技术方向
抓取、灵巧手操作、双臂协作、装配、接触操作、柔性物体操作、工具使用、移动操作。重点是改变物体状态或完成操作任务；灵巧手机构与关节硬件归本体与核心部件。
92 条精选近 30 天 43 条共收录 1,007 条
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。
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。
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。
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。
Serve Robotics 宣布已签署协议收购 Diligent Robotics，交易对价为向 Diligent 股东支付价值 2900 万美元的公司普通股（需经净债务等调整），另含最高 530 万美元的里程碑对赌，预计在 2026 年第一季度交割，Diligent 将作为 Serve 的子公司在 Andrea Thomaz 领导下继续运营。
推荐理由：材料列出 Moxi 的部署规模与单院年销售额区间，便于评估这笔收购对 Serve 收入结构和平台扩张的实际分量。
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。
Sharpa 宣布其旗舰灵巧手 SharpaWave 启动量产，早期客户包括全球科技公司和研究高校。
推荐理由：厂商宣布灵巧手进入量产，给出了自由度、触觉精度和仿真平台适配等技术细节，读者可据此评估其研究可用性。
逐际动力发布多形态具身机器人 TRON 2，一个本体可快速切换双臂、双足、双轮足三种构型，售价 4.98 万元起，即日起开放预订。双臂为 7-DoF 类人构型、臂展 70 cm、双臂负载 10 kg，机身极限负重 60 kg；双足形态续航 4 小时、最大负载 30 kg，具备感知及上下楼梯能力。
推荐理由：原文给出了一机三态构型、双臂参数和预订价格，读者可据此评估它对 VLA 与移动操作开发的适配性。
Figure AI 发布第三代人形机器人 Figure 03，为面向 Helix VLA 模型、家庭和大规模量产从零重新设计软硬件。
推荐理由：官方完整说明了新一代人形机器人的感知、触觉、家庭安全设计与量产规划，读者可以据此了解其硬件变化和产能目标。
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 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 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。