Altman 明确表态:OpenAI 肯定会下场造人形机器人
据报道 OpenAI CEO Sam Altman 明确表示公司「肯定会」制造人形机器人,人人未来都该拥有专属机器人。OpenAI 目前已在招募硬件与数据采集运营团队,试图打通物理训练闭环。这意味着它正走出纯软件路线,未来将直面特斯拉与 Figure 等对手。
据报道 OpenAI CEO Sam Altman 明确表示公司「肯定会」制造人形机器人,人人未来都该拥有专属机器人。OpenAI 目前已在招募硬件与数据采集运营团队,试图打通物理训练闭环。这意味着它正走出纯软件路线,未来将直面特斯拉与 Figure 等对手。
Hugging Face 旗下 Pollen Robotics 推出双足机器人 Microduck,预售价 399 美元。它不足 10 英寸高,能穿轮滑鞋滑行、捡拾物品并跟随激光笔,初次启动还会生成终生专属的声音。软件开源,计划于 2026 年圣诞节前发货。
Skild AI 发布机器人基座模型 S1。它借鉴了大语言模型的上下文学习能力,无需微调,仅靠单条视频提示就能掌握做咖啡、盆栽换土等长达 10 分钟的陌生复杂任务,表现堪比需要 50 至 100 小时微调数据的传统模型。目前正面向部分工业伙伴部署。
Generalist AI 发布机器人基础模型 GEN-1.5。它无需梯度更新或微调,仅靠 3 至 12 秒的单次演示「物理提示」,就能在开罐、拉拉链等 10 项任务中实现 59% 平均成功率。这标志着机器人开始具备类似 GPT-3 的上下文学习能力。不过目前所学技能仍较脆弱,局限于短时任务。
宇树科技预告了代号为 Superman 的新人形机器人。该机型腿长 0.85 米,原地跳高达到 2 米,最高奔跑速度达 12.66 m/s,官方称双双打破人类纪录。这款机器人仅研发了三个多月,宇树表示后续几个月仍有大幅提升空间。
帕西尼发布五指数据采集手套 PXCap Pro,用于采集高质量人类动作训练机器人。手套整机仅 300 克,集成腕部相机、抗磁干扰编码器及能感知 0.1 牛顿的触觉传感器。这意味着团队能以统一标准高效沉淀物理真值数据,教机器人学会打包、实验等精细操作。
中国机器人初创公司 Arkshel Robotics 展示变形机器人原型 MX01。它不仅能在双足直立行走和四足机器狗形态间切换,还能对接无人机模块实现空中飞行,未来还计划加入轮式移动。不过形态多变也意味着结构更复杂、潜在故障点更多,实用性仍待检验。
Dyna Robotics 推出机器人模型 DYNA-2,仅靠超 100 万小时人类第一人称行为视频训练,预训练阶段完全不碰机器人数据。系统通过人类视角理解物理规律,只需几小时局部微调就能适配不同机器人。这意味着训练机器人不再被昂贵的专用数据卡住脖子,看人类视频就能学技能。
Boston Dynamics 宣布量产版 Atlas 人形机器人能在电量耗尽时自主返回换电站,耗时不到 3 分钟即可完成换电并恢复作业。Atlas 日常作业续航约 4 小时,传统充电需要 90 分钟,自主换电大幅缩短了停工时间,让工厂连续多班作业更可行。
Google DeepMind 推出具身推理模型 Gemini Robotics ER 2。它能通过连续视频流追踪任务进度,实现 91.3% 的关键节点判定精度,并支持多机协作调度。这意味着机器人终于可以一边执行动作一边即时规划后续任务,告别卡顿与停顿。
周二,特朗普政府指示 FCC 出台新禁令,禁止进口中国新型人形机器人、四足机器人以及联网电力逆变器。美方称此举旨在防范数据窃取与网络攻击,保护支撑 AI 基础设施的电网设备,同时推动关键制造业回流美国。
太空机器人初创公司 Lunar Outpost 宣布下一代月球车将搭载英伟达 Jetson 芯片控制激光雷达,有望成为月面首款 GPU。该探测车计划年底前由 Falcon 9 火箭发射,核心挑战是在月夜极低功耗下抵御强辐射与极端温差。
Black Forest Labs 联手 mimic 推出基于 FLUX 3 的视频-动作模型 FLUX-mimic,已在奥迪工厂落地。该模型直接把视频物理表征解码为机械动作,单张 RTX 5090 延迟不足 80 毫秒,可完成柔性线缆等传统自动化难以处理的装配任务。
空间智能公司 World Labs 宣布收购机器人创企 SceniX。World Labs 认为机器人是空间智能落地的物理载体,突破点在于融合世界模型、仿真与真实世界闭环。SceniX 的具体技术细节将于近期公布。
宇树科技展示了其全模态 AI 模型 UnifoLM-OminiA-0.3。该系统依托全模态交互理解实现全身移动操作,具备抗扰动能力且支持全自主运行,并在演示中完成了调节病床等护理任务。这展现了具身智能在居家养老护理场景的落地潜力。
NVIDIA 联合斯坦福等推出机器人策略 RoboTTT,把视觉运动上下文拉到 8000 步,约合 30Hz 下 5 分钟。它用测试时训练把历史压进权重,延迟不随时间增加,还成功完成了 10 阶段复杂装配。这表明上下文长度正成为具身智能的新扩展曲线。