依意思最接近的 30 筆
清華大學聯合無問芯穹、智元提出群體經驗學習（CEL）範式，讓機器人學習同伴的成功經驗，並在 96 臺真實機器人上完成規模化驗證。兩臺未參與訓練的機器人在插花、疊衣、手機包裝等五項任務共 600 次測試中成功率 97.5%，均超過 6 名人類操作員的平均水平，其中手機包裝任務從 79.2% 升至 98.3%。參與訓練的機器人從 16 臺增至 96 臺時，成功率由 86.7% 升至 98.3%；底層系統 FATS 基於開源框架 RLinf 建置，96 臺叢集中故障造成的機時損失僅 1.3%。
Aether AI 發布因果驅動的機器人智慧系統 CRIS-0，演示中面對人類突然移走咖啡袋、燈光干擾、往盤裡放飲料罐、關門時伸手等干擾均能即時調整，反應速度達 0.1s 級。它把機器人智慧分成兩層：因果驅動機器人 Agent 負責任務拆解、階段驗證與失敗恢復，因果世界模型預測動作帶來的物理變化。相比端到端模型，它在抗干擾、模糊指令和長程任務上更穩；團隊稱該路線還可延伸到生物製藥、新材料研發，更底層的 Causation Transformer 仍在驗證。
舊金山初創公司 Industrial Next 在 TechCrunch Disrupt 2026 上宣布與 BMW 集團技術辦公室合作，評估其 AI 靈巧操作技術用於製造。該公司由兩位前特斯拉工程師於 2021 年創立，做的是基於自研基礎模型的機器人工作站，把視覺、任務上下文與運動控制打通，用高保真模擬訓練，產線換型從數週縮短到數分鐘，無需傳統程式設計。其工作站已在某款熱門手機的生產中使用，負責柔性排線穿線、聯結器扣合等此前難以自動化的工序；
蘇格蘭愛丁堡的 Danu Robotics 完成 500 萬美元 late-seed 融資，其 AI 回收分揀機器人 H.E.R.O. 開始推向市場。該機器人用夾爪而非吸盤抓取物品，並靠 AI 持續改進軟體；公司已有 50 萬美元簽約合同、兩家大客戶意向書，銷售管道中超過 200 家客戶。創始人 Amy Ma 估算，單條分揀線每年可增收 48.5 萬美元，而初始投入 16 萬美元、年維護 2.4 萬美元。下一步是讓機器人更小更便攜，用於商場、醫院、機場等就地回收。
亞馬遜在全球倉庫中執行的機器人已超過 100 萬臺，全天候支撐每天數千萬件當日達與次日達包裹，並計劃新建工廠進一步擴大機器人隊伍。即便如此，其 2025 年年報顯示公司仍是全球第二大企業僱主，擁有逾 150 萬名全職與兼職員工。高管稱機器人接管了最易導致疲勞和受傷的倉內任務，但勞工倡導組織與研究者指出，協作機器人與工人距離很近、還能決定工作節奏，AI 驅動的倉儲自動化對工人未必全是好處。
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo，靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變，系統平均 2 秒內完成重規劃，10 次隨機擾動有 9 次有效恢復；客廳長程整理可連續執行數十步，20 條模糊指令完成 18 次精準抓放，危險變數出現時 0.2 秒急停。
TechCrunch Disrupt 2026 第二天在舊金山 Moscone West 舉行，議程集中在 AI：Nvidia、Waabi、Flock Safety、Ricursive Intelligence 以及 Benchmark 合夥人登臺，話題覆蓋機器人、AI 硬體、公共安全與風險投資。
清華大學、智元與無問芯穹聯合提出群體經驗學習（CEL）範式，讓機器人用同伴的成功與失敗經驗替代人類示範，並在 96 臺真機上完成原型驗證。手機包裝長流程任務中，成功率從 79.2% 升至 98.3%；參與訓練的機器人從 16 臺增至 96 臺，成功率由 86.7% 提高到 98.3%。五項真實任務共 600 次測試，總體成功率 97.5%，高於人類示範方案 HG-DAgger 的 81.0% 與離線微調 SFT 的 36.3%。
Artificial Analysis 於 10 月 14 日發布 AA-Robotics v0.1，首次讓 GPT、Claude、Gemini 等前沿模型藉助程式設計 Agent 操控真實機械臂，零樣本完成倒水、寫字、搭積木等八項任務。GPT-6 Astra 以 69.4 分居首，GPT-6.1 Sol 64.6 分，Gemini 4 Argon 55.3 分，Claude Opus 5.5 與 Fable 5.1 分別為 48.8 和 46.3 分。
正行創新 10 月 8 日在亞太零售商大會（APRCE 2026）發布零售開放場景的 Physical AI 24/7 人機協作方案，由機器人本體與統一管理平台 M1 組成，無需改造門店貨架與動線。首批本體為雙足人形機器人 H1（支援 20 多種語言、45 種表情、36 種手勢，提供開放 API）和搬運理貨輪臂機器人 C1（窄體全向底盤，作業高度覆蓋 100mm 至 1750mm 以上，遇障緊急制動距離小於 10cm）。
哈佛、輝達、伯克利、MIT 與斯坦福團隊提出 RAX：讓通用 Coding Agent 直接接入機器人的感知與控制介面，靠自主探索把成功決策寫成可執行程式，模型引數全程凍結。
正行創新在 APRCE 2026 發布面向零售開放場景「人機協作」的 Physical AI 解決方案，推出雙足人形機器人 H1 與輪臂式搬運理貨機器人 C1，無需改造貨架與動線即可部署。官方稱機器人可自主完成 99% 的任務，自研輕量級世界動作模型 SLM-0.5 在 LIBERO 基準平均任務成功率 98.6%，推理速度較主流方案提升 24 倍。方案計劃 2027 年正式商業化，客戶可直接採購或按 RaaS 訂閱，覆蓋硬體、軟體、運維與升級，目前正與連鎖零售企業聯合測試。
安徽已研製出 31 款人形機器人原型機，工業機器人月均產量突破 5000 臺。2026 年前 8 個月，全省新簽約機器人和具身智慧專案 81 個，總投資 151 億元，星海圖、逐際動力等企業陸續佈局。9 月合肥（包河）機器人產業園開園、14 家企業亮相，10 月中國科大牽頭的安徽省具身智慧創新中心揭牌。省裡提出到 2030 年人形機器人產量進入全國第一梯隊，2027 至 2030 年每年統籌 5 億元省級財政資金。
在輝達負責機器人平台產品營銷七年的 Amulya Vishwanath 轉做風投後認為，機器人目前仍處於「樂高時代」：執行器、機械手、軟體和安全標準等基礎構件還在重建。她由此判斷機器人尚未迎來自己的 ChatGPT 時刻，這與「通用基礎模型即將引爆機器人」的看法相反。
紅旗連鎖已終止研發 16 個月的機器人無人售貨系統，轉向 24 小時雲值守業務。該公司 2025 年 3 月公告立項時股價次日漲停，2026 年 7 月公告稱系統未達大規模商業化落地標準，2025 年研發費用約 286.68 萬元。失敗主因是機械臂抓取失誤率高、視覺識別易受光照影響，夏季玻璃瓶冷飲結水珠常被拿不穩摔碎。行業側，全國已有超 100 個機器人零售倉落地 30 餘座城市，單臺成本近百萬元，多數專案仍停留在概念驗證階段。
10 月 30 日，破殼機器人發布具身 API 產品 RoboAPI：在適配的機械臂上接入後，開發者無需採集資料、訓練模型，用一句 prompt 就能讓機械臂在陌生環境完成未專門訓練過的任務，目前免費開放接入，僅限非商業化使用。
2026 年 10 月，具身智慧公司自變數機器人的合肥總部專案簽約落戶合肥高新區，總投資約 3 億元，重點方向是應用型研發、演算法與模型工程化、交付標準化與產品化，並計劃打造「研發—中試—交付—運營」閉環。公司 2025 年 9 月開源 WALL-OSS，2026 年 4 月發布基於世界統一模型架構的 WALL-B 基礎模型；8 月的直播中，雙機雙臂在模擬倉庫連續分揀約一小時，完成 1816 件、準確率超 98%，但被指出與海外 1248 件/小時相比時統計口徑不一致。
Aether AI 與 UC San Diego 提出 RobotAgentBench，用於評測機器人在開放世界家庭場景中的自主能力。基準包含 50 種家庭佈局、90 項原子任務與 4 類開放場景，比較 8 個 VLA、3 個 WAM 與 Codex、Claude Code、Antigravity CLI 等編碼智慧體的組合。獨立 VLA/WAM 的任務發現得分均低於 2，開放場景綜合得分最高僅 2.0；
輝達在 2026 年 6 月推出 Nvidia Halos for Robotics，把面向自動駕駛的 Halos 安全架構擴充套件到機器人領域。Halos 於 2025 年發布，用硬體和軟體工具幫開發者為自動駕駛汽車等自主系統設定安全護欄，機器人版則覆蓋倉庫自主移動機器人、工廠內人形機器人乃至手術機器人。輝達機器人生態與邊緣計算負責人 Amit Goel 表示，隨著 AI 模型與機器人硬體能力提升，安全被視為下一個瓶頸。
上海交大、UC 伯克利、斯坦福、MIT、Google、微軟、輝達、小米等機構聯合發表論文《Who Improves the Robot? Toward Physical Recursive Self-Improvement》，提出 Physical RSI 概念，並用 L0-L5 分級區分「機器人任務做得更好」與「改進方法本身變得更有效」。論文還梳理了 Harness 適應、模型訓練、安全與驗證的全鏈路路徑，指出目前仍缺少能檢驗遞迴增益的基準，並列出六個待解問題。
在輝達領導機器人平台產品營銷七年的 Amulya Vishwanath，如今轉而投資 Physical AI，並認為機器人行業仍處於“樂高時代”、尚未迎來爆發。這一判斷與“通用基礎模型將推動機器人突破”的流行看法相反：執行器、機械手、軟體與安全標準等基礎構件仍在重建，而 Physical AI 的內涵也不止於機器人。
研究團隊提出具身 RSI 系統 Recursia，通過內外雙層迴圈讓機器人從執行經驗中改進共享執行棧，在 LIBERO-Pro Long 零樣本長時操作的位置/任務擾動下成功率達 28.4%/53.4%，比輝達 ASPIRE 高 5.8/15.1 個百分點。共享棧分為工具、技能、交接、驗證四層，候選修改需經通用性檢查、機制測試及父子版本配對比較。
機器之心將於 11 月 5 日下午在上海張江 AI 小鎮舉辦「Data In Motion｜具身智慧的下一場資料戰」技術沙龍，聚焦資料規模如何轉化為機器人能力。活動設三大環節：螞蟻靈波首席資料科學家黃用韜與清華劉淼就預訓練資料路線交鋒；馬道林、李永露、李明磊等技術 Open Mic 討論多模態資料採集與持續學習；以及新智具身、模感科技等參與的產業圓桌，談資料品質衡量、成本與交付。活動為報名稽核制，地點為浦東新區海科路 1650 號。
西湖機器人發布通用大腦 WR1，並公開演示全球首次由人形機器人靈巧手完成衣物完整摺疊。WR1 採用通用大小腦雙預訓練架構：融合世界模型與 VLA 的通用大腦直接輸出包含移動、軀幹姿態與靈巧手操作的全身動作序列，通用動作專家 GAE 負責穩定落地。演示中它連貫跑通取玉米、U 型轉身放入空氣炸鍋、下蹲收納玩偶到臥室整理被子的跨房間任務，兩臺搭載 WR1 的機器人還可協同取衣、承托、鋪展並摺疊長褲；此前其機械臂版本疊衣最快 36 秒、成功率 100%。
南洋理工大學研究者與合作者發布 CodeActionBench，用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首，75 次嘗試完成 55 次、22 個任務至少成功一次；Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%，Gemini 3.6 Flash 為 20.0%。
10 月 27 日，行元智慧發布跨本體資料引擎 Chorus 眾行，可把智慧眼鏡、胸戴相機、腕部相機、UMI 裝置、智慧頭環採集的人類操作影片，轉成適配不同機器人本體的預訓練資料。官方測試顯示，平均可用資料轉化率為 85%；在 16 種本體適配的配置下，每小時有效機器人軌跡處理成本降至 15 元，再疊加 3 倍指令增廣後實現約 40 倍擴容，單位訓練樣本等效成本為 5 元/小時。行元智慧還計劃在年內推出 Duet 同行，用於真實場景部署與人類反饋迴流。
Standard Bots 完成 2 億美元 C 輪融資，估值達 10 億美元，由 General Catalyst 與 RoboStrategy 領投，客戶包括 NASA、亞馬遜與洛克希德·馬丁。其工業機械臂用於上下料、焊接與裝配，共享基座模型引數量僅數十億，靠客戶示教與微調適配；上下料用零樣本視覺模型定位零件，骨幹網路以超 10 億張影像訓練，運動與單元邏輯仍交給傳統程式設計。模型在雲端訓練、邊緣 GPU 本地推理，輸出動作塊直接送入底層控制，以應對工廠網路不穩。
浙江深辰凱動的羽毛球機器人與真人連續對打 1452 拍，獲吉尼斯世界紀錄認證（移動機器人連續羽毛球回球次數最多）。該機器人約 0.5 毫秒識別來球，揮拍速度每秒 30 米、扣殺時速超 250 公里，團隊稱從本體到演算法全棧自研、專利 100 餘項；底層是可複用的通用物理運動平台加自研機器人大腦，2025 年 ICRA 論文報告真人對打成功率 90.7%。波士頓動力前首席戰略官 Marc Theermann 公開拆解稱，這套即時感知、軌跡預測與移動底盤協同能力同樣適用於物流倉儲的高速動態分揀。
具身智慧公司 Microagi 公開亮相，推出面向工業場景的機器人產品 Atlas 與資料產品 shift。Atlas 把自主機器人直接部署到工業企業現有硬體與產線上執行閉環作業，無需更換裝置；shift 在不使用遙操作、不中斷產線的情況下記錄真實物理作業過程，並轉化為可直接用於訓練的資料。該公司稱自身為資料研究與部署實驗室，團隊分佈在慕尼黑、蘇黎世、倫敦和伊斯坦布林。
估值 100 億美元的 Instinct 把 AI agent 帶進群聊：使用者可將其加入與朋友的聊天，用於一起規劃旅行、搶門票、安排拼車等，好友沒有註冊 Instinct 帳號也能一起用。該功能先向 early access 使用者開放，之後擴充套件到全部使用者，使用者可讓 agent 把自己加入試用名單。Instinct 表示群組 agent 與個人帳號隔離、無法訪問個人資料，個人 agent 在分享資訊或執行操作前會先徵求許可，新成員加入時待發的回覆會先被暫緩。