AITOPAI热报

机器人

共 248 条相关 AI 资讯
6月2日
09:44
09:44官方一手Pandaily@contact@pandaily.com (Pandaily)
精选
阿里巴巴通义千问团队正式推出Qwen-VLA，这是其首个面向具身智能的视觉-语言-动作模型，标志着阿里进入物理世界AI竞赛。该模型整合了视觉理解、语言推理和动作执行能力，旨在让机器人或智能体在真实环境中完成复杂任务。Qwen-VLA的发布意味着阿里在AI领域的布局从纯数字世界扩展到物理交互，与特斯拉、英伟达等公司形成竞争。此举可能加速具身智能在工业、服务等场景的落地。
AI模型具身智能视觉-语言-动作模型阿里千问
事件专题
推荐理由：阿里千问首次将大模型能力延伸到物理世界，做机器人或具身智能的开发者值得关注——Qwen-VLA可能降低机器人编程门槛，让AI直接驱动动作执行。
原文
03:02
6月1日
17:24
16:59
15:06
15:06官方账号NVIDIA AI@NVIDIAAI
精选
NVIDIA AI 发布了一个基于数十亿跨模态样本训练的多模态预训练模型，旨在为开发者提供强大的基础模型，用于构建物理AI系统。该模型能显著减少所需的数据量和训练成本，使开发者能够更高效地开发机器人、自动驾驶等物理AI应用。NVIDIA 在技术博客中详细介绍了该模型的架构和性能优势。
AI模型NVIDIA多模态模型预训练模型
事件专题
推荐理由：做物理AI（如机器人、自动驾驶）的开发者终于有了一个强大的预训练基础，能大幅降低数据收集和训练成本，建议直接查看技术博客了解细节。
原文
14:53
14:53IT之家（博客/媒体）
72°
OpenAI CEO Sam Altman 宣布成立 OpenAI Robotics 部门，并发布招聘信息，招募全栈硬件、运营、系统及机器学习工程师。短期内，OpenAI 将专注于研发协助技术工人建设基础设施的机器人；长期目标是让每个人都能拥有满足个人需求的机器人。该项目由 Aditya Ramesh 领导，强调机器人硬件与机器学习的深度融合与协同设计。这标志着 OpenAI 从软件 AI 向实体机器人领域的战略扩展。
AI产品OpenAI机器人硬件
事件专题
推荐理由：OpenAI 正式切入机器人赛道，对机器人研发者、硬件工程师和 AI 从业者来说，这是了解其技术路线和招聘方向的好机会，值得关注其后续进展。
原文
14:33
14:33官方一手Hugging Face: Blog（博客/媒体）
83°
NVIDIA 发布了 Cosmos 3，这是首个开源的物理 AI 全能模型，能够同时进行推理和行动。该模型基于多模态输入（如视觉、语言）理解物理世界，并生成可执行的动作序列。Cosmos 3 在机器人、自动驾驶等需要物理交互的领域具有重大意义，因为它将感知、推理和行动整合在一个模型中。NVIDIA 在 Hugging Face 上开源了该模型，开发者可以直接使用或微调。
AI模型物理 AI开源/仓库NVIDIA
事件专题
推荐理由：做机器人或自动驾驶的开发者终于有了一个开源的物理世界理解模型，能直接推理并生成动作，省去多模型拼接的麻烦，值得立即上手试试。
原文
10:59
09:36
09:36官方账号Greg Brockman@gdb
OpenAI Robotics 正在快速推进物理世界 AI 的研发，目标是让 AI 在现实世界中帮助人类。短期重点是为熟练工人制造机器人，支持基础设施建设；长期愿景是让每个人拥有个人机器人。团队由 Aditya Ramesh 领导，基于硬件与 ML 研究的协同设计。目前正在招聘全栈硬件、运营、系统和 ML 工程师，要求有卓越成就。
行业机器人具身智能OpenAI
事件专题
推荐理由：OpenAI 正式重启机器人团队，从模拟研究转向硬件落地，做机器人或具身智能的开发者值得关注——这是少有的从硬件到 ML 全栈招聘，机会难得。
原文
09:15
09:15官方一手pandaily@contact@pandaily.com (Pandaily)
中国领先的 3D 视觉公司 ORBBEC 正利用其全栈技术，从机器人视觉领域扩展到 Physical AI、通用 AI 视觉、3D 打印和 3D 数据采集，构建多引擎增长模式。这一战略转型反映了 3D 视觉技术在 AI 和智能制造中的核心地位。ORBBEC 的技术积累使其能够为机器人、工业自动化和消费级 3D 打印提供关键感知能力。此举将推动 Physical AI 落地，并加速 3D 打印在原型设计和定制化生产中的应用。
行业3D视觉Physical AI3D打印
推荐理由：ORBBEC 从机器人视觉切入 Physical AI 和 3D 打印，为机器人开发者、3D 打印爱好者和工业自动化团队提供了更完整的感知方案，值得关注其技术落地进展。
原文
01:29
01:29官方账号Sam Altman@sama
76°
OpenAI 宣布成立 OpenAI Robotics 部门，并开始招聘全栈硬件、运营、系统和机器学习工程师。该部门由 Aditya Ramesh 领导的世界模拟研究项目在过去一年中演变而来，专注于编程和制造对社会有用的机器人。短期目标是支持技术工人建设未来基础设施，长期愿景是让每个人拥有能完成任何任务的个人机器人。OpenAI 强调机器人硬件与 ML 研究的协同设计，并邀请有卓越成就的工程师加入。
行业OpenAI机器人招聘
事件专题
推荐理由：OpenAI 正式进军机器人领域，硬件与 ML 协同设计思路值得关注，做机器人或具身智能的工程师可以直接投递简历。
原文
5月30日
17:27
17:27官方一手marktechpost@Michal Sutter
精选72°
Genesis AI 于 2026 年 5 月 27 日发布了 Genesis World 1.0，这是一个包含物理、渲染、编译和工具四个组件的仿真平台。该平台在仿真与真实机器人部署之间实现了 0.8996 的皮尔逊相关系数，并将策略评估时间从超过 200 小时缩短至不到 0.5 小时。这一突破使得机器人基础模型的规模化评估成为可能，显著降低了研发成本和时间。
AI产品机器人仿真平台基础模型
推荐理由：机器人研究者终于有了一个高保真、超高效的仿真评估平台——Genesis World 1.0 将评估时间从 200 小时压缩到半小时，做机器人基础模型和策略训练的团队可以直接用起来，大幅加速迭代。
原文
5月29日
23:50
16:37
11:06
11:06官方账号arXiv cs.AI@Chunru Lin, Hongxin Zhang, Fenghao Yu, Zhehuan Chen, Thomas L. Griffiths, Yejin Choi, David Held, Chuang Gan
RoboWits 是一个双手机器人基准测试，旨在系统评估机器人在意外条件下的认知推理、创造性工具使用和鲁棒性。研究团队提出了一个多智能体协作框架，自动生成包含几何、材料和装配推理的 30 个种子任务和 208 个变异任务。测试发现，预训练的视觉-语言-动作模型（VLA）在种子任务上表现尚可，但在变异任务上表现脆弱，无法应对需要推理和策略适应的操作场景。这表明当前机器人策略在创造性问题解决方面存在显著差距。
论文机器人基准测试认知推理
推荐理由：机器人研究者终于有了一个专门测试认知推理和意外应对的基准——RoboWits 揭示了 VLA 模型在变异任务上的脆弱性，做机器人操作和具身智能的团队值得关注这个评估框架。
原文
5月28日
15:38
12:02
12:02官方账号arXiv cs.LG@Krishnam Gupta
精选72°
研究发现视觉-语言-动作（VLA）模型在电机指令层面存在根本性、可预测的失败差异。通过对 VQ-BeT、Diffusion Policy 和 ACT 三种架构在 PushT 和 ALOHA 14-DOF 双臂操作任务上进行 450 次评估，发现方向反转率是通用失败预测指标（AUROC 最高 0.93），而急动度监控仅对离散令牌架构有效，速度监控在连续架构中几乎无效（AUROC 仅 0.41-0.52）。研究强调架构匹配的监控选择至关重要，并开源了 SafeContract 工具包。
论文VLA机器人动作监控
推荐理由：做机器人 VLA 部署的团队注意了——不同架构的失败模式完全不同，用错监控等于白费功夫。建议直接看方向反转率这个通用指标，并试试 SafeContract 工具包。
原文
11:26
11:26官方账号arXiv cs.AI@Jiahe Pan, Stelian Coros, Jitendra Malik, Toru Lin
精选
该研究提出了一种基于物理原理的触觉表示方法——压力中心（CoP），用于解决仿真到现实（sim-to-real）迁移中触觉信息丢失的问题。传统方法常将触觉数据简化为粗糙的低维特征，而CoP保留了密集的接触信息，同时保持对仿真到现实迁移的鲁棒性。研究还提出了一种基于可导动力学的传感器校准方案，无需真实力测量即可估计触觉传感器方向。在盲操作任务（如插销入孔和球平衡）中，基于CoP的策略在五指手上实现了零样本仿真到现实迁移，性能优于二进制接触和原始触觉基线。分析表明，CoP策略能编码物体质量等任务相关物理属性，作为控制的副产品涌现。
论文灵巧操作仿真到现实触觉表示
推荐理由：这项研究解决了灵巧操作中触觉信息从仿真到现实迁移的瓶颈，做机器人灵巧操作或触觉感知的团队可以直接参考其CoP表示方法，零样本迁移效果值得一试。
原文
5月27日
10:59
10:59IT之家（博客/媒体）
精选
Hugging Face 于 5 月 21 日发布 LeRobot Humanoid 双足机器人项目，面向机器人开发者和研究人员，起步价 2500 美元。该项目非成品，需自行组装，旨在提供可理解、可维修、可加装传感器的开源平台。硬件部分大量使用 3D 打印件和现成元件，软件部分提供校准、控制工具并支持仿真。团队鼓励先在仿真中训练动作，再在真实机体上测试，数据可反哺仿真环境。后续计划加入上半身集成和更高级行为。
AI产品机器人开源/仓库3D 打印
推荐理由：Hugging Face 把双足机器人的门槛从几十万降到 2500 美元，做机器人研究的团队和学生可以直接用开源方案动手组装和训练，省去从零搭建的麻烦。
原文
10:55
10:55官方一手pandaily@contact@pandaily.com (Pandaily)
具身智能初创公司中科第五纪宣布完成数亿元A轮融资，由复地资本及国资背景投资者联合领投。这是该公司在2026年的第三轮融资，资金将用于全球扩张和其少样本物理AI模型的规模化。该公司的模型能够在少量数据下快速学习物理世界任务，有望推动机器人等具身智能应用落地。此轮融资表明资本市场对具身AI赛道持续看好，尤其是少样本学习技术被视为降低部署成本的关键。
行业具身智能融资少样本学习
推荐理由：具身AI赛道再获资本加注，中科第五纪的少样本模型解决了机器人训练数据稀缺的痛点，做机器人或物理AI的团队值得关注其技术路线和融资动态。
原文
5月25日
17:12
17:12berryxia@berryxia
76°
中国机器人公司 Unitree 发布 WVLA 2.0 在真实会议室中的多任务清理测试视频，机器人全程自主识别垃圾、分类处理、擦桌子、摆放物品，面对外部干扰（人员走动、物品晃动）仍能稳定完成任务。视频为单次拍摄、无剪辑、无人工遥控，展示了机器人从实验室走向真实场景的关键突破。Unitree 以四足机器人起家，此次 WVLA 2.0 是其向实用场景机器人迈出的重要一步，背后体现了国产机器人在技术封锁下的工程实力。该视频引发全球机器人社区热议，被视为未来办公室/家庭清洁机器人的雏形。
AI产品Unitree机器人实用场景
推荐理由：做机器人或关注 AI 落地的开发者，这个视频值得看——Unitree 用真实场景证明了机器人不是实验室玩具，而是能解决日常杂务的实用工具。
原文
15:13
15:13官方一手pandaily@contact@pandaily.com (Pandaily)
GigaAI 在武汉光谷发布会上推出了全球首个 Physical AGI“双金字塔”架构，这是一个双轨框架，旨在解决阻碍具身 AI 实现真正扩展的数据和算法瓶颈。该系统通过两条并行路径分别处理感知与行动，试图突破当前具身智能在数据获取和模型训练上的天花板。这一发布标志着具身智能领域向通用物理智能迈出了重要一步，有望加速机器人在复杂环境中的自主决策能力。
AI产品具身智能Physical AGIGigaAI
推荐理由：具身智能团队一直受困于数据稀缺和算法不收敛，GigaAI 的“双金字塔”架构直接给出了并行解决方案，做机器人或物理 AI 的开发者值得关注这一新范式。
原文
08:07
5月24日
16:28
14:13
14:13IT之家（博客/媒体）
精选
深开鸿在开源鸿蒙智能物联网生态大会上发布了 M-Robots OS 2.0，这是全国首个基于开源鸿蒙的机器人操作系统。该系统具备多机实时协同、多硬件形态兼容、AI 原生等四大核心能力，支持 20 KB 到 X GB 的灵活部署。M-Robots OS 2.0 实现了中断响应时延≤1μs、任务切换时延≤1μs，本体间音视频时延低至 4 毫秒，相比 Fast-DDS 降低 42%。系统兼容 ROS1/ROS2、Dora-rs 等中间件，应用迁移成本降低 80%。项目已捐赠给开放原子开源基金会，设立 16 个专业 SIG 工作组。
AI产品开源/仓库机器人操作系统
推荐理由：国产机器人系统新选择，时延低至微秒级
原文
5月23日
15:00
15:00IT之家（博客/媒体）
精选
智元发布新一代二阶段Motion-Between运控基座模型BFM-2，旨在让机器人具备类似“肌肉记忆”的自主运动能力。该模型能在任意状态（静态、预设动作或随机输入）下，让机器人自主进行高稳定性的动作插值和动态任务闭环。演示视频显示，搭载BFM-2的机器人被打倒在地后能快速站起并自我平衡。这为具身智能提供了更可靠的运动底座，提升了机器人在复杂环境中的适应性和鲁棒性。
AI模型机器人运动控制基座模型
推荐理由：做机器人运动控制的团队终于有了更可靠的基座模型——BFM-2解决了机器人在任意状态下自主恢复和动态平衡的痛点，做具身智能或机器人开发的值得关注。
原文
02:57
02:10
02:10官方一手Google Blog: AI（博客/媒体）
Google I/O 2026 的 Dialogues 舞台汇聚了行业领袖，探讨了人工智能、量子计算、机器人技术和创造力的未来。会议涵盖了从AI模型的最新进展到量子计算的实际应用，以及机器人如何与人类协作。关键讨论包括AI在创意产业中的角色、量子计算的突破性潜力，以及机器人技术的伦理问题。这些对话为技术发展方向提供了重要洞察，适合关注前沿科技的读者。
行业Google I/OAI量子计算
推荐理由：想了解Google对AI、量子、机器人等前沿领域的最新战略方向？这场Dialogues舞台的精华总结值得一看，科技从业者和爱好者能从中捕捉到未来几年的技术趋势。
原文
5月22日
18:19
5月21日
07:59
07:59Y Combinator@ycombinator
精选
General Instinct 公司成功将前沿 AI 模型部署到 Jetson、移动 NPU 和 ARM CPU 等受限边缘硬件上，使机器人及物理 AI 团队能够在离线环境下运行低延迟模型。这一突破解决了边缘设备算力不足的痛点，让 AI 模型在资源受限的场景中也能高效推理。该技术由 Bill Jiao 和 Guanming 领导，已获得 Y Combinator 支持。
AI产品边缘计算机器人AI模型部署
推荐理由：做机器人或边缘 AI 的开发者终于有了靠谱的离线推理方案——General Instinct 让 Jetson 和 ARM 设备也能跑前沿模型，建议做嵌入式 AI 的团队点开看看。
原文
03:24
03:22
5月20日
17:35
5月19日
13:02
13:02Lenny Rachitsky@lennysan
精选
前OpenAI、Apple、Meta机器人专家Caitlin Kalinowski分享了七大关键洞察：AI前沿正从数字转向物理，因为键盘交互的AI即将饱和；未来两年战争领域的变化将超过消费电子；硬件行业面临内存危机，可能阻碍机器人革命；VR技术为机器人和战争奠定了基础；人形机器人被过度炒作，专用机器人才是未来；供应链独立是国家安全问题；构建安全机器人的最大挑战在于那些不易察觉的设计决策。
行业机器人硬件供应链人形机器人
事件专题
推荐理由：做机器人、硬件或AI硬件的从业者，这篇帮你提前看到行业天花板和供应链风险，建议囤内存、关注专用机器人方向。
原文
11:52
11:52Lenny Rachitsky@lennysan
Caitlin Kalinowski，曾从零搭建OpenAI机器人及硬件团队（此前也搭建了Meta AR/VR硬件团队），在访谈中解释了AI公司为何重注硬件。她认为，AI在键盘后的能力即将饱和，下一个前沿是物理世界，包括硬件、机器人、制造和工业化。她还讨论了VR技术如何成为现代战争基础、人形机器人仍处原型阶段的原因、即将到来的内存价格冲击，以及从乔布斯、扎克伯格和奥特曼身上学到的经验。
行业AI硬件机器人物理世界
事件专题
推荐理由：Kalinowski从零搭建了两个顶级硬件团队，她的判断对AI从业者和硬件创业者有直接参考价值——如果你在思考AI下一步怎么走，这篇访谈值得看。
原文
11:36
11:36官方账号arXiv cs.AI@Giorgia Modi, Davide Buoso, Giuseppe Averta, Daniele De Martini
精选
本文提出利用固定外部RGB摄像头作为通用先验地图（CPMs），为主动3D场景图（3DSG）生成提供初始语义和几何先验。系统通过前馈3D重建模型统一处理所有摄像头（机载和外部）的RGB观测，无需硬件修改。基于部分场景图的主动语义探索框架引导机器人前往语义不确定性高的区域，逐步完善先验。实验表明，仅使用一个外部摄像头即可将初始物体召回率提升最多79%，并显著提高后续主动探索的效率。
论文3D场景图主动探索先验地图
推荐理由：做机器人自主探索和3D场景理解的团队，这个RGB-only方案无需额外硬件就能大幅提升初始场景图质量，值得在现有系统中尝试集成外部摄像头作为先验。
原文
10:41
10:08
10:08官方账号arXiv cs.AI@Xinchen Jin, Aditya Chatterjee, Pranav Kumar, Rohan Paleja
精选
本文提出一种事件锚定的可解释性方法，将稀疏自编码器（SAE）的特征分析与机器人行为事件（如末端执行器关键帧）对齐，而非依赖文本上下文。该方法通过视觉、状态和时间线索聚类任务内的关键帧，将SAE特征与行为事件关联，并可选地通过VLM注释提供语义背景。实验在两种仿真架构和真实机器人上验证，事件锚定排序对OpenVLA产生最强因果效应，并迁移到π₀.5的连续动作块。研究同时指出SAE作为干预基础存在稀疏性和不完美性，干预效果因架构和干预位置而异，激进干预会暴露安全性和可解释性限制。代码已开源。
论文稀疏自编码器VLA策略可解释性
推荐理由：做机器人VLA策略可解释性的研究者终于有了一个行为锚定的分析框架——事件锚定SAE直接关联动作与行为事件，比纯文本分析更贴近闭环控制，建议做机器人学习或可解释AI的团队点开看看。
原文
5月18日
12:01
12:01Lenny Rachitsky@lennysan
72°
前OpenAI、Meta、Apple机器人专家Caitlin Kalinowski在访谈中表示，未来两年战争领域的变化将超过消费电子。她曾参与MacBook Pro、MacBook Air、Mac Pro的工程，领导Meta的AR眼镜和VR硬件团队，并在OpenAI从零搭建机器人和硬件团队。她讨论了AI前沿从数字转向物理的原因、VR技术如何成为现代战争基础、人形机器人仍处于原型阶段的原因、即将到来的内存价格冲击以及建议初创公司提前采购内存。她还分享了从乔布斯、扎克伯格和奥特曼身上学到的经验，以及她为何在OpenAI与国防部合作后离开。
行业机器人硬件战争技术
事件专题
推荐理由：机器人领域顶级从业者把战争和消费电子的变化速度对比摆上台面，做硬件或AI物理落地的团队值得一听，尤其是她关于内存价格冲击的预警可能直接影响你的采购决策。
原文
10:39
10:39官方账号arXiv cs.LG@Vaidehi Bagaria, Nikshep Grampurohit, Pulkit Verma
精选
该论文发现GRPO算法在VLA策略强化学习中，梯度计算占78%时间，而大部分计算浪费在策略已掌握的阶段。为此提出概率性分块掩码（PCM），通过成功-失败动作方差识别关键阶段，仅对少量分块进行梯度更新。PCM无需额外奖励模型，在LIBERO基准上保持相同成功率的同时，实现2.38倍加速、4.8倍梯度更新加速和60%峰值内存降低。
论文强化学习VLA策略GRPO
推荐理由：做VLA机器人强化学习的团队终于有了省算力的方案——PCM直接替换GRPO就能省60%内存、快2倍多，效果还不打折，建议做后训练优化的点开看看。
原文