跳到正文
10月15日周四
  1. RadarAI34

    Chollet 称自主机器人需工程化因果推理,Aether AI 的 CRIS-0 正做此探索

    François Chollet 在 X 上表示,仅靠自回归采样无法解决真实世界物理任务,要实现真正的自主机器人,必须把因果性和离散推理重新工程化进整个循环。他点名 Aether AI 的 Biwei 团队正在做这类基础性、非共识的工作。该团队的 CRIS-0 系统会追踪任务关键条件、预测每个动作带来的变化,并在出现意外时重新规划。

10月14日周三
  1. Hacker News71

    Physical Intelligence 发布 Pi API Beta,开放机器人基础模型微调与推理

    Physical Intelligence 发布 Pi API Beta,开发者可上传数据、在其托管的算力与基础设施上微调 π 模型,并通过托管网关运行推理。该 API 已提供数据效率更高的微调能力,早期合作方覆盖从日本到瑞士及美国的多类部署场景,其中 Almond 团队用 API 迭代四天后让 Axol 双臂机器人完成去毛刺任务。

  2. 量子位15

    2026 全球开发者先锋大会暨国际具身智能技能大赛十大亮点盘点

    2026 全球开发者先锋大会暨国际具身智能技能大赛将于 10 月 23 日至 25 日在上海浦东举办,设置 9 大重点赛道、23 个赛项,智元、宇树等千台机器人同台亮相。大会将机器人能力拆解为可复用作业技能包,覆盖上下料搬运、焊接、精密装配等真实场景,并首发库帕思五大方向行业标准及“中国移动・时空智能”三大模型。

  3. 量子位42

    破晓智能发布全身全模态数据采集系统SeePhys Hub,计划2027年推出全模态世界模型

    破晓智能联合天珑移动发布全身全模态数据采集系统SeePhys Hub,由四目头环、两个腕部手环、三个腰腿部动作追踪器和可选触觉手套组成,通过视觉、IMU、UWB融合恢复全身姿态并采集手部接触压力,头环内相机、IMU和UWB同步精度不超过0.5毫秒。创始人杨朔称团队预计2027年推出全模态世界模型,优先在工业、餐饮零售等垂直场景验证,现阶段不造自有机器人本体。

  4. Hacker News38

    AlphaNIST:从二元任务奖励中涌现的装配技能

    AlphaNIST 让机器人通过二元任务奖励和大量多样化经验自主学习装配,而非人工预设每一步动作。单一策略在 NIST Assembly Task Board #1 的全部二十项装配任务上训练,零件最小仅 4 mm,训练起始状态涵盖散件、手中抓取和模拟中缓存的部分装配体。该方法采用成功引导采样,优先练习成功率约一半的起始状态,同时保留每个状态的机会。

  5. RadarAI38

    GPT-6 之后,机器人创业还剩下什么?

    GPT-6 Astra 在 3D 空间理解、上下文理解和反思纠错上的跃升,让通用大模型接管了原本属于具身模型的上层能力。英诺基金王建明、诺亦腾韩磊、潜界科技胡钰承在极客公园节目中认为,物理执行、实时响应与数据配比仍是机器人创业公司必须自研的核心壁垒。

  6. RadarAI60

    黄仁勋宣布英伟达拟追加 20 亿美元投资欧洲 AI,并注资法国四家初创企业

    英伟达 CEO 黄仁勋在欧洲访问期间宣布,计划在去年 80 亿美元欧洲投资的基础上追加 20 亿美元,并向法国初创企业 Doctolib、Genesis AI、Pigment 和 Entalpic 注资。他会晤法国总统马克龙,讨论在法投资、开源软件与 AI 安全议题,并主张欧洲发展开源模型以追赶美国。黄仁勋还预计,以人形机器人为代表的物理 AI 将成为英伟达技术的下一个巨大市场。

  7. RadarAI58

    王兴兴:GPT-6 在多种机器人上测试效果很好,最大错误是对 AI 相信不够

    宇树 CEO 王兴兴表示,GPT-6 发布后在各种机器人上测试效果很好,宇树和其他机器人公司已在工厂落地试点,但大规模应用还需提升泛化性和效率,未来几年很可能解决。他认为商业服务场景的落地可能比工业领域更快,并称过去十几年自己犯的最大错误就是对 AI 的相信还不太够。转发该内容的作者评论称机器人行业要被 OpenAI 抄家了。

  8. RadarAI42

    Pi API 正式进入 beta 测试

    Pi API 正式进入 beta 测试阶段,Chelsea Finn 在 X 上宣布这一消息并表示希望大幅扩大测试范围。目前已有多人使用该 API 为自家机器人微调 π 模型,感兴趣者可查看博客并报名参与。

  9. RadarAI36

    Flox Intelligence 用 AI 让野生动物远离火车、机场和公路

    Flox Intelligence 推出边缘 AI 野生动物驱离设备,通过运动传感器唤醒摄像头、用端侧模型识别动物种类,再播放对应物种的驱离声音,并会变化响应避免动物习惯化。该设备已在北美、欧洲和澳大利亚部署约 150 台,覆盖机场、公路铁路走廊、国家公园等场景,公司预计 2026 年底营收约 150 万美元,并已与列车制造商 Alstom 达成 OEM 合作。

  10. RadarAI38

    Laplace Intelligence 为机器人和自动驾驶汽车做自动化红队测试

    密歇根大学孵化的 Laplace Intelligence 正在为机器人和物理 AI 构建自动化红队测试,用 AI 智能体在仿真中主动寻找失败点。其仿真环境基于 Nvidia Cosmos 后训练版本,可重建亚利桑那高速公路、巴黎人行横道等真实场景,并让其他交通参与者实时反应。客户包括五十铃、Bot Auto 和 Nvidia,并与 T-Mobile 合作在圣何塞开展智慧城市试点。

  11. TechCrunch · AI22

    Laplace Intelligence 为机器人和自动驾驶汽车做自动化红队测试

    密歇根大学孵化的 Laplace Intelligence 正在为机器人和物理 AI 构建自动化红队测试,用基于 Nvidia Cosmos 后训练的高保真仿真环境加 AI 智能体主动搜寻极端场景,让系统在部署前暴露并修复问题。客户包括五十铃、Bot Auto 和 Nvidia,并与 T-Mobile 合作在圣何塞开展智慧城市试点。

  12. RadarAI78

    Google 展示 Gemini 4 Argon 让机器人看视频学会投掷

    Google 展示 Gemini 4 Argon 在机器人领域的真实世界物理学习能力:让 Argon 观看人类玩 cornhole 的视频,它映射环境、计算全身关节动作,并自主构建仿真代码进行练习。迁移到 Apptronik 的 Apollo 人形机器人后,该机器人在真实世界试验中连续投中七次。

    推荐理由:Google 展示 Gemini 4 Argon 从视频学习全身动作并迁移到人形机器人的路径,可观察具身智能的训练方式变化。

10月13日周二
  1. RadarAI62

    Nature Will 发布首个物理世界基础模型 Natura-1

    Nature Will 发布其首个面向物理世界的基础模型 Natura-1,训练数据为 100 万小时人类处理不同场景与物体的第一视角视频,可处理从未见过的物体和任务。模型支持指定物体最终位置和朝向的细粒度指令,能在抓取方式中途变化时保持控制、双手执行不同任务。在长任务中,Natura-1 可跟踪已移动或打开的物体以确定下一步。

  2. RadarAI28

    华为哈勃投资视塔机器人:98 年博士用柔性光子晶体材料做机器人电子皮肤

    视塔机器人完成天使轮融资,华为哈勃参投,创始人张伟为 98 年博士,团队平均年龄 23 岁。公司基于胆甾相液晶弹性体(CLCE)等柔性光子晶体材料,将机械形变转化为光学信号,研发高密度、超薄型机器人电子皮肤,并配套数据采集设备与自研触觉小脑模型,提升精细操作任务成功率。