跳到正文

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。

最新精选

第 41–60 条 · 共 62 条
10月8日周四
  1. Ars Technica · AI58

    Nvidia 押注物理 AI,推出 Halos for Robotics 安全系统

    Nvidia 在物理 AI 领域投入数十亿美元,其 Halos 安全系统于 2025 年推出,为自动驾驶汽车等提供硬件和软件工具以设置安全护栏。2026 年 6 月,Nvidia 将该安全架构扩展至更多物理 AI 技术,发布 Nvidia Halos for Robotics,目标是支持仓库自主移动机器人、工厂人形机器人乃至手术机器人的安全部署。

    推荐理由:梳理 Nvidia 从 Halos 到 Halos for Robotics 的安全架构布局,读者可了解物理 AI 落地中安全环节的推进节奏。

  2. Show HN71

    Pluto 发布可在 MCU 上运行的自然语言硬件控制模型

    Pluto 是一个面向微控制器的自然语言系统,可在约 0.5 MB RAM 下运行,支持 Arduino Mega、ESP32、Raspberry Pi 和 STM32,通过自然语言指令控制 GPIO、PWM、I²C、SPI、UART、舵机、模拟 I/O、定时器和传感器等硬件。

    推荐理由:材料给出 Pluto 在 MCU 上以自然语言控制硬件的定位、支持平台与售价,可据此判断端侧自然语言控制这一路线的现状。

10月7日周三
  1. Show HN58

    Nix Robot 发布 8 舵机双足机器人搭建方案

    作者 nixrobot 发布 Nix Robot 双足机器人项目,两条腿共 10 个自由度,其中 8 个由 LX-16A 舵机驱动,另有 2 个自由关节,可完成多种步态行走、坐下起立、跪、转身、滑行和踢腿等动作。

    推荐理由:作者公开了双足机器人的自由度配置、物料清单与开源 CAD 文件,可据此判断自建门槛与所需零件。

  2. IT之家62

    波士顿动力任命亚马逊前高管 Rohit Prasad 为 CEO

    波士顿动力任命亚马逊前高管罗希特·普拉萨德(Rohit Prasad)担任首席执行官,他曾在亚马逊任职 12 年,参与打造并拓展 Alexa 相关业务。此前执掌公司六年的罗伯特·普莱特今年早些时候卸任,此后已有包括 CTO 阿伦·桑德斯在内的数名高管离开。

    推荐理由:波士顿动力换帅叠加现代汽车收购剩余股份与 Atlas 投产计划,可观察人形机器人商业化路径的推进节奏。

10月6日周二
  1. The Decoder74

    Reka AI 发布 19B 全能模型 Rho-1,统一处理文本、图像、视频与机器人控制

    Reka AI 发布研究预览版 Rho-1,这是一个 190 亿参数的全能模型,在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数把任务分派给专用模型的系统不同,Rho-1 将所有模态作为 token 放在同一个共享上下文窗口中运行,不调用工具或外部模型。

    推荐理由:Rho-1 把文本、图像、视频与机器人控制放进同一套权重,读者可据此了解多模态统一建模的一种新路径。

10月5日周一
  1. IT之家62

    FieldAI 拟融资 7 亿美元,估值达 100 亿美元

    机器人通用大脑公司 FieldAI 正在融资 7 亿美元,投后估值达 100 亿美元,一年多内估值翻至原先五倍。上一轮估值为 20 亿美元,去年完成超 4 亿美元融资,投资方包括贝索斯家族办公室、Emerson Collective 和 Khosla Ventures。知情人士称,自 6 月以来 FieldAI 新增至少 3500 万美元营收与客户订单,总规模突破 1.35 亿美元。

    推荐理由:通过本轮估值与订单数据,可以观察物理人工智能赛道资本与商业化进展的对比。

10月4日周日
  1. IT之家78

    现代汽车计划部署 2.5 万台波士顿动力 Atlas 机器人,并建设年产能 3 万台的美国工厂

    现代汽车集团计划在未来几年内将 2.5 万台波士顿动力 Atlas 部署到旗下现代和起亚全球工厂,并在美国建设年产能 3 万台机器人的生产设施。波士顿动力已在现代汽车佐治亚州萨凡纳附近的 Metaplant America 园区启用机器人 Metaplant 应用中心(RMAC),作为 Atlas 的测试与训练中心,训练员通过遥操作控制机器人。

    推荐理由:现代汽车与波士顿动力给出了 Atlas 从测试中心到 2.5 万台部署和 3 万台年产能的落地路径,可据此观察人形机器人进入汽车制造的时间表。

9月29日周二
  1. 极客公园71

    AMD 82 亿美元收购 World Labs,李飞飞将出任首席科学家

    AMD 宣布以约 82 亿美元全股票交易收购李飞飞创办的 World Labs,预计 2026 年底前完成交割,仍需通过监管审批;交割后李飞飞将出任 AMD 执行副总裁兼首席科学家,直接向 CEO 苏姿丰汇报。

    推荐理由:文章把 AMD 收购 World Labs 与英伟达此前的收购放在一起比较,解释芯片公司为何要买模型团队。

  2. 开源中国71

    AMD 以 82 亿美元收购李飞飞的 World Labs,李飞飞出任首席科学家

    AMD 周一宣布以 82 亿美元全股票形式收购李飞飞 2024 年创立的旧金山 AI 实验室 World Labs,交易预计今年年底前完成,尚待监管审批。李飞飞将以执行副总裁兼首席科学家的身份加入 AMD。这是 AMD 史上第二大收购,仅次于 2022 年的交易。

    推荐理由:AMD 以 82 亿美元股票收购 World Labs,李飞飞出任首席科学家,可观察芯片厂商向真实世界 AI 的布局。

  3. Latent Space80

    AMD 以 82 亿美元收购 World Labs,Atlas 解决稀疏重建问题

    AMD 以 82 亿美元收购 World Labs。World Labs 创始人李飞飞在博客中回顾,公司自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队,并在收购 SceniX 后推进机器人仿真能力。

    推荐理由:AMD 收购 World Labs 的价格与 Atlas 在稀疏重建上的定位,可帮助读者理解空间智能赛道的整合逻辑。

9月24日周四
  1. Microsoft Research62

    微软研究院:将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航

    微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,可提升任务成功率、支持更大模型并延长续航。

    推荐理由:微软研究院系统测量了机器人端侧推理与卸载推理的差异,并给出可复用的 Kubernetes 卸载工具链。

9月22日周二
7月30日周四
  1. Google DeepMind74

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型

    Google DeepMind 发布 Gemini Robotics ER 2,作为面向机器人的具身推理模型,可理解物理世界、规划多步任务并调用 Google Search 等工具,现已通过 Gemini API 和 Google AI Studio 向开发者开放,Gemini Enterprise Agent Platform 上处于私密预览。

    推荐理由:官方给出视频理解、任务编排与多机协作的能力变化和开放入口,可据此判断机器人在真实环境中的任务完成方式。

7月28日周二
4月13日周一
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics-ER 1.6,新增仪表读数能力

    Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其面向机器人的推理优先模型升级版,增强了空间推理与多视角理解,并新增仪表读数能力,可读取压力表、液位计和数字读数。

    推荐理由:官方给出与上一代及 Gemini 3.0 Flash 的对比,并新增仪表读数能力,可据此判断机器人在设施巡检中的自主程度。

10月15日周二
  1. OpenAI News80

    OpenAI 用机械手解魔方:纯仿真训练加 ADR

    OpenAI 训练了一对神经网络,让类人机械手解开魔方。神经网络完全在仿真中训练,使用与 OpenAI Five 相同的强化学习代码,并搭配名为 Automatic Domain Randomization(ADR)的新技术。系统能应对训练中从未见过的情况,例如被毛绒长颈鹿戳碰,说明强化学习不只适用于虚拟任务,也能解决需要高灵巧度的物理世界问题。

    推荐理由:OpenAI 用仿真训练加 ADR 让机械手解魔方,读者可了解强化学习从虚拟任务走向物理操作的关键思路。

7月30日周一
2月26日周一
  1. OpenAI News62

    OpenAI 发布八个仿真机器人环境与 Hindsight Experience Replay 实现

    OpenAI 发布八个仿真机器人环境,以及 Hindsight Experience Replay 的 Baselines 实现,这些环境是过去一年为自身研究开发的,并已用于训练可运行在实体机器人上的模型。OpenAI 同时发布了一组机器人研究需求。

    推荐理由:OpenAI 公开八个仿真机器人环境与 HER 的 Baselines 实现,读者可了解其机器人研究的基础设施与后续方向。