英伟达机器人负责人:Astra让开发提速100倍,ChatGPT时刻或在未来1至3年到来
英伟达机器人与边缘AI副总裁Deepu Talla接受采访指出,GPT-6 Astra通过Agent调用物理AI工具,将仿真环境构建与系统集成效率提升约100倍。
英伟达机器人与边缘AI副总裁Deepu Talla接受采访指出,GPT-6 Astra通过Agent调用物理AI工具,将仿真环境构建与系统集成效率提升约100倍。
Standard Bots CEO Evan Beard 指出,多数工业机器人在工厂失效的根本原因在于未能跨越从原型到生产的鸿沟。Intel 通过开放可扩展平台提供推理、感知与实时控制能力,助力开发者将物理 AI 创新转化为实际影响。该观点强调机器人成功不仅依赖智能机器构建,更取决于在真实环境中有效运作的能力。
2026 常州工业具身智能创新大会上,睿尔曼智能 CEO 郑随兵提出机器人落地需兼顾质量、经济性与稳定性。公司依托 GLN 远程作业网络及 RealBOT 轮式人形机器人,在爱安特常州工厂真实产线开展上下料等常态化作业。该模式通过“自主 + 遥操作”组合,将人的技能复刻至复杂场景并反哺模型优化。
OpenAI 将机器人研究人员并入其他团队,认为通用大模型如 GPT-6 Astra 可能取代专用机器人 AI。Nvidia 研究显示,Astra 代理在模拟 DROID 机器人任务上成功率达 74.8%,远超专用模型的 51%;但在 StationeryBench 基准中,200 次试验仅完成 7/100 任务且平均进度分 46,低于 MolmoAct2。
据《财富》报道,OpenAI 已解散独立的机器人团队,将研究人员并入首席研究官 Mark Chen 领导的团队及 Applied 部门。公司表示此举旨在利用 GPT-6 Astra 等通用前沿模型直接控制机器人的能力,加速具身智能实现,而非退出该领域。此次调整发生在 OpenAI 收缩业务、削减亏损的背景下,标志着行业叙事从专用机器人转向通用模型进具身,但大规模应用的可靠性与工程化挑战依然存在。
元戎启行 CEO 周光提出“几年后全无人驾驶可能不是自动驾驶公司”的判断,文章据此分析具身智能领域本体公司与“脑公司”的博弈。目前宇树、智元、优必选等本体厂商均在自研或适配模型以掌握真机数据回流;而 Physical Intelligence、Skild AI 等纯脑公司面临上游通用模型挤压与下游本体自研的双重压力,需证明跨本体迁移能力并找到收费入口。真正的分水岭在于谁能掌握真实世界的数据复利。
李飞飞在CoRL 2026会议上介绍World Labs新发布的Atlas模型,这是一个用于生成与重建的统一世界模型。该模型采用多模态自回归扩散Transformer架构,能在多图输入下进行稠密重建、零像素条件下进行纯生成,以及少量视图下的稀疏重建。
大晓机器人首席科学家陶大程提出“双脑”协同设计,由云端 SenseNova 负责任务理解与技能组织,端侧开悟世界模型专注物理状态判断与后果预测。系统通过具身 Harness 连接感知、记忆与控制,构建自主执行、经验学习与递归自我改进三个递进闭环。方案强调真机与仿真(Real2Sim2Real)相互校准,利用有限真实交互验证关键不确定性,推动机器人从完成任务转向积累可复用的物理知识底座。
埃隆·马斯克于11月1日在X平台明确回复“不”,否认消费者能在12月订购Optimus人形机器人的传闻。Modar Alaoui报道指V3版本可能为首个发货版,预计零售价约20,000美元,首批将优先供应企业客户。马斯克确认向公众销售的前提是解决人工智能、运行时间及机电设计等技术问题,交付窗口为2027年末。
智元机器人推出 Worken 框架,通过“活跃机器人数量×自主工作时长×输出效率比”衡量部署后实际完成的有效智能工作小时。该指标由彭志辉提出,旨在区分单纯开机时间与独立完成任务的产出,强调将技术能力转化为可衡量的实际贡献。
2026 年机器人行业因硬件进步与人工智能加速变革,全球及美国订单在疫后暂停期持续攀升。该免费手册由 The Robot Report 整理,涵盖灵巧操作、建筑自动化趋势及波士顿动力 Atlas 等进展。内容还涉及 Plus One Robotics、Jabil 与 Apptronik 合作、SoftServe 虚拟健身房仿真以及 Locus Robotics 软抓手技术。
宇树科技(688836)于10月28日发布上市后首份财报。前三季度营收18.17亿元同比增长55.71%,主要得益于G1机器人累计下线约1万至2万台;归母净利润3.87亿元同比大增270.54%,但剔除去年同期股份支付影响后,扣非净利润同比下降18.78%。
VicOne LAB R7 研究显示,当输入数据被恶意篡改时,原本依赖传感器读数的机器人安全决策可能失效。实验证实,在基于 Gemma 4 E4B 的机器狗测试中,海报文字可被误判为指令;而在搭载 NVIDIA Jetson AGX Orin 运行 Nemotron 的仿真环境中,人类听不见的音频也能改变机器人行为。该研究强调需重新评估针对服务机器人的信息安全性及现有防护机制的有效性。
该研究提出“情感粘度”模型,将社交智能体的回避行为视为界定人机边界的关系信号而非交互失败。论文探讨了三角嫉妒、不适抑制等设计案例,旨在构建可追溯、有限且可修复的中介机制以处理社会张力。相关成果将在 HAI 2026 举办的信任与归责国际研讨会上展示。
RoboBusiness 2026 第二场活动于今日上午 9:30 PT 开幕,核心议题聚焦人形机器人当前能力、技术挑战及早期工业落地经验。全天议程涵盖从 OLogic 的以自我为中心学习、Arm 的物理 AI 可扩展架构到 Tesla 工程师探讨的真实世界物理 AI 失效原因等深度讨论。
Vention 物理 AI 实验室利用真实工厂视觉数据及 GRIP 模块化管线,构建能在复杂制造环境中感知、理解并学习的自适应机器人。团队结合经典方法与基础模型(如零样本姿态估计),旨在最小化任务接入成本同时最大化性能,解决实际产线问题。该研究通过客户提供的零部件与执行数据进行训练,确保 AI 系统具备扎实的制造领域知识。
Agility Robotics 联合创始人 Damion Shelton 指出,Digit 机器人因依赖自动驾驶技术导致首单应用受阻,最终聚焦于封闭环境下的内部仓库物料搬运任务。Shelton 强调客户仅需“从 A 点移动到 B 点”的解决方案而非炫技,并主张高校应在公司孵化期持续推动技术开发以弥补资金缺口。该访谈由 IEEE RAS 发布,旨在分享实体机器人商业化的关键业务教训与公私合作模式。
国务院新闻办发布会上,工信部科技司司长魏巍透露,2026年上半年我国人形机器人整机产品数量突破400款,产量超过4万台,行业预计全年产量有望突破10万台。工信部将从攻坚核心技术、拓展落地场景、完善产业生态和筑牢安全底线四方面推进建设,并出台《国家人形机器人产业标准体系建设指南(2026 版)》。此前商务部等九部门也提出推动具身智能技术落地商贸场景。
Analog Devices Inc. (ADI) 发布白皮书《The Race to Make AI Physical》,指出物理 AI 核心在于将智能从数字环境移至机器,使其能在充满噪声与时序约束的现实世界中感知、决策并执行动作。成功不仅依赖模型性能,更需传感、仿真、计算、连接与控制等底层技术的协同进步,以应对无法完全预测的复杂工况。
波士顿动力 Atlas 人形机器人已离开实验室进入现代工厂,在 Hyundai 汽车厂与近 1500 名人类协作完成搬运、冲压和焊接等任务。其开发依赖 NVIDIA 芯片及 VR 遥操作演示数据,先在仿真环境中训练超 4000 个数字分身以掌握复杂动作,最终实现自主执行分拣等任务。文章指出此类机器人旨在协助而非取代人类,消除对失控机器的恐惧。
行业需摒弃先建平台再找任务的“机器人先行”思维,转而依据具体工作流的经济价值反向定义硬件、传感及外形。例如汽车装配线插销任务需微力分辨率,而托盘打包则重负载能力,单一通用平台难以兼顾。在既有厂房(Brownfield)中,适应人类环境的类人形态比专用机器人更具成本优势与部署深度。
完成单次操作不等于具备实用灵巧性,若单步成功率为 99%,连续 100 次任务仅能维持 36.6% 成功率。TDK Ventures 指出,可靠性源于在视觉、触觉等多模态数据闭环中不断部署、学习与改进。Agility Digit、ANYbotics 四足机器人及 Starship Technologies 均通过匹配特定工作流的最小必要灵巧度实现可靠作业。
Appen 生成式 AI 研究主管 Jeanine Sinanan-Singh 指出,令人印象深刻的人形机器人演示并不证明其行为具备泛化能力。她强调在机器人训练中保持“人在回路”至关重要,以应对通用性挑战。该观点源自 The Robot Report Podcast 第 265 期关于物理 AI 评估的讨论。
Jabil 指出人形机器人正从手工组装迈向万级规模量产,需通过优化成本结构提升可制造性与质量。该公司已与 Apptronik 合作将其 Apollo 机器人引入活跃制造环境,并强调 NVIDIA Jetson 系列是边缘计算的关键选择。尽管汽车合作伙伴能提供混合鲁棒性优势,但供应链多元化仍是当前主要挑战,消费者端应用预计需五年左右时间。
Foxlink 与 Luminys 在 GTC Taipei 2025 展示集成 NVIDIA 和 SYNC 技术的四足机器人,利用智能传感器与物理 AI 实现主动式安防。该技术已部署于全球多家医院、购物中心及教育园区,通过融合生成式 AI 分析海量视频数据以识别异常并加速响应。
Lightbringer 联合创始人指出,随着竞争加剧,拥有定义机器人行为的关键技术比制造最佳机器人更能赢得物理 AI 竞赛。波士顿动力诉 Ghost Robotics 等案例表明,若未提前保护核心运动或校准机制,初创企业可能因诉讼预算不足而失去市场主动权。文章建议从早期部署强知识产权策略,聚焦一两个竞争对手难以复制的核心发明以构建防御生态。
VicOne LAB R7 通过实验证明,即便机器人遵循既定规则,被篡改的视觉、文本或音频输入仍会导致其做出错误动作。研究利用 Gemma 4 E4B 和 Nemotron 模型展示了海报文字与不可听音频如何误导机器狗与服务机器人,并指出 ROS 2/DDS 消息注入可触发意外移动。
Hello Robot 联合创始人兼 CTO Charlie Kemp 专注于开发能在家庭和工作场所与人类近距离互动的移动机械臂。他带领团队利用 Stretch 机器人作为研发平台,协助老年人及行动不便者提升生活独立性。Kemp 强调真实世界交互对改进系统至关重要,并指出未来机器人发展需结合特定领域专家知识而非仅依赖技术演示。
意大利都灵理工大学生物启发软体机器人实验室主任 Barbara Mazzolai 在《Nature Machine Intelligence》发表宣言,提出“可持续机器人学”新概念。该理念要求在设计阶段就将可持续性纳入核心考量,旨在改善自然、人类与技术间的关系并降低技术环境足迹。
部署 AI Agent 的关键在于验证其能否在真实环境中执行数十次连续工具调用并在步骤失败时恢复,而非仅判断模型回答是否合理。该评测范式推动评估重点从单一函数调用转向完整任务流程的闭环验证。
NVIDIA Vera CPU 专为处理不可预测的智能体负载而设计,在 GPU 运行模型时负责编排、工具执行及沙箱计算。该处理器通过高效转换电力与资本来优化"AI 工厂”整体栈的经济性,应对传统稳定运行时轮廓无法覆盖的波动需求。
Skild AI 团队认为现有机器人控制器因过度拟合特定机体而缺乏泛化能力,提出训练一个能控制百万种不同形态机器人的“全形态(omni-bodied)”大脑。实验展示了该模型在零样本条件下对断肢、关节锁定、轮子卡死及加装高跷等极端形态变化的快速适应与恢复能力,利用上下文学习机制从失败中迭代成功。团队认为这种基于适应而非记忆的策略是通往物理世界可靠通用人工智能的关键路径。
推荐理由:Skild AI 提出通过训练控制百万级不同形态机器人来构建泛化脑,展示零样本适应与上下文学习在物理任务中的潜力。