AITOP

机器人

共 151 条相关 AI 资讯
6月25日
09:21
09:21IT之家（博客/媒体）
智元联合创始人兼总裁彭志辉在MWC26上海主题演讲中指出，AI下一阶段核心是从数字世界走进物理世界，自主完成任务。他强调未来AI将持续运行、学习并创造生产力，行业将迈入具身智能规模化部署时代。彭志辉提到特斯拉计划年底实现数千台人形机器人量产，波士顿动力也转向商业落地价值挖掘。他提出XYZ曲线划分产业发展周期，其中Y曲线是部署成长期，机器人具备完整交互作业能力，大规模落地真实场景。
行业智元彭志辉MWC26具身智能机器人
推荐理由：智元总裁彭志辉在MWC26上说了大实话：资本不再为机器人炫技买单，得在工厂、仓库真干活才行。还提到特斯拉计划年底量产数千台人形机器人，波士顿动力都转商业化了。
原文
6月24日
12:07
11:58
11:58官方账号arXiv cs.LG@Maggie Wang, Lars Osterberg, Stephen Tian, Ola Shorinwa, Jiajun Wu, Mac Schwager
InSight框架通过将VLA模型在原始动作层面变得可操控，从而解锁自主技能获取能力。该框架包含自动分割管道，利用VLM计划分解和末端执行器姿态将演示分割成带标签的原始动作，以及VLM引导的数据飞轮，自动识别缺失原始动作并尝试演示。在模拟和真实世界操作任务中（包括方块翻转、抽屉关闭、清扫、扭转、倒水）评估，无需任何人工演示即可学习这些技能。学到的原始动作可组合执行新颖的长周期任务，无需额外人工演示。
论文InSightVLA操作技能自主学习机器人
推荐理由：这篇论文提出了InSight框架，让机器人通过VLA模型自己学新技能，不用人教，就能搞定方块翻转、倒水这些操作，很有实用性。
原文
10:24
6月23日
13:33
13:33官方账号arXiv cs.LG@Mingi Choi, Gunhee Kim, Jisoo Kim, Taeksoo Kim, Taeyun Ha, Jongbin Lim, Hanbyul Joo
AutoDex是一个自动化真实世界数据收集系统，用于灵巧抓取。它利用20个摄像头在严重手-物遮挡下定位物体，执行碰撞监控的运动，标记抓取成功或失败，并主动重置物体。在100个不同物体上使用Allegro和Inspire手收集了3,593次抓取试验。与遥操作相比，处理500次轨迹只需10.3小时（遥操作49.4小时），吞吐量提升4.8倍。从AutoDex验证数据库检索的抓取成功率为76%，而仅模拟验证为34%。
论文AutoDex灵巧抓取机器人多视角感知自动化数据收集
推荐理由：AutoDex自动搞定灵巧抓取数据收集，比遥操作快4.8倍，成功率碾压纯模拟验证
原文
13:02
13:02官方账号arXiv cs.AI@Ulas Berk Karli, Tesca Fitzgerald
论文提出RECALL方法，用于视觉-语言-动作（VLA）模型的主动持续学习。与被动模仿学习相比，不确定性引导的数据收集使微调效率提升30%以上。但仅训练恢复数据会导致灾难性遗忘，在OpenVLA模型上丢失20%的旧任务性能。评估了重放混合和弹性权重巩固（EWC）两种持续学习技术，发现可塑性与记忆保留之间存在权衡。实验在3个机器人操作任务上进行，表明不确定性引导的恢复演示能提升适应效率，但如何平衡新旧知识仍是开放挑战。
论文VLARECALL主动学习持续学习机器人
推荐理由：这篇论文研究了怎么让机器人在学新任务时不忘旧技能，用不确定性主动挑数据微调VLA模型，比被动收集更高效，还试了两种防遗忘方法，挺实在的。
原文
6月21日
19:23
6月19日
00:02
6月18日
13:58
10:08
03:06
02:14
00:55
6月17日
23:33
23:33IT之家（博客/媒体）
精选
领益智造在北京亦庄的具身智能机器人超级工厂近日规模投用，是京津冀首个万台级工厂。该工厂覆盖从核心零部件到整机组装的全链条制造，采用力觉+视觉双引导精密装配，换型时间小于15分钟。整机环形吊轨测试线可同时承载6-12台机器人，动态验证性能边界，较传统线体节能约25%。工厂全站自研MES、WMS、QMS系统，实现全流程数字化追溯，可在24小时内完成质量闭环优化。规划年产能逐步爬坡，预计2030年达到50万台套。
行业领益智造具身智能机器人京津冀机器人智能体
推荐理由：领益智造在北京开了家能年产50万台具身机器人的大工厂，从零件到整机全包，还有自动测试线，想了解机器人量产进展的可以看。
原文
23:31
23:30
23:17
10:46
10:10
04:49
03:03
01:58
01:57
6月16日
14:55
12:23
01:06
6月15日
11:12
6月13日
22:23
13:26
6月12日
13:15
13:14
13:14
12:05
12:05官方账号Allen AI (Ai2)@allen_ai
精选
Allen AI 宣布其机器人基础模型 MolmoAct 2 在不到一个月内被下载超过 40 万次。现在他们开源了完整的代码和训练数据，允许开发者进行微调或在此基础上构建。这标志着机器人领域的一个重要开放资源，降低了进入门槛。
AI模型机器人开源/仓库基础模型微调Allen AI
推荐理由：机器人开发者终于有了一个完全开源的基础模型可用，MolmoAct 2 的完整代码和数据让你可以直接微调或构建自己的机器人应用，值得立即尝试。
原文
10:53
10:53官方账号arXiv cs.AI@Zhao-Heng Yin, Guanya Shi, Pieter Abbeel, C. Karen Liu
Mana 提出了一种将灵巧操作视为动画问题的 sim-to-real 框架，解决了铰接工具操作中协调内部自由度与接触交互的难题。该框架通过粗到细的流水线，将程序化生成的关键帧转化为操作轨迹，结合运动规划与强化学习实现零样本迁移。数据生成几乎全自动，每个工具仅需不到一分钟的鼠标点击指定功能属性。在四种不同铰接工具上，Mana 实现了零样本的 sim-to-real 抓取与手内操作，展示了可扩展的灵巧操作方案。
论文灵巧操作铰接工具sim-to-real强化学习机器人
推荐理由：铰接工具操作是机器人灵巧操作的硬骨头，Mana 用动画思路解决了数据生成和迁移难题，做机器人操作或 sim-to-real 的团队可以直接参考其零样本迁移方法。
原文
06:16
00:35
00:35官方账号NVIDIA AI@NVIDIAAI
精选
NVIDIA 发布了 Cosmos 3，这是一个专为机器人和物理 AI 设计的基础模型平台。该平台旨在加速机器人感知、规划和交互能力的开发，通过提供预训练模型和工具链，降低物理 AI 应用的门槛。Cosmos 3 支持多模态输入，能够生成高保真的物理世界模拟，帮助开发者更快地训练和部署机器人系统。这一发布标志着 NVIDIA 在物理 AI 领域的重要布局，有望推动机器人技术从实验室走向实际应用。
AI产品机器人物理AINVIDIA基础模型仿真
推荐理由：NVIDIA Cosmos 3 为机器人开发者提供了现成的物理 AI 基础模型，省去了从零训练的时间和成本，做机器人感知或仿真的团队可以直接上手试试。
原文
6月11日
16:07
16:07官方一手pandaily@contact@pandaily.com (Pandaily)
北京星源智机器人公司在10个月内累计融资10亿元人民币，专注于开发具身智能的“大脑”技术。这笔资金将用于加速其AI大脑的研发和商业化，旨在让机器人具备更高级的感知、决策和行动能力。该公司的技术路线强调将AI与机器人硬件深度融合，以推动服务机器人和工业机器人的智能化升级。此次融资反映了资本市场对具身智能赛道的高度关注，尤其是在机器人核心智能技术上的投资热情。
行业具身智能机器人融资AI大脑星源智
推荐理由：具身智能是AI的下一个前沿，星源智的融资规模说明资本正在加速押注机器人大脑技术。做机器人硬件或AI算法的团队值得关注，看看他们的技术路线能否解决当前机器人的智能瓶颈。
原文
11:20
11:20IT之家（博客/媒体）
京东在 618 期间于京东 MALL 引入多款智能机器人作为实习员工，覆盖迎宾、导购、理货、咨询等核心零售场景。这些机器人包括智元 X2 人形机器人、宇树 Go2 四足机器狗等，基于具身智能技术提升线下消费体验。京东还宣布建成全球最大具身智能数据采集中心，计划发动数十万人参与数据采集，以推动行业技术发展。此举标志着具身智能在零售领域的规模化落地，为线下门店运营模式带来变革。
AI产品具身智能机器人京东零售数据采集
推荐理由：京东把具身智能从概念拉进了真实零售场景，做线下零售或机器人应用的团队值得关注——这是少有的多机型、多岗位协同的实战案例，可以直接参考其岗位分工和数据采集模式。
原文
11:04
11:04官方账号arXiv cs.AI@Adam Wei, Nicholas Pfaff, Thomas Cohn, Arif Kerem Dayı, Constantinos Daskalakis, Giannis Daras, Russ Tedrake
精选72°
机器人领域的高质量任务数据昂贵且难以收集，而次优数据（低质量或分布外演示）却大量存在。现有方法在同时训练两类数据时，常无法区分次优样本中的有用和有害特征。Ambient Diffusion Policy 通过引入噪声依赖的数据使用策略，仅在高和低扩散时间步利用次优数据，从而提取有用特征。该方法基于机器人动作数据的频谱幂律分布，利用全局到局部层次和局部性两个性质。在六项任务上，针对四种次优数据（噪声轨迹、仿真到现实差距、任务不匹配、大规模数据混合），该方法均有效，并在 Open X-Embodiment 数据集上比现有方法提升高达33%。
论文机器人模仿学习扩散策略次优数据Open X-Embodiment
推荐理由：机器人团队终于有了一个能高效利用次优数据的实用方法——Ambient Diffusion Policy 解决了低质量数据难以训练的问题，做机器人模仿学习的开发者可以直接在现有数据集上尝试，有望大幅降低数据收集成本。
原文
11:02
11:02官方账号arXiv cs.AI@Ria Doshi, Tian Gao, Annie Chen, Chelsea Finn, Jeannette Bohg
多机器人协作在移动场景中面临扩展性差和部分可观测性问题。CHORUS框架利用预训练视觉-语言-动作（VLA）模型的视觉运动先验，使每个机器人仅依赖自身局部观测和身份提示即可独立运行，无需推理时通信或显式对齐。在移动测量、图书交接和洗衣篮搬运等真实实验中，CHORUS相比从零训练的分散模型提升64%性能，对队友行为的反应性提高40%，并超越集中式基线。该工作表明，共享VLA骨干网络足以实现去中心化多机器人协作，无需为每个机器人单独训练策略。
论文多机器人协作VLA模型去中心化机器人预训练
推荐理由：多机器人协作的扩展性难题被VLA模型破解了——做机器人集群部署的团队可以直接参考CHORUS的零通信方案，省去复杂的对齐和通信模块。
原文