X @BotAI 評分31
@Bot: Data Bot draws on skills maintained by our data scientists.
xAI 的 Data Bot 上週據估算承擔了約 70 小時原本會交給資料科學家的工作。它呼叫由資料科學家維護的技能，團隊持續改進後所有使用者都能受益；換言之，這部分工作若不由它處理，就會佔用資料科學家約 70 小時。xAI 在公告中附上建置方式連結，正文未披露具體功能範圍、開放物件或時間表。
搜尋
依意思最接近的 30 筆
機器之心AI 評分21
機器之心 11 月 5 日在上海舉辦具身資料技術沙龍
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。
機器之心AI 評分58
行元智慧發布跨本體資料引擎 Chorus，機器人訓練資料擴容約 40 倍
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。
TechCrunch AIAI 評分43
Danu Robotics 獲 500 萬美元融資，AI 回收分揀機器人上市
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。
Hacker News front pageAI 評分19
Microagi 發布 Atlas 工業機器人與 shift 資料產品
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。
TechCrunch AIAI 評分45
前輝達機器人負責人：機器人仍處樂高時代，未到 ChatGPT 時刻
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。
機器之心AI 評分60
破殼機器人發布 RoboAPI，機械臂可零樣本執行指令
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。
機器之心● 精選AI 評分80
AA-Robotics 首份榜單發布：GPT-6 Astra 操控機械臂得分居首
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。
機器之心● 精選AI 評分80
董豪團隊提出 HIL-UMI：人類示範時即可採集機器人後訓練資料
董豪團隊聯合啟元機器人、北京大學、西安交通大學提出 HIL-UMI：人手持夾爪示範時，模型同步預測動作並標出與人類操作的分歧，從而在不執行機械臂的情況下采集後訓練所需資料。該方法以 π0.5 為基礎模型，在 Franka 機械臂上測試整理桌面、折毛巾、疊方塊、蓋章四項任務，三輪更新後平均任務進度分數從 62.3 升至 94.8，同等資料量下常規 SFT 僅從 44.3 升至 58.0。整理桌面任務中其採集效率為 HG-DAgger 的 5.63 倍，最終得分 96 比 91。
機器之心● 精選AI 評分79
哈佛輝達等用 Coding Agent 讓機器人自主探索，五大基準領先 37.4 點
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。
量子位AI 評分31
XROGO 發布機器人到崗計劃：像僱人一樣租用機器人
11 月 3 日 CeMAT ASIA 2026 期間，XROGO 發布“機器人到崗計劃”，聚焦製造上下料，以及機房、配電室巡檢值守兩類場景。合作以“租用機器人＋服務”為主，由一線工人和專家示教、工程師提供訓練與驗證支撐，以降低企業首次引入裝置的投入門檻；實際作業時長、保障人力與交付週期通過作業記錄呈現。分揀、裝卸、理貨等倉內作業則將與物流夥伴先做適配評估與樣板驗證。
Ars Technica AIAI 評分60
亞馬遜倉儲機器人超 100 萬臺，還將新建工廠擴產
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。
機器之心● 精選AI 評分83
15 家機構發布 TouchScale：500 小時視觸覺資料讓機器人成功率翻番
由德州農工大學、Google DeepMind、CMU 等 15 家機構聯合發布的 TouchScale 資料集公開，500 小時人類第一視角視覺-觸覺資料由同一套穿戴裝置採集，雙手各含 880 個觸覺感測器單元。僅用這批資料做 mid-training，xArm6 機械臂加 BrainCo Revo 2 靈巧手在四項接觸密集型任務上的平均成功率從 22.5% 升到 57.5%；
TechCrunch AIAI 評分51
Industrial Next 與寶馬合作，AI 機器人產線換型縮短到數分鐘
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；
機器之心● 精選AI 評分75
ROMA 讓機器人主動互動探索物體，7B 模型比肩 GPT-6 Astra
人大高瓴 GeWu-Lab、智源研究院等提出 ROMA 系統，讓多感測器機器人主動與物體互動來補全物理理解，其 ROMA-7B 模型在 ROMA Bench 的 2100 道題上取得 72.9% 成功率，整體與 GPT-6 Astra 持平，並超過 GPT-5.4 與 Gemini 3.5 Flash。該工作同時開源了覆蓋近 2000 個真實物體、視聽觸力四模態同步採集的互動資料集 ROMI-2K，以及包含單鏈、多鏈和意圖驅動三類任務的評測基準。
TechCrunch AIAI 評分43
輝達前機器人產品負責人轉做投資，稱機器人仍處樂高時代
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。
機器之心● 精選AI 評分72
RobotAgentBench 發布：接入 Codex 等編碼智慧體後，機器人自主任務得分最高 48.5
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；
機器之心● 精選AI 評分80
Recursia 零樣本長時機器人操作超輝達 ASPIRE 最高 15.1 個百分點
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● 精選AI 評分78
港大 EgoWild2Dex 用 538.9 小時人類第一視角資料訓練機器人
香港大學 MMLab 提出 EgoWild2Dex，直接用 538.9 小時未經編排的人類第一視角資料訓練雙臂機器人，每個下游任務只需不到 1 小時真機資料，拆快遞、用熱熔膠槍固定手辦、製作冷飲等長時序任務平均成功率達 96.7%。方法核心是 GeoFormer 幾何變換模組，把晃動的人類視角對齊到機器人視角，處理速度比傳統投影加修復流程快 21.9 倍，再將人類、手套與真機資料統一到機器人動作空間做漸進式聯合訓練。
機器之心● 精選AI 評分65
Manifold AI 的 R²SI 登頂 RoboDojo 榜，超越 GPT-6-Astra
Manifold AI 流形空間的 WorldScape R²SI 框架在機器人學習基準 RoboDojo 的 Agent Track 登頂，超過 GPT-6-Astra 與輝達 GR00T-N1.7。該框架由內外雙層 Agent 組成，內層執行任務，外層跨輪次復盤、修訂 Skill 並訓練 reactive model（WSP）。在 push_T 任務中，動作步數從首輪 723 步（超出 600 步預算）降至 596 步，再降至 389 步，降幅約 35%。
機器之心AI 評分58
Aether AI 發布因果驅動機器人系統 CRIS-0
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。
X @BotAI 評分23
團隊推出 Team Bot，讓全員按需獲得資料科學家支援
有團隊建置了 Team Bot，讓公司每個人都能按需獲得資料科學家支援。產品經理用它調查產品使用情況，營銷人員用它衡量營銷活動結果，公司各團隊還用它搭建看板並跟蹤關鍵指標；原文中該工具也被稱為 Data Bot。目前披露的僅是內部使用場景，未給出具體模型、價格、上線時間與可用範圍。
機器之心● 精選AI 評分70
Sergey Levine：機器人硬體已夠好，難點在決策與資料順序
Sergey Levine 在播客 The Peterman Pod 中表示，機器人硬體已「足夠好」，當前最大挑戰是建立讓機器人理解外部世界的決策迴圈，而非控制身體。他認為正確順序是先積累紮實的具身經驗，再接入影片等其他來源資料，與先用網際網路影片訓練的路線相反；機器人對可靠性的要求高於大語言模型，強化學習尚未解決從 95% 到 100% 的最後一步。
機器之心AI 評分52
安徽已研製 31 款人形機器人原型機，前 8 月簽約 151 億元專案
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。
機器之心● 精選AI 評分69
多機構聯合綜述機器人遞迴自我改進，提出 L0-L5 分級
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。
Hacker News front pageAI 評分47
布朗學生髮布互動地圖，追蹤 AI 資料標註勞工的全球分佈
布朗大學本科生 Cunyan Ma 製作了一張免費公開的互動地圖，把科技公司、其中介機構與全球資料標註工人對應起來，用視覺化呈現所謂“AI 殖民主義”。地圖彙總了已有的資料工人資料庫、他本人的資料收集以及新聞報導。資料工作包括標註影像與詞性、轉寫語音、為聊天機器人回覆打分、勾畫醫學影像中的腫瘤邊界，部分工人還需觀看令人不適的影像或文字以訓練模型過濾這類內容。
量子位● 精選AI 評分66
清華、無問芯穹、智元提出群體經驗學習 CEL，96 臺機器人驗證
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%。
TechCrunch AIAI 評分23
TechCrunch Disrupt 2026 次日聚焦 AI，人形機器人登臺演示
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。
量子位AI 評分55
OpenAI 具身資料供應商指向 Maxinsights，已交付超 200 萬小時
據量子位梳理公開報導與業內線索，為 OpenAI 供應具身（第一人稱視角）訓練資料的供應商指向成立僅兩三年的 Maxinsights，OpenAI 未官方披露。該公司累計交付超 200 萬小時資料，另有 150 萬小時帶手部追蹤與語言標註的資料，月採集 45 萬小時，覆蓋 2000 多個真實環境、5 萬多個場景。
TechCrunch AIAI 評分34
前輝達高管：物理 AI 仍處樂高時代，尚未迎來機器人版 ChatGPT 時刻
前輝達產品營銷負責人、現 Techable Ventures 創始人 Amulya Vishwanath 表示，物理 AI 目前仍處於「樂高時代」，機器人領域的 ChatGPT 時刻尚未到來。她認為，當前行業仍在搭建機械手、執行器等基礎構件，通用與專用機器人並行推進，只有這些模組成熟組合後才可能迎來突破。她同時強調人才是關鍵壁壘，大量人才正流向 Anthropic、輝達等大公司。