⌘ K
… 读取采集状态 同步中...
雷

具身智能

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。

84条精选相关主题NVIDIA 英伟达多模态论文研究

最新精选

第 21–40 条 · 共 84 条
9月24日周四
  1. DeepTech深科技70

    Eidon AI关闭复盘：卖数据撑不起一家独立具身智能公司

    具身智能数据公司 Eidon AI 关闭并开源了全部追踪设备、手套及第一人称数据积累。创始人复盘指出，由于视频加传感器数据单价约 60 美元/小时、且客户期望每周交付，高昂的硬件损耗、跨国物流与人力审核成本导致资金持续消耗，最终难以维持。

    推荐理由：基于创始人复盘与成本结构数据，读者可评估独立具身智能数据供应商在买方自建与低价竞争下的生存空间。

  2. Microsoft Research70

    Microsoft 研究：物理 AI 机器人推理卸载的机制与工具链

    Microsoft Research 团队首次对机器人负载进行系统性研究，发现将推理从机载 GPU 卸载到边缘或云端 GPU 能显著提升机器人任务成功率并延长续航。

    推荐理由：微软首次系统性实测物理AI推理卸载，量化了边缘或云端GPU在提升任务成功率、扩展大模型运行空间及延长机器人续航上的优势。

9月23日周三
  1. 新智元73

    谷歌 DeepMind 核心研究员 Bonnie Li 转会 OpenAI

    曾主导 Gemini 3、世界模型 Genie 3 及具身智能体 Sima 2 研发的谷歌 DeepMind 研究员 Bonnie Li 宣布离职，将加入 OpenAI。该变动被置于谷歌人才外流至 Anthropic、OpenAI 与 Meta 的背景下，恰逢 OpenAI 推出具备百万级上下文的 GPT-6 Astra。

    推荐理由：Bonnie Li 携带 Genie 与 Sima 核心研发经验从谷歌转投 OpenAI，为理解当前实验室在世界模型领域的差距提供了关键注脚。

  2. 量子位65

    人类动作预训练对机器人泛化的规模化证据与路线比较

    量子位深度报道系统梳理了Figure、Dyna及亮源新创在具身智能领域的最新进展。Figure的Helix 2.5在陌生家庭测试中通过Index人类数据预训练将任务成功率从9%提升至56%；Dyna-2验证了100万小时人类视频对真机闭环的规模效应。

    推荐理由：通过对比Figure、Dyna与亮源新创实验，厘清人类动作预训练对机器人闭环影响的证据层级与局限。

  3. 量子位65

    理想推送 OTA 8.6，马赫VLA 2.0 覆盖 2022-2025 款 AD Max 车型

    理想推送 OTA 8.6，马赫VLA 2.0 同步覆盖 2022-2025 款 AD Max 车型及 Orin-X、Thor-U 平台。该版本重点优化了跟车、绕行和变道博弈，支持非划线车位识别，并通过 AI 眼镜 Livis 实现语音遥控泊车。其跨芯片部署依赖云端教师模型向不同算力架构学生模型的迁移，旨在解决硬件冻结导致的 AI 迭代滞后问题。

    推荐理由：原文梳理了理想马赫VLA 2.0 跨代芯片适配逻辑，可帮助理解车载模型部署的工程约束。

9月22日周二
  1. AI科技评论72

    乐享科技发布以太大模型并展示户外烧烤直播测试

    乐享科技发布以太大模型，强调从预测到求解的范式转变。团队在上海烧烤店进行无剪辑、可实时干预的户外直播，机器人完成接单、烤串及应对临时打断等任务，展示了主动感知、多模态理解、流式记忆、动力学建模及持续自进化五项核心能力。

    推荐理由：通过户外烧烤直播展示机器人在开放环境下的自主应变与持续进化能力，区别于以往依赖预设脚本的演示。

  2. 机器之心72

    穹彻智能发布RoboRSI机器人多智能体自进化框架

    穹彻智能发布RoboRSI，这是一个通过多智能体协作构建具身智能执行、诊断与修订闭环的框架。在LIBERO基准测试中，该框架启用代码固化（Code-on）机制后，将任务通过率从21.5%提升至29.0%，同时降低了Token消耗与执行时间。

    推荐理由：展示了RoboRSI如何通过多智能体闭环将具身任务的一轮部署周期从数周压缩至一天，并给出实测基准数据。

9月20日周日
  1. DeepTech深科技70

    Aether AI 发布因果世界模型 CausalWM，在 TriWorldBench 评测中位列综合第一

    Aether AI 发布首个因果世界模型 CausalWM，该模型通过预测光流、深度和点映射等物理变量，将因果思维链引入未来预测，在面向三视角具身世界模型的 TriWorldBench 评测中以 66.04 分位列综合榜单第一。

    推荐理由：Aether AI 发布的 CausalWM 通过引入因果思维链预测物理变化，在 TriWorldBench 评测中位列榜首，展示了因果大模型在具身智能领域的落地进展。

9月19日周六
  1. 智能涌现73

    触觉智能公司「千觉」完成数亿元融资

    触觉智能公司千觉近日宣布完成连续两轮数亿元战略融资，蓝驰创投、中金资本和靖亚资本参投。千觉成立于 2024 年，目前已服务超 300 家付费客户，自研视触觉传感器实现万片级量产，正通过 X-TouchMind 模型等全栈能力推进触觉技术在机器人及工业领域的规模化落地。

    推荐理由：文章梳理了千觉在触觉工程化与全栈模型方面的具体进展，为理解具身智能传感器商业化路径提供了清晰参照。

9月16日周三
  1. 新智元78

    紫东太初开源 ZDTaichu5.0-9B 模型，空间基准多项第一并打通物理世界长任务

    紫东太初开源了 9B 参数量的通用多模态模型 ZDTaichu5.0-9B，其在 MindCube-tiny 等空间具身基准上取得 8 项全球同参组别第一。模型引入自适应循环推理机制，在提升复杂空间推演能力的同时，未在 OCR、代码等通用能力上出现显著衰减。实测中，该模型成功执行了试管排序、液体转移及工业货架搬运等真实物理世界任务，并开放了权重与完整训练数据及方案以供开发者基于自有场景进行微调。

    推荐理由：文章通过三道空间推理对比题和真实物理场景演示，展示了该模型在保持通用能力的同时，如何填补长程任务中参照系变换与操作判断的能力缺口。

9月15日周二
9月13日周日
  1. 量子位77

    亮源新创发布三项具身智能技术：LightParkour、LightNav-0与Light REACT

    亮源新创发布LightNav-0、LightParkour与Light REACT三项技术。LightNav-0将2000+真实场景转化为4000+小时仿真数据，实现跨本体零样本导航；LightParkour利用课程学习将单个动作扩展为技能分布；Light REACT通过上下文学习使机器人在受损状态下自主调整运动策略。

    推荐理由：三项技术协同展示了具身智能从预训练到韧性部署的闭环路径，为规模化落地提供了工程参考。

9月12日周六
  1. 新智元72

    生数科技发布 Motus 2，实现灵巧操作自进化

    生数科技发布通用世界模型 Motus 2，将策略、仿真器、评估器、触觉和长时记忆统一进共享权重模型，实现生成动作、预测后果、评估结果和改进策略的闭环。五项真机任务平均成功率为 84%；手机放置与多指操作任务中，基础策略成功率 65%，引入基于模型的强化学习升至 72.5%，叠加推理时规划后达 75%。

    推荐理由：Motus 2 统一策略、模拟、评估和触觉，给出 84% 多任务成功率和人类数据缩放证据，为机器人自进化提供了一条可复制路线。

9月11日周五
  1. 极客公园70

    桥介数物推出通用全身运动控制平台 RoboCraft AI

    桥介数物推出通用全身运动控制平台 RoboCraft AI，允许用户上传视频在半小时内容完成动作提取、仿真及实机部署。该公司已完成亿元级融资，转向按机器人台数收取订阅费和 License 费，并计划通过统一接口屏蔽硬件差异，让不同品牌机器人调用同一套运动能力。

    推荐理由：原文记录了桥介数物将通用全身运动控制做成订阅平台，并展示了跨机型动作迁移与商业模式的落地路径。

  2. 新智元73

    Maxinsights构建具身智能数据基础设施：5000人采集体系与算法闭环揭秘

    新智元报道了硅谷机器人公司背后的数据供应商Maxinsights，指出其为Dyna-2和GENE-26.5等具身智能模型提供了第一人称数据支持。Maxinsights依托5000余名采集员构建了覆盖全球多场景的数据采集网络，结合自研算法处理遮挡追踪、空间定位与动作标注，累计交付200万小时高质量数据，并通过Agent平台调度产能与质量管控，形成了具身智能领域的数据基础设施。

    推荐理由：原文揭示了具身智能数据供应链的隐形巨头，以及数据采集与算法处理如何共同决定模型训练效率。

  3. 量子位69

    高德扫街榜全面AI化，ABot-Earth 0.7打造3D原生城市世界模型

    高德于9月10日宣布扫街榜全面AI化，通过大模型理解导航与到店行为数据优化评分权重，其核心引擎为ABot-Earth 0.7。该模型被称为全球首个3D原生城市世界模型，能在消费级GPU上10分钟生成1平方公里的真实3D城市，覆盖190多个国家300多座城市。通过3DGS压缩与滑窗推理机制，单次推理可生成超10平方公里场景，支撑从城市级到街景级的3D游览。

    推荐理由：高德扫街榜推出基于空间智能的AI化升级，并展示了其3D城市世界模型在低成本生成与多场景应用上的技术路径。

9月10日周四
  1. AI科技评论67

    生数双线破局背后：朱军团队正在为世界模型立「通用语法」

    文章对比李飞飞世界模型功能分类法与朱军团队通用世界模型（GWM）框架，指出前者描述输出能力、后者定义理解想象行动内部机制。生数科技基于GWM五级路线图，从Vidu视频生成、Vidu S1实时交互、Motubrain机器人控制，到预告Motus2自进化模型，展现数字与物理世界双线并行的技术演进，并分析数据架构算力三大工程壁垒。

    推荐理由：将李飞飞功能分类与朱军通用世界模型对照，厘清世界模型从生成到因果闭环的进化路径。

  2. 新智元81

    京东开源 JoyAI 矩阵，发布 8B 实时交互模型与世界模型

    京东在 JDD 发布并开源 JoyAI-Echo WM 实时可交互世界模型及 JoyAI 基础模型矩阵。核心产品 JoyAI-VL-Interaction 为 8B 规模视觉交互模型，支持亚秒级自主决策，在 58 项盲评中胜率最高达 87.9%。JoyAI-Echo WM 通过 WBench 导航评测获得 81.7 综合分，实现音画同步的沉浸式环境生成，构建从数据到真机落地的完整管线。

    推荐理由：京东开源了 JoyAI 全栈交互模型矩阵，详细拆解了从实时眼镜到具身智能硬件的完整技术链路。

9月5日周六
  1. 极客公园68

    特斯拉发布 Cybercab 无人出租车，对比 Waymo 技术路线与运营成本

    特斯拉在 9 月 3 日举办的发布会上展示了 Cybercab，这是一款没有方向盘、踏板和传统后视镜的无人驾驶出租车。发布会未直播，但 X 用户分享了现场细节，显示其采用线控刹车、前轮驱动、4680 电芯及 48V 电气架构，自动驾驶大脑类似 HW4。

    推荐理由：文内通过对比特斯拉与Waymo的硬件及成本数据，呈现了Robotaxi规模化运营中技术路线与实际落地成本的关键差异。