秦深涛谈 OriginFlow:用非侵入式肌电接口做 Human to Robot Transfer
OriginFlow 创始人秦深涛在《信号与噪声》介绍这条不同于脑机接口的路径:用腕部传感器采集肌电(sEMG)运动神经信号,在动作发生前数十毫秒识别意图,建立 Human to Robot Transfer 的第一代接口。
试运行:收录范围与分类仍在校准,更新可能延迟。 最近内容更新:2026-11-04 17:28(北京时间)
OriginFlow 创始人秦深涛在《信号与噪声》介绍这条不同于脑机接口的路径:用腕部传感器采集肌电(sEMG)运动神经信号,在动作发生前数十毫秒识别意图,建立 Human to Robot Transfer 的第一代接口。
1X 宣布任命 Tom Sanocki 为工程副总裁。Sanocki 曾任 Roblox 首位虚拟形象工程总监,并在 Meta 的 Horizon Worlds 带领四个工程团队,还创办过被 Lytro 收购的 VR 互动角色平台。他将参与扩展 NEO 人形机器人能力,并推动 1X 近期公布的开发者平台落地。
1X 宣布成立 1X World Model Lab,专注通过大规模具身世界模型预训练加速全自主人形机器人。公司同时宣布 Sam Sinha 加入,担任创始 AI 研究员兼世界模型负责人,他此前是 Luma AI 创始研究科学家,参与多模态生成视频模型扩展及 Uni-1 相关工作。
关注价值:1X 把世界模型预训练单列为研究组织,并公开数据闭环思路,可观察人形机器人厂商自建基础模型的路径分化。
World Labs 团队发布文章,把当前被称为世界模型的能力拆成渲染器、模拟器和规划器三类,分别输出像素观测、世界状态和动作。文章认为模拟器关注度最低但最关键,是连接视觉渲染与机器人规划的桥梁,并以 Marble 同时输出 Gaussian splats 和碰撞网格为例说明边界正在融合。文中还指出三维数据稀缺、仿真到现实迁移差距和生成式模拟器的物理错误仍是待解难题。
关注价值:World Labs 把世界模型拆成渲染器、模拟器、规划器三类,并解释模拟器为何是连接视觉与行动的关键环节。
破壳科技创始人、清华大学助理教授许华哲在播客对谈中称,具身智能目前只跑完“第一公里”,大规模数据来源、系统泛化与长期任务稳定执行等问题尚未真正开始解决。他认为行业相信 scaling law,但今天还没有真正“证明”它,VLA 也“还不够优雅”。
Figure 宣布与 Catalyst Brands 达成商业协议,将在后者的分销与物流网络中部署 Figure 人形机器人,首个落地地点是位于内华达州里诺的 Catalyst 分销物流中心,重点自动化供应链中体力消耗大的任务。
逐际动力发布全尺寸交互人形机器人 LimX Luna,机身 160cm、27 个自由度(不含末端执行器),面向商场、景区、展会等商业空间的演艺与交互场景。Luna 搭载自研 System 0 全身运控基础模型,支持语音、视觉多模态交互和姿态模仿,并配套 LimX Studio App 提供视频学舞、手动示教、预装 10 支舞蹈和零代码 AI 任务编排。
关注价值:全尺寸人形机器人转向商业空间内容运营的定价与交付方案,可用于判断演艺场景的购置门槛和运营成本。
众擎智能制造(深圳红花岭)基地正式启用,首批T800人形机器人下线,产线可实现每15分钟下线一台人形机器人。该基地建筑面积12000平方米,覆盖从来料质检到量产出货的闭环流程,出厂前需通过79项品质检验及46种工况模拟测试。
关注价值:原文披露了产线节拍、检验项数和郑州基地规划,可用于判断人形机器人量产交付能力的实际进展。
Figure 演示两台搭载 Helix-02 的人形机器人在不到两分钟内协同整理卧室,完成开门、挂衣、收纳耳机、合书、倒垃圾、推椅入桌和共同铺床等任务。两台机器人运行同一个学习得到的视觉-语言-动作策略,彼此之间没有共享规划器、消息传递或中央协调器,各自通过自身摄像头读取场景并从对方动作推断意图。
关注价值:原文展示了单一学习策略在无中央协调下完成双人形机器人协同整理房间,可据此判断多机协作路线的进展。
1X 宣布位于加州 Hayward 的 NEO 工厂已全面投产,占地 58,000 平方英尺、员工 200 余人,当前年产能可达 1 万台 NEO。公司称电机、电池、结构件、传动系统、传感器等关键部件均为自研自产,投产以来已制造 17,000 台 Revo2 电机;随着今年晚些时候 San Carlos 工厂上线,计划到 2027 年底将年产能提升至 10 万台以上。
关注价值:原文披露了垂直整合产线的产能爬坡节奏与自研零部件清单,可用于判断人形机器人量产可行性与成本路径。
逐际动力开源 FluxVLA Engine,一个打通数据处理、模型训练、仿真评测到真机部署全流程的标准化 VLA 工程底座。该框架以统一配置文件和模块化标准接口管理全流程,支持 Qwen、GR00T、Pi 全系列及 DreamZero 等模型,接入 Isaac Sim、LIBERO 仿真器,并兼容 UR 机械单臂、ALOHA 双臂和自研 TRON 2 等硬件。
关注价值:逐际动力把数据、训练、仿真到真机部署的链路做成统一配置的开源底座,读者可据此判断 VLA 工程门槛的变化。
Apptronik 宣布任命前 Waymo 首席产品官 Daniel Chu 为首席产品官,并新增服务与支持、软件、市场、人力运营等高管,成员来自 Waymo、波士顿动力和亚马逊。公司称此举发生在 9.35 亿美元 A 轮融资之后,正筹备发布新款人形机器人,Apollo 初期面向制造与物流,未来拓展医疗与家庭场景。
Berkeley AI Research 博客介绍 GRASP,一种面向学习动力学世界模型的梯度规划器,通过把轨迹提升为虚拟状态实现跨时间并行优化、对状态迭代加高斯噪声做探索,并绕开脆弱的状态输入梯度。
光轮智能发布面向工业机器人的物理 AI 基础设施栈,与 NVIDIA Omniverse、Isaac 系列开放框架集成。
Physical Intelligence 发布通用机器人模型 π0.7,称其在泛化能力上出现跃升。该模型通过任务语言、速度与质量元数据、控制模态标签和视觉子目标等多模态提示统一利用不同机器人数据、人类视频与自主数据,单模型在叠衣物、做浓缩咖啡、折箱子等任务上达到或超过经 RL 训练的 π*0.6 专用模型。
关注价值:π0.7 把多模态提示统一为一个可控接口,读者可据此判断机器人基础模型的泛化路线是否真在向 LLM 式组合能力靠拢。
Skild AI 宣布收购 Zebra Technologies 的机器人部门(原 Fetch Robotics),计划把其 omni-bodied brain 部署到仓储场景。
关注价值:Skild AI 通过收购获得已在物流环境验证的机器人平台,读者可据此判断通用机器人基础模型进入仓储的路径。
光轮智能推出工业 AI 解决方案,整合物理精确仿真世界构建、可扩展行为数据、工业级评测平台与 Real2Sim2Real 部署四阶段。其 SimReady Assets 通过物理测量工厂与校准物理求解器缩小仿真到现实差距,EgoSuite 已在 7 国 500 多个工业环境采集第一视角人类演示数据,RoboFinals 覆盖 10,000 多个场景做压力测试。
World Labs 发布 Spark 2.0,在 THREE.js 与 WebGL2 的 3DGS 渲染器中加入 Level-of-Detail 系统,按视角自动调整细节并经网络流式加载数据。
众擎机器人近日完成总额2亿美元的B轮融资,本轮落地后公司估值突破百亿元人民币。本轮由河南投资集团汇融基金继A2轮后再度领投,立讯精密战略入局并联合领投,中创智领战投、基石资本、龙岗金控等多家机构参与,黄浦江资本、星航资本等老股东继续跟投。公司表示资金将用于深化技术研发、扩大产能、拓宽落地场景与构建产业生态。
关注价值:本轮由河南国资基金再度领投、立讯精密联合领投,能看出地方产业资本与精密制造龙头对量产落地路径的押注方向。
播客节目「北坡计划」邀请千寻智能联合创始人兼首席科学家、清华大学交叉信息研究院助理教授高阳,讨论具身智能即将进入的“GPT-3 时刻”,并从数据、模型到系统能力拆解这一判断的技术前提。时间轴显示,他称两年前预测需 5 至 8 年,目前的判断提前到 27 年,并认为评价具身模型今天最重要的指标只有泛化性。节目还提及他谈到一千万小时数据、6000 个人、几个月这件事中国有经验。
Physical Intelligence 提出 RL tokens(RLT)方法,在 VLA 上增加一个 RL token 作为紧凑接口,让小型 actor 和 critic 网络在机器人上实时在线强化学习,无需微调整个模型。
关注价值:RLT 把在线强化学习压缩到数小时真机数据内,为 VLA 在精密操作阶段的快速适配提供了一条可复用路径。
Skild AI 宣布与 ABB Robotics、Teradyne Robotics 旗下 Universal Robots 和 Mobile Industrial Robots 合作,将其 omni-bodied 的 Skild Brain 集成进这些厂商的机器人产品线,目标是在无需逐任务重新编程的情况下跨行业部署。
关注价值:Skild AI 与 ABB、UR、NVIDIA 的合作给出了通用机器人基础模型进入工业产线的具体路径与数据飞轮设想。
Physical Intelligence 提出多尺度具身记忆方法 MEM,为 π0.6 模型同时加入短期原始观测记忆和长期自然语言笔记,使模型能处理最长十五分钟的任务。
关注价值:多尺度记忆让 VLA 在十五分钟级任务上保持进度与纠错,为长程操作提供可复用的记忆设计思路。
World Labs 发文提出 3D 是继文本之后人与机器描述和操作物理、虚拟世界的通用接口,并把 3D 表示类比为代码、神经图形类比为编程语言、仿真引擎类比为芯片。
Physical Intelligence 提出把通用机器人基础模型做成可复用的物理智能层,让开发者像调用 LLM API 一样构建机器人应用。
关注价值:两家合作方给出真机部署数据,可据此判断机器人基础模型作为通用智能层的实际成熟度。
Apptronik 于 2026 年 2 月 11 日宣布完成 5.2 亿美元 A-X 轮扩展融资,A 轮累计超过 9.35 亿美元,总融资接近 10 亿美元。
关注价值:本轮 5.2 亿美元按 3 倍于 A 轮估值定价,显示资本对人形机器人量产与部署阶段的押注正在加码。
Neuralink 发布 Telepathy 脑机接口两年进展回顾,称全球临床试验已招募 21 名 Neuralnauts。瘫痪参与者用思维控制光标与机械臂,Nick 首周信息传输率超过 10 BPS,另有参与者通过想象十指打字达到最高 40 词/分钟。公司称后续 20 名参与者中有 18 名信号质量提升,未来数月计划将电极数从 1000 增至 3000,并探索经硬脑膜植入线程。
关注价值:原文给出植入信号改善的参与者规模与电极数提升计划,可供判断脑机接口临床迭代节奏。
World Labs 发布 World API,开发者可通过接口调用其多模态世界模型 Marble,从文本、单图、多图、360° 全景和视频生成可导航的 3D 世界。
关注价值:世界模型从演示走向可调用接口,机器人仿真环境的生成成本与规模是这条最直接的影响面。
Skild AI 宣布完成 14 亿美元 C 轮融资,由 SoftBank 领投,NVentures(NVIDIA)、Macquarie Capital 相关实体和 Jeff Bezos(通过 Bezos Expeditions)参与。
关注价值:Skild AI 以超 140 亿美元估值完成 14 亿美元 C 轮融资,便于读者观察通用机器人基础模型的资本集中度。
Skild AI 发文提出用人类视频数据训练机器人技能,认为遥操作受限于场景多样性和实时采集速度,难以达到基础模型所需的数据规模。其模型通过观看视频微调学习新技能,只需不到 1 小时机器人数据,公司称这能改变机器人数据瓶颈。
Physical Intelligence 基于 π 0.6 模型微调,尝试 Benjie Holson 提出的“机器人奥运会”日常操作任务,在 5 类任务中 3 类达到金牌任务水平、2 类达到银牌任务水平,多数任务数据采集不足 9 小时。
关注价值:原文用第三方提出的日常操作任务清单检验π 0.6微调效果,并给出与无机器人预训练基线的对比,可据此判断通用机器人预训练对下游任务的实际作用。
逐际动力推出多形态具身机器人 TRON 2,一个本体可切换双臂、双足、双轮足三种构型,并支持人形、四足等形态重构,售价 4.98 万元起,即日起开放预订。双臂为 7-DoF 类人构型,臂展 70 cm,双臂负载 10 kg、机身极限负重 60 kg,适配 Pi 0.5 及 ACT,并围绕餐品制作、桌面清理等 10 个家庭操作任务提供数据集、模型训练及算法部署示例。
关注价值:TRON 2 把双臂、双足、双轮足收进一个模块化本体,并给出 VLA 任务示例与部署工具链,可作为判断通用硬件平台路线的样本。
Physical Intelligence 在研究中发现,视觉-语言-动作(VLA)模型随机器人预训练数据规模扩大,会出现从人类视频到机器人任务的迁移能力。团队用 π0.5 做简单的人机联合微调,把人类视频中的动作表示为 3D 手部位置,在 4 个仅由人类数据展示的泛化场景中性能提升约 2 倍,且未使用专门的迁移机制。
关注价值:该研究显示人类视频到机器人的迁移随机器人预训练数据规模扩大而出现,为降低真机数据依赖提供了一条可复用路径。
Physical Intelligence 发布基于 π0.6 的视觉-语言-动作模型 π*0.6,采用 Recap 方法结合示范、遥操作纠错与强化学习,在自主经验上训练后部分最难任务的吞吐量提升一倍以上、失败率可降低一半以上。
关注价值:原文给出三个真实任务上的吞吐与成功率对比,可据此判断强化学习与纠错数据对 VLA 可靠性提升的实际幅度。
World Labs 将两个月前预览的多模态世界模型 Marble 面向所有人开放,可输入文本、图像、视频或粗略3D布局生成完整3D世界,并支持交互式编辑、扩展与组合。
关注价值:从预览到全面开放并补上多模态输入与编辑导出,读者可据此判断生成式3D世界模型当前能做到什么程度。