、雅瑞资本联合投资，红杉中国、线性资本、高瓴创投等老股东追投，第三轮融资接近完成，累计融资额将达8亿元。
推荐理由：原文披露了融资规模、技术路线和落地阶段，读者可据此判断这家具身智能公司的商业化进度与研发方向。
Physical Intelligence精选AI 评分7474 Physical Intelligence 提出物理智能层主张并公布 Weave 与 Ultra 的 π 0.6 部署数据
Physical Intelligence 在博文中提出机器人需要一个可复用的物理智能层，并公布了合作方 Weave 与 Ultra 使用 π 0.6 的真实部署数据。
推荐理由：两家部署方给出了自主率、漏抓与吞吐量等对照数据，便于判断基础模型迭代在真实场景中带来的实际收益。
线性资本精选AI 评分6262 对话它石智航陈亦伦：不做VLA、不仿真，一家具身智能公司的非主流判断
线性资本转发《晚点》对它石智航创始人陈亦伦的访谈，他阐述了与主流不同的技术路线：不认同在VLM上长出动作头的VLA架构，转而开发自研的AWE（AI World Engine），追求表达时间、空间、力等物理量；同时放弃遥操作采集，改用自研可穿戴手套加第一视角摄像机的采集设备。
推荐理由：访谈系统呈现了与主流VLA路线不同的技术判断和数据方案，读者可据此理解具身智能路线分歧的具体依据。
Figure AI精选AI 评分8282 Figure AI发布Helix 02：人形机器人全身自主控制模型
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。
Skild AI精选AI 评分8282 Skild AI 宣布完成 14 亿美元 C 轮融资，估值超 140 亿美元
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。
Physical Intelligence精选AI 评分6464 Physical Intelligence 微调 π 0.6 挑战 Robot Olympics 五类任务，拿到三金两银
Physical Intelligence 通过微调其最新的 π 0.6 模型，在 Benjie Holson 提出的 Robot Olympics 五类日常操作挑战中，3 类给出金牌任务的初步解、其余 2 类达到银牌，平均成功率 52%、任务进度 72%。
推荐理由：用同一组外部提出的日常操作任务对比有无机器人预训练的差距，读者可据此判断基础模型预训练对操作技能的实际价值。
Physical Intelligence精选AI 评分7373 Physical Intelligence：VLA 随机器人数据规模扩大涌现人类到机器人迁移能力
Physical Intelligence 研究发现，在只有人类演示出现的泛化场景中，仅将人类第一视角视频与机器人数据混合微调 π0.5，就能让策略性能提升约 2 倍，全程没有使用任何显式的迁移学习机制。
推荐理由：实验显示仅把人类视频混入微调就能让策略在纯人类演示场景上提升约2倍，且该能力随预训练机器人数据规模增长而出现。
Pieter Abbeel精选AI 评分7676 Amazon FAR 开源 Holosoma 人形机器人 sim-to-real 全栈代码库
Amazon FAR 发布全栈方案 Holosoma，并开源覆盖多仿真后端、训练、动作重定向与实机推理的完整代码库。Pieter Abbeel 转发并补充说明，该基础设施按人形机器人构建，也便于改造为四足版本（四足部分已包含在内），其中含团队日常依赖的大量基础设施经验与便利工具。
推荐理由：开源的全栈代码库同时覆盖人形与四足，研究者可直接复用其仿真训练到实机推理的完整管线。
Physical Intelligence Social精选AI 评分6868 Physical Intelligence 发布 π0.6 模型，可用强化学习从自身经验中学习
Physical Intelligence 发布新模型 π0.6，它能通过强化学习（RL）从自身经验中学习。相比未用 RL 训练的基线模型，π0.6 的吞吐量可提升一倍以上，并能执行真实世界任务，包括制作浓缩咖啡饮品、折叠多样衣物和组装纸箱。
推荐理由：原文给出了相对未用强化学习的基线模型吞吐量翻倍以上的对比，以及三类真实任务的落地范围。
Physical Intelligence精选AI 评分7474 Physical Intelligence 发布能从经验中学习的VLA模型 π*0.6
Physical Intelligence 发布 VLA 模型 π*0.6，用其 Recap（RL with Experience & Corrections via Advantage-conditioned Policies）方法训练后，在部分最难任务上吞吐量提升一倍以上，失败率可降至原来的一半或更低。
推荐理由：原文解释了模仿学习下VLA复合错误的成因，并给出用专家纠错与自主经验做强化学习的训练路线。
LimX Dynamics精选AI 评分6666 逐际动力等联合研究的GVF-TAPE算法入选CoRL 2025，让机器人看视频学会操作
南方科技大学CLEAR Lab、逐际动力与香港大学合作的论文《Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-top Manipulation》入选CoRL 2025。
推荐理由：这项研究给出了从人类视频学习操作的具体技术路线和实验数字，可帮助读者了解视频数据训练机器人操作的可行路径。
Figure AI精选AI 评分7272 Figure 发布 Project Go-Big：Helix 仅凭人类第一视角视频零样本学会导航
Figure 宣布 Project Go-Big 两项进展：与 Brookfield 合作构建大规模人形预训练数据集，后者拥有超 10 万套住宅、5 亿平方英尺商业办公和 1.6 亿平方英尺物流空间；Helix 在 100% 第一视角人类视频上训练后，无需任何机器人示教即可响应 go to the fridge 等自然语言指令，在杂乱真实家居环境中导航。
推荐理由：原文给出Helix仅用人类视频学会导航的训练方式与Brookfield数据合作的规模细节，可了解人形预训练数据路线的实际进展。
Figure AI精选AI 评分6060 Figure AI 的 Helix 模型实现人形机器人全自主叠毛巾
Figure AI 的 VLA 模型 Helix 全自主完成叠毛巾，称是多指人形机器人用端到端神经网络完成该任务的首例。架构与训练超参数不变、仅新增数据集，可从混合毛巾堆取物、按初始形态调整折叠策略、纠正多抓错误，并用拇指描边、捏角等精细动作解开缠绕毛巾。
推荐理由：同一模型不加架构改动仅靠新增数据完成叠毛巾任务，展示了从物流到柔性物体操作的泛化路径。
Figure AI精选AI 评分7575 Figure AI 公布 Helix 物流部署三个月进展：单件处理 4.05 秒、条码成功率约 95%
Figure AI 发布 Helix 在物流环境部署三个月后的能力进展，单件处理时间从约 5.0 秒降至 4.05 秒，条码扫描成功率从约 70% 提升至约 95%，并新增处理 poly 袋、扁平信封等柔性包裹的能力。
推荐理由：原文给出数据规模与各架构模块的消融实验细节，读者可以据此理解物流性能提升的具体来源。
Figure AI精选AI 评分6666 Figure AI 用强化学习让 Figure 02 人形机器人实现类人自然步行
Figure AI 发布端到端强化学习步行控制器，让 Figure 02 人形机器人在仿真中通过奖励模仿人类参考轨迹学会带脚跟触地、脚尖蹬地和摆臂的类人步态。训练在 GPU 加速物理仿真中并行进行数千台机器人，数小时收集数年仿真数据，结合域随机化与 kHz 级扭矩反馈控制实现零样本迁移到实机，10 台 Figure 02 运行同一神经网络无需单独调整。
推荐理由：原文给出 Figure 02 用强化学习实现类人步行的训练方法和仿真到现实迁移细节，可了解其技术路线。