依意思最接近的 30 筆
小米的通用機器人操作基座模型關鍵技術獲 2026 世界網際網路大會“領先科技獎”，小米集團同時拿下“傑出貢獻獎”。峰會期間小米披露，人形機器人在汽車工廠中控臺側蓋板排序工站首次完成 8 小時整班作業，可自主糾偏並與產線系統級協同。家庭場景方面，基於 10 萬小時真實運算元據預訓練的 Xiaomi-Robotics-1 已在小米青年公寓試運營，完成連續超 30 分鐘、覆蓋 3 個房間、50+任務的長程驗證。該模型在 RoboCasa365、RoboDojo 等榜單位列全球第一。
10 月 21 日，奇瑞旗下墨甲機器人在蕪湖發布首款消費級家庭陪伴人形機器人墨寶（Mobo），並開啟全球預訂。機器人身高約 90 釐米、重 18 公斤，擁有 22 個運動自由度和 30 餘種動態表情，搭載視覺語言大模型、人臉識別與自研 MoAgent 智慧體，支援老人跌倒檢測提醒、兒童英語口語陪練和手機 App 遠端巡檢。單次續航約 1.5 至 2 小時，計劃 2026 年底量產，價格尚未公布。
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。
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。
RoboParty 發布全棧開源人形機器人 RP1，公開 URDF 與 MJCF 模型、關節軸佈局、電氣架構和自研 ROMOMO 關節模組引數，以及從控制到訓練部署的工具鏈。RP1 身高 135cm，開源版 24 個自由度、Pro 版 30 個，關節峰值扭矩 25～160N·m、48V 供電 CAN-FD 通訊，控制頻率 500Hz、策略更新 50Hz。hhtools 動作重定向工具已開源，System1/System2 仍在研究階段；
香港科技大學與澳門大學團隊提出 META-Robot，讓機器人在任務中同時改進操作技能、反饋獲取方式與判斷標準，並用動作級謂詞把失敗追溯到具體動作。在 LIBERO-Pro 模擬 Spatial-Task 設定下，採用 GPT-6 Astra 的 META-Robot 成功率為 95.8%，比 ASPIRE 的 60.0% 高 35.8 個百分點，移除動作級謂詞後降至 76.0%。
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。
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。
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。
小米開源了 AI 桌寵硬體 HachimoDock，軟體原始碼已上傳 GitHub，硬體物料清單、結構件模型與裝配教程在嘉立創公開，自製成本約 150 元。它結合按鍵、搖桿、語音和觸屏，可語音指揮電腦端 Agent（如 Codex、WorkBuddy）並在螢幕上顯示思考、執行、等待確認等狀態，還能借 xiaomi Miloco 聯動智慧家居。內建小狗形象可換成照片或社群數萬形象，使用者能用自然語言分鐘級生成元件；熱度已導致開發板、螢幕等元器件漲價缺貨。
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；
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。
Dream Labs 發布世界動作模型 Dream-1，通過公開 API 向全球開放，接入新的雙臂機器人即可開箱執行任務，無需微調、示教或機器學習經驗。公司同時結束隱身狀態，宣布完成 9000 萬美元種子輪融資；官方演示覆蓋 Hugging Face、KAIST、AgiBot 等 13 家機構的機器人，任務包括疊衣服、清理餐具、裝箱等。技術基礎是 2026 年 2 月的 DreamZero 論文，用 30 分鐘機器人資料後訓練即可零樣本泛化；
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。
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；
啟元發布面向機器人訓練的世界模型模擬器 PrimeSim，登頂 WorldSimProbe 的 LIBERO 綜合榜，並在五項測試中拿下三項第一。PrimeSim 為機器人建置可互動、可試錯、可持續學習的虛擬世界，用於開展策略驗證與強化學習，目標是縮小模擬與現實的差距、降低對昂貴真機試錯的依賴。評測結果顯示，在其中做強化學習可將策略成功率從 61.7% 提升至 73.2%。
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。
星衍智慧的通用具身 Harness 框架 Auriga 在零樣本、單次執行且不允許環境重置的 RoboDojo 評測中以 57.74% 平均成功率、64.00 分領跑榜單，並在 RoboCasa365 Target50 取得 73.2% 成功率。RoboDojo 覆蓋 42 項任務、6300 個測試 Episode，Auriga 以 GPT-6 Astra 為基礎模型，記憶任務成功率達 92.99%。
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。
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）。
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。
西門子將在第 26 屆中國國際工業博覽會上首次完整展示人形機器人端到端解決方案，併發布 20 餘款新品、開放 6 類具身智慧“進廠”場景。該方案覆蓋本體設計、工藝模擬、虛擬除錯到零部件加工、整機總裝與現場應用，現場用數控機床與輪式人形機器人即時互動還原“機器人上下料”，面向汽車質檢、零部件裝配與物流搬運。同期升級的“鑽耀之心 3.0”貫通工業五層架構，並展示資料中心 5.0+架構、AI 輔助程式設計使光模組裝配交付週期縮短約 50%。
可可矩陣發布機器人模型 CO01，把示範、失敗嘗試和即時指導作為「經驗提示」直接放進上下文，無需為新任務重新訓練。未見任務上，一段約 1 分鐘的示範平均成功率達 52%；微調要達到相近水平，需約 180 條示範、約 9 小時，準備時間相差約 460 倍。真機測試中，保留自身失敗歷史時，五次嘗試內累計成功率由首次的 33% 升至 84%；不保留歷史則為 56%。同一套視覺主幹權重覆蓋深度、分割、光流等任務，8 項基準中有 5 項優於專用模型。
智元發布具身模型 GO-3 Preview，稱在預訓練、後訓練和部署後實現全鏈路規模化學習，並在 RoboDojo、RoboTwin、RoboColiseum 三項評測中排名第一。其預訓練約九成使用人類第一視角資料，採用 WRAM 架構；後訓練系統 Genie Evolver 結合百臺級真機、模擬與世界模型，手機包裝任務成功率由 50.8% 提升至 98.3%。
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%。
VaM（Value as Memory）把價值模型的近期預測作為任務進度記憶輸入動作策略，機器人在紙盒裝配任務中連續自主執行 4 小時，成功率超過 95%。方法基於 π₀.₅ 建置動作專家，用 GRU 編碼歷史價值與本體狀態，價值預測與動作生成非同步計算，策略直接讀取已快取的價值。真機消融顯示，相比去掉價值快取，最終成功率提升 29.4%；線上 RL 方案相比離線方案平均成功率再提升 32.8%，每個梯度步消耗的真實世界時間降低 57.8%。
Eka Robotics 完成 1.5 億美元 A 輪融資，由 a16z 與 F-Prime 領投，投後估值 14.5 億美元。其核心技術是視覺-力覺-動作模型（區別於視覺-語言-動作模型），配合力感測器更多的柔性機械手，每小時可抓取約 1500 個 1 公斤以內的物體（人類約 600 個），成功率超過 95%，能捏起覆盆子而不壓碎。
馬斯克在 X 上表示，Bot 可以接入 X 帳號，使用者只需開口請求就能完成連線，之後通過 X Chat 私信與 Bot 對話。該帖由 @elonmusk 於 2026 年 10 月 13 日發出，沒有說明指的是哪一款 Bot、接入的具體操作步驟，也沒有給出可用範圍與上線時間，只確認了從 X Chat 私信這一入口與 Bot 互動的方式。
清華大學李一鳴團隊發布世界動作模型 PrismWAM，在雙臂操作基準 RoboTwin 2.0 上以平均成功率 83.67% 位列官方榜首，且未做額外的動作資料預訓練。該模型把語義上下文與物理狀態解耦，動作生成只讀取深度物理表徵，在 Clean-to-Random 高難度遷移評測中成功率達 75.5%。