跳到正文

技术方向

具身智能 最新动态

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。

21 条精选近 30 天 9 条共收录 864 条

更新

具身智能的精选

今天11月18日周三
  1. 量子位80

    AMD完成对World Labs的收购,李飞飞正式出任执行副总裁兼首席科学家

    AMD宣布完成对World Labs的收购,交易对价约82亿美元且为全股票,李飞飞出任执行副总裁兼首席科学家。从9月28日签约到11月13日交割历时46天,AMD向World Labs原股东定向发行1497.8万股普通股。

    推荐理由:材料把82亿美元并购放进AMD收购史和英伟达软硬布局的对照中,呈现模型团队与芯片栈协同的竞争逻辑。

11月11日周三
  1. 量子位76

    英伟达发布GR00T 2机器人基础模型并开源,Anthropic Fable 5.2同期亮相RoboDojo

    英伟达在CoRL大会发布新一代机器人基础模型GR00T 2,并宣布模型、数据与仿真环境等将陆续开源。GR00T 2通过X-Adapt实现跨本体技能迁移,每项任务5次示范加30分钟LoRA微调可使成功率至95%。同期Anthropic Fable 5.2在RoboDojo Sim双臂测试得分64.9%,高于GPT-6 Astra的29.8%。

    推荐理由:英伟达发布GR00T 2世界动作模型与全套开源工具链,其跨本体适配能力可显著降低不同本体机器人重新采集示范数据的成本。

11月10日周二
  1. Google DeepMind62

    Gemini Robotics 2.5 加速真实世界通用灵巧性

    Google DeepMind 推出 Gemini Robotics 2.5 视觉-语言-动作模型,在 200 多项任务上成功率提升 30% 至 100%,加速真实世界通用灵巧性。该模型在奔驰产线由 Apollo 2 实现 96% 分拣成功率,并发布开源基准 ASIMOV-Jailbreak。此为继年初全身智能后物理智能的进一步推进。

    推荐理由:Gemini Robotics 2.5 在超200项任务成功率提升30%至100%,奔驰产线达96%成功率,显示机器人实用进展。

11月9日周一
  1. NVIDIA Blog62

    NVIDIA在CoRL发布GR00T 2开源世界动作模型及Isaac Lab 3.0等机器人仿真技术

    NVIDIA在CoRL发布GR00T 2开源世界动作模型与Isaac Lab 3.0等机器人仿真训练技术。GR00T 2仅凭每任务一次演示在50项任务中平均成功率达71%,Isaac Lab 3.0集成Newton物理引擎将训练吞吐提升至Isaac Lab 2.3的2.5倍。这些开源进展旨在助力机器人从实验室演示走向工业部署。

    推荐理由:NVIDIA在CoRL开源GR00T 2与Isaac Lab 3.0,研究者可借此在仿真里训练机器人精密操纵能力。

11月6日周五
  1. Hugging Face Blog67

    NVIDIA 发布四个 Cosmos 3 Nano 开放权重模型用于交互式世界模拟

    NVIDIA 发布四个 Cosmos 3 Nano 开放权重检查点模型,用于交互式世界模拟与多传感器驾驶场景生成。四个模型分别为 Cosmos3-Nano-Transfer-Auto、Sim-Auto、Sim-Transfer 和 Sim-Bimanual,均基于 Cosmos 3 Nano 后训练,具备 16B 可训练参数并采用 OpenMDW1.1 许可。

    推荐理由:原文放出四个 Cosmos 3 Nano 开放权重模型,覆盖驾驶多视角与双臂机器人视频生成,研究者可基于公开食谱微调适配。

10月28日周三
  1. Google DeepMind71

    Google DeepMind 发布 Genie 4 新一代世界模拟模型

    Google DeepMind 发布 Genie 4 世界模型,可原生生成多模态实时模拟,在物理、人类动作与音频写实度上实现显著提升。该模型借助 Gemini 家族提供推理以维持模拟连贯,目前已向受信测试者开放研究预览,后续将登陆 Google AI Ultra 等平台。

    推荐理由:Genie 4将实时世界模拟的写实度、物理与人类动作连贯性推进到新水平,当前仅以研究预览向受信测试者开放。

10月22日周四
  1. 量子位76

    特斯拉利润腰斩,一夜跌没“通用汽车”!马斯克:FSD在中国也会遥遥领先

    特斯拉最新财报显示三季度营业利润大跌56%,市值夜盘蒸发超680亿美元,但汽车毛利率回暖且FSD付费用户达174万。马斯克电话会强调继续投入AI,给出Robotaxi私人车队2027年接入与擎天柱机器人量产交付节点。

    推荐理由:原文梳理特斯拉最新财报与马斯克电话会要点,读者可据此观察其汽车毛利回暖但利润大降下的AI业务投入与商业化节点。

10月21日周三
  1. NVIDIA Blog70

    NVIDIA 发布多款开放模型推进欧洲跨行业主权智能

    NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等多款开放模型推进欧洲跨行业主权智能,覆盖语言、机器人与量子等领域。企业可用本地数据定制并部署在自有设施,模型已在 Hugging Face 等平台提供。此为 NVIDIA 欧洲公告的一部分。

    推荐理由:NVIDIA发布一系列覆盖语言机器人生物量子等领域的开放模型,企业可用本地数据定制并部署在自有基础设施上。

10月17日周六
  1. 量子位84

    谷歌发布 Gemini 4 Argon:API 限时半价,重回御三家

    谷歌正式发布 Gemini 4 Argon 模型,API 每百万输入 token 2 美元、输出 10 美元限时半价至 11 月 30 日。该模型加强编程、多模态与长任务执行能力,第三方评测并列53分且调用成本约竞品一半到五分之一。谷歌同时发布217页安全报告。

    推荐理由:Gemini 4 Argon首发API价格打五折,调用成本约竞品一半到五分之一,开发者可低成本评估其长任务能力。

10月15日周四
  1. The Verge · AI80

    Eiliko机器人玩具被曝安全漏洞:用户对话与画像存中国服务器且可被黑客访问

    The Verge记者Sean Hollister实测发现Eiliko机器人玩具将用户对话与画像存储在中国服务器且完全无防护,黑客可读取1300万条对话并远程劫持其LLM性格。涉及全球6.8万台设备,其中美国市场超3.1万儿童档案,照片音频未加密公开存储。此前同一黑客曾曝光DJI吸尘器等物联网设备漏洞。

    推荐理由:这款名为Eiliko的AI伴侣机器人将用户对话明文存于中国服务器且防护薄弱,暴露出消费级智能设备普遍存在的隐私泄露与儿童保护隐患。

10月14日周三
  1. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon 前沿模型,今起全球开放用于编码金融法律等复杂任务,每百万输入 token $2、输出 $10。该模型在 Vals Index 经济领域基准排名第一,内部使用将智能体代码提交提升超 35%。此为 Gemini 4 家族首款发布的模型。

    推荐理由:原文给出Gemini 4 Argon的全球可用入口与定价,读者可对比其在多项基准对经济领域的领先表现。

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 GPU 推理的瓶颈,并给出可复用的卸载工具链,读者可据此判断物理 AI 的部署取舍。

9月22日周二
  1. NVIDIA Blog63

    NVIDIA Isaac ROS 5.0 发布,推进智能体驱动的开源机器人开发

    NVIDIA 在 ROSCon 大会上发布 Isaac ROS 5.0,引入智能体工作流以加速机器人应用构建与部署。该版本支持 ROS Lyrical 和 Ubuntu 24.04,提供 FoundationPose 推理库使物体位姿估计速度提升 5.5 倍,并包含用于设置和操作的 Isaac 技能。

    推荐理由:Isaac ROS 5.0 引入智能体工作流与 FoundationPose 加速,为开发者提供从构建到部署的完整物理 AI 开发路径。

7月30日周四
  1. Google DeepMind72

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

    Google DeepMind 发布 Gemini Robotics ER 2,定位为机器人的高层大脑,可理解视频、编排多步任务并把动作执行交给底层 VLA 模型,还能原生调用 Google Search 等工具。

    推荐理由:官方给出进度分类与时刻定位两项量化指标,可据此判断机器人在长任务中自我纠错与切换步骤的能力边界。

7月28日周二
7月27日周一
  1. Hugging Face Blog62

    NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式仿真器

    NVIDIA 发布 Cosmos-H-Dreams,一个面向手术机器人的实时、动作条件生成式仿真器,将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型,并通过 FlashDreams 推理库在单张 NVIDIA RTX PRO 6000 上运行。

    推荐理由:原文给出实时生成式手术仿真的蒸馏与推理优化路径,读者可了解世界模型如何进入闭环交互。

7月21日周二
  1. Hugging Face Blog62

    Hugging Face 发布 Grabette 开源机器人操作数据采集系统

    Hugging Face 发布 Grabette,一套开源低成本的手持夹爪数据采集系统,用人类手部演示替代机器人遥操作,采集后自动转换为 LeRobot 数据集并上传至 Hugging Face Hub。

    推荐理由:原文给出了一套无需机器人即可采集操作数据的开源硬件与处理流程,读者可据此判断机器人数据采集门槛的变化。

7月8日周三
  1. Mistral AI71

    Mistral AI 发布具身导航模型 Robostral Navigate

    Mistral AI 发布首个具身导航模型 Robostral Navigate,这是一个 8B 模型,仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器,在 R2R-CE validation unseen 上达到 76.6% 成功率,比最佳单相机方案高 9.7 个百分点,比使用深度或多相机的最佳系统高 4.5 个百分点。

    推荐理由:官方给出单目 RGB 相机在 R2R-CE 上的成功率与训练方法,可据此判断具身导航对传感器配置的依赖程度。

7月7日周二
  1. Hugging Face Blog75

    LeRobot v0.6.0 发布:想象、评估、改进

    Hugging Face 发布 LeRobot v0.6.0,围绕机器人学习闭环引入世界模型策略(VLA-JEPA、FastWAM、LingBot-VA)、新一批 VLA(GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT)以及统一的奖励模型 API(Robometer、TOPReward)。

    推荐理由:原文把世界模型策略、奖励模型 API 与六个仿真基准整合进同一套 CLI,读者可据此判断机器人学习闭环的工程化程度。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有