技术方向
机器人基础模型、视觉-语言-动作与泛化能力。
30 条精选近 30 天 10 条共收录 83 条
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。
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。
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。
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。
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。