RoboHorizon Robot Magazine - AI you can touch

Silica Machines 致力于赋予每个机器人触觉

Robot King — Sat, 03 Oct 2026 00:00:00 +0000

告别“笨手笨脚”：Silica Machines 推出直测力控执行器，精度飙升 10 倍

现在的机器人大多是“力大砖飞”的笨家伙。它们感知力量的方式极其间接——通常是靠测量电机电流来“盲猜”交互力，这种方法不仅噪声大，而且反馈滞后。初创公司 Silica Machines 打算终结这个机器人“没轻没重”的时代。作为硬件孵化器 Founders, Inc. 的成员，该公司表示他们彻底重构了执行器的内部架构，在不增加天价成本的前提下，实现了这种原生的力感知能力，精度比现有方案提升了整整 10 倍。

核心创新在于：不再靠“算”，而是直测。通过将传感器直接嵌入执行器的结构件中，Silica Machines 能够捕捉到极高保真度的交互力信号。在 X 上发布的一段视频中，手指轻轻按压设备就能触发灵敏且柔顺的响应。这种方案完美绕过了复杂的软件算法——以往为了从嘈杂的电机电流中滤出有用信号，工程师们不得不建立极其复杂且往往并不准确的模型。

这款执行器采用了精密的铝合金加工工艺，外观极具工业美感，被设计为一种高性价比、即插即用的通用方案。通过重塑机械设计，该公司致力于让“本体感知”（proprioception）——即机器人对自身肢体状态和受力情况的感知——成为标准配置，而非昂贵的选装件。

为什么这很重要？

几十年来，赋予机器人类人的触觉一直是机器人领域的“圣杯”。然而，高性能力传感器的昂贵造价，让这种能力长期局限于实验室里那些身价百万的人形机器人或特种工业臂。现实世界中的大多数机器人本质上是“麻木”的，这也是为什么它们在处理精细任务（如组装精密零件、采摘易碎水果或安全地辅助人类）时表现得捉襟见肘。

如果 Silica Machines 真的能兑现其高精度、低成本力控的承诺，这将从根本上改变机器人行业的底层逻辑。它是开启未来的钥匙：在那样的未来里，机器人可以“摸着物理世界的脉搏”工作，在不捏碎物体的前提下处理易碎品，通过“手感”完成复杂的组装，并真正实现安全的协作。这不仅仅是一次技术迭代，更是一项基础性的突破，或许能让机器人终于学会“温柔”对待这个世界。

波士顿动力为 Atlas 配备新灵巧手，并弃用小拇指

Robot King — Thu, 01 Oct 2026 00:00:00 +0000

狠人！**波士顿动力（Boston Dynamics）**又整活了。这次他们为纯电版 Atlas 换上了一双全新的“机械手”，这不仅是硬件上的迭代，更是一次关于“具身智能”进化方向的深度思考。

这双新手的自由度（DoF）从上一代的 7 个猛增到了 13 个，虽然灵活性大幅提升，但最让业界津津乐道的，却是那个被“砍掉”的指头。

这套手部系统专为波士顿动力口中的“实活（Real Work）”而生，无论是使用三指抓握重型工具，还是完成精细的捏取动作，都能游刃有余。根据公司官方博客的披露，整套系统完全基于高保真仿真环境设计。在当前强化学习（RL）训练机器人的大背景下，这种设计能极大地缩短“从模拟到现实（sim-to-real）”的鸿沟。显然，这不再是实验室里的昂贵玩具，而是奔着大规模量产和工业落地去的。

聊聊那个“消失”的指头。为了测试机器人到底需要几个手指，波士顿动力的 CTO Zack Jackowski 出了个“损招”：他让研发团队把自己的小拇指和无名指用胶带粘在一起生活、工作一整天。实验结果证明，即便少了小拇指，绝大多数任务的完成度几乎不受影响。最终，团队决定舍弃小拇指，从而省下了三个执行器的复杂结构、功耗以及宝贵的负重。这种极简主义的实用逻辑，在往往追求“极致仿生”的人形机器人赛道显得格外清醒。

Atlas 机器人行为总监 Alberto Rodriguez 随后也转发确认了这一决策，强调了在灵活性、力量与耐用性之间进行权衡（Trade-offs）的重要性。

深度洞察：这为何是行业风向标？

这次升级不仅仅是给 Atlas 换了个配件，它标志着波士顿动力正从“网红视频制造机”正式转型为一家生产“可扩展劳动力”的商业公司。

新一代手部采用了具备反向驱动（backdrivable）能力的本体感知执行器，这意味着 Atlas 不再是盲目执行程序的机器，它能“感知”到接触力，并在充满不确定性的动态环境中（比如与人类并肩工作时）做出优雅的反应。波士顿动力通过牺牲一个小拇指，换取了结构的可靠性与量产的潜力，这向整个行业释放了一个清晰的信号：人形机器人的未来不在于“长得像人”，而在于“像人一样干活”。

Aleph Surgery 获 a16z 750 万美元融资，打造 AI 驱动的外科医生

Robot King — Wed, 30 Sep 2026 00:00:00 +0000

想象一下，未来在手术台上为你主刀的，可能不再是那双经验丰富、稳如泰山的人手，而是具备自主学习能力的AI。最近，医疗机器人赛道杀出一匹“黑马”——初创公司 Aleph Surgery 正式结束隐身模式，宣布完成 750 万美元的种子轮（pre-seed）融资。

本轮融资由全球顶级风投 Andreessen Horowitz (a16z) 领投，BoxGroup 和 Valkyrie Ventures 等机构跟投。Aleph Surgery 的目标极其硬核：打造全球首款真正意义上的自主手术机器人，使其能够通过“演示学习”不断进化，最终实现手术技能的自我迭代。

Aleph 联合创始人 Ryan McGuire 表示，他们的愿景直指医疗行业的核心痛点——顶级外科医生极度稀缺且培养成本高昂。与目前市面上主流的“遥操作”机器人系统（即医生在后台手动操控）不同，Aleph 正在构建一套能够“获取、精炼并跨越数百万次手术案例转移技能”的智能系统。在官宣视频中，该公司的“v1”原型系统已经展示了自主进行伤口缝合的能力，这是外科手术中最基础也最考验细致程度的环节。

这家初创公司正试图攻克全球价值最高、监管最严的人力领域之一。他们押注“具身智能”（Physical AI）能像软件改变信息行业那样，彻底重塑外科手术。这是一场长线博弈：人类医生的培养周期动辄超过十年，耗资数百万美元，而 Aleph 想要创造的是一个可无限扩展、随时“满血”上岗的AI外科医生。

为什么这件事至关重要？

这绝非又一个普通的机器人项目，而是一场对人类手工技能巅峰的“降维打击”。虽然目前大部分具身智能的投资都涌向了物流和制造业，但 Aleph 却直奔手术室——一个容错率为零、赌注最高的竞技场。

如果这一愿景成真，将引发医疗行业的范式转移。这意味着无论身处何地，患者都有机会获得顶级水平的外科治疗，实现医疗资源的真正平权。当然，这条路注定充满荆棘：其技术难度、伦理挑战以及监管门槛，足以让自动驾驶项目看起来像是个“周末小作业”。

不过，有了顶级风投 a16z 的背书和充足的弹药，Aleph Surgery 已经开始为其“未来手术室”缝合蓝图。至于它能否真正“切中”行业要害，我们拭目以待。

Dyna Robotics 告别演示追求盈利，声称已破解机器人投资回报难题

Robot King — Sun, 27 Sep 2026 00:00:00 +0000

多年来，机器人行业一直深陷于一种华丽的“炼狱”之中：各种Demo看起来酷炫无比，但在商业上却始终难言盈利。我们见过具身智能机器人叠衣服（也就成功了那么一次）、冲咖啡（动作慢得像在拍慢动作电影），或者在展会上像主题公园吉祥物一样，带着职业假笑向观众挥手。但如果你问起什么时候能大规模部署并产生利润，得到的通常是对方一阵尴尬的咳嗽，以及关于“试点项目”的含糊说辞。正如我们之前所指出的，这正是机器人泡沫不在于演示，而在于部署噩梦。

现在，Dyna Robotics 登场了，这家公司显然已经厌倦了这种只跑 Demo 的“花架子”路线。在一场足以引发行业震动的官宣中，该公司宣布其机器人不仅已经正式落地，而且成功跨越了至关重要的 ROI（投资回报率）生死线。而开启这一新纪元的旗舰客户，正是大名鼎鼎的鼎泰丰（Din Tai Fung）——这家以精致小笼包风靡全球的连锁餐饮巨头，显然对自动化也抱有极大的胃口。

这不仅仅是又一个玩票性质的“试点”。Dyna 计划在鼎泰丰遍布全美的网络中进行大规模部署。作为其更宏大蓝图的一部分，到 2027 年上半年，将有“数百台机器人”被部署到酒店、物流和数据中心。他们正在走出实验室，走进大堂，并声称在这个过程中实实在在地帮客户赚到了钱。

决定盈亏的关键“大脑”：Dyna-2

从“烧钱坑”到“印钞机”的华丽转身，背后的核心杀手锏是 Dyna-2，这是该公司最新研发的“世界动作模型（World-Action Model）”。当竞争对手们还在死磕昂贵的人工标注机器人数据时，Dyna 走了一条不同寻常、甚至有些大胆的路径：他们给 Dyna-2 喂了整整 100 万小时的人类视频。这相当于大约 170 年连续不断的人类经验，这套数据集规模直接让对手们的遥操作（Teleoperation）日志显得微不足道。

公司声称，这种海量的视频“投喂”让他们发现了几条全新的 Scaling Laws（缩放定律）。其中最关键的一条是：模型对物理世界的理解和行动能力，会随着观看人类视频数量的增加而呈预测性提升。更绝的是，这种理解可以直接迁移到机器人的身体上，哪怕是它从未见过的硬件架构。Dyna 将其称为“跨具身缩放（Cross-embodiment Scaling）”，这也是他们破解行业数据瓶颈的终极答案。

“多年来，通用机器人技术一直被数据瓶颈所窒息：单纯靠人工收集物理遥操作数据，根本无法扩展到通用智能的水平，”Dyna Robotics 联合创始人 Jason Ma 表示，“动作数据是稀缺的，但视频数据无处不在。”

通过学习人类执行日常任务（烹饪、清洁、组装）的过程，Dyna-2 构建了一种底层的“物理直觉”。这使得它在面对新硬件上的新任务时，只需极少量的微调。在一个案例中，Dyna-2 仅用了 13 分钟的数据，就教会了一个五指机器人手如何拧开瓶盖。

从 YouTube 视频到小笼包

与鼎泰丰的合作是一个完美的“高压测试场”。这家连锁餐厅堪称运营界的奇迹，据报道其美国门店的单店年销售额高达 2700 万美元（约合人民币 1.9 亿元），几乎是其最强竞争对手的两倍。在这样一个高频、混沌、效率以秒计算、连包子褶数都有严格要求的环境中，容不下笨拙且不可靠的机器。

这次部署证明了 Dyna 的核心论点：一个基于人类通用活动训练的机器人大脑，完全可以适应特定的、具有商业价值的工作。那个能从视频里学会叠衬衫的底层模型，经过微调后，就能在世界上要求最苛刻的餐厅里收餐盘、分拣食材或处理后厨杂务。至此，抽象的“世界动作模型”概念终于与具体的企业损益表合二为一。

此外，Dyna 推出的 RaaS（机器人即服务）模式进一步降低了像鼎泰丰这类企业的准入门槛，将令人望而却步的前期资本支出（CapEx）转变为可预测的月度订阅费。

那么，大规模落地的“噩梦”结束了吗？

现在开香槟庆祝还为时尚早。虽然 Dyna 的公告为这个沉溺于 Demo 的行业带来了一股清流，但硬件的规模化落地向来是块“硬骨头”。供应链断裂、维护成本激增，以及现实世界中无穷无尽的 Edge Cases（边缘案例），这些都是训练数据无法完全覆盖的挑战。

然而，Dyna Robotics 确实强力扭转了行业的对话方向。他们提供了一个极具说服力的案例：通往通用机器人的道路，可能并不是由数百万小时艰苦的人工遥操作铺就的，而是藏在现存的、如汪洋大海般的视频数据之中。他们把及格线从“它能做这个任务吗？”提高到了“它能帮你赚钱吗？”。

通过与头部客户共同跨越 ROI 生死线，Dyna 已经向全行业下达了战书。现在的压力来到了竞争对手这边——他们需要证明自己那些耗资数百万美元研发的人形机器人，不仅仅是极其复杂的“科学实验”。Demo 时代或许终于要谢幕了，而真正落地、产生盈利的机器人时代才刚刚开启。这一天，我们等得太久了。

智元机器人产量破2万，300台机器人进驻长隆宇宙飞船

Robot King — Sun, 27 Sep 2026 00:00:00 +0000

智元机器人第20000台正式下线！联手长隆部署“机器人大军”，人形机器人量产进入“上海速度”

总部位于上海的人形机器人领军企业智元机器人（Agibot）再次刷新了行业认知。近日，该公司宣布其第20,000台机器人正式下线。对于一家成立于2023年的初创公司来说，这样的生产节奏堪称“恐怖”。这台具有里程碑意义的 A3 Ultra 人形机器人并没有被送入仓库，而是被亲手交付给了长隆集团，它将加入一支由300多台机器人组成的“大军”，正式在主题乐园“入职”。

这次大规模的商业化落地选在了珠海横琴长隆宇宙飞船。作为目前全球最大的室内主题乐园，这里已经拥有多项吉尼斯世界纪录，而现在，它又成了人形机器人集群作战的试验场。据双方介绍，这支由300多台机器人组成的机队将全面融入游客的游玩体验，承担起科普讲演、导游导览、零售助理以及酒店服务等多种角色。这不再仅仅是一场技术秀，而是一次人形机器人对旅游服务业的深度渗透。为了确保这些“数字生命”的实时协同，现场还专门部署了5G-A网络，为这群机器人的“蜂群思维”提供底层支撑。

为什么这一进展至关重要？

要理解智元机器人的产能有多么惊人，我们可以看一组对比数据：根据国际机器人联合会（IFR）的报告，2025年全年全球人形机器人的总销量仅约为7000台。而智元机器人仅凭一家之力，产量就突破了20,000台——要知道，他们在2026年3月才刚刚达成10,000台的里程碑。这种制造效率的“垂直攀升”，意味着智元在供应链整合和量产工艺上，已经走在了全球竞对的前面。

当然，在硬核科技圈，我们也需要保持一份理性的审视。这20,000台的数字涵盖了智元旗下的全线机器人产品，而非全部是昂贵的通用人形机器人。同时，“下线产量”与最终的“实际交付部署量”之间也存在统计口径的差异。

即便如此，长隆项目的落地依然极具风向标意义。它标志着人形机器人正在走出实验室和枯燥的工厂车间，进入充满随机性和复杂交互的公共空间。在主题乐园这种高密度的人流环境中，如何应对游客们五花八门的咨询（比如“厕所在哪？”），将为智元提供极其宝贵的真实世界数据，这也将成为其算法进化的核心养料。

优傲机器人发布第七代协作机器人，助力具身智能

Robot King — Tue, 22 Sep 2026 00:00:00 +0000

协作机器人“鼻祖”再进化：Universal Robots 发布 Gen 7 平台，欲将具身智能推向工厂前线

作为协作机器人（Cobot）赛道的开创者，Universal Robots (UR) 刚刚在芝加哥举行的 IMTS 展会上，祭出了多年来最重磅的一次底层架构革新：全新的 Gen 7 平台。

这并非简单的修修补补，而是一次从零开始的彻底重构。UR 的目标非常明确：要让“具身智能”（Physical AI）告别实验室里的科研项目色彩，真正成为工厂车间里触手可及的生产力。凭借全球超过 10 万台协作机器人的部署经验，UR 押注了一个核心逻辑——即便自动化任务变得空前复杂，其“易用性”依然是工业界的硬通货。

此次发布涵盖了全新的 g-Series 系列机械臂、重新设计的控制器以及新一代操作系统，旨在彻底解决长期困扰 AI 驱动自动化的集成“阵痛”。Universal Robots 母公司 Teradyne Robotics 总裁 Jean-Pierre Hathout 表示：“AI 时代的机器人必须是先进的，但不应该是复杂的。”

在硬件层面，Gen 7 平台通过一系列“硬核”升级，精准切中了工厂空间紧凑和布线混乱的痛点。全新的 CB7 Core 控制器在算力上提升了 40%，而体积却反向“瘦身”了 30%，这对于寸土寸金的生产线来说无疑是重大利好。

更具突破性的是，全新的 g-Series 机械臂配备了“AI 准备就绪”的工具法兰。它直接在手腕处集成了电源（24/48V）、高速数据接口（1Gb 以太网）和安全 I/O。对于那些曾经为了给视觉系统安装外部线缆而焦头烂额的工程师来说，这简直是“救星级”的改进。这种高度集成的设计，为实时 AI 处理所需的高带宽传感器提供了原生支持，彻底告别了杂乱的“外挂”时代。

软件生态方面，UR 同样展现了极强的开放姿态。全新的 PolyScope X 操作系统实现了对 ROS 2 的原生支持。作为机器人研发社区的“通用语言”，ROS 2 的加入配合开放的 API，无异于向全球 AI 开发者递出了橄榄枝，邀请他们直接在 UR 的硬件底座上构建应用，实现从算法模型到生产线的无缝迁移。目前，合作伙伴 Inbolt 已经展示了直接在新型控制器上运行的视觉系统，完全不再需要额外的 PC 支持。

为什么这一动作至关重要？

Universal Robots 这次并不是单纯地追求机械臂更快、更强，而是试图打通智能自动化的最大瓶颈：系统集成。

通过简化末端工具的物理布线、嵌入更强的计算性能以及拥抱 ROS 2 等开放标准，Gen 7 平台显著降低了部署复杂 AI 应用的门槛。

在协作机器人市场竞争日趋白热化的今天（UR 目前占据约 40% 的市场份额），这是一个极具前瞻性的防御性战略。随着行业重心从简单的“抓取与放置”转向由感知驱动的动态作业，Universal Robots 正在重新定义自己的角色——它不再仅仅是一个工具，而是下一代“具身智能”的底层基础设施。UR 显然希望，未来工厂部署一个神经网络，能像设置一个路点一样简单直观。

智元 A3 Ultra 开启打工生涯，但 8.9 万美元售价太劝退

Robot King — Tue, 22 Sep 2026 00:00:00 +0000

似乎每个通用机器人都得经历一段“中二少年”时期。不久前，我们还在围观**智元机器人（Agibot）**耍大刀、练武功，虽然那场关于灵敏度的展示非常吸睛，但总让人觉得实用性欠奉（详见我们此前的报道这个人形机器人的功夫比你的强）。而现在，这家公司的最新力作 A3 Ultra 似乎一夜之间长大了，它收起锋芒，穿上“职业装”，开启了在服务业的实习生涯。在最新的演示视频中，这台机器人忙着给酒店客人办理入住、叠衣服，甚至还客串了一把汽车销售。

从“武林高手”到“酒店实习生”的转变虽然有些突兀，但却是必经之路。酷炫的 Demo 确实能赚足流量，但只有真正能叠好毛巾、摆好货架，才能在企业的资产负债表上证明自己的价值。Agibot 显然想证明，它的作品不仅仅是实验室里的科研项目，更是能够直接上岗的“打工人”。视频中的它忙得不可开交：与同事协作、操作电梯，甚至在电量不足时还能熟练地自主充电。

“打工魂”背后的硬核配置

在黑白相间的前卫外壳下，A3 Ultra 的硬件规格相当扎实。它身高 1.74 米，体重 60 公斤，采用了镁铝合金与碳纤维复合材料打造的骨架。这可不是那种弱不禁风的原型机，而是为了高强度连续作业而设计的生产力工具。

其参数列表足以让硬核玩家直呼过瘾：

自由度（DOF）： 全身拥有多达 51 个主动自由度，活动范围极广。其中单臂 7 自由度，单腿 6 自由度，这让它的动作流畅度极高，非常接近人类。
操作精度： “灵巧手”是全机的灵魂所在。这对被称为 “Omnihands” 的双手总共拥有 20 个自由度，能够处理各种精细活计，单臂负载能力达到了 5 公斤。
感知系统： 头部集成了 360° 激光雷达（LiDAR）、双目交互相机和鱼眼镜头，实现了全景视野。胸部和膝部还额外配置了 RGB-D 相机，用于增强环境感知和避障导航。
算力心脏： 整个系统由一颗具身智能处理器驱动，算力高达 700 TOPS。据报道，该平台基于 NVIDIA Thor 构建。正是这种“暴力”算力，支撑起了机器人在无需远程遥控的情况下，自主完成导航和复杂任务的能力。

为了应对长时间的工作，该机器人的动力系统也经过了专门设计：续航时间达 8 小时，支持自主插枪充电，甚至还提供了 10 秒快速换电方案。这完全是按照“长班制、短停机”的工业标准来打造的。

生产力的代价：这个“员工”有点贵

那么，雇佣这样一位不知疲倦、从不抱怨的未来员工需要多少钱？答案可能会让你吃一惊。根据美国一家经销商给出的报价，Agibot A3 Ultra 的标价高达 89,299 美元（约合人民币 63.5 万元）。

这个价格确实需要让人消化一下。虽然这很可能是针对商业试点客户的“早鸟价”，但与竞品喊出的口号相比，确实显得有些昂贵。Tesla 的 Optimus 长期目标价定在 2 万到 3 万美元之间，其他玩家也在努力向这个区间靠拢以实现规模化。在接近 9 万美元的高位上，A3 Ultra 并不是在替代廉价劳动力，而是一项堪比高端工业设备的资本支出。以这个成本去酒店叠毛巾，其投资回报率（ROI）恐怕得打个问号。

这意味着 A3 Ultra 目前锁定的赛道是大型企业和科研机构的试点项目，而非普通小商户或大规模普及。它是那些愿意为前沿自动化技术支付溢价的公司的“大玩具”，还远未达到“飞入寻常百姓家”的阶段。

强手如林的机器人赛道

Agibot 这家总部位于上海、由前华为工程师于 2023 年创立的公司，其进化速度快得令人咋舌。公司声称已经进入量产阶段并交付了数千台机器人。在许多竞争对手还停留在个位数交付的当下，这无疑是一个大胆的宣言。

人形机器人领域正迅速演变为巨头之间的博弈。背靠 OpenAI、Microsoft 和 NVIDIA 的 Figure 已经把机器人送进了宝马工厂；Tesla 则凭借其庞大的制造能力和 AI 积淀全力推进 Optimus。Agibot 凭借激进的生产时间表和全栈平台方案，已经成为一个不容小觑的竞争者，但它面对的是全球科技界最顶尖的对手。

A3 Ultra 的出现释放了一个明确信号：人形机器人单纯搞“才艺表演”的时代正在终结。硬件已经足够强悍，软件正变得聪明，商业意图也昭然若揭。视频展示了机器人在受控环境下执行简单任务的能力，但从剪辑完美的 Demo 到混乱嘈杂的酒店大堂，中间还隔着巨大的鸿沟。目前来看，A3 Ultra 的简历非常漂亮，但带着 9 万美元的年薪预期，它可能还需要在人才市场上等待属于它的那个“伯乐”。

Agility Digit V5 放弃标志性鸟腿设计转向工业实用主义

Robot King — Wed, 16 Sep 2026 00:00:00 +0000

在人形机器人这个疯狂迭代的赛道里，有些设计只要看一眼就能让人记住。Agility Robotics 的 Digit 机器人就是个典型，它那对标志性的、向后弯曲的“鸟腿”，既是工程上的奇思妙想，也是极佳的品牌标签。特立独行，甚至带点诡异。但现在，这一切都成了过去式。

随着 Digit V5 正式亮相，最让人大跌眼镜的变化莫过于它那双彻底“整容”的腿。Agility 亲手砍掉了自家的金字招牌，换上了一双看起来平平无奇、更像人类的腿。这可不是为了美观，而是设计哲学的一次底层逻辑反转：用特立独行的个性，换取暴力美学般的实用主义。这释放了一个强烈的信号：Agility 不想再在科技展会上耍帅了，它现在满脑子想的都是如何统治工厂车间。

大刀阔斧的“进化”：人形腿才是举重冠军

老款的设计源自 Digit 的祖先 Cassie，初衷非常务实：反向关节让机器人能更贴近货架和料箱。在物流场景下，这确实是个“黑科技”。但在经历三年的商业化部署、累计超过 65,000 小时的实战磨炼后，Agility 明白了一个道理：花活儿再好，也得向硬性需求低头。

新版 Digit V5 搭载了类人双腿，核心目标只有一个：力量。联合创始人兼首席机器人官 Jonathan Hurst 在采访中直言不讳，旧设计在深蹲时“脚踝会碰到地面，蹲不下去”。而搭载了自研摆线减速机（cycloidal actuators）的新版配置，让 Digit 能够完成标准深蹲，并重复搬运重达 50 磅（约 22.7 公斤）的货物。这个数字绝非随口一说，它精准对标了美国职业安全与健康管理局（OSHA）规定的单人举升任务上限。对于任何想进入美国工厂并与人类并肩作战的机器人来说，这是必须跨过的硬门槛。

所以，“为什么要改？”的答案简单得近乎残酷：客户的反馈和仓库里无情的物理定律。老款设计是为了行走和奔跑而优化的，但正如 Hurst 所言：“我们不需要机器人去跑马拉松，我们需要它搬重物。”

不只是“走得稳”，更是“干得久”

虽然“大长腿”抢了风头，但 Digit V5 的其他硬件参数同样硬核，处处透着 Agility 从 Amazon 等合作伙伴的试点项目中汲取的经验。它现在身高 1.81 米，体重 129 公斤，体型更加魁梧。但最让业界震撼的是它的能效比。

凭借全新的电池系统，Digit V5 实现了惊人的 10:1 续航充电比。它可以持续工作 90 分钟，而自主充电仅需 9 分钟。算笔账：在 24 小时的一天里，它能提供超过 20 小时的有效工时。相比之前 2:1 的比例，这简直是质的飞跃，直接解决了机队运营的“续航焦虑”。

机器人的“大脑”也迎来了史诗级更新。Agility 正在构建一套“具身智能（Physical AI）”架构。最底层是高性能硬件，中间是每秒控制电机上千次的协调层，再往上是通过遥操作或仿真训练出的技能库。而最顶层则是认知 AI 层（很可能利用了大语言模型 LLM），负责逻辑推理和任务拆解。在安全性上，基于 NVIDIA IGX Thor 和 Halos 框架的新架构，让 Digit 彻底告别了传统工业自动化的“牢笼”，能够安全地在人类身边行走。

在物流一线的炮火中锻造

与那些只会发精修视频、活在实验室里的竞争对手不同，Digit 是在工厂里真正吃过苦的。这种务实、以客户为导向的策略，正是这次“断腿求生”式转型的核心。在工业自动化领域，酷不酷是次要的，稳不稳、安不安全、能不能帮老板省钱才是王道。

这种实用主义还体现在细节上。Digit V5 配备了带有 ISO 标准接口的可更换末端执行器，这意味着它的“手”可以根据不同任务随时变阵。

市场已经给出了答案。CEO Peggy Johnson 透露，Agility 已经拿到了价值超过 3 亿美元的多年期订单，这无疑是市场投下的重磅信任票。

人形机器人的终局：趋同进化还是百花齐放？

Digit 的进化引发了一个有趣的思考：工业级人形机器人是否正在进入“标准化时代”？就像汽车行业最终形成了大同小异的结构，在物理定律、安全法规和人体工程学的多重挤压下，各家厂商似乎都在进行“趋同进化”。

Digit V5 的造型现在看起来更像 Figure AI 或 Tesla 的 Optimus 了。虽然少了 Boston Dynamics 旗下 Atlas 那种让人惊掉下巴的特技表演，但对于枯燥、重复的物流搬运来说，这种“泯然众人”的平庸，或许才是商业成功的入场券。

告别了“鸟腿”的 Digit V5，可能少了一份灵动，却多了一份沉稳。它不再是一个科研项目，而是一个为了解决具体痛点而生的成熟产品。在工业自动化的长跑中，它终于找准了自己的步调。

全新 GPT-6 Astra 策略横扫机器人操纵基准测试

Robot King — Mon, 14 Sep 2026 00:00:00 +0000

就在全球机器人圈还在为基准测试（Benchmark）的几个百分点“内卷”时，研究员 Yu-Mool Shu 和 Lipxin Zheng 联手投下了一枚深水炸弹。这篇名为《GPT 6 Astra as an Embodied Policy》的论文，不仅刷新了纪录，简直是把机器人操作的天花板直接捅穿了。

在针对通用机器人设计的 RoboDojo 操纵基准测试中（涵盖数十项模拟与真实世界任务），这款新模型的表现只能用“降维打击”来形容。由控制器 π₀.₅ 与强悍的 GPT-6 Astra 组成的混合系统，在 10 项核心任务中拿下了 62.6 的平均分。相比之下，排在第二名的 Galaxea G0.5 仅为 38.26。

这可不是什么“微小进步”，而是整整 64% 的性能飞跃。在这一数据面前，诸如 Xiaomi（小米）或 Meituan（美团）等大厂旗下的现有模型，表现得就像是在开慢动作。这项研究显然深化了视觉-语言-动作（VLA）模型的协同训练，通过海量异构数据实现了更强的现实世界泛化能力。

一个非常值得玩味的细节是：论文还测试了“GPT 6 Astra Direct”直连控制模式，结果仅得分 37.81，表现平平。这恰恰印证了 π₀.₅ 混合控制器的核心地位——它成功充当了“小脑”的角色，将大模型的原始智慧精准转化为细腻、有效的物理动作。目前该项目已在 GitHub 开源，预计整个机器人行业都要熬夜拆解这种新架构了。你可以通过以下链接直达项目主页和数据集：GPT 6 Astra as an Embodied Policy。

这为什么至关重要？

这不仅仅是榜单上多了一个高分，它预示着具身智能（Embodied AI）的技术路线可能正在发生质变：从追求单一的“端到端”大模型，转向更成熟的“混合系统”。

这次巨大的性能鸿沟告诉我们：将 GPT-6 Astra 这种全才型的“大脑”与 π₀.₅ 这种专注微操的“运动神经”相结合，效率远超让大模型包揽一切。对于那个长期在复杂任务成功率个位数挣扎的机器人行业来说，这种架构突破或许正是让机器人走出实验室、走进非结构化现实环境所需的“关键拼图”。

小鹏首款通用人形机器人正式下线

Robot King — Thu, 10 Sep 2026 00:00:00 +0000

全球首条人形机器人自动化产线投产！小鹏“铁甲战士”稳健走下流水线，通用机器人的“大工业时代”来了？

如果说“未来已至”曾是一句口号，那么现在，它正伴随着电机的低鸣，在汽车生产线旁的无尘车间里变为现实。小鹏鹏行（XPENG Robotics） 近日正式启用了其宣称的全球首条通用人形机器人自动化生产线。更具仪式感的是，该产线的“首位毕业生”——一台黑白配色、科技感十足的人形机器人，已经在众人的注视下，完全依靠自身动力“走”下了组装台。没有香槟喷洒的喧嚣，只有精密舵机运转的低吟，宣告着一个制造新纪元的开启。

这绝非实验室里的又一次“花架子”演示，而是中国造车新势力小鹏汽车（XPENG） 向机器人赛道祭出的硬核宣言。小鹏正试图将其在智能电动汽车领域积攒的“血泪经验”——那些关于极致生产效率、严苛供应链管理以及大规模量产的Know-how——直接平移到尚处于襁褓之中的人形机器人行业。从官方发布的视频来看，这台机器人步态从容，在一众工程师的簇拥下完成了它的“成人礼”。

当然，在科技圈欢呼雀跃之余，我们仍需保持冷静，避免“核心电路过热”。必须承认，机器人能走直线走下产线，与它能在充满随机变量的真实世界中执行复杂、动态的任务，中间还隔着一个“马里亚纳海沟”。目前，具身智能（Embodied AI）的核心瓶颈依然锚定在软件算法、环境感知以及机器人与物理世界的深度交互上。强如Tesla的Optimus或是硅谷宠儿Figure 01，也都在这些软件深水区里艰难摸索。

这件事为何至关重要？

本次事件最值得关注的“干货”并非机器人本身，而是那条自动化产线。

当全球大多数机器人公司还在实验室里像雕琢艺术品一样，靠人工“手搓”机器人时，小鹏已经在思考如何“制造‘制造机器人的机器’”了。通过引入汽车级的制造标准，小鹏释放了一个极其明确的信号：他们打算从第一天起，就用规模化和工程化的逻辑来解决成本与产能痛点。

如果小鹏能成功将汽车工业的降本增效逻辑复制到机器人领域，那么人形机器人的准入门槛将被大幅拉低，商业化落地的进程也将从“PPT阶段”加速驶入快车道。虽然这台机器人目前迈出的只是“一小步”，但这条自动化产线的运转，却是通用机器人迈向大工业生产的一大步。

欧洲无人驾驶出租车竞赛正式开启，但仍需人类监管

Robot King — Wed, 09 Sep 2026 00:00:00 +0000

多年来，自动驾驶出租车（Robotaxi）的革命更像是中美两强“神仙打架”的专属秀场。现在，欧洲终于拿到了这场派对的入场券，尽管这张邀请函上还印着一条显眼的备注：你依然得带上一名随车安全员。

随着一系列密集动作落地，商业化自动驾驶叫车服务已正式在萨格勒布和伦敦启动。与此同时，**特斯拉（Tesla, Inc.）**也在稳步推进其扩张版图，并在斯洛文尼亚赢得了关键的监管准入。

抢下“欧洲首个商业化 Robotaxi 服务”头衔的是小马智行（Pony.ai）。该公司联手 Verne 和 Uber，于 2026 年 4 月在克罗地亚萨格勒布开启运营。8 月 19 日，该服务正式接入 Uber App，当地居民可以在 90 平方公里的服务区域内一键呼叫自动驾驶汽车。

伦敦自然也不甘示弱。9 月 3 日，英国本土明星初创企业 Wayve 联手 Uber 杀入赛道，投入了 15 辆福特（Ford） Mustang Mach-E 电动车组成的车队。不过，在这两座城市，“自动驾驶”一词都得打个折——主驾位置上依然坐着训练有素的安全员，随时准备在紧急情况下接管车辆。

在特定区域运营的 Robotaxi 步步为营时，特斯拉则在玩一场不同的游戏。2026 年 9 月 8 日，特斯拉宣布其“全程监督自主驾驶”（FSD Supervised）系统已获准在斯洛文尼亚使用。这使得斯洛文尼亚成为第六个对该 Level 2 级系统亮绿灯的欧洲国家。与竞手的车队运营模式不同，特斯拉赌的是通过大规模量产车实现更广范围的落地。

与此同时，德国的节奏则显得更加“稳健”。在汉堡，**大众汽车（Volkswagen）**旗下的 MOIA 部门于 7 月启动了 ID.Buzz 自动驾驶小巴的公开路测，但这目前仅是一个需预注册的试点项目，而非开放的商业化服务。再往南看，Waymo 已将慕尼黑定为进军欧洲的桥头堡，但其全自动驾驶服务的正式落地预计要等到 2027 年底。

为什么这很重要？

这种同步但路径迥异的落地进程释放了一个信号：欧洲自动驾驶赛道正正式从“PPT 演示”转向实地公测。虽然萨格勒布抢占了“首发”的名头，但全球的目光都聚焦在伦敦。

英国积极的监管姿态，特别是《自动驾驶汽车法案》（Automated Vehicles Act）的实施，为真正的“无人化”运营提供了肥沃的政策土壤。因此，伦敦正成为全球巨头的竞技场——Waymo 以及百度旗下的萝卜快跑（Apollo Go）（通过与 Lyft 旗下的 Freenow 合作）都在伦敦复杂的街道上紧锣密鼓地开展测试。

这使得伦敦成为了事实上的“欧洲版旧金山”——一个决定胜负的关键战场，各种技术路径和商业模式将在这里正面硬刚。目前的“有安全员监督”服务虽然看起来不够“黑科技”，但却是必经的起步阶段。真正的终点线是让安全员彻底下车。得益于野心勃勃的初创企业和极具前瞻性的政府政策，伦敦似乎已占据身位，有望成为第一个跨过这道终点线的欧洲大都市。

Robotaxi 激战已起，而我们正坐在副驾，见证历史。

AI 3小时内从零开始设计出完整的无人机电路板

Robot King — Sun, 06 Sep 2026 00:00:00 +0000

就在你以为硬件工程是 AI 浪潮中最后的“避风港”时，一段令人咋舌的演示视频打破了宁静：一个疑似“下一代 AI”的智能体，仅凭一段简单的指令，就从零开始设计出了一个复杂的无人机飞控系统。

从面对空白画布到生成全套生产就绪文件，整个过程据称仅耗时 3 小时 13 分 56 秒。毕竟，对于 AI 来说，吃饭、睡觉和喝咖啡这种“碳基生物”的日常完全是多余的。

这个被冠以 “GPT-6 Astra” 这种具有科幻（甚至带点粉丝脑补色彩）名字的 AI Agent，被展示在流行的开源电子设计自动化（EDA）软件 KiCad 中直接进行操作。根据开发者发布的动态，该 AI 完成了全流程闭环：从创建电路原理图、进行印刷电路板（PCB）布局、完成所有布线，到最后放置元器件。它挑战的对象是一个 F405 六层飞控板——这可是高性能 FPV 无人机的“大脑”。

让这次演示脱离“花拳绣腿”范畴的关键，在于该 AI 表现出的自愈（纠错）能力。在完成初步设计后，它会自主运行电气规则检查（ERC）和设计规则检查（DRC）来发现潜在问题，并自动修改电路和布局进行修复。据称，这一过程消耗了惊人的 5200 万个 token。最终，它吐出了一整套 Gerber 文件、钻孔文件、物料清单（BOM）以及 3D 模型文件，可以直接发给代工厂打样。当然，目前该设计尚未经过实物验证，它究竟是能带着无人机直冲云霄，还是会原地表演一个“炸机冒烟”，还有待观察。

这并非我们首次目睹 AI 侵入物理世界。正如我们此前报道过的，AI Agent 已经能够根据自然语言指令设计并检查 3D 打印的机器人零件这个免费AI代理可从纯英语设计和检查机器人零件。但从相对宽容的机械结构跨越到严丝合缝、逻辑密集的电子电路领域，无疑是一次巨大的飞跃。

为什么这很重要？

如果这次演示属实，它将标志着硬件设计全自动化迈出了里程碑式的一步。创建一个复杂的多层 PCB 是一项极具技术含量的活儿，资深工程师通常需要花费数天甚至数周的时间。将这一过程缩短至几小时，并基于高层级的描述实现，将极大地加速原型开发和创新节奏。

这预示着一个“所思即所得”的未来：描述一个设备即等同于创造它，复杂硬件开发的门槛将被彻底铲平。目前看来，硬件工程师的饭碗暂时还是稳的——毕竟总得有人去把那些元件焊上去，并看看 AI 在放置电容时是不是真的“动了脑子”。但这种领先优势还能维持多久？谁也说不准。

塞尔维亚利用中国技术建立欧洲首家量产人形机器人工厂

Robot King — Sun, 06 Sep 2026 00:00:00 +0000

在工业雄心与地缘政治博弈的交织下，塞尔维亚正式启用了其政府所称的“欧洲首个通用人形机器人大规模生产基地”。这座位于沙巴茨（Sabac）市的工厂，是中国汽车零部件巨头**敏实集团（Minth Group）与国产机器人赛道明星智元机器人（AGIBOT）**深度合作的产物，其最终目标是实现年产2万台人形机器人及四足机器狗。

该项目首期向沙巴茨工厂投入了2000万欧元（约1.5亿元人民币），而更宏大的蓝图则是在因吉亚（Indjija）市建设一座耗资2亿欧元的机器人产业园。塞尔维亚总统 Aleksandar Vucic 亲临现场，饶有兴致地观摩了机器人展示叠衣服和写中国书法。Vucic 表示，初期的目标是年产超过5000台机器人。此次投产的 AGIBOT 机型绝非“花架子”，其 A2 系列人形机器人身高可达175厘米，步行速度为7公里/小时，并搭载了算力高达 200 TOPS 的 AI 计算系统。

然而，工厂的开业伴随着总统 Vucic 一番令人侧目的发言。他透露，塞尔维亚不仅采购了四足“机器狗”，还在对其进行军事用途测试，并承诺在15天内进行实地演示。“你们不仅会看到它们行走，还会看到它们使用武器，非常严肃的武器，”Vucic 说道。这番话清晰地释放了该项目在“军民两用”潜力上的信号。值得玩味的是，就在几周前，美国刚刚以国家安全风险为由，禁止进口类似的中国技术。

深度洞察：这为何至关重要？

这座工厂远非一条普通的生产线，它是多方博弈下的战略支点。对于作为欧盟候选国的塞尔维亚而言，这是其凭借与北京深厚的经济纽带，跨入高精尖产业赛道的关键一步。它将塞尔维亚定位为中国机器人进军欧洲市场的“桥头堡”——通过“塞尔维亚制造”的标签，未来或许能有效规避潜在的关税壁垒。

从全球机器人产业的角度来看，这标志着行业正从实验室原型机阶段向真正的“大工业量产”转型。当许多西方公司仍处于高级研发阶段时，这座拥有 AGIBOT 在华大规模部署经验背书的塞尔维亚工厂，可能会极大加速全球机器人劳动力化的进程。然而，关于“武器化”的明确表态，注定会让布鲁塞尔和华盛顿方面对这个巴尔干半岛的机器人枢纽保持高度警惕。

Skild S1 AI 仅凭单个视频演示即可学会摊煎饼

Robot King — Mon, 31 Aug 2026 00:00:00 +0000

我们曾无数次被许诺机器人界的“iPhone时刻”即将到来，以至于这几乎成了圈内的一个老梗。但每隔一段时间，总会有些硬核突破，让最挑剔的观察者也不得不坐直了身子。这一次，故事的主角是一个机器人、一把锅铲和一张煎饼。

Skild AI，这家融资拿到手软、估值已超过 140 亿美元（约合人民币 1000 亿元）的明星初创公司，刚刚发布了其 S1 基础模型。这个模型最“黑科技”的地方在于：它只需观看一段视频，就能学会一个长达 10 分钟的复杂任务。无需微调，无需数月的繁琐数据收集，更不需要成群结队的远程操作员。看一眼，就能上手。

当机器人第一次完美地翻转煎饼时，Skild 团队的反应像极了典型的程序员：他们第一反应是这肯定是个 Bug。他们花了整整两天时间翻遍了那包含百万小时数据的预训练数据集，坚信是某些制作早餐的数据偷偷溜了进去。结果一无所获。机器人完全是凭借通用的物理常识，从一段视频提示中推断出了“翻转”这一超出其训练分布（out-of-distribution）的任务。这不仅仅是模仿，更是物理常识的觉醒。

微调的“暴政”宣告终结

多年来，让机器人学习一项新任务简直是一场令人崩溃的数据采集拉锯战。为了让机器人稳定地完成一项新工作，公司往往要花费 50 到 100 个小时去收集数据并不断微调模型。这种极其烧钱且耗时的瓶颈，正是让通用机器人一直被困在实验室里的罪魁祸首。Skild 的 S1 则提出了一个激进的替代方案，其原理与让 ChatGPT 风靡全球的逻辑如出一辙：上下文学习（In-context learning）。

你不再需要费力地重新训练模型，只需在它的“上下文窗口”里放进一个示例。对于大语言模型（LLM）来说，那是一段文本；而对于 S1，那是一段人类执行任务的第一视角视频。该模型在海量的互联网视频、模拟环境和真实世界的远程操作数据中进行了预训练，从而构建了对物理交互的通用理解。在此基础上，一次演示就足以解锁一项新技能，无论是给植物盆栽、组装卫生包，还是冲一杯手冲咖啡。

“这个概念被称为上下文学习，它定义了从 GPT-1、GPT-2 这种研究项目向 ChatGPT 这种革命性产品的跨越，”该公司在发布视频中表示，“你将演示放入上下文窗口……它就会发出机器人动作指令来完成任务。”

这种方法不仅行得通，而且表现远超传统方式。对于模型已经熟悉的任务，S1 的表现与传统的视觉-语言-动作（VLA）模型旗鼓相当。但对于从未见过的新任务，两者的差距简直是天壤之别。

物理智能的缩放法则（Scaling Laws）

真正的魔法发生在规模化之后。Skild 发布了一张足以让每个机器人实验室都感到震撼的图表。它显示，随着预训练数据的增加，S1 通过上下文学习处理新任务的能力呈指数级飙升，而基于语言提示的 VLA 模型则陷入了边际收益递减的泥潭。

在经过 10 万小时的预训练后，S1 在分布外任务上的成功率达到了 66%。而那些靠语言指令驱动的 VLA 呢？成功率仅为可怜的 9%。这不只是量变，而是质变。它预示着，就像大语言模型一样，机器人领域同样存在可预测的“缩放法则”（Scaling Laws）。只要喂入足够的数据，全新的能力就会破茧而出。模型不仅变得更强，而且变得更聪明。

这种智能并非弱不禁风。Skild 展示了 S1 如何应对干扰，如何在出错后自我修正，甚至能纠正演示视频中人类犯下的错误。即使物体被移动或更换，它也能应对自如，这说明它拥有一种超越简单路径回放的鲁棒性理解。

从实验室 Demo 到工业现实

如果这只是又一个大学科研项目，那它顶多算是有趣。但 Skild AI 是一个背后站着 SoftBank（软银）、NVIDIA（英伟达）和杰夫·贝索斯旗下 Bezos Expeditions 的商业巨兽。它拥有 140 亿美元的估值，据报道去年仅几个月就创造了 3000 万美元的收入。这不仅仅是一个 Demo，而是一个拥有现有 OEM 合作伙伴和数百台落地机器人的公司发布的产品宣言。

这是他们打造通用型 Translation not available (zh) 愿景中的关键一步。我们此前已经见过他们教机器人 Skild AI 教机器人通过观看 YouTube 学做饭，但 S1 代表了部署模式的根本转变。其目标是改变自动化的经济模型，让那些请不起机器人博士来重新训练机器的小企业、医院和杂货店也能用上自动化。

当然，挑战依然存在。目前的基准测试数据来自内部，Skild 尚未发布技术论文、API 或模型权重。但视频展现出的实力令人信服，其商业势头也不容小觑。“一机一用”的时代可能终于要画上句号了。通过 S1，Skild 正在向世界证明：机器人的未来与其说是“编程”，不如说是“演示”。而这一切，都始于那张煎饼。

这款轮腿式机器人狗想成为你的 AI 实验小白鼠

Robot King — Sun, 30 Aug 2026 00:00:00 +0000

在如今这个“狗满为患”的四足机器人赛道，没点儿绝活儿真没法让人多看一眼。来自香港的陆吾智能（HongKong Luwu Intelligent Technology Limited）显然深谙此道，他们旗下的 XGO 系列最近又整了个新花样：XGO-mini2SW。

这款机器人似乎陷入了某种“身份危机”——它采用了极其硬核的“轮足复合”设计，既拥有 12 自由度的仿生腿，又在脚尖上装了轮子。这种设计让它在灵巧翻越障碍和高效平地穿行之间反复横跳，主打一个“我全都要”。目前，这款新品正准备登陆 Kickstarter 开启众筹。

这款“金属小狗”的大脑核心是一块 Raspberry Pi CM5。这块性能不俗的计算模块为开发者提供了一个极其灵活且强大的开源平台。这可不是什么只能靠遥控器指挥的玩具，而是一个正儿八经的**具身智能（Embodied AI）**开发套件。

陆吾智能特别强调了该机器人在强化学习（Reinforcement Learning）中的角色，并提供了一套完整的开源 Sim-to-Real 工作流。这意味着开发者可以在模拟环境中训练 AI 模型，然后无缝部署到物理硬件上——这正是现代机器人研究中最关键、也最“掉头发”的环节。

除了能跑能跳，XGO-mini2SW 还点满了多模态 AI 互动的技能树，支持语音控制和视觉语言理解。如果你觉得光是四处溜达还不够过瘾，它背上还可以选装一个 4 自由度的机械臂，通过自然语言指令就能完成抓取和移动物体的任务。作为一家深耕开源社区的公司，他们已经在 GitHub 上放出了相关代码：Xgorobot GitHub。

为什么这事儿值得关注？

当下的机器人市场充斥着各种闭源、华而不实的“电子宠物”，而 XGO-mini2SW 瞄准的是完全不同的群体：那些想撸起袖子干实事的开发者、创客和 AI 研究员。

通过基于树莓派生态并提供强化学习等前沿技术的开源工具，XGO 正在打造一个门槛极低、性价比极高的实验平台。与其说它是个机器人宠物，倒不如说它是一个会走路（还会滑行）的流动实验室。对于那些认为“理解 AI 的最好方式就是给它一副躯体”的人来说，这绝对是个趁手的家伙——只要注意别在它陷入“存在主义危机”原地转圈时被它绊倒就行。

Figure AI 发布 Index：挖掘现实世界数据的宏伟计划

Robot King — Wed, 26 Aug 2026 00:00:00 +0000

估值一路狂飙、背后站着 OpenAI 和 NVIDIA 等半个硅谷巨头的具身智能明星公司 Figure AI，今日终于揭开了其不为人知的核心底牌：Index。这并非又一款惊艳的硬件迭代，而是一个野心勃勃的数据工程——通过在真实世界中进行“全球物理采样”，构建有史以来多样性最强的机器人训练数据集。简而言之，Figure AI 正在为机器人编撰一部“现实生存指南”，教它们如何真正理解并融入这个物理世界。

其核心逻辑非常“硬核”且直白：互联网虽然充满了猫片和各种百科知识，但它并不能教机器人如何洗碗或搬运重物。要打造真正的通用机器人，必须拥有那些互联网上不存在的物理交互数据。Figure 的解法是“手动创造”：通过名为 “Index Collect” 的系统（见下图演示），记录人类在执行日常任务时的第一视角视频和精细动作数据，并实时将其映射到其 Figure 01 机器人的数字孪生（Digital Twin）模型中。

这不仅仅是为了教会机器人某一项特定的技能。Figure 的终极目标是建立一个海量的、基础性的数据集，让机器人具备泛化理解物理世界并与之交互的能力。该公司明确表示，要让通用机器人实现规模化应用，数据“必须来自现实世界”。这一观点直接叫板了目前那些过度依赖纯模拟环境（Simulation）的技术路线。

为什么这一步至关重要？

长期以来，限制通用人形机器人进化的最大瓶颈并非硬件，而是数据。机器人的动作之所以显得笨拙，是因为它们缺乏人类在几十年的生活实践中所积累的、数以亿计的物理反馈点。Figure 的 Index 计划，本质上是想通过“暴力美学”式的海量数据采集，强行缩短机器人的学习曲线。

通过打造机器人界的“ImageNet”，Figure 不仅是在训练自家的机器人，更是在构建一道极高且难以复制的竞争护城河。当 Google 还在整合现有的研究数据集、Tesla 依靠车队数据“跨界”反哺时，Figure 押注的是一条更垂直、以人为中心的专属数据路径。现在的悬念在于：仅仅通过观察人类做家务，是否真的能让机器人习得物理交互中那些微妙的智能，还是说，他们最终只是造出了全世界最“大材小用”的洗碗机？

欲了解更多详情，可以访问其官网查看简短的官方公告：Introducing Index。

这款 AI 背包让半机械蟑螂拥有自主意识

Robot King — Sun, 23 Aug 2026 00:00:00 +0000

就在你以为2026年已经足够魔幻的时候，科学家们给活体蟑螂背上了AI“书包”。这种“赛博昆虫”生物混合系统能以一种让人头皮发麻的效率，在复杂地形中穿梭自如。日本**大阪大学（Osaka University）与印尼迪波内戈罗大学（Universitas Diponegoro）**的联合研究团队开发出了这种被称为“生物混合物理人工智能（biohybrid physical AI）”的系统。它的聪明之处在于：懂得什么时候该放手，让蟑螂回归“蟑螂本色”。

这项研究发表在2026年8月的《Device》杂志上。研究人员在一只活的马达加斯加鸣蠊背上安装了一个微型背包，其中集成了传感器和多层感知器（一种AI模型）。这个AI模块能够实时处理传感器数据，对周围地形进行分类，识别平地、上坡、下坡和坑洞的准确率高达92%。以往的“赛博昆虫”系统通常是死板地操控昆虫绕过所有障碍物，而这个新AI却能判断出哪些障碍是这只蟑螂自己就能搞定的。

这项技术的核心突破在于“反应式攀爬（reactive climbing）”。当AI识别出蟑螂正准备攀爬障碍物时，它会自动减弱电刺激干扰。这样一来，昆虫经过亿万年进化而来的攀爬本能就会瞬间“接管”身体，避免了因控制器过度微操（micromanagement）而导致的犹豫或动作变形。结果就是：蟑螂在复杂地形上的行进路径更直接、速度更敏捷。关于这项研究的更多技术细节，可以参阅其论文：《通过实时地形识别和自然攀爬实现赛博昆虫的生物混合导航》。

为什么这很重要？

这可不是什么高端的“科学怪人”实验。该研究的终极目标是打造一种高机动、低功耗的探测器，用于地震等灾后搜救。在废墟和狭窄空间中，我们需要这种身材娇小、生命力极强的“探险家”。与其从零开始制造一个复杂的微型机器人，不如直接利用大自然打磨了数百万年的生理构造，再给它配上一位AI“副驾驶”。正如大阪大学的森岛圭祐（Keisuke Morishima）教授所言，这项研究可能“启发开发出能在极度复杂环境中生存的机器人系统”。这标志着一个微妙但关键的转型：从单纯的远程控制生物，转向人工智能与生物本能协同工作的共生系统。

Cosmic Robotics 计划在火星建造城市，最初无需人类参与

Robot King — Wed, 19 Aug 2026 00:00:00 +0000

在科技巨头们热衷于“画大饼”的优良传统中，一家初创公司显然觉得仅仅颠覆地球上的产业已经不够“卷”了。Cosmic Robotics，这家 Y Combinator 的明星毕业生，正式宣布加入火星“基建狂魔”的行列。他们发布了一份详尽的路线图，计划在 2030 年代中期开始在火星上建造城市。最妙的是，这批首发“建筑工”不需要氧气，不需要食物，更不需要针对 22 分钟通讯延迟的心理疏导——因为它们全是机器人。

当 Elon Musk 正忙着通过 SpaceX 打造他的星际巴士服务时，Cosmic Robotics 则将自己定位为巴士到站后的“总承包商”。这家公司的使命听起来相当硬核：在火星上盖房子。这可不是在餐巾纸上随手涂鸦的白日梦，而是一家已经在地球上部署重型自动驾驶机械、并与 NASA 签署了月球建设合同的公司的战略蓝图。这并非他们第一次下场“搞基建”，只不过这次的工地选在了另一个星球。

从光伏电站到火星荒原

在将其斥为硅谷式的狂妄之前，不妨先看看 Cosmic Robotics 已经在地球上折腾出了什么名堂。他们的旗舰机型——重达 10,000 磅（约 4.5 吨）的 Cosmic-1，目前正活跃在美国一些规模最大的光伏电站工地。这个自动驾驶怪兽能搬运 90 磅（约 40 公斤）重的太阳能电池板，并在酷暑、暴雨和风雪中实现毫米级的安装精度。据报道，它的作业效率是人工团队的两倍以上。此外，他们还在向数据中心建设领域扩张，为支撑地球云端算力的服务器机房添砖加瓦。

这种在地球上的实战经验，正是他们火星豪赌的底气。公司创始人 James Emerick（曾就职于 Built Robotics）和 Lewis Jones（曾在 SpaceX、NASA JPL 和 Relativity Space 镀金）认为，火箭载荷已不再是太空探索的唯一瓶颈。真正的挑战在于：当你着陆后，谁来干活？谁来打地基、盖房子、部署能源网？他们的答案是：派遣一支在地球最严酷工地经历过“毒打”的机器人军团，把它们塞进 Starship 投送到火星。

这家公司的逻辑简单粗暴：如果你能在德克萨斯的酷暑中自动盖好一座数据中心，那么在平均气温 -60°C 的行星上建造栖息地，至少有了一个靠谱的起点。

星际“包工头”的自我修养

Cosmic Robotics 的路线图并非空洞的愿望清单，而是一套分阶段实施的方案。他们计划将现有的地面作业系统进行迭代，以适应月球和火星环境。他们认为核心挑战在于劳动力——在太空，劳动力是极度稀缺资源。一座城市的运作需要建筑、制造和农业，光靠几个宇航员是远远不够的。机器人是唯一的规模化解决方案。

该计划的核心在于开发一套具备以下能力的自主机器集群：

场地平整：在没有 GPS、地形复杂且土壤成分未知的异星荒野上开辟工地。
基础设施部署：铺设能源系统、太阳能阵列和简易道路。
栖息地建造：组装并密封加压结构，保护人类免受稀薄二氧化碳大气和致命宇宙辐射的伤害。

除了物理环境的严苛，最大的技术障碍在于“自主性”。火星与地球之间单程通讯延迟高达 24 分钟，你不可能在休斯顿总部拿着手柄远程操控。这些机器必须学会自己解决问题，从绕过一块意料之外的巨石，到对自身的机械故障进行自我诊断。

一个全新的太空生态系统正在成型

Cosmic Robotics 等公司的崛起，标志着商业航天产业正在进入成熟期。这赛道不再仅仅是发射服务商的天下，一个处理“着陆后怎么办”的生态系统正在成型。当 NASA 专注于基础科学和探索任务，SpaceX 完善星际交通运输时，一批专业化公司开始接手星际基建这些“脏活累活”。

这与其说是在与 SpaceX 竞争，不如说是一种共生关系。Musk 需要有人为他的火星殖民者盖房子，而 Cosmic Robotics 需要一个可靠的载具，把他们 4.5 吨重的铁疙瘩送到工地。

当然，通往火星城市的道路上充满了地狱级的工程挑战：从带有腐蚀性高氯酸盐的沙尘，到如何在席卷全球的沙尘暴中为重型机械供电。但 Cosmic Robotics 押下了一个精明的赌注：星际建筑最难的关卡，可以在地球上通过一块块太阳能电池板的安装来完成“练级”。如果他们赌赢了，第一批火星住户在领钥匙时，最该感谢的可能是一个机器人。

蓝箭航天成功着陆：中国民营火箭实现首次回收

Robot King — Wed, 19 Aug 2026 00:00:00 +0000

这一跳，稳了！在航天界，这种场景正变得越来越“常见”，但依然仅限于那个极少数顶尖玩家才能进入的“精英俱乐部”。周三，中国商业航天领军企业**蓝箭航天（LandSpace）正式加入这一行列——其自主研发的朱雀三号（ZQ-3）**可重复使用火箭在酒泉卫星发射中心成功完成了首次助推器垂直回收任务。

北京时间上午7:35，朱雀三号Y2运载火箭腾空而起，成功将鸿鹄-03卫星送入预定轨道。随后，这枚身高超过40米的火箭第一级在半空中完成了一系列复杂的姿态调整与减速动作，最终平稳地展开着陆支腿，精准降落在预定的陆上着陆场。这次任务的圆满成功，标志着中国实现了首次轨道级火箭助推器的陆上垂直回收。对于任何想要在现代发射市场立足的公司来说，这不仅是核心技术突破，更是通往商业化生存的“必修课”。

值得注意的是，这一成就与今年7月国家队“长征十号B”火箭实现的海上回收路径互为补充，勾勒出中国航天体制内与商业力量并驾齐驱、甚至在某些细分赛道“卷”出新高度的竞争态势。作为一家私营航天企业，蓝箭航天对其不锈钢机身、液氧甲烷动力的朱雀三号定位非常明确：直接对标 SpaceX 的“猎鹰9号”（Falcon 9）。甚至在设计语言上，你也能看出它在致敬 Starship 的某些美学逻辑。

这一跳，为何至关重要？

在当下的航天语境中，火箭回收已经成了航天强国的“Hello, World!”。它是 SpaceX 亲手划下的准入门槛：如果你不能回收火箭，你就无法玩转低成本发射。

蓝箭航天通过这次完美的“定点着陆”，不仅验证了其技术路径的可行性，更直接跳级进入了全球商业发射梯队的第一阵营。虽然从“成功回收一次”到“常态化重复使用”还有很长的路要走（这也是将发射成本真正打下来的关键），但这次任务释放了一个极其强烈的信号：可重复使用火箭领域的全球垄断僵局已被打破。未来卫星互联网“大星座”时代的入场券争夺战，正变得越来越有看头。

Gravis Robotics 获破纪录 2 亿美元融资，为挖掘机装上 AI 大脑

Robot King — Tue, 18 Aug 2026 00:00:00 +0000

软银领投 2 亿美元！创下建筑机器人史上最大 A 轮融资，Gravis Robotics 要给挖掘机装上“数字大脑”

在一场为略显“土味”的土方工程注入巨额资本的博弈中，Gravis Robotics 成功斩获了惊人的 2 亿美元 A 轮融资。本轮融资由**软银（SoftBank）领投，不仅刷新了建筑机器人领域 A 轮融资的历史纪录，更释放出一个强烈信号：AI 的下一个前沿阵地，正指向那些混乱、泥泞且充满不可预测性的建筑工地。这家于 2022 年从顶尖学府苏黎世联邦理工学院（ETH Zurich）**拆分出来的初创公司，正在为那些半个世纪以来基本没变过的“铁疙瘩”进行一场深度的“数字大脑移植”。

大多数 AI 驱动的机器人都偏爱整洁有序的环境。自动驾驶汽车离不开铺设平整的道路，仓库机器人则在光滑的混凝土路面上滑行。然而，挖掘机的工作本质上是一场“暴力芭蕾”——它必须主动且剧烈地冲击周围环境。它的任务是暴力重塑世界，在土壤、岩石和碎屑中挖掘。每一斗下去，都会创造出一个全新的、未知的地形。这种动态变化让传统的自主导航系统视之为“噩梦”，而这恰恰是 Gravis 试图攻克的硬核挑战。

Gravis 的 AI 平台并非旨在静态世界中导航，而是为了理解并操纵一个动态变化的世界。该公司的模型在所谓的“数十亿立方码模拟土方数据”中进行了训练，使 AI 能够举一反三，从容应对从柔软粘土到密实岩土的各种工况。更关键的是，该系统采用了“硬件无关”的设计方案，这意味着它可以直接对各大厂商的现役机队进行“后装”升级。建筑巨头们无需斥巨资更换整批未来感十足的新机器，只需给现有的“憨力大块头”升个级。

为什么这很重要？

这笔巨额资金注入的时机可谓精准。全球正面临前所未有的基础设施建设挑战：数据中心、能源网络、住宅以及交通系统的新增需求呈爆炸式增长。而这种需求正与建筑行业日益严峻的熟练劳动力短缺迎头撞击。自动化不再是锦上添花的奢侈品，而是迫在眉睫的刚需。Gravis Robotics 这笔 2 亿美元（约合人民币 14.5 亿元）的“战备储蓄”释放了一个明确信号：投资者坚信，AI 赋能的重型机械是唯一能在不大幅增加成本、不压垮日益减少的劳动力的前提下，构建未来的终极方案。

这标志着工业级的精准度，正开始走向那个伟大而又混乱的户外世界。

RoboHorizon Robot Magazine - AI you can touch

Silica Machines 致力于赋予每个机器人触觉

告别“笨手笨脚”：Silica Machines 推出直测力控执行器，精度飙升 10 倍

为什么这很重要？

波士顿动力为 Atlas 配备新灵巧手，并弃用小拇指

深度洞察：这为何是行业风向标？

Aleph Surgery 获 a16z 750 万美元融资，打造 AI 驱动的外科医生

为什么这件事至关重要？

Dyna Robotics 告别演示追求盈利，声称已破解机器人投资回报难题

决定盈亏的关键“大脑”：Dyna-2

从 YouTube 视频到小笼包

那么，大规模落地的“噩梦”结束了吗？

智元机器人产量破2万，300台机器人进驻长隆宇宙飞船

为什么这一进展至关重要？

优傲机器人发布第七代协作机器人，助力具身智能

为什么这一动作至关重要？

智元 A3 Ultra 开启打工生涯，但 8.9 万美元售价太劝退

“打工魂”背后的硬核配置

生产力的代价：这个“员工”有点贵

强手如林的机器人赛道

Agility Digit V5 放弃标志性鸟腿设计 转向工业实用主义

大刀阔斧的“进化”：人形腿才是举重冠军

不只是“走得稳”，更是“干得久”

在物流一线的炮火中锻造

人形机器人的终局：趋同进化还是百花齐放？

全新 GPT-6 Astra 策略横扫机器人操纵基准测试

这为什么至关重要？

小鹏首款通用人形机器人正式下线

这件事为何至关重要？

欧洲无人驾驶出租车竞赛正式开启，但仍需人类监管

为什么这很重要？

AI 3小时内从零开始设计出完整的无人机电路板

为什么这很重要？

塞尔维亚利用中国技术建立欧洲首家量产人形机器人工厂

深度洞察：这为何至关重要？

Skild S1 AI 仅凭单个视频演示即可学会摊煎饼

微调的“暴政”宣告终结

物理智能的缩放法则（Scaling Laws）

从实验室 Demo 到工业现实

这款轮腿式机器人狗想成为你的 AI 实验小白鼠

为什么这事儿值得关注？

Figure AI 发布 Index：挖掘现实世界数据的宏伟计划

为什么这一步至关重要？

这款 AI 背包让半机械蟑螂拥有自主意识

为什么这很重要？

Cosmic Robotics 计划在火星建造城市，最初无需人类参与

从光伏电站到火星荒原

星际“包工头”的自我修养

一个全新的太空生态系统正在成型

蓝箭航天成功着陆：中国民营火箭实现首次回收

这一跳，为何至关重要？

Gravis Robotics 获破纪录 2 亿美元融资，为挖掘机装上 AI 大脑

为什么这很重要？

Agility Digit V5 放弃标志性鸟腿设计转向工业实用主义