Kodiak 发布可牵引三挂拖车的自动驾驶货运技术
Kodiak AI 与其客户 Atlas Energy Solutions 合作发布了可在 Permian Basin 运营的可牵引三挂拖车(triples)的自动驾驶货运技术,这是该公司的行业首创。
推荐理由:Kodiak 发布能牵引三挂拖车的自动驾驶技术,通过感知、规划与控制系统的升级解决长车距与动力学挑战。
Kodiak AI 与其客户 Atlas Energy Solutions 合作发布了可在 Permian Basin 运营的可牵引三挂拖车(triples)的自动驾驶货运技术,这是该公司的行业首创。
推荐理由:Kodiak 发布能牵引三挂拖车的自动驾驶技术,通过感知、规划与控制系统的升级解决长车距与动力学挑战。
2026 年 8 月 20 日,在 World Robot Conference 上,Orbbec 与 CMOS 图像传感器供应商 SmartSens 宣布达成战略合作。
推荐理由:Orbbec 与 SmartSens 宣布深化战略合作,将全球快门 CIS 技术整合进机器人免手持数据采集平台,以支持物理 AI 的高质量数据收集。
NVIDIA SkillEvaluator 通过量化指令、示例及工具引导等上下文,解决智能体在寻找工具或处理专项任务时的低效问题。该方案旨在衡量技能包如何帮助 AI Agent 从意图到解决方案的移动速度,提升整体执行效能。
NVIDIA 发布 Cosmos 3 Edge,这是 Cosmos 3 家族中首个专为端侧机器人控制设计的 4B 参数全模态模型(含 2B NVIDIA Nemotron 推理器)。该模型旨在解决世界模型因体积过大难以部署在车载或机器人本地计算硬件的问题,使策略能适配传感器、环境与任务。
推荐理由:NVIDIA 推出 Cosmos 3 Edge,将 4B 参数世界模型压缩至端侧硬件,解决物理交互学习模型的部署难题。
Generalist 发布了最新机器人基础模型 GEN-1.5,该模型在预训练后无需微调即可通过单样本演示(物理提示)即时学习新任务,平均成功率达 59%,经少量梯度步优化后可提升至 83%。模型具备零样本仿真到现实迁移、组合泛化及即兴工具使用能力,支持从人类手部动作直接模仿机器人操作。
推荐理由:该机器人基础模型 GEN-1.5 在预训练后无需微调即可通过单样本演示学习新任务,并具备零样本仿真到现实迁移能力。
奥比中光在 2026 世界机器人大会(WRC)上正式发布“多维感知”新品,包括无机器人数据采集硬件平台和 Physis 系列机器人视觉相机。该平台提供 EGO、UMI、WristCam 及 Hub 四种形态,旨在高效采集真实世界的交互数据,支持规模化部署。
推荐理由:Orbbec 发布无机器人数据采集平台与 Physis 系列相机,提供高可靠多模态数据获取方案以支持物理 AI 训练。
Skild AI 发布旗舰机器人基础模型 S1,该模型专为上下文学习(ICL)构建,无需微调即可仅凭一段视频演示执行长达 10 分钟的未见任务。实验显示,在未见任务上单段演示的 ICL 成功率达 66%,显著优于传统语言提示 VLA;模型具备抗干扰、错误恢复及常识推理能力,且部署时间从数小时缩短至分钟级。
推荐理由:Skild 推出 S1 机器人基础模型,支持通过视频演示实现长时程未见任务的零样本执行与策略修正。
NVIDIA Nemotron 3.5 Lightning 是一款开源的 30B MoE 模型,拥有 3B 活跃参数,专为长运行 AI 智能体的高频工具调用与结果验证等执行层设计。该模型旨在解决在每一步执行都使用前沿推理模型所带来的高成本与延迟问题,通过轻量化架构提升持续运行智能体的效率。
宇树科技推出新型智能四足机器人巡检解决方案,专为危险、紧急及重复性任务设计。该方案旨在为电力系统建设、运行维护等工作提供高效保障,并在此次活动中向缅甸总统敏昂莱展示了相关能力。
宇树科技四足机器人发布全新智能电力巡检方案,专为危险、紧急及重复性任务设计。该系列方案为电力系统建设、运行维护等工作提供高效保障,旨在解决高危场景下的作业难题。
针对机器人策略难以泛化的挑战,NVIDIA 提出超越视觉语言动作模型(VLA)的世界动作模型架构。该模型要求策略理解任务背后的物理规律而非单纯模仿演示,以应对物体形状、位置或光照变化等条件改变。此研究旨在解决训练场景外泛化难题,为具身智能提供新的技术路径。
Boston Dynamics 机械工程师 Taylor Frey-Baker 解析 Atlas 电动版新增头部以适配人机共融场景,通过立体视觉模块实现环境感知与状态指示。其可插拔的 compute core 核心允许独立升级算力而无需重构整机,复用全身执行器支持头部连续旋转。该设计兼顾了从玩具到工业机器人的职业成长路径,展示了模块化架构在保持物理 AI 迭代速度上的优势。
LeRobot 软件栈 v0.6.1 发布,将 lerobot.types 模块重命名为 lerobot.lerobot_types。此次更新重构了 pi0、pi05、eo1、xvla 等策略以复用共享 VLA 组件,并将 Qwen2.5-VL 与 Florence2 改为原生 Transformers 子类化。同时优化了文档构建速度并更新了 GR00T 1.7 相关检查点。
Atlas Energy Solutions 宣布与 Kodiak AI 合作,将其基于物理 AI 的自动驾驶卡车车队从 28 辆扩大至 100 辆,目标于 2027 年中达成。
推荐理由:Kodiak 与 Atlas Energy 宣布将自动驾驶货运车队规模扩大至 100 辆,并计划于 2027 年初在公共道路运营。
Google DeepMind 正式发布 Gemini Robotics ER 2,作为新一代具身推理模型,它支持通过连续视频流进行进度分类与时刻定位(精度达 91.3%),实现毫秒级低延迟的任务编排。该模型原生支持多机器人协作、工具调用及实时空间感知,已在仿真环境及波士顿动力 Spot 等真实硬件上完成演示验证,现通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由:DeepMind 发布 Gemini Robotics ER 2,通过视频理解与任务编排提升机器人自主性,并开放 API 接口。
NVIDIA Jetson 平台通过 Orin Nano Super、AGX Orin 及 AGX Thor 三款模块,为开发者提供从入门到复杂负载的边缘 AI 算力。
Google DeepMind 正式发布 Gemini Robotics 2,旨在为下一代自适应机器人提供核心智能层。该系列包含三个模型:最先进的全身体视觉语言动作模型(VLA)支持从脚部到指尖的复杂操作;具身推理模型(ER)负责多步任务规划与人类交互;端侧优化模型(On-Device)可在数小时内适配全新机器人本体。
推荐理由:DeepMind 推出 Gemini Robotics 2,提供全身体控制、灵巧操作及多机协作能力,并开放 On-Device 端侧适配与 ASIMOV-Agentic 安全基准。
Momenta 于 2026 年 7 月 27 日在中国江苏苏州相城区推出其 Robovan 业务,这是公司专有 R7 世界模型的最新现实应用。Robovan 已投入夜间跨区快递路线运营,实现全天候无人物流以解决城市供应链“最后一公里”问题。
推荐理由:Momenta 在苏州部署基于 R7 世界模型的无图 Robovan,利用海量量产数据实现全天候无人物流运营。
针对大语言模型在长程交互中因上下文过长导致性能下降的问题,文章提出 ABBEL 框架,将递归摘要任务转化为对自然语言“信念状态”的监督更新。通过引入基于重构的“信念分级”机制,该框架在 CollabBench 协作编程和 Combination Lock 游戏中显著缩小了与全量上下文模型的差距,同时大幅降低峰值 Token 消耗并减少训练步数。
推荐理由:提出 ABBEL 框架,通过监督自然语言信念状态更新解决长程交互中的上下文压缩性能损耗问题。
Generalist 发布最新具身基础模型 GEN-1,该模型在超过五十万小时真实交互数据上预训练,覆盖从五指人手到专用工具等九千多种末端执行器变体。研究通过任务向量分析量化了不同工具的权重更新幅度(2.5%至11.4%),并验证了模型能在中任务切换机械手时即时适应新策略。该工作旨在构建不依赖特定硬件形态的通用物理智能,使机器人能像工具箱一样灵活组合工具完成任务。
推荐理由:GEN-1 基础模型支持多种末端执行器,通过混合数据训练实现跨工具策略迁移与中任务切换适应。
NVIDIA 发布 Isaac for Healthcare 中的开源 GPU 加速医疗物理仿真框架,旨在解决医疗机器人训练数据稀缺瓶颈。该框架结合经典物理与 NVIDIA Cosmos-H Dreams 生成式 AI 物理模拟能力,支持解剖结构、柔性器械(如导管)及传感器输入的并行仿真,可将机器人训练环境从数千个并行运行并大幅缩短训练时间。
推荐理由:NVIDIA Isaac for Healthcare 新增开源 GPU 加速医疗物理仿真框架,支持解剖与器械交互建模及生成式 AI 物理模拟。
Google DeepMind 正式发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型。
推荐理由:DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 及 Cyber 版本,提供具体性能指标与定价以支持规模化 AI Agent 构建。
World Labs 宣布收购机器人公司 SceniX,双方将整合在空间智能、世界模型、基于学习的仿真以及闭环现实学习方面的互补技术实力。官方表示未来将分享 SceniX 的早期技术细节及其在具身智能领域的具体应用前景。
推荐理由:World Labs 宣布收购机器人公司 SceniX,旨在整合双方在空间智能、世界模型及仿真学习领域的技术优势以推动具身智能发展。
Orbbec 在上海世界人工智能大会(WAIC)上发布了与蚂蚁集团具身智能公司 Robbyant 合作研发的“无机器人数据采集硬件平台”,核心产品为基于 Gemini 330 系列相机的 EGO RGB-D 头戴式采集设备。
推荐理由:Orbbec 发布面向物理 AI 的无机器人数据采集硬件平台,其深度增强模型在多项基准测试中表现领先。
7 月 5 日,Boston Dynamics Atlas 在纽约新泽西体育场完成 FIFA 世界杯挪威对阵巴西比赛的中场表演。该生产型人形机器人通过严谨的强化学习管道训练全身控制行为,并在明亮嘈杂的真实赛场可靠执行递球与庆祝动作。此次部署验证了从实验室原型向工厂团队有用成员转型的系统能力,展示了 Atlas 在复杂非结构化环境下的动态移动与操作适应性。
Boston Dynamics 展示 Spot®四足机器人在非结构化社区环境中协助司机完成末端配送,旨在填补物流自动化最后 50 英尺的空白。该演示验证了机器人携带两个 16x12x10 英寸包裹并精准投递至不同门廊的能力,目标是将每辆货车的配送量提升约 60%。未来计划通过车载机械臂自动装填及保存路线实现从人工遥控到自主运行的过渡。
Orbbec 与蚂蚁集团 Robbyant 深化合作,Robbyant 发布下一代空间感知模型 LingBot-Depth 2.0,该模型已通过 Orbbec 深度视觉实验室认证。
推荐理由:Orbbec 与蚂蚁集团 Robbyant 联合发布经认证的 LingBot-Depth 2.0 深度补全模型,结合 Gemini 330 相机硬件解决透明物体等复杂场景感知难题。
Hugging Face LeRobot 发布 v0.6.0,将 GR00T 版本从 N1.5 替换为 N1.7 并重构 RL 栈以适配新模块化 API。此次更新移除了默认数据集依赖、重命名部分配置项(如 eval_freq),并新增 RoboCasa365、RoboMME 及 LIBERO-plus 等基准测试集成。
Boston Dynamics Spot 机器人凭借 5.1 版本视觉检测能力,在达拉斯国际转播中心及纽约/新泽西体育场执行巡逻任务。系统检测到人员时会自动暂停、激活警示灯并采集多角度图像以触发警报。该机器人作为 FIFA 安保人员的辅助工具,专注于周界覆盖与数据收集,旨在提升赛事安全而非替代人工决策。
Berkeley BAIR Lab 庆祝 2026 届博士毕业生在物理 AI、大语言模型及计算机视觉等领域的卓越成就。毕业生去向包括 Physical Intelligence、OpenAI、Amazon 等行业实验室,以及普林斯顿大学、UCLA 和芝加哥大学的教职岗位。多位学者正投身于具身智能、世界模型构建及人机协作系统的研发与创业探索。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)。
推荐理由:DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash,提供高速图像生成与视频编辑能力,支持开发者构建端到端多媒体工作流。
Figure 宣布 Figure 03 机器人抵达宝马集团斯帕坦堡工厂 Hall 52,接替上一代机型开展更具挑战性的“排序”(sequencing)任务。该任务要求机器人在非标准化、位置随机的零件中抓取并放入指定槽位,同时需结合全身移动与精细操作。
推荐理由:Figure 03 在宝马工厂演示了结合全身控制与视觉策略的排序任务,验证了通用物理 AI 处理复杂物流场景的能力。
Firefly Aerospace 的 Ocula 月球成像服务将在其 Blue Ghost Mission 2(预计于 2026 年底发射)中首次搭载 NVIDIA Jetson 边缘 AI 平台在月球轨道上运行。
推荐理由:NVIDIA Jetson 平台首次在月球轨道运行,实现星上 AI 推理以替代传统数据下传。
德国工业巨头 Freudenberg 代表团访问奥比中光,双方就具身智能、智能制造及工业自动化达成初步合作意向。技术层面将探索双向协作:Freudenberg 提供密封润滑等方案增强可靠性,奥比中光则输出 3D 视觉感知与定制机器人解决方案以提升产线自动化效率。全球市场方面,双方计划联合参加国际展会并协调欧美华三地客户拜访,共同展示技术实力。
Google DeepMind 宣布 Gemini 3.5 Flash 模型原生集成了电脑使用功能,取代了此前独立的专用模型版本,使开发者能利用该模型构建能在浏览器、移动和桌面环境中感知、推理并执行操作的智能体。材料指出该功能旨在提升长周期和企业级自动化任务(如持续软件测试)的性能,并提供了针对提示注入风险的对抗训练及可选的企业安全防护系统。
推荐理由:原文宣布 Gemini 3.5 Flash 原生集成电脑使用能力,开发者可借此构建跨平台智能体以执行长周期自动化任务。
Orbbec 在 spoga+gafa 2026 展会首发四套机器人割草机视觉解决方案,涵盖 Stereo VSLAM、LiDAR+Vision Fusion、Vision+RTK Fusion 及单目 RGB 方案以应对复杂场景。
Google DeepMind Accelerator: Robotics 项目于本周在伦敦启动,从众多申请者中精选了 15 家来自欧洲的早期机器人初创企业加入该计划。
推荐理由:DeepMind 宣布启动面向欧洲早期机器人初创企业的加速器项目,提供为期三个月的导师指导、技术栈及 Gemini 机器人模型支持。
NVIDIA与LG集团宣布共建AI工厂,旨在加速其机器人、自动驾驶及数据中心业务。双方将整合NVIDIA全栈平台(包括Isaac Sim、Isaac Lab、GR00T模型、Cosmos世界基础模型)与LG的制造数据及硬件能力,构建从数据采集、仿真训练到边缘部署的统一工作流。
NVIDIA 与斗山集团扩大合作,整合 Isaac Sim、Isaac Lab、Cosmos 及 Jetson Thor 等全栈加速计算平台,支持斗山机器人开发基于 Agentic Robot OS 的具身智能系统。
由 Switch Science 组织的日本产业代表团访问奥比中光深圳总部,就三维视觉、机器人及 AI 感知技术交换意见。双方探讨了基于 Femto Mega 和 Gemini 2 等产品的开发者生态与市场机遇,并确认日本仍是奥比中光关键海外市场。