跳到正文
6月4日周四
  1. Generalist · Research Blog70

    Frontier Lab 获新一轮融资以加速物理 AI 发展

    Frontier Lab 宣布获得包括 Radical Ventures(领投)、8VC、Union Square Ventures 等在内的新一轮融资,总融资金额超过 5 亿美元。公司计划利用这笔资金继续推进机器人学习规模化,开发下一代模型并扩展物理数据引擎与计算基础设施。此前 GEN-1 模型已在灵巧操作任务中展现出高可靠性与执行速度提升,新资金将支持其构建跨形态、环境与应用的通用智能系统。

    推荐理由:Frontier Lab 宣布获得包括 Radical Ventures、NVIDIA 等在内的新一轮融资,将用于加速机器人基础模型与物理 AGI 的研发及基础设施扩展。

6月3日周三
  1. NVIDIA Blog · Physical AI80

    NVIDIA 发布物理 AI Agent Skills 赋能自动驾驶与机器人研究

    NVIDIA 在 CVPR 发布物理 AI Agent Skills,旨在解决物理 AI 研究中场景重建、合成数据生成及策略评估等碎片化问题。核心包括支持车队数据重建的 Neural Reconstruction 技能、加速 3D 高斯场景生成的 InstantNuRec、用于闭环强化学习的 AlpaGym 框架以及能实时响应策略动作的 Cosmos-Dreams 世界模型。

    推荐理由:NVIDIA 在 CVPR 发布物理 AI Agent Skills,提供场景重建、合成数据生成及闭环强化学习工作流工具。

6月2日周二
  1. Boston Dynamics · Blog15

    Boston Dynamics 机械工程师 Chastity Kelly 访谈 Atlas 足部设计与机器人职业路径

    Boston Dynamics 机械设计师 Chastity Kelly 介绍 Atlas 新足部采用对称结构与后置踝关节,配合可反向弯曲的膝盖及多向防滑鞋底,支持前后行走与工厂地面平衡。她分享从社区学院到博士的 15 年成长经历,强调享受工程而非追求完美成绩,并视类人型机器人为机器人领域的最高挑战与最大用途。

  2. NVIDIA Blog · Physical AI78

    NVIDIA 发布 JetPack 7.2 与 NemoClaw 智能体框架,将 Agentic AI 带入物理世界

    NVIDIA 在 COMPUTEX 上正式发布 JetPack 7.2 和 NemoClaw 智能体框架,支持 NVIDIA Jetson Orin、Thor 等端侧硬件。

    推荐理由:JetPack 7.2 与 NemoClaw 将智能体框架落地至 Jetson 端侧,提供 Yocto 定制、CUDA 13 及 MIG 支持,显著降低边缘部署成本并加速工业场景落地。

6月1日周一
5月31日周日
5月28日周四
5月26日周二
5月18日周一
  1. Boston Dynamics · Blog67

    Boston Dynamics 发布 Atlas 人形机器人:强化学习驱动的重物搬运与高保真仿真训练

    Boston Dynamics 发布了专为高强度物理工作设计的 Atlas 人形机器人,展示了其通过强化学习在仿真中练习数百万小时以掌握搬运迷你冰箱等复杂任务的能力。

    推荐理由:Boston Dynamics 展示 Atlas 通过强化学习与高保真仿真训练,实现搬运重物等工业级任务,并开放相关技术细节。

5月16日周六
  1. Google DeepMind72

    Gemini 3.5:前沿智能与行动能力的结合

    Google DeepMind 发布 Gemini 3.5 Flash 模型,该模型在终端基准、代码生成及多模态理解任务上表现优异,推理速度达到其他前沿模型的 4 倍。作为首个面向公众的 3.5 版本,它默认用于全球用户的 Gemini App 和搜索 AI 模式,并驱动了个人智能体 Spark 等功能的上线。DeepMind 同时表示正在内部使用 Gemini 3.5 Pro,计划于下月推出。

    推荐理由:DeepMind 发布 Gemini 3.5 Flash,在保持高推理速度的同时提升多模态理解与长程任务执行能力,并默认用于个人智能体 Spark。

5月8日周五
  1. Berkeley BAIR Blog65

    自适应并行推理:高效推理扩展的下一代范式

    Berkeley BAIR 发布综述文章,探讨让大模型自主决定何时分解任务、生成并发线程数及协调策略的自适应并行推理(APR)范式。内容回顾了从固定并行到动态控制的演进,对比了 ThreadWeaver、Multiverse 等方法的 KV Cache 管理与训练奖励设计差异,并指出当前在推理时是否持续提升准确率、训练稳定性及硬件感知调度等方面仍存在开放问题。

    推荐理由:文章系统梳理了自适应并行推理范式,对比了从固定并行到动态控制的技术演进路径及训练奖励设计差异。

  2. Figure · News84

    Helix-02 发布:单策略实现双人协同整理卧室

    Figure 展示了 Helix-02 双机器人无中央协调器、仅凭视觉语言动作策略协同整理卧室的演示,验证了单一神经网络处理多智能体协作与变形物体操作的可行性。

    推荐理由:Figure 展示了 Helix-02 双机器人无中央协调器、仅凭视觉语言动作策略协同整理卧室的演示,验证了单一神经网络处理多智能体协作与变形物体操作的可行性。

4月29日周三
  1. Boston Dynamics · Blog12

    Boston Dynamics 软件工程师 Ethan Lauer 解读 Stretch 机器人的感知与世界建模技术

    Boston Dynamics 软件工程师 Ethan Lauer 接受采访,详解 Stretch 机器人利用双路 RGB/深度相机、四路激光雷达及夹持器距离传感器融合感知环境。系统据此规划抓取策略以避免堆叠倒塌,并具备避障导航能力。团队通过客户反馈持续迭代算法,旨在提升机器人在真实物流场景中的可靠性与实用性。

4月23日周四
  1. Kodiak AI · 自动驾驶货运14

    Kodiak AI 任命 Tim Guin 与 Natalie Draisin 加入行业顾问委员会以塑造自动驾驶货运产品路线图

    Kodiak AI 宣布新增 Tim Guin 和 Natalie Draisin 为行业顾问委员会成员,双方来自 Hirschbach Motor Lines、USA Truck 及 FIA Foundation 等机构。该委员会自 2024 年成立后每季度会议,旨在结合物流与安全经验指导 Kodiak Driver 虚拟驾驶员的长距离无人驾驶运营部署策略。

4月22日周三
  1. Google DeepMind70

    Decoupled DiLoCo:一种面向全球分布数据中心的弹性分布式 AI 训练新架构

    Google DeepMind 发布 Decoupled DiLoCo(Distributed Low-Communication)架构,旨在解决未来超大规模模型训练中维持数千芯片同步的物流挑战。

    推荐理由:DeepMind 推出 Decoupled DiLoCo 架构,支持在低带宽和异构硬件下训练大模型,显著提升分布式训练的容错性与效率。

4月15日周三
  1. Skild AI · Research Blog72

    Skild AI 收购 Zebra Robotics 部门以部署全身体智能

    Skild AI 宣布收购 Zebra Technologies(前 Fetch Robotics)的机器人部门,将其 Symmetry Fulfillment 编排平台与 Skild Omni-Bodied Brain 结合,旨在解决仓库物流中传统方案对特定硬件依赖强、系统割裂的问题。

    推荐理由:Skild AI 收购 Zebra Robotics 部门,旨在将 Omni-Bodied Brain 与 Symmetry 平台结合,解决仓库物流中硬件依赖与系统割裂问题。

  2. 奥比中光 Orbbec · News36

    Thoro 发布由 Orbbec Gemini 336 驱动的 CoreFlex 模块化自主栈

    Thoro 在 MODEX 2026 发布由 Orbbec Gemini 336 驱动的 CoreFlex 模块化自主栈,支持多类工业车辆且无需基础设施。该方案集成 MX6800 深度引擎与主动红外成像,实现复杂环境下的精准导航、托盘搬运及障碍物检测。Thoro 现有超 1,300 套系统已部署于物料搬运、清洁和物流领域,旨在加速 OEM 全球规模化应用。

4月14日周二
  1. World Labs · Research & Insights72

    World Labs 发布 Spark 2.0:支持网页端流式渲染海量 3DGS 世界

    World Labs 发布 Spark 2.0,集成 Level-of-Detail、渐进式流传输和虚拟内存技术,可在任何设备上流畅渲染包含数亿高斯椭球体的大规模 3D 场景。新工具提供 .RAD 文件格式以支持按需加载细节,并开源了 Rust 编写的核心代码与示例仓库,允许开发者在 Web 浏览器中构建交互式 3DGS 体验。

    推荐理由:World Labs 发布 Spark 2.0,通过 LOD、渐进式流传输和虚拟内存技术,支持在浏览器端渲染海量 3DGS 场景。

4月13日周一
  1. Google DeepMind82

    Gemini Robotics-ER 1.6 发布:通过增强的具身推理赋能现实世界机器人任务

    DeepMind 正式发布 Gemini Robotics-ER 1.6 模型,该版本在空间推理、多视角理解及仪表读数能力上显著优于前代。新增的仪表读数功能允许机器人自主解读压力计和液位计等复杂工业设备,结合波士顿动力 Spot 机器人的实地需求开发。

    推荐理由:DeepMind 发布 Gemini Robotics-ER 1.6,新增仪表读数能力并强化空间推理与多视角理解,开发者可通过 API 和 Colab 立即试用。

4月7日周二
  1. Generalist · Research Blog70

    Generalist:超越世界模型与 VLA,坚持从 scratch 训练原生物理交互基础模型

    Generalist 发布博文阐述其 GEN-1 模型的核心理念:该模型约 99% 参数从头训练,旨在打造原生物理交互基础模型而非微调的视觉语言模型或单纯的世界模型。作者认为目标驱动优于方法标签,强调在数据充足时从 scratch 训练更具优势,并指出随着物理交互数据量突破半百万小时,以往依赖视觉语言数据的“拐杖”约束正在改变,团队正以此为基础向全零样本机器人和物理 AGI 迈进。

    推荐理由:作者阐述 Generalist 坚持从 scratch 训练 GEN-1 的底层逻辑,认为目标驱动优于方法标签,并指出数据约束已改变。

4月2日周四
  1. Generalist · Research Blog87

    Generalist 发布 GEN-1:具身智能基础模型迈向精通时代

    Generalist 正式发布 GEN-1,将其定义为首个实现物理任务“精通”(mastery)的通用多模态机器人基础模型。该模型在仅需约 1 小时机器人数据的情况下,将多项简单任务的平均成功率从之前的 64% 提升至 99%,完成任务速度约为现有最先进水平的 3 倍。

    推荐理由:Generalist 发布 GEN-1 多模态机器人基础模型,宣称在仅需 1 小时机器人数据下将简单任务成功率提升至 99% 并提速 3 倍。

3月29日周日
  1. Google DeepMind12

    DeepMind 重新构想 AI 时代的鼠标指针:Gemini 驱动的实验性交互原理与 Chrome/Googlebook 集成计划

    DeepMind 提出四项原则,利用 Gemini 赋能的 AI 指针将像素转化为可操作实体,支持用户通过指向和语音直接请求如“显示路线”或“比较产品”等复杂任务。该实验环境已在 Google AI Studio 上线演示,并正整合进 Chrome 浏览器及即将推出的 Googlebook Magic Pointer 功能中。

3月24日周二
  1. Generalist · Research Blog45

    Generalist 发布 GEN-0 基础模型,实现新机器人在数天内快速部署与泛化

    Generalist 在 GTC 大会现场演示了 GEN-0 基础模型在新机器人平台上的即时运行能力。该团队仅用几天时间完成了由 Universal Robots 提供的 UR7e 臂、MiR 底座及 Vention 框架构成的全新移动操作平台的部署,且无需使用展会现场数据。此次演示验证了 GEN-0 在泛化到新机器人与环境时的卓越性能,标志着机器人“开箱即用”时代的到来。

3月19日周四
  1. Skild AI · Research Blog72

    Skild AI 联合 ABB、优傲机器人及 NVIDIA 推进通用物理 AI 大脑的规模化部署

    Skild AI 宣布与 ABB Robotics、Universal Robots 和 Mobile Industrial Robots 合作,将其全身体智能(omni-bodied)基础模型 Skild Brain 集成到主流工业机器人产品线中。

    推荐理由:Skild AI 宣布与 ABB、优傲机器人及 NVIDIA 合作,将通用物理 AI 大脑集成至主流工业臂并部署于富士康产线。

3月18日周三
3月17日周二
  1. NVIDIA Isaac Lab · Releases78

    NVIDIA Isaac Lab 3.0 Beta 发布多后端架构与无套件安装模式

    NVIDIA Isaac Lab 3.0 Beta 基于 Isaac Sim 6.0 推出重大架构升级,引入多后端物理引擎(默认 PhysX、新 Newton)、可插拔渲染器系统及 Warp 原生数据管道。

    推荐理由:Isaac Lab 3.0 Beta 发布多后端架构与无套件安装模式,支持 Newton 物理引擎及多种渲染器,为机器人学习研究提供更灵活的仿真环境。

3月9日周一
  1. Figure · News70

    Figure 发布 Helix 02 完成客厅整理演示

    Figure 发布了 Helix 02 模型在客厅整理任务的演示,该系统无需新算法或特殊工程,仅凭新增数据便掌握了使用喷雾瓶清洁、处理柔性毛巾、双手协同操作、动态投掷枕头及狭窄空间导航等复杂技能。材料展示了单一通用架构如何通过数据扩展实现全身端到端自主控制,迈向具备广泛家庭与工作场所能力的未来。

    推荐理由:Figure 展示了 Helix 02 在客厅整理任务中的全身端到端自主能力,验证了单一架构通过数据扩展即可掌握复杂移动与操作技能。

2月28日周六
2月13日周五
  1. Google DeepMind60

    Gemini 3 Deep Think 模式升级并开放 API 早期访问

    Google DeepMind 发布 Gemini 3 Deep Think 重大升级版本,该专用推理模式在数学、编程竞赛及国际物理与化学奥赛基准上达到金牌水平,并能将草图转化为可 3D 打印的物理对象。此次更新不仅面向 Google AI Ultra 订阅者开放应用内使用,首次也通过 Gemini API 向研究人员和企业合作伙伴提供早期访问权限。

    推荐理由:Deep Think 模式升级,新增通过 Gemini API 的早期访问权限,支持从草图生成 3D 打印文件及复杂科学推理。

2月3日周二
  1. NVIDIA Isaac Lab · Releases82

    Isaac Lab v2.3.2 发布:新增多旋翼支持、视觉触觉传感器及 Wrench Composer

    NVIDIA Isaac Lab 开源仿真平台发布 v2.3.2 版本,重点聚焦稳定性提升与工作流优化。核心新功能包括支持多旋翼与推进器驱动的无人机环境、基于视觉的触觉传感器(含形状感知示例)、多网格 RayCaster 以及新的 OpenArm 环境。

    推荐理由:该版本发布多旋翼无人机、视觉触觉传感器等新功能,并迁移至 Ruff 工具链与统一 USD 接口。

1月30日周五
  1. Kodiak AI · 自动驾驶货运62

    Kodiak 如何教自动驾驶车辆识别路面

    Kodiak AI 提出针对路面坑洼、水坑等“负向障碍物”的端到端“可通行性框架”,利用几何与视觉分析区分无害反光与危险凹陷,决定穿越或绕行策略。该框架已应用于美国南部高速公路货运及 Permian Basin 油田分选砂运输,支持双挂卡车及防务车辆平台,实现类似人类的精细化决策而非简单停车避让。

    推荐理由:Kodiak 提出针对路面坑洼等“负向障碍物”的端到端穿越框架,通过几何与视觉分析实现类似人类的决策,支持在恶劣路况下保持高速作业。

1月29日周四
  1. Generalist · Research Blog72

    Generalist 博客:机器人的暗物质——物理常识

    文章将“物理常识”定义为机器人在真实世界中应对不确定性、摩擦与滑移的直觉反应能力,指出当前基于互联网文本训练的模型缺乏闭环交互因而无法获得此能力。作者分享了团队通过开发轻量级手持设备采集自然操作数据(如编织、削土豆)的实验,发现此类数据能诱导模型涌现出类似人类的恢复与微调行为。文章认为物理常识是机器人基础模型的底层结构,将推动机器人从结构化环境走向开放世界,是实现通用智能的关键转折点。

    推荐理由:作者提出物理常识是机器人泛化的关键,并分享了通过手持设备采集自然交互数据以诱导模型涌现能力的实验思路。

1月27日周二
  1. Figure · News84

    Figure 推出 Helix 02:实现全身像素到扭矩的连续自主控制

    Figure 发布 Helix 02 模型,将单神经网络对类人机器人的控制从上半身扩展至全身,支持行走、操作与平衡的连续系统。该模型由 System 0(基于超千小时人类运动数据的全身控制器)、System 1(连接所有传感器与执行器的视觉运动策略)和 System 2(场景理解与语言层)组成。

    推荐理由:Figure 推出 Helix 02,实现全身像素到扭矩的连续自主控制,完成长达四分钟的洗碗机装卸任务。

1月22日周四
1月14日周三
  1. Skild AI · Research Blog67

    Skild AI 宣布完成 C 轮融资,估值超 140 亿美元

    Skild AI 今日宣布完成 C 轮融资,领投方为软银,参投方包括英伟达、贝佐斯等,公司估值超过 140 亿美元。融资将用于加速其通用机器人基础模型(Omni-Bodied Intelligence)的研发与真实世界部署。

    推荐理由:Skild AI 宣布完成 C 轮融资,估值超 140 亿美元,将重点投入通用机器人基础模型研发与真实场景部署。

1月12日周一
  1. Skild AI · Research Blog62

    Skild AI 推出基于观看人类视频的 Omni-bodied Learning 模型

    Skild AI 发布 Omni-bodied Learning 能力,旨在解决具身智能领域的数据瓶颈问题。该方案利用 abundant 的人类视频数据(如 YouTube 教程),通过模型桥接“具身差距”,仅需少量机器人实测数据(<1 小时)即可从视频中学习新技能并微调模型,无需大规模遥操作数据。

    推荐理由:Skild AI 提出通过观看人类视频进行学习的 Omni-bodied Learning 方案,仅需少量机器人数据即可微调出新技能。

12月17日周三