⌘ 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 61–80 条 · 共 84 条
8月22日周六
  1. 新智元76

    Vbot发布人形机器人ATOM与具身基因组

    Vbot维他动力在2026 WRC现场发布人形机器人Vbot ATOM及「Vbot Embodied Genome（具身基因组）」。该系统由OmniDuplex、WorldModel和EvoMorph三条闭环组成，旨在实现智能能力的跨本体继承。Vbot基于四足机器人积累的77万条真实导航片段训练世界模型，将数据回流机制应用于人形机器人开发。

    推荐理由：文章展示了四足机器狗数据如何迁移至人形机器人，并解析了跨本体智能继承的具体技术架构。

8月21日周五
  1. 新智元84

    Generalist AI 发布机器人基础模型 GEN-1.5：0 行代码，3 秒演示实现通用操作

    Generalist AI 发布机器人基础模型 GEN-1.5，在 10 个操作任务中实现 59% 的 one-shot 成功率，无需微调代码即可完成新任务。该模型验证了具身智能领域的 Scaling Law，显示预训练规模与时长提升可带来泛化能力增强，被研究者比作机器人领域的 GPT-3 时刻。

    推荐理由：GEN-1.5 展现了具身智能 Scaling Law，零代码演示即可驱动机器人即兴操作，被视为该领域的 GPT-3 时刻。

  2. 极客公园66

    逛完 WRC，我们发现机器人行业最该回答的 5 个问题

    极客公园作者逛完 8 月 19 日开幕的 2026 世界机器人大会（WRC）后，围绕五个问题梳理具身智能行业现状：机器人是否只能是人形、通用性走到哪一步、数据是否变成硬件生意、关键零部件进展、行业整体阶段。

    推荐理由：文章以五个朴素问题串联展区观察，梳理本体形态、模型路线、数据闭环和零部件的当前进展与分歧。

  3. 量子位70

    墨奇智能发布具身智能模型架构MoRA，WRC现场展示15分钟长程家务任务

    前华为天才少年黄青虬创办的墨奇智能在WRC 2026发布自研具身智能模型架构MoRA及轮式机器人MORPHI KINO。MoRA采用Agentic-Native路线，在System 1中内化目标持续性、多层级记忆与进度认知，使机器人能自主完成15分钟无干预的长程家居任务。墨奇同时强调高质量真实场景数据的重要性，已积累3万小时数据，计划2026年底达到15万至20万小时。

    推荐理由：文章解析了墨奇自研架构MoRA如何将Agentic能力内化至策略模型，并展示了其在15分钟长程家庭任务中的实际表现。

8月20日周四
  1. 甲子光年65

    2026世界机器人大会揭示机器人产业五大趋势

    2026世界机器人大会在北京开幕，甲子光年探展总结出机器人产业从技术验证走向产品验证等五大趋势。大会设置了发布日等四大主题日，300余家企业带来近3000件展品。趋势涵盖机器人进入真实场景、世界模型热度、触觉灵巧手发展、外骨骼爆发以及关节成为零部件供应商新战场，显示机器人正在从证明自己转向实际商业应用。

    推荐理由：文章提炼了2026世界机器人大会的五个产业趋势，展示了机器人从技术演示向场景落地、真实消费和商业运营转变的具体信号。

8月19日周三
8月17日周一
  1. DeepTech深科技74

    智象未来发布交互式世界模型 HiDream-O1-World

    智象未来发布交互式世界模型 HiDream-O1-World，支持用户进入生成场景自由移动、切换视角，并通过文字、语音或图片控制人物动作。在 WBench 榜单中，该模型综合得分 80.9，位列 30 个参评模型第一。

    推荐理由：原文拆解了生成式世界模型在空间记忆与物理因果上的技术难点，并给出了其在交互影视与机器人数据生成中的落地路径。

  2. 苍何80

    智象未来发布 HiDream-O1-World 原生全模态交互式世界模型

    智象未来发布 HiDream-O1-World，提供漫游、编辑和交互能力，并在美团 LongCat 团队与复旦大学推出的 WBench 基准上取得综合 80.9 分的成绩。该模型通过 3D 先验注入 Memory 上下文与 Test-Time Training 机制实现场景持久性，支持实时生成互动影游内容，并可与诺亦腾机器人合作生成具身智能仿真环境。

    推荐理由：原文将新模型置于可量化评测与具身仿真背景下，指出其记忆机制如何支撑交互场景的连续性。

8月14日周五
  1. AI科技评论73

    章鱼动力将在 WRC 发布仿生灵巧手 OctoH-Hand

    章鱼动力宣布将在世界机器人大会（WRC）发布全栈自研绳驱仿生灵巧手 OctoH-Hand。该产品集成 28 个独立执行器与 23 个主动自由度，采用 1900 余个触觉传感单元与全闭环力控系统，重复定位精度稳定在 0.1mm 以内。文章指出其首创数采孪生方案，使外骨骼手套采集数据可直接驱动灵巧手，并实现了 1000 小时的 MTBF 可靠性指标。

    推荐理由：文章详细介绍了绳驱仿生灵巧手的技术难点与核心指标，展示了其在数据采集与全闭环力控方面的工程实现路径。

  2. AI科技评论68

    自变量机器人1816件/小时极限分拣实验：用标准夹爪挑战Figure AI

    自变量机器人在直播中完成一小时极限分拣，有效分拣1816件、成功率98%，效率比Figure AI此前1248件/小时的公开数据高出约45%，同时强调整套方案使用标准工业夹爪，部署成本比海外同级方案低70%。文中指出98%成功率的命门是那2%失败仍需人工兜底，并介绍其自研WALL-B统一世界模型、快拆运维和从家庭到物流的场景拓展逻辑。

    推荐理由：原文把1816件/小时、98%成功率和70%成本下降放在Figure AI对照里讲，帮读者看清分拣落地的真实门槛在哪里。

8月12日周三
  1. 量子位65

    前 Qwen 负责人林俊旸官宣创办 Pragmatik Labs，腾讯已投

    前 Qwen 一号位林俊旸在 X 官宣创办 Agent 创业公司 Pragmatik Labs（语用科技，简称 p7k），Base 上海，方向是横跨数字世界与物理世界的下一代 Agent，包括 Digital Agents 和 Physical Agents 两条主线。

    推荐理由：梳理了这位前 Qwen 负责人创业公司的方向与融资细节，可帮助判断大厂技术负责人创业的估值逻辑。

8月7日周五
  1. 大模型智能80

    李飞飞访谈剖析 World Labs 与 SceniX 联手打造机器人数字训练场

    World Labs CEO 李飞飞与 SceniX 联合创始人李昀烛在 a16z 访谈中公开剖析双方合作打造机器人数字训练场的全盘布局。SceniX 提供 real-to-sim-to-real 管线，World Labs 提供生成模型 Marble，双方合作旨在为机器人提供可规模化的数据飞轮与评估平台，解决机器人训练与评估数据匮乏的核心瓶颈，且不绑定特定模型或硬件。

    推荐理由：访谈首次披露了World Labs收购SceniX后构建机器人数字训练场的基础设施布局与两阶段技术路线。

8月5日周三
  1. 新智元65

    清华与UC Berkeley发布ODEWorld：连续时间具身世界模型

    清华大学AIR与UC Berkeley BAIR团队提出ODEWorld，一种基于PT-Flow的连续时间具身世界模型。该模型将机器人视频预测从离散帧转向连续潜空间轨迹，利用单token动态表征和轻量MLP速度场，实现任意帧率生成与时间补全。在LIBERO基准上，其64帧预测延迟仅为0.072秒，优于LDP和V-JEPA 2。

    推荐理由：论文提出ODEWorld，将离散帧预测转向连续时间流，通过单token压缩实现64帧预测仅需0.072秒。

7月31日周五
  1. 光子星球78

    Seedance 2.5 发布：30 秒视频生成长度与局部编辑能力升级

    Seedance 2.5 正式发布，单次生成视频时长提升至 30 秒并支持最多 50 个多模态参考素材。该模型新增视频局部编辑功能，可精准修改画面局部元素并保持整体节奏，已上线豆包、即梦等字节旗下产品。徐工集团、小鹏汽车、穹彻智能等多家企业确认引入该模型，用于工业培训、自动驾驶数据合成及具身智能训练场景。

    推荐理由：文章通过实测与产业合作案例，展示了该模型在视频时长、编辑控制及物理一致性方面的关键变化。

  2. AI科技评论65

    Manifold AI 发布 WorldScape 2.0 全栈技术，推动世界模型进入以物理为中心时代

    Manifold AI 发布 WorldScape 2.0 全栈技术，推出业内首个世界模型 MoE 框架以统一异源控制训练，并更新 WorldScape Policy 2.0 支持机器人长程任务记忆与多模态 Prompt 交互。

    推荐理由：介绍了统一控制信号训练框架、长时程多模态交互能力和全功能真机评测体系。

7月30日周四
  1. Google DeepMind79

    Gemini Robotics ER 2 发布，提升视频理解与多机器人协作能力

    Google DeepMind 发布 Gemini Robotics ER 2，作为面向机器人的具身推理模型，通过视频理解、任务编排和多机器人协作提升物理世界交互能力。该模型在任务进度分类上达到 57.4% 准确率，在关键时刻检测上达到 91.3% 准确率，并支持通过 Gemini API、Google AI Studio 开放给开发者使用。

    推荐理由：原文给出了具身推理模型在视频理解、任务编排和安全基准上的具体提升，读者可据此判断机器人在真实物理环境中的落地边界。

  2. AI科技评论80

    忆生科技发布 EngramTeleOp 与 EngramEgo 两款物理 AI 数据采集产品

    忆生科技 7 月 30 日发布 EngramTeleOp 真机数据采集与 EngramEgo 真人数据采集两款产品。EngramTeleOp 采用纯视觉裸手遥操作，有效数据率由约 30% 提升至 90%，单人日产能提升 10 至 30 倍，硬件成本降至传统方案的五分之一；EngramEgo 通过 4D 手物重建，W-MPJPE 误差达 41.77 毫米，较此前最优结果降低 27.8%。

    推荐理由：用纯视觉遥操与 4D 手物重建替代硬件传感器，把真机与第一视角数据采集成本大幅压下来，并给出 W-MPJPE 与产能等关键指标。

  3. Google Gemini API Release Notes67

    Google Gemini 发布 Gemini Robotics ER 2 预览版

    Gemini 发布两个具身推理模型端点：gemini-robotics-er-2-preview 支持空间推理、智能体代码执行、多步工具编排、视频时刻定位、进度分类和多机器人协作；gemini-robotics-er-2-streaming-preview 通过 Live API 支持实时文本流、双向音视频输入和低延迟机器人智能体。

    推荐理由：新模型支持空间推理、代码执行和工具编排等机器人任务，并保留上一版退役时间，方便评估部署与切换。

7月28日周二
  1. Google DeepMind77

    Google DeepMind 发布 Gemini Robotics 2 机器人模型

    Google DeepMind 发布 Gemini Robotics 2 系列模型，实现机器人智能全身控制、精细操作及多机器人协作。该版本包含 Gemini Robotics 2（VLA）、Gemini Robotics ER 2（具身推理）和 Gemini Robotics On-Device 2（端侧 VLA）三个模型。

    推荐理由：官方展示了 Gemini Robotics 2 的全身控制能力与多机器人协作功能，说明了其向物理世界通用人工智能的进展。

7月27日周一
  1. Hugging Face Blog79

    NVIDIA 发布 Cosmos-H-Dreams 实时生成式外科机器人模拟器

    NVIDIA 发布 Cosmos-H-Dreams，一个实时、动作条件化的生成式外科机器人模拟器。该模型基于 Cosmos-H-Surgical-Simulator 蒸馏，通过 FlashDreams 推理引擎在单张 NVIDIA RTX PRO 6000 GPU 上实现约 160 帧/秒的交互体验。

    推荐理由：原文明确了实时生成式外科模拟器的技术路径与开放入口，读者可以据此评估其在机器人训练与评测中的实际作用。