17:27marktechpost@Michal Sutter精选72°Genesis AI 于 2026 年 5 月 27 日发布了 Genesis World 1.0,这是一个包含物理、渲染、编译和工具四个组件的仿真平台。该平台在仿真与真实机器人部署之间实现了 0.8996 的皮尔逊相关系数,并将策略评估时间从超过 200 小时缩短至不到 0.5 小时。这一突破使得机器人基础模型的规模化评估成为可能,显著降低了研发成本和时间。AI产品机器人仿真平台基础模型Genesis AI策略评估推荐理由:机器人研究者终于有了一个高保真、超高效的仿真评估平台——Genesis World 1.0 将评估时间从 200 小时压缩到半小时,做机器人基础模型和策略训练的团队可以直接用起来,大幅加速迭代。原文
23:50AK@_akhaliq精选Qwen-VLA 是一个统一的视觉-语言-动作模型,旨在跨任务、环境和机器人本体进行泛化。该模型通过融合视觉与语言指令,直接输出机器人动作。在多个基准测试中,Qwen-VLA 展示了优于现有方法的性能,尤其是在零样本泛化场景。其架构基于 ViT-L 视觉编码器和 Qwen2.5 语言基座。AI模型Qwen-VLA机器人多模态视觉-语言-动作推荐理由:通才机器人模型来了原文
16:37pandaily@contact@pandaily.com (Pandaily)中国全栈灵巧操作技术公司 Xynova 完成数亿元人民币 A 轮融资。该公司推出的 Flex2 灵巧手具备高灵活度和精准抓取能力,可应用于工业装配、医疗手术等场景。本轮融资将用于扩大产能、加速产品迭代和市场拓展。这标志着灵巧手技术从实验室走向商业化的重要一步,为机器人精细化操作提供了新方案。AI产品灵巧手机器人融资XynovaFlex2推荐理由:灵巧手是机器人落地的关键瓶颈,Xynova 的 Flex2 解决了精细操作难题,做机器人应用或自动化集成的团队值得关注。原文
11:06arXiv cs.AI@Chunru Lin, Hongxin Zhang, Fenghao Yu, Zhehuan Chen, Thomas L. Griffiths, Yejin Choi, David Held, Chuang GanRoboWits 是一个双手机器人基准测试,旨在系统评估机器人在意外条件下的认知推理、创造性工具使用和鲁棒性。研究团队提出了一个多智能体协作框架,自动生成包含几何、材料和装配推理的 30 个种子任务和 208 个变异任务。测试发现,预训练的视觉-语言-动作模型(VLA)在种子任务上表现尚可,但在变异任务上表现脆弱,无法应对需要推理和策略适应的操作场景。这表明当前机器人策略在创造性问题解决方面存在显著差距。论文机器人基准测试认知推理视觉-语言-动作模型创造性问题解决推荐理由:机器人研究者终于有了一个专门测试认知推理和意外应对的基准——RoboWits 揭示了 VLA 模型在变异任务上的脆弱性,做机器人操作和具身智能的团队值得关注这个评估框架。原文
15:38pandaily@contact@pandaily.com (Pandaily)精选Fortsense Technologies 正在开发单芯片 RGBD 空间相机,该相机融合了色彩和深度感知能力,旨在替代自动驾驶汽车和机器人中传统的摄像头加激光雷达组合。这种单芯片方案有望降低系统复杂性和成本,同时提升感知的实时性和准确性。预计该产品将在 2026 年 5 月左右推出,为物理 AI 应用提供更高效的视觉解决方案。AI产品FortsenseRGBD 相机自动驾驶机器人物理 AI推荐理由:Fortsense 的单芯片 RGBD 相机有望简化自动驾驶和机器人的感知系统,降低硬件成本,做自动驾驶或机器人开发的团队值得关注这一进展。原文
12:02arXiv cs.LG@Krishnam Gupta精选72°研究发现视觉-语言-动作(VLA)模型在电机指令层面存在根本性、可预测的失败差异。通过对 VQ-BeT、Diffusion Policy 和 ACT 三种架构在 PushT 和 ALOHA 14-DOF 双臂操作任务上进行 450 次评估,发现方向反转率是通用失败预测指标(AUROC 最高 0.93),而急动度监控仅对离散令牌架构有效,速度监控在连续架构中几乎无效(AUROC 仅 0.41-0.52)。研究强调架构匹配的监控选择至关重要,并开源了 SafeContract 工具包。论文VLA机器人动作监控失败预测SafeContract推荐理由:做机器人 VLA 部署的团队注意了——不同架构的失败模式完全不同,用错监控等于白费功夫。建议直接看方向反转率这个通用指标,并试试 SafeContract 工具包。原文
11:26arXiv cs.AI@Jiahe Pan, Stelian Coros, Jitendra Malik, Toru Lin精选该研究提出了一种基于物理原理的触觉表示方法——压力中心(CoP),用于解决仿真到现实(sim-to-real)迁移中触觉信息丢失的问题。传统方法常将触觉数据简化为粗糙的低维特征,而CoP保留了密集的接触信息,同时保持对仿真到现实迁移的鲁棒性。研究还提出了一种基于可导动力学的传感器校准方案,无需真实力测量即可估计触觉传感器方向。在盲操作任务(如插销入孔和球平衡)中,基于CoP的策略在五指手上实现了零样本仿真到现实迁移,性能优于二进制接触和原始触觉基线。分析表明,CoP策略能编码物体质量等任务相关物理属性,作为控制的副产品涌现。论文灵巧操作仿真到现实触觉表示压力中心机器人推荐理由:这项研究解决了灵巧操作中触觉信息从仿真到现实迁移的瓶颈,做机器人灵巧操作或触觉感知的团队可以直接参考其CoP表示方法,零样本迁移效果值得一试。原文
10:59IT之家(博客/媒体)精选Hugging Face 于 5 月 21 日发布 LeRobot Humanoid 双足机器人项目,面向机器人开发者和研究人员,起步价 2500 美元。该项目非成品,需自行组装,旨在提供可理解、可维修、可加装传感器的开源平台。硬件部分大量使用 3D 打印件和现成元件,软件部分提供校准、控制工具并支持仿真。团队鼓励先在仿真中训练动作,再在真实机体上测试,数据可反哺仿真环境。后续计划加入上半身集成和更高级行为。AI产品机器人开源/仓库3D 打印仿真Hugging Face推荐理由:Hugging Face 把双足机器人的门槛从几十万降到 2500 美元,做机器人研究的团队和学生可以直接用开源方案动手组装和训练,省去从零搭建的麻烦。原文
10:55pandaily@contact@pandaily.com (Pandaily)具身智能初创公司中科第五纪宣布完成数亿元A轮融资,由复地资本及国资背景投资者联合领投。这是该公司在2026年的第三轮融资,资金将用于全球扩张和其少样本物理AI模型的规模化。该公司的模型能够在少量数据下快速学习物理世界任务,有望推动机器人等具身智能应用落地。此轮融资表明资本市场对具身AI赛道持续看好,尤其是少样本学习技术被视为降低部署成本的关键。行业具身智能融资少样本学习中科第五纪机器人推荐理由:具身AI赛道再获资本加注,中科第五纪的少样本模型解决了机器人训练数据稀缺的痛点,做机器人或物理AI的团队值得关注其技术路线和融资动态。原文
17:12berryxia@berryxia76°中国机器人公司 Unitree 发布 WVLA 2.0 在真实会议室中的多任务清理测试视频,机器人全程自主识别垃圾、分类处理、擦桌子、摆放物品,面对外部干扰(人员走动、物品晃动)仍能稳定完成任务。视频为单次拍摄、无剪辑、无人工遥控,展示了机器人从实验室走向真实场景的关键突破。Unitree 以四足机器人起家,此次 WVLA 2.0 是其向实用场景机器人迈出的重要一步,背后体现了国产机器人在技术封锁下的工程实力。该视频引发全球机器人社区热议,被视为未来办公室/家庭清洁机器人的雏形。AI产品Unitree机器人实用场景清洁机器人国产技术推荐理由:做机器人或关注 AI 落地的开发者,这个视频值得看——Unitree 用真实场景证明了机器人不是实验室玩具,而是能解决日常杂务的实用工具。原文
15:13pandaily@contact@pandaily.com (Pandaily)GigaAI 在武汉光谷发布会上推出了全球首个 Physical AGI“双金字塔”架构,这是一个双轨框架,旨在解决阻碍具身 AI 实现真正扩展的数据和算法瓶颈。该系统通过两条并行路径分别处理感知与行动,试图突破当前具身智能在数据获取和模型训练上的天花板。这一发布标志着具身智能领域向通用物理智能迈出了重要一步,有望加速机器人在复杂环境中的自主决策能力。AI产品具身智能Physical AGIGigaAI双金字塔架构机器人推荐理由:具身智能团队一直受困于数据稀缺和算法不收敛,GigaAI 的“双金字塔”架构直接给出了并行解决方案,做机器人或物理 AI 的开发者值得关注这一新范式。原文
08:07IT之家(博客/媒体)英伟达计划在新加坡设立具身智能研发中心,聚焦AI与物理世界交互技术。该中心将致力于提升AI模型训练效率并降低运营成本,推动自动化制造与机器人系统发展。新加坡政府已确认这一消息,英伟达在上海和台北已有相关团队。黄仁勋认为AI与现实交互是下一个前沿,可解决制造业和医疗等领域的瓶颈。行业英伟达具身智能机器人自动化新加坡推荐理由:英伟达押注具身智能,做机器人或自动化制造的团队值得关注——这可能是降低AI落地成本的关键一步。原文
16:28rohanpaul_ai@rohanpaul_ai李飞飞在a16z视频中定义机器人不是按人形或汽车等形态,而是按功能:任何必须在物理3D空间中感知、理解并行动的“具身机器”。她提出“空间智能”是机器人的统一原则,使机器人能执行任务并与人类协作。她指出人类一直局限于单一物理地球3D世界,但结合3D生成与重建的新技术正在打破这一限制,创造出无限数字宇宙,可用于训练机器人、激发创造力、旅行和叙事。论文机器人空间智能3D生成具身智能a16z推荐理由:李飞飞讲机器人本质,清晰又启发原文
14:13IT之家(博客/媒体)精选深开鸿在开源鸿蒙智能物联网生态大会上发布了 M-Robots OS 2.0,这是全国首个基于开源鸿蒙的机器人操作系统。该系统具备多机实时协同、多硬件形态兼容、AI 原生等四大核心能力,支持 20 KB 到 X GB 的灵活部署。M-Robots OS 2.0 实现了中断响应时延≤1μs、任务切换时延≤1μs,本体间音视频时延低至 4 毫秒,相比 Fast-DDS 降低 42%。系统兼容 ROS1/ROS2、Dora-rs 等中间件,应用迁移成本降低 80%。项目已捐赠给开放原子开源基金会,设立 16 个专业 SIG 工作组。AI产品开源/仓库机器人操作系统鸿蒙M-Robots OS推荐理由:国产机器人系统新选择,时延低至微秒级原文
15:00IT之家(博客/媒体)精选智元发布新一代二阶段Motion-Between运控基座模型BFM-2,旨在让机器人具备类似“肌肉记忆”的自主运动能力。该模型能在任意状态(静态、预设动作或随机输入)下,让机器人自主进行高稳定性的动作插值和动态任务闭环。演示视频显示,搭载BFM-2的机器人被打倒在地后能快速站起并自我平衡。这为具身智能提供了更可靠的运动底座,提升了机器人在复杂环境中的适应性和鲁棒性。AI模型机器人运动控制基座模型具身智能智元推荐理由:做机器人运动控制的团队终于有了更可靠的基座模型——BFM-2解决了机器人在任意状态下自主恢复和动态平衡的痛点,做具身智能或机器人开发的值得关注。原文
02:57Y Combinator@ycombinatorSynphony 公司部署机器人用于草莓采摘,瞄准加州 30 亿美元的市场。劳动力成本占草莓生产成本的 60%,且劳动力正在快速减少,机器人成本已与人工持平。草莓作为切入点,全球浆果市场达 150 亿美元,该技术可扩展到其他作物。创始人 Sean Wu 和 Saichi Fujimoto 已正式发布产品。AI产品机器人农业自动化草莓采摘劳动力替代Synphony推荐理由:农业自动化终于有了明确的商业拐点——机器人成本与人工持平,做农业科技或关注劳动力替代的创业者值得关注,草莓只是起点。原文
02:10Google Blog: AI(博客/媒体)Google I/O 2026 的 Dialogues 舞台汇聚了行业领袖,探讨了人工智能、量子计算、机器人技术和创造力的未来。会议涵盖了从AI模型的最新进展到量子计算的实际应用,以及机器人如何与人类协作。关键讨论包括AI在创意产业中的角色、量子计算的突破性潜力,以及机器人技术的伦理问题。这些对话为技术发展方向提供了重要洞察,适合关注前沿科技的读者。行业Google I/OAI量子计算机器人创意推荐理由:想了解Google对AI、量子、机器人等前沿领域的最新战略方向?这场Dialogues舞台的精华总结值得一看,科技从业者和爱好者能从中捕捉到未来几年的技术趋势。原文
18:19向阳乔木@vista8一位前字节员工推荐了 Zara 开源的 lark-channel-bridge 工具,能将本地的 Claude Code 连接至飞书,使其成为飞书机器人。用户可在手机上通过飞书与 Claude Code 对话,完成复杂任务。该工具支持消息转发、可交互卡片、图片文件直接显示,以及全量搜索聊天记录。安装命令为 npx -y lark-channel-bridge @latest start,体验者反馈良好。AI产品飞书Claude Code开源/仓库机器人AI工作助理推荐理由:飞书用户和 Claude Code 重度使用者终于可以摆脱终端束缚,在手机上随时调用 AI 完成复杂任务,建议直接安装体验。原文
07:59Y Combinator@ycombinator精选General Instinct 公司成功将前沿 AI 模型部署到 Jetson、移动 NPU 和 ARM CPU 等受限边缘硬件上,使机器人及物理 AI 团队能够在离线环境下运行低延迟模型。这一突破解决了边缘设备算力不足的痛点,让 AI 模型在资源受限的场景中也能高效推理。该技术由 Bill Jiao 和 Guanming 领导,已获得 Y Combinator 支持。AI产品边缘计算机器人AI模型部署JetsonARM CPU推荐理由:做机器人或边缘 AI 的开发者终于有了靠谱的离线推理方案——General Instinct 让 Jetson 和 ARM 设备也能跑前沿模型,建议做嵌入式 AI 的团队点开看看。原文
03:24小互@imxiaohu精选该项目在GitHub上开源,复刻了Disney的BDX Droid小机器人。用户可以通过3D打印、组装和训练来制作属于自己的BDX Droid。项目提供了完整的硬件和软件指导,适合机器人爱好者。不需要专业设备,普通家用3D打印机即可完成。AI产品BDX DroidDisney开源机器人3D打印推荐理由:开源机器人,自己动手做原文
03:22小互@imxiaohu精选Open Duck机器人搭载了谷歌的Gemma 4模型,实现了视觉识别和自然语言对话。在演示中,它能识别书桌、水杯等物体并描述场景。机器人还能通过语音与用户进行多轮问答。该方案展示了40亿参数模型在边缘设备上的实时推理能力。AI产品Gemma 4Open Duck机器人多模态1 个信源在谈推荐理由:Gemma 4让机器人会看会聊原文
17:35Pandaily@contact@pandaily.com (Pandaily)精选广东天机智能在2026年第一季度获得超过1万只力控人形机械臂订单,产线良率超过99.5%。同期,公司发布了四款新的力控人形机械臂产品。这些订单和产品数据表明其量产能力取得进展。AI产品Tianji Intelligence人形机械臂力控机器人推荐理由:天机智能出货万只人形臂,良率超高原文
13:02Lenny Rachitsky@lennysan精选前OpenAI、Apple、Meta机器人专家Caitlin Kalinowski分享了七大关键洞察:AI前沿正从数字转向物理,因为键盘交互的AI即将饱和;未来两年战争领域的变化将超过消费电子;硬件行业面临内存危机,可能阻碍机器人革命;VR技术为机器人和战争奠定了基础;人形机器人被过度炒作,专用机器人才是未来;供应链独立是国家安全问题;构建安全机器人的最大挑战在于那些不易察觉的设计决策。行业机器人硬件供应链人形机器人AI物理化内存危机2 个信源在谈推荐理由:做机器人、硬件或AI硬件的从业者,这篇帮你提前看到行业天花板和供应链风险,建议囤内存、关注专用机器人方向。原文
11:52Lenny Rachitsky@lennysanCaitlin Kalinowski,曾从零搭建OpenAI机器人及硬件团队(此前也搭建了Meta AR/VR硬件团队),在访谈中解释了AI公司为何重注硬件。她认为,AI在键盘后的能力即将饱和,下一个前沿是物理世界,包括硬件、机器人、制造和工业化。她还讨论了VR技术如何成为现代战争基础、人形机器人仍处原型阶段的原因、即将到来的内存价格冲击,以及从乔布斯、扎克伯格和奥特曼身上学到的经验。行业AI硬件机器人物理世界OpenAI行业趋势2 个信源在谈推荐理由:Kalinowski从零搭建了两个顶级硬件团队,她的判断对AI从业者和硬件创业者有直接参考价值——如果你在思考AI下一步怎么走,这篇访谈值得看。原文
11:36arXiv cs.AI@Giorgia Modi, Davide Buoso, Giuseppe Averta, Daniele De Martini精选本文提出利用固定外部RGB摄像头作为通用先验地图(CPMs),为主动3D场景图(3DSG)生成提供初始语义和几何先验。系统通过前馈3D重建模型统一处理所有摄像头(机载和外部)的RGB观测,无需硬件修改。基于部分场景图的主动语义探索框架引导机器人前往语义不确定性高的区域,逐步完善先验。实验表明,仅使用一个外部摄像头即可将初始物体召回率提升最多79%,并显著提高后续主动探索的效率。论文3D场景图主动探索先验地图RGB重建机器人推荐理由:做机器人自主探索和3D场景理解的团队,这个RGB-only方案无需额外硬件就能大幅提升初始场景图质量,值得在现有系统中尝试集成外部摄像头作为先验。原文
10:41歸藏(guizang.ai)@op7418精选波士顿动力公司发布新演示视频,其Atlas机器人展示了更强的搬运能力。机器人成功将一个大型金属部件从地面搬起并移动到指定位置。该演示未公布具体负载数据,但视觉上比以往更重。AI产品波士顿动力Atlas机器人搬运推荐理由:看Atlas搬运重物原文
10:08arXiv cs.AI@Xinchen Jin, Aditya Chatterjee, Pranav Kumar, Rohan Paleja精选本文提出一种事件锚定的可解释性方法,将稀疏自编码器(SAE)的特征分析与机器人行为事件(如末端执行器关键帧)对齐,而非依赖文本上下文。该方法通过视觉、状态和时间线索聚类任务内的关键帧,将SAE特征与行为事件关联,并可选地通过VLM注释提供语义背景。实验在两种仿真架构和真实机器人上验证,事件锚定排序对OpenVLA产生最强因果效应,并迁移到π₀.5的连续动作块。研究同时指出SAE作为干预基础存在稀疏性和不完美性,干预效果因架构和干预位置而异,激进干预会暴露安全性和可解释性限制。代码已开源。论文稀疏自编码器VLA策略可解释性机器人行为事件推荐理由:做机器人VLA策略可解释性的研究者终于有了一个行为锚定的分析框架——事件锚定SAE直接关联动作与行为事件,比纯文本分析更贴近闭环控制,建议做机器人学习或可解释AI的团队点开看看。原文
12:01Lenny Rachitsky@lennysan72°前OpenAI、Meta、Apple机器人专家Caitlin Kalinowski在访谈中表示,未来两年战争领域的变化将超过消费电子。她曾参与MacBook Pro、MacBook Air、Mac Pro的工程,领导Meta的AR眼镜和VR硬件团队,并在OpenAI从零搭建机器人和硬件团队。她讨论了AI前沿从数字转向物理的原因、VR技术如何成为现代战争基础、人形机器人仍处于原型阶段的原因、即将到来的内存价格冲击以及建议初创公司提前采购内存。她还分享了从乔布斯、扎克伯格和奥特曼身上学到的经验,以及她为何在OpenAI与国防部合作后离开。行业机器人硬件战争技术VR/AR内存价格2 个信源在谈推荐理由:机器人领域顶级从业者把战争和消费电子的变化速度对比摆上台面,做硬件或AI物理落地的团队值得一听,尤其是她关于内存价格冲击的预警可能直接影响你的采购决策。原文
10:39arXiv cs.LG@Vaidehi Bagaria, Nikshep Grampurohit, Pulkit Verma精选该论文发现GRPO算法在VLA策略强化学习中,梯度计算占78%时间,而大部分计算浪费在策略已掌握的阶段。为此提出概率性分块掩码(PCM),通过成功-失败动作方差识别关键阶段,仅对少量分块进行梯度更新。PCM无需额外奖励模型,在LIBERO基准上保持相同成功率的同时,实现2.38倍加速、4.8倍梯度更新加速和60%峰值内存降低。论文强化学习VLA策略GRPO梯度加速机器人推荐理由:做VLA机器人强化学习的团队终于有了省算力的方案——PCM直接替换GRPO就能省60%内存、快2倍多,效果还不打折,建议做后训练优化的点开看看。原文
08:39小互@imxiaohu精选Figure 机器人公司通过 X 平台直播机器人与人类进行快递分拣工作的实时挑战。在直播过程中,人类工人在分拣速度上稍稍领先于 Figure 的机器人。该挑战展示了当前机器人在复杂物流任务中的实际能力与差距。行业Figure机器人快递分拣人机对战推荐理由:看看 Figure 机器人和真人比快递分拣谁快原文
08:13berryxia@berryxiaMeta AI 首席科学家、图灵奖得主 Yann LeCun 最新预测,未来 12 到 18 个月内将出现通用方法来训练分层世界模型。这些模型直接从视频和真实世界数据中学习,能够帮助机器人规划动作、辅助医疗系统决策,并解决更多物理世界中的实际问题。LeCun 认为,最终目标是将其扩展为通用世界模型,这标志着 AI 从“会聊天”走向“会做事”的关键一步。行业Yann LeCun世界模型物理世界机器人AI 预测推荐理由:LeCun 的预测直指当前大语言模型的局限——只会聊天不懂物理世界,做机器人、自动驾驶、医疗决策的团队值得关注这个从“理解语言”到“理解因果”的范式转变。原文
01:29berryxia@berryxiaHuggingPapers 推送了一篇重磅综述《World Action Models: The Next Frontier in Embodied AI》,首次系统定义了 WAMs 概念。WAMs 是能同时预测未来世界状态并生成真实可执行动作的具身基础模型,区别于仅处理语言的传统模型。论文梳理了架构设计、数据生态和评估协议,并附有 2024-2026 年发展时间线。这标志着具身智能从“思考”迈向“行动”的关键一步。论文具身智能World Action Models综述机器人世界模型推荐理由:这篇综述系统定义了 WAMs,解决了具身智能从“想”到“做”的落地难题,做机器人、具身 Agent 或世界模型的开发者值得收藏,直接看时间线图就能把握未来方向。原文
11:13arXiv cs.LG@Zhuohang Li, Liqun Huang, Wei Xu, Zhengming Zhu, Nie Lin, Xiao Ma, Xinjun Sheng, Ruoshi Wen精选Vision-Language-Action (VLA) 模型在灵巧操作中容易因高维动作空间和接触丰富的动力学产生累积误差。现有交互式模仿学习(IIL)在接管时存在人机指令不匹配,导致机器人手部“手势跳跃”。Hand-in-the-Loop (HandITL) 提出一种无缝干预方法,将人类纠正意图与自主策略执行融合,避免手势跳跃。实验表明,相比直接遥操作接管,HandITL 减少接管抖动 99.8%,降低抓取失败率 87.5%,平均完成时间缩短 19.1%。在三个长时灵巧任务上,用 HandITL 收集的干预数据训练的策略平均性能提升 19%。论文灵巧操作VLA模型人机交互干预学习机器人推荐理由:灵巧操作是机器人领域的硬骨头,HandITL 解决了人机干预时的“手势跳跃”痛点,做机器人操作或 VLA 模型微调的团队可以直接参考实验方法,减少训练数据收集中的噪声。原文
21:36Evan Morikawa@E0M一项观察指出,机器学习模型的规模扩展能够显著降低对大量昂贵且脆弱的力传感器的依赖。这意味着通过增加模型容量和训练数据,机器人或物理系统可以在更少的硬件传感器支持下实现精确控制。这一发现可能改变机器人硬件设计思路,降低系统成本并提高鲁棒性。对于从事机器人、自动化或物理AI的研究者和工程师来说,这是一个值得关注的趋势。论文机器学习扩展性力传感器机器人硬件设计推荐理由:做机器人或物理AI的团队可以重新思考传感器策略——用模型扩展替代部分硬件,降低成本和脆弱性,值得关注。原文
08:34Clement Delangue@ClementDelangueHugging Face CEO Clement Delangue 在 X 上分享,Reachy Mini 机器人出现在 LinusTech 最新视频的封面。这标志着开源机器人项目获得主流科技媒体关注。Reachy Mini 是一个可编程的桌面机器人,常用于 AI 研究和教育。行业开源/仓库机器人Hugging Face推荐理由:开源机器人项目获得主流科技媒体曝光,体现 AI 硬件社区影响力。原文
22:57Clement Delangue@ClementDelangue由于RAM成本上升和关税影响,Reachy机器人价格将于6月1日上调。目前仍维持早鸟价至调整前。该消息由公司创始人发布,暗示供应链压力正传导至终端产品。AI产品Reachy机器人硬件成本关税供应链推荐理由:Reachy是具身智能领域的代表性开源机器人平台,价格调整反映了硬件成本上涨对AI机器人行业的实际影响,从业者需关注供应链成本趋势。原文
11:18Ethan Mollick@emollick作者指出,尽管AI基准测试存在诸多问题,但相比机器人领域,追踪AI进展仍容易得多。机器人领域的演示视频(如机器人赛跑或洗衣服)缺乏独立、标准化的基准测试,难以量化其真实能力。作者质疑是否存在类似ARC-AGI那样的独立机器人基准测试,并暗示这可能导致对机器人进展的评估更加主观。行业基准测试机器人评估体系AI进展透明度推荐理由:该评论揭示了AI与机器人领域评估体系的不对称性,提醒从业者关注机器人基准测试的缺失及其对行业透明度的影响。原文