机器人相关 AI 资讯

7月10日

17:49

量子位@十三

LingBot-VA 2.0 是首个从物理世界数据出发的具身原生预训炼模型，相比上一代在机器人操作成功率上提升 15%。该模型采用自监督学习框架，无需人工标注即可从传感器数据中学习物理规律。在 3 个标准机器人基准测试（如 RoboTurk、FMB）中，LingBot-VA 2.0 均达到业界领先水平。同时，其模型参数规模为 7B，支持零样本迁移到新物体和场景。

推荐理由：想要给机器人造更聪明的脑子？这个模型直接学物理世界数据，不用人工标注，操作成功率提高15%，还是开源的，值得关注。

原文

7月9日

15:00

量子位@十三

该模型采用MoE架构，专为机器人具身场景设计。它首次将混合专家模型用于视频生成与动作控制的融合。模型已开源到GitHub，参数量为7B。在RoboCasa基准上取得了领先成绩。

AI模型 MoE 具身智能视频生成机器人开源模型

推荐理由：这是首个专门给机器人做的MoE视频模型，能看懂视频并规划动作，还开源了，做具身智能的值得看看。

原文

11:53

量子位@量子位的朋友们

量化派基于餐饮后厨场景的多模态数据，训练了物理世界基础模型Q-Phys-v1。该模型在Meta Habitat 2.0基准的物体抓取任务上达到88%成功率，在自主导航任务中路径规划效率提升40%。模型通过API和SDK向企业开放，支持场景定制。

AI模型量化派 Q-Phys 物理世界基础模型机器人自主导航

推荐理由：量化派把餐饮后厨数据用到物理模型上，思路很落地，Q-Phys在机器人任务上表现不错，适合做机器人和自动驾驶的公司看看。

原文

03:25

techcrunch@Rebecca Bellan

General Intuition计划使用数百万小时的视频游戏数据来训练机器人基础模型，减少对真实世界数据的需求。该公司认为这种方法能像ChatGPT改变语言AI一样改变物理AI。其目标是通过模拟环境中的海量数据，让机器人学习通用技能，然后在少量真实数据下快速适应新任务。目前该方向仍处于早期阶段，但已吸引投资者关注。

AI模型 General Intuition 视频游戏数据机器人物理AI 基础模型

推荐理由：这家初创公司想用游戏数据训练机器人，让它们学得更快更省钱，思路挺有意思，可能改变整个行业。

原文

03:03

官方账号Allen AI (Ai2)@allen_ai

精选

Allen AI发布的MolmoAct 2是一个完全开放的视觉-语言-动作模型。机器人工程师@pham_blnh利用该模型在周末构建了语音控制机器人。这款机器人赢得了@southpkcommons举办的AI黑客马拉松。Allen AI还发布了相关采访视频。

AI模型 MolmoAct 2 Allen AI 机器人语音控制黑客马拉松

推荐理由：Allen AI的MolmoAct 2开放模型，周末就能搭语音机器人，还赢了黑客马拉松，看采访视频了解细节。

原文

7月8日

22:25

量子位@思邈

RoboDojo新基准测试发布，人类表现100分，最强AI模型仅获12.8分。该基准包含200个具身智能任务，覆盖抓取、导航、操作等场景。当前模型在长时序任务和细粒度控制上明显落后于人类。测试揭示了机器人在泛化能力和物理交互方面的核心瓶颈。

AI模型 RoboDojo 具身智能基准测试机器人

推荐理由：RoboDojo这个新基准把人类和模型放到同一考场，人类满分100，最强模型才12.8，差距大到离谱，值得看看模型到底在哪栽跟头。

原文

16:32

16:32IT之家（博客/媒体）

精选73°

蚂蚁灵波科技发布并全面开源新一代具身基座模型 LingBot-VLA 2.0，数据量从 9 万小时清洗出 5 万小时真机数据，加上从 2 万小时第一视角数据中提炼的 1 万小时，预训练数据总计 6 万小时。模型支持 17 个品牌的 20 种机器人构型，覆盖单臂/双臂、双足/轮式等多种形态。在 GM-100 评测中，LingBot-VLA 2.0 在 AgileX Cobot Magic 和 Galaxea R1 Pro 平台上的平均任务进度分和成功率均领先于 π0.5 与 GR00T N1.7。后训练版本在 RTX 4090 上推理耗时控制在 130 毫秒以内。

AI模型 LingBot-VLA 2.0 蚂蚁灵波具身智能开源模型机器人

推荐理由：蚂蚁灵波开源了新一代具身模型 LingBot-VLA 2.0，在 20 种机器人构型上泛化，GM-100 评测中全面领先 π0.5 和 GR00T N1.7，而且推理速度很快，适合开发者试玩。

原文

10:16

官方账号arXiv cs.LG@Mohammadreza Kasaei, Klemen Voncina, Hamidreza Kasaei

该论文研究机器人在多障碍物环境中安全投掷物体到目标篮筐的问题。现有方法如TossingBot假设无障碍环境，而本工作引入势场状态表示（PFR），以固定网格编码篮筐吸引和障碍排斥，使强化学习策略能泛化到任意障碍数量与配置。在仿真中使用SAC、DDPG、TD3三种算法训练，其中SAC表现最稳定。真实实验中，对未见过的可投掷物体取得了高达90%的成功率，验证了PFR的鲁棒性和实用性。

论文 SAC DDPG TD3 TossingBot 机器人

推荐理由：这篇论文教机器人怎么在乱堆东西的桌面上把物体扔进篮筐，用势场表示结合SAC算法，真实实验成功率90%，比TossingBot强不少。

原文

7月7日

14:28

14:28IT之家（博客/媒体）

71°

英伟达与 Hugging Face 宣布合作，将 NVIDIA Isaac GR00T 1.7 机器人基础模型和 NVIDIA Isaac Teleop 远程操作框架接入 LeRobot 开源机器人库。后续计划引入 NVIDIA Cosmos 3 物理 AI 世界模型。此举连接英伟达的 300 万机器人开发者与 Hugging Face 的 1600 万 AI 开发者。LeRobot 已接入的开源物理 AI 数据集包含超过 35 万条真实与模拟轨迹及 5700 万次抓取数据。

AI模型 NVIDIA Hugging Face LeRobot Isaac GR00T 机器人

推荐理由：英伟达和 Hugging Face 把机器人基础模型和远程操作框架接入了开源库 LeRobot，还计划加入 Cosmos 3，海量数据集也能直接用。

原文

13:11

官方一手pandaily@contact@pandaily.com (Pandaily)

成立仅11个月的具身AI初创公司Simplexity Robotics宣布，其全场景机器人i7 Pro首批100台已交付至多个工业生产线。该机器人售价2.5万美元，具备自主导航和精细抓取能力，可替代3-4名产线工人。公司计划2026年底前再交付500台。

AI产品 Simplexity Robotics i7 Pro 具身智能机器人工业生产

推荐理由：一家才 11 个月的初创公司，已经交付 100 台 i7 Pro 机器人到真实产线，效率惊人

原文

11:55

官方一手Pandaily@contact@pandaily.com (Pandaily)

具身AI初创公司Zhijian Dongli成立仅11个月，宣布向生产线交付首批100台全场景机器人i7 Pro。该机器人可用于工业制造等场景，标志着公司从研发到商业交付的快速推进。i7 Pro是该公司首款批量出货产品，此前已在测试环境中验证能力。

AI产品 Zhijian Dongli i7 Pro 具身智能机器人生产线

推荐理由：一家成立不到一年的公司，就交付了100台i7 Pro机器人到产线上，效率惊人。和那些还在画饼的同行比，这步走得挺实。

原文

11:33

官方账号arXiv cs.AI@Kaiyuan Chen, Shuangyu Xie, Letian Fu, Justin Yu, William Pacini, Sandeep Bajamahal, Hudson Kim, Jaimyn Drake, Daehwa Kim, Haoru Xue, Jonathan Francis, Christian Juette, Peter Schaldenbrand, Muhammet Yunus Seker, Ruwan Wickramarachchi, Uksang Yoo, Guanzhi Wang, Adithyavairavan Murali, Balakumar Sundaralingam, S. Shankar Sastry, Spencer Huang, Yuke Zhu, Linxi "Jim" Fan, Ken Goldberg

GaP（Graph-as-Policy）是一种多智能体编码框架，从模块化开放机器人技能库MORSL生成含感知、规划和控制节点的有向计算图。它构建内部仿真环境并行排练不同图结构的任务实例，迭代优化图结构与参数以提升成功率和吞吐量。在8个新开放VA任务基准（4个仿真、4个真实世界）上，GaP的成功率显著优于基线方法。论文、代码和数据已开源。

论文 GaP MORSL 机器人多智能体变分自动化

推荐理由：这篇论文提出GaP，把机器人编程的可靠性和模型无关策略的适应性结合起来，在8个变分自动化任务上吊打基线。做机器人任务规划的话值得一看。

原文

7月6日

19:49

量子位@量子位的朋友们

一家中国公司在联合国展示类脑机器人，采用类脑计算替代传统算力堆叠。该机器人可在低功耗下完成环境感知与运动控制。类脑架构使模型能耗降低至传统方案的1/10。这一技术展示了对AI发展路径的新探索。

AI模型类脑机器人智能体中国公司

推荐理由：他们没堆算力，而是用类脑让机器人自己变聪明，在联合国亲自演示。

原文

09:12

09:12IT之家（博客/媒体）

日本经济产业省6月30日公布《人工智能机器人战略》修订版，计划到2040年在18个领域部署1000万台AI机器人。该战略旨在应对人口老龄化和低出生率导致的劳动力短缺。日本经产省未来5年将向软银、NEC、本田、索尼等创立的Noetra提供合计1万亿日元（约420.13亿元人民币）资金，用于多模态平台开发，其中2026财年拨款3873亿日元。

行业日本 AI机器人 Noetra 多模态机器人

推荐理由：日本政府打算砸1万亿日元搞AI机器人，到2040年铺1000万台，软银、索尼这些公司一起上，缺劳动力的可以关注。

原文

7月5日

18:25

18:25IT之家（博客/媒体）

国家税务总局数据显示，2025年前5个月我国具身智能产业企业销售收入同比增长22.4%。工业企业购进具身智能机器人金额同比增长2.3倍。机器人本体与整机制造、AI算法与软件集成、系统集成与行业应用企业分别增长30.1%、24.5%和27.9%。配套信息系统服务销售收入同比增长1.9倍。广东具身智能企业销售收入占全国比重达78.7%。

行业具身智能产业机器人广东企业销售收入国家税务总局

推荐理由：税务总局数据：前5月具身智能企业收入增22.4%，工业机器人采购飙2.3倍，广东占近八成。

原文

02:40

官方账号Yann LeCun@ylecun

Yann LeCun在推文中直言，至今没有Level-5自动驾驶汽车，更没有能在几小时练习中学会驾驶的汽车，而普通青少年可以做到。他指出，现有家用机器人无法执行10岁孩子首次被要求完成的任务。他甚至评价，没有机器人比家猫更聪明，因此AGI中的'通用'（General）是荒谬的。

行业 Yann LeCun 自动驾驶 AGI 机器人

推荐理由：Yann LeCun又出来泼冷水了，他说现在的自动驾驶和机器人连猫和小孩都比不上，AGI更是扯淡。想看看AI大佬怎么吐槽现状吗？

原文

7月4日

15:23

量子位@量子位的朋友们

光象科技宣布完成数亿元天使轮融资，资金将用于研发物理原生基座模型。该模型旨在提升机器人、自动驾驶等场景的物理世界模拟精度。融资由多家机构联合投资，具体资方未披露。

行业光象科技融资物理原生基座模型机器人自动驾驶

推荐理由：一家新公司拿到数亿元做物理世界的AI模型，看看他们要怎么搞。

原文

14:38

官方一手marktechpost@Asif Razzaq

NVIDIA 发布了 ASPIRE 自改进机器人框架，能自动编写并优化机器人控制程序。该框架在 LIBERO-Pro 长任务上实现 31% 零样本成功率，并通过迭代修复将性能提升最多 77 点。ASPIRE 还能将已验证的修复技能蒸馏为可复用的技能库，支持零样本迁移到未见过的长时任务。

AI模型 NVIDIA ASPIRE 机器人 LIBERO 自我改进

推荐理由：NVIDIA 搞了个新框架 ASPIRE，自己写程序自己修，LIBERO-Pro 长任务零样本就 31%，还能再提 77 点，做机器人的可以看看。

原文

14:05

14:05IT之家（博客/媒体）

宇树科技联合创始人陈立在2026亚布力论坛上表示，机器人行业突破需三大核心要点：统一端到端机器人大模型、低成本长寿命硬件规模化、低成本分布式算力。他指出具身智能达到“ChatGPT时刻”的标志是在80%的陌生场景中通过指令完成约80%的任务。陈立预测2030年具身智能机器人将引领消费浪潮并推动劳动力升级。

行业宇树科技具身智能机器人大模型

推荐理由：宇树科技联合创始人陈立讲得很实在，说机器人要像ChatGPT那样爆发需要两个80%：八成场景能完成八成任务。

原文

12:01

12:01IT之家（博客/媒体）

宇树科技联合创始人陈立在亚布力论坛上表示，机器人目前没有大面积应用，主要原因在于具身智能大模型尚未成熟。他认为未来2-5年需要统一的端到端机器人大模型，同时需降低硬件成本、提高寿命，并实现超大批量生产。此外，还需要低成本大规模算力，解决端侧续航散热和云端延时问题。

行业宇树科技具身智能机器人端到端模型大模型成本

推荐理由：宇树科技的人说了大实话：机器人普及卡在大模型上。未来2-5年看端到端模型和成本下降。

原文

01:02

官方账号MIT CSAIL@MIT_CSAIL

MIT CSAIL提出Masked IRL方法，利用LLM解决机器人面对模糊指令的问题。该方法包含两个模型：一个用于澄清用户提示，另一个忽略无关信息。这使机器人能更准确执行含糊不清的任务如'把那个东西放好'。

AI模型 Masked IRL MIT LLM 机器人模糊指令

推荐理由：机器人终于能听懂'把那个东西放好'这种模糊话了。MIT的Masked IRL用LLM先理清意图再干活，挺实用。

原文

7月3日

11:25

官方账号arXiv cs.AI@Yuquan Xue, Le Xu, Zeyi Liu, Zhenyu Wu, Zhengyi Gu, Xinyang Song, Bofang Jia, Ziwei Wang

WorldSample 提出一种物理基础的数据增强框架，通过世界模型生成高保真合成轨迹，解决真实机器人强化学习交互成本高的问题。在接触性和精密机器人操作任务中，WorldSample 将策略成功率提升 28%，训练步数减少 59%。世界模型视觉保真度提升 19.4dB PSNR 和 0.47 SSIM，验证了真实-合成循环的有效性。

论文 WorldSample 强化学习世界模型机器人数据增强

推荐理由：机器人强化学习的新思路，WorldSample 用世界模型生成合成数据，成功率提28%还省了59%训练时间，值得一看。

原文

04:03

Stanford AI Lab@StanfordAILab

精选

斯坦福AI实验室提出Freeform Preference Learning方法，让标注者用自然语言描述轨迹的偏好轴（如速度、精度、子任务完成度），而非仅做单一整体偏好选择。该方法学习基于这些轴的奖励函数，能提取更优策略。论文arXiv:2606.32027和博客已公开。

AI模型 Freeform Preference Learning Stanford 机器人偏好学习

推荐理由：斯坦福团队发了个新方法，让标注者用自然语言描述偏好，比单一打分更精确，机器人策略能学到更多结构信息。

原文

7月2日

18:05

官方一手pandaily@contact@pandaily.com (Pandaily)

智谱AI和银河通用作为北京AI双子星，分别在数字智能和具身机器人赛道推进AGI。智谱AI的GLM-4模型在多个基准测试中表现领先，银河通用的通用机器人产品已进入商业试点。两家公司均获得数十亿元融资，估值超过百亿美元。它们的技术路线互补，共同加速从实验室到万亿市场的跨越。

行业 Zhipu AI Galaxy General AGI 智能体机器人

推荐理由：看看国内AI双雄怎么从同一个实验室出发，一个做强模型，一个做真机器人，路子走得挺实在。

原文

17:18

17:18IT之家（博客/媒体）

韩国科学技术信息通信部于7月2日发布全国统一战略，目标跻身物理AI全球领军国家。战略设两大总体目标：掌握全栈技术并推动在制造、农业、国防、养老陪护等领域落地。核心攻关三大底层技术：物理AI基础大模型、世界模型、端侧低延迟计算平台。计划率先在地方制造场景验证自主精密制造系统与智能工厂方案，并搭建跨部委协同体系加速商业化。

行业物理AI 韩国国家战略机器人自动驾驶

推荐理由：韩国政府出手了，正式发布物理AI国家战略，要自研三大底层技术摆脱海外依赖，还在制造和农业等领域全面铺开。

原文

11:03

官方账号arXiv cs.AI@Chenyang Ma, Yue Yang, Radu Corcodel, Siddarth Jain, Andrew Wu, Chiori Hori, Diego Romeres

FurnitureVLA是首个系统研究真实尺度双手机器人家具组装的工作，使用Vision-Language-Action模型（VLA）。该工作形式化了任务，开发了可扩展仿真管道，并通过VR遥操作收集高质量真实世界演示。模型可处理多达7个子任务和1550控制步骤的极长程组装，通过预测连续进度信号实现自动子任务转换。在三种家具类型上，FurnitureVLA将平均仿真成功率从48%提升到80%，设计因素研究额外带来21%增益。在真实Kinova Gen3平台上，最难任务仅有16%的性能下降。

AI模型 FurnitureVLA VLA 机器人家具组装双手机器人

推荐理由：如果你关注机器人组装，FurnitureVLA用VLA模型把仿真成功率从48%拉到80%，还能在真机上跑。它处理长程任务的方式很巧妙，值得看看。

原文

04:00

04:00官方一手Berkeley BAIR Blog（博客/媒体）

加州大学伯克利分校BAIR实验室庆祝2026届博士毕业生。Charlie Snell研究LLM测试时扩展与预训练之间的权衡，提出了如何将测试时推理转化为模型持久表示的关键挑战。Eve Fleisig设计语言模型以可靠公平地服务真实用户，利用用户偏好分歧进行训练与评估。Baifeng Shi构建通用视觉与机器人模型，毕业后加入Physical Intelligence。Devon Guillory研究计算机视觉中的数据偏移，致力于构建协作AI系统。

行业 BAIR Berkeley 博士毕业生机器人大语言模型

推荐理由：看看BAIR今年毕业的博士们都在忙啥——有研究LLM推理的、有做机器人模型的、还有搞AI公平性的，都去了不错的去处。

原文

7月1日

07:29

Ate-a-Pi@svpino

销售K1和T1 Booster开源人形机器人的公司，发布了一款全新的AI IDE。该IDE专为机器人软件开发而设计，但目前尚未找到在线文档。这一举动延续了公司在开源机器人硬件上的理念，旨在简化机器人编程流程。目前没有更多的技术细节或发布日期。

AI产品 K1 T1 Booster AI IDE 机器人编程助手

推荐理由：之前造K1和T1机器人的公司，现在出了个给机器人写代码的AI IDE，挺新鲜的。

原文

03:28

官方账号Runway ML@runwayml

Runway AI Summit将于今年9月在旧金山举办，为期一天。峰会汇集机器人、自动驾驶、生命科学、基础设施等行业领袖，探讨AI如何重塑现实世界互动。首批演讲者名单已公布，更多嘉宾待揭晓。活动现开放注册。

行业 Runway AI峰会旧金山机器人自动驾驶

推荐理由：Runway在旧金山办AI峰会，主题是机器人、自动驾驶这些硬核领域，对AI落地感兴趣可以去听听。

原文

01:52

官方账号Jim Fan@jimfan

精选

ASPIRE 是斯坦福团队提出的新型机器人持续学习方法。它通过编码智能体观察仿真与真实机器人的多模态感官痕迹，对控制程序进行进化搜索，并将最佳技能提炼到不断扩展的库中。ASPIRE 实现了约 10 倍的迁移学习计算令牌节省，且开源完整代码。机器人在真实世界中学习 100 个任务后不会像第一次那样迷茫，技能库可无限累积。

AI模型 ASPIRE 机器人技能库迁移学习进化搜索

推荐理由：斯坦福团队开源了 ASPIRE，让机器人技能库自动进化，学了 100 个任务后还会越用越强，迁移到真实环境也快 10 倍。

原文

6月30日

19:25

量子位@田, 晏林

一家港股新贵公司宣布押注物理AI，计划通过乐动机器人打造万亿市场空间的核心基础设施。其目标是将物理世界高质量数字化，为机器人提供底层支持。市场分析认为，这将成为下一阶段机器智能的关键入口。

行业乐动机器人物理AI 港股机器人基础设施

推荐理由：港股新贵公司搞物理AI机器人基础设施，瞄准万亿市场，值得关注

原文

16:24

Stanford AI Lab@StanfordAILab

斯坦福AI实验室发布R&B-EnCoRe方法，这是一个视觉-语言-动作模型，能自主识别哪些思维链（chain-of-thought）有助于实际行动。该方法无需奖励函数、验证器或人工标注，完全由模型自监督学习。实验表明，R&B-EnCoRe在机器人操作任务中比基线方法有显著提升，证明了自我引导的推理训练的有效性。

AI模型 R&B-EnCoRe Stanford 视觉-语言-动作模型机器人思维链

推荐理由：斯坦福搞了个新方法，让机器人自己学会想什么有用，不用人教也不用奖励，挺酷的。

原文

16:11

官方一手pandaily@contact@pandaily.com (Pandaily)

总部位于深圳的具身AI公司夸威智能（Kuawei Intelligence）完成多轮融资，总额超过10亿元人民币，投后估值达到独角兽级别（约10亿美元）。公司专注于具身智能机器人研发，其产品已在工业制造和仓储物流场景落地。本轮融资由多家知名投资机构领投，资金将用于技术迭代和商业扩张。

行业 Kuawei Intelligence 具身AI 融资独角兽机器人

推荐理由：夸威智能刚拿了10亿融资成了独角兽，做能干活的人形机器人，不是PPT是实打实落地工业场景的。

原文

13:53

官方账号arXiv cs.AI@Yuhong Deng, Yuyao Liu, David Hsu

GROW^2提出一种层次化功能定位方法，将物体部件作为抽象层分割语义和几何过程。语义层利用VLM（如GPT-4V）分析任务指令并选择合适工具及关键部件；几何层通过视觉基础模型（如SAM）从单张RGB-D图像定位精确3D区域。在功能预测基准上，GROW^2优于现有基线方法，并实现对开集物体的零样本泛化。仿真和真实机器人工具使用实验均验证了其有效性，例如用盘子代替刀切蛋糕。

论文 GROW^2 VLM 视觉基础模型机器人工具使用

推荐理由：这篇论文教机器人像人类一样用盘子切蛋糕，不受工具原始功能限制。用VLM选工具、SAM定位，零样本效果比现有方法好。

原文

6月26日

12:34

berryxia@berryxia

阿里通义实验室新视频指出，具身智能的核心难点在于物理世界的不确定性。机器人面临传感器噪声、执行延迟、环境变化等挑战，简单抓取动作可能因光线、摩擦差异失败。相比之下，语言和代码世界的scaling law仍在快速进步。

行业通义实验室具身智能机器人物理世界

推荐理由：想看AI在真实世界碰壁？阿里通义实验室这个视频讲透了机器人拿鸡蛋为啥那么难。

原文

10:52

官方账号arXiv cs.AI@Junhao Shi, Zezheng Huai, Siyin Wang, Jia Chen, Yubang Wang, Zhaoye Fei, Hechang Chen, Jingjing Gong, Xipeng Qiu, Yu-Gang Jiang

OmniAct 提出了一个分层异步架构，将多模态语义规划器、基于事件边界压缩的自适应分层记忆和异步视觉抢占引擎模块化集成，以解决持久自主机器人的跨域工具调用与物理故障恢复问题。在40个真实世界长期任务中，使用两个机器人平台协调四个IoT设备，OmniAct在所有复杂度级别上端到端成功率一致提升，累积超过10万交互token时保持接近线性的token消耗，并让中等规模开源模型达到闭源模型性能。

AI模型 OmniAct 具身智能多模态机器人 IoT交互

推荐理由：他们搞了个新架构，让机器人能自己协调API、物联网和物理动作，干活出错还能自己恢复，20个任务里成功率都比之前高，而且省钱省token。

原文

00:06

techcrunch@Rebecca Bellan

AI公司General Intuition在最新一轮融资中筹集3.2亿美元，累计融资额达23亿美元。该公司利用《堡垒之夜》等数百万小时游戏数据训练AI智能体，旨在让AI学习人类直觉。其技术已应用于机器人领域，让机器人在虚拟环境中习得技能后迁移到现实。投资人包括软银、微软等，投后估值约60亿美元。

行业 General Intuition Fortnite 机器人智能体融资

推荐理由：General Intuition用游戏数据训AI机器人，刚融了3.2亿，和普通算法训练思路不一样，感兴趣可以看看。

原文

6月25日

22:54

22:54IT之家（博客/媒体）

2025年中国具身智能市场规模约9150亿元，预计2026年将达10904亿元。全国具身智能相关企业数量已突破万家。链博会展示了从核心零部件到整机系统的产业闭环。国家发改委表示将加快训练基础设施建设，推进具身智能进入工厂、商场和家庭。教育部2026年本科专业目录新增具身智能等专业。

行业具身智能机器人市场规模政策产业链

推荐理由：市场规模已经9150亿了，年底就要破万亿，而且国家在推、大学在开专业，这赛道真的起飞了。

原文

16:21

官方一手Pandaily@contact@pandaily.com (Pandaily)

RoboScience推出Visics，一个跨平台具身AI模型，能泛化到不同机器人、物体和任务。该模型基于端到端架构，在模拟和真实环境中均表现优越。实验显示，Visics在多种操作任务上成功率超过85%，远超现有基线方法。

AI模型 Visics RoboScience 具身智能机器人通用模型

推荐理由：RoboScience出了个Visics模型，能跨不同机器人干活，不用每换一种就重新训练，有点意思。

原文

10:59

官方账号arXiv cs.AI@Shuyi Zhang, Yunfan Lou, Hongyang Cheng, Yichen Guo, Chuyao Fu, Yaoxu Lyu, Xiaojie Zhang, Haoran Li, Pengwei Wang, Zhongyuan Wang, Shanghang Zhang

FORCE是一个三阶段框架，通过价值校准热身和自蒸馏来稳定VLA模型的强化学习微调。它解决了Q函数不稳定导致的初期遗忘和低质量探索数据导致的策略更新低效问题。在模拟和真实任务上，FORCE取得了79%的绝对成功率提升，比此前RL方法高出10%，同时训练速度加快32.5%。该框架无需人工干预即可实现稳健性能。

AI模型 FORCE VLA 强化学习机器人

推荐理由：新框架FORCE让机器人学动作更快更稳，成功率飙升79%，比现有RL方法还快32.5%，不用人插手。

原文