跳到正文
  1. Google DeepMind88

    Google DeepMind 发布 Gemini Robotics 2.5 VLA 模型

    Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5,称其在 200 项任务上相比此前基线成功率提升 30% 至 100%,完成任务速度快 20% 至 30%。

    推荐理由:原文给出 200 项任务评测、梅赛德斯工厂 96% 成功率与安全 steerability 提升幅度,可据此判断 VLA 模型离产线落地还有多远。

  1. 智元机器人80

    智元机器人发布 GO-3 Preview 具身基础模型,称在 RoboDojo、RoboTwin、RoboColiseum 三个基准登顶

    智元机器人发布具身基础模型 GO-3 Preview,称其在 RoboDojo、RoboTwin、RoboColiseum 三个具身 AI 基准上均排名第一,并计划于 2026 年底完全开源。

    推荐理由:原文完整交代了 GO-3 Preview 的三段式训练框架与三个基准榜首,读者可据此了解具身模型从预训练延伸到部署后学习的路径。

  1. 智元机器人78

    智元机器人发布 Genie Studio 2.0 具身 AI 应用开发平台

    智元机器人发布 Genie Studio 2.0,一个用于开发、部署和运营具身 AI 应用的一体化平台,由 Flywheel、Agent、Monitor 三个模块组成,覆盖数据采集、模型训练、评测、推理、任务编排与机器人车队管理。

    推荐理由:原文给出平台三大模块与制造业、地铁场景的落地数据,可据此判断具身应用交付周期与复用方式。

  1. Figure News88

    Figure 发布 Helix 2.5:在 30 个未见家庭零样本完成整理、叠毛巾、铺床

    Figure 发布 Helix 2.5,这是其迄今最先进的神经网络,在 30 个湾区未见家庭中零样本完成整理客厅、叠毛巾、铺床三类全身长程任务,未在这些环境采集数据、微调或适配。

    推荐理由:原文给出零样本成功率从 9% 到 56% 的对照实验,并首次把人类数据到人形机器人的迁移量化为缩放律。

  1. 众擎机器人69

    众擎在WRC首发仿人脑具身智能引擎EngineAI Awaken

    众擎机器人在2026年世界机器人大会(WRC)上发布仿人脑具身智能引擎EngineAI Awaken,这是一套五层体系架构,从S1本能反射层、S2动作规划生成层、S3认知推理层延伸至S4+S5自我成长层(情感大模型)。

    推荐理由:原文给出五层架构的分层异构多频设计与2Hz/100Hz解耦细节,可了解具身大脑如何兼顾语义推理与实时运控。

  1. 逐际动力67

    逐际动力发布 COSA 0.5,人形 VLA V³-0 升级全身移动操作能力

    逐际动力发布机器人 OS COSA 0.5,其中 VLA-tools 层 V³-0 升级为支持移动全身操作的人形 VLA 技术栈。V³-0 运行在 43 自由度的 LimX 人形机器人 Oli 上,多级架构让感知、决策与执行在不同时间尺度协同,LimX-WBT 负责跟踪全身目标并维持动态平衡。系统还结合人类在环干预的真机强化学习,专家可随时接管全身控制纠正偏差,策略据此持续改进。

    推荐理由:原文交代了 V³-0 在 43 自由度 Oli 上的多级架构与人类在环真机强化学习闭环,可看全身移动操作如何统一。

  1. Figure News82

    Figure 演示两台 Helix-02 人形机器人协同整理卧室

    Figure 发布视频,展示两台搭载 Helix-02 的人形机器人在不到两分钟内协同整理卧室,完成开门、挂衣、收纳耳机、合书、倒垃圾、推椅入桌和一起铺床等动作。两台机器人运行同一个学习到的 VLA 策略,彼此之间没有共享规划器、消息传递或中央协调器,各自通过摄像头读取房间并仅凭动作推断同伴意图。Figure 称这是首个由单一学习神经网络完成多台人形机器人协同移动操作、从像素直接到动作的演示。

    推荐理由:原文展示两台 Helix-02 人形机器人无中央协调、仅凭各自摄像头协同整理卧室,可看单网络多机协作的实机表现。

  1. 逐际动力72

    逐际动力发布具身 Agentic OS 系统 LimX COSA,全尺寸人形机器人 Oli 率先搭载

    逐际动力发布具身智能体系统 LimX COSA,将其定位为面向物理世界原生的具身 Agentic OS,把高阶认知与全身运控融合为大小脑一体化智能。COSA 采用三层结构:底层为全身运动控制基础模型,中层为可组合调度导航、避障、抓取、上下楼梯等技能的大小脑融合层,顶层负责交互、记忆与思考。

    推荐理由:官方披露了 COSA 的三层架构与 Oli 的演示能力,可了解具身 OS 如何把认知与全身运控接到一起。

  1. 逐际动力60

    逐际动力推出 LimX DreamActor 具身智能训练新范式

    逐际动力发布 LimX DreamActor 具身智能训练范式,将 Real2Sim2Real、模仿学习与真机强化学习结合,形成从现实环境数据采集到仿真预训练再到真机后训练的流程。该方案用消费级相机拍摄多视角场景完成三维重建,并赋予质量、摩擦系数、碰撞体积等物理参数,以低成本扩展训练数据。逐际动力称这一虚实融合方式可提升样本效率、收敛速度和部署稳定性。

    推荐理由:逐际动力把 Real2Sim2Real 与真机强化学习串成一条训练链路,读者可据此了解仿真数据如何降低真机试错成本。

已经到底了