宇樹 G1 進軍網球場:清華北大團隊用 5 小時動捕資料訓出對打技能
清華大學、北京大學與銀河通用等團隊提出 LATENT 系統,僅基於 5 小時不完整的人體動捕片段,就讓宇樹 G1 人形機器人學會了網球技能。機器人能以約 90% 的準確率回擊速度超 15 米/秒的來球,並在真實場地中與人類對手展開多回合交鋒。
清華大學、北京大學與銀河通用等團隊提出 LATENT 系統,僅基於 5 小時不完整的人體動捕片段,就讓宇樹 G1 人形機器人學會了網球技能。機器人能以約 90% 的準確率回擊速度超 15 米/秒的來球,並在真實場地中與人類對手展開多回合交鋒。
Nosh Robotics 釋出廚房烹飪機器人 Nosh One,售價 1,499 美元。使用者放好食材後,機器會自動加料、翻炒並用內建攝像頭盯火候,還能用自然語言提示詞生成新菜譜。產品已在 Kickstarter 開啟預購,預計 2026 年夏季發貨。
Figure 展示了 Helix 02 機器人的客廳整理能力。該系統採用單一端到端神經網路,直接從畫素控制全身。在不修改演算法的前提下,機器人僅靠增加訓練資料就學會了噴水擦桌、單臂夾箱雙手收納玩具以及按遙控器關電視。
研究團隊開源人形機器人控制框架 OmniXtreme。它結合動作專家蒸餾與輕量殘差後訓練,讓宇樹機器人掌握連續後空翻、街舞和倒立等高難度動作,同時通過物理約束避免燒損電機。模型權重與評測程式碼已在 GitHub 開源。
HONOR 在 MWC 2026 上展示了概念手機 Robot Phone 與首款人形機器人。Robot Phone 內建微型電機與 4DoF 雲臺系統,能通過點頭、跟隨等肢體語言進行具身互動。此外榮耀還發布了 Magic V6 摺疊屏等多款生態硬體。
Alphabet 旗下機器人軟體平臺 Intrinsic 宣佈併入 Google,作為獨立團隊運作。其 Flowstate 平臺將深度整合 Gemini、Google Cloud 與 DeepMind,幫助製造和物流企業像搭積木一樣低門檻開發機器人程式,目前客戶包括富士康。
宇樹科技公佈新款四足機器人 Unitree As2,主打兼具工業級效能的伴侶定位。其峰值扭矩達 90N·m,支援 IP54 防雨,空載續航超 4 小時;在 15kg 負載下續航仍超 13 公里。裝置開放二次開發,試圖打通陪伴與工業搬運場景。
Figure 宣佈在總部部署 7 臺 Figure 03 人形機器人,由 Helix 02 全身神經網路排程實現全天候輪班。機器人能根據電量自主走上 2 kW 感應底座充電並交接任務。最值得關注的是人形機器人跑通了全自主補能迴圈,不過官方暫未公佈它們具體在做什麼實際工作。
據報道,一名軟體工程師在使用 AI 程式設計助手逆向大疆 Romo 掃地機器人云端通訊時,因服務端校驗漏洞,意外獲得了 24 個國家近 7000 臺裝置的即時攝像頭與戶型圖許可權。大疆確認已於 2 月 10 日通過雲端更新自動完成修復。
據 The Information 報道,OpenAI 正組建超 200 人團隊研發硬體家族。首款產品是帶攝像頭的智慧音箱,定價 200 至 300 美元,最早 2027 年 2 月面世;後續還規劃了智慧眼鏡和檯燈。裝置支援人臉識別並能主動提醒日程,但真正的考驗還在量產與交付。
豐田加拿大公司宣佈完成一年試點,以「機器人即服務」模式簽約引進 7 臺 Agility Robotics 的 Digit 雙足人形機器人。機器人將於 4 月進駐安大略省 RAV4 工廠,負責從自動拖車上解除安裝汽車零部件。這標誌著人形機器人正在走出炫技演示,真正嵌入汽車總裝的常規作業流。
據報道,澳大利亞 Cyborg Dynamics 與格里菲斯大學完成 AI 消防機器人叢集測試,取得 99.67% 的滅火成功率。系統採用多智慧體強化學習,讓實體無人地面車與虛擬隊友自主分工、避障並撲滅多處火情,能大幅減輕高危場景下的人工操控負擔。
宇樹科技公佈春晚參演細節,數十臺 G1 人形機器人完成了全球首個全自主叢集功夫表演,無需人工遙控且能快速協同移動;H2 則身披齊天大聖戰甲登場。這直接展示了人形機器人在高動態運動控制和多機協同上的最新進展。
Nvidia 聯合斯坦福等機構釋出機器人世界模型 DreamDojo。它通過 4.4 萬小時人類第一視角影片預訓練掌握通用物理常識,再針對特定機型微調,還支援 10 FPS 即時互動。這意味著機器人不用堆砌昂貴的真機演示,看影片就能學會與實體世界互動。
工程師 Cyrus Clarke 利用 MIT Media Lab 的 neoFORM 形狀顯示器,為 OpenClaw 打造了物理實體。他以龍蝦爪為靈感為其設計了動態肢體語言,讓 AI 擁有了類似呼吸的動作反饋,將原本停留在螢幕裡的智慧體帶到了現實桌面。
NVIDIA 釋出機器人控制策略 Cosmos Policy。它不加額外動作模組,直接把機械臂動作和物理狀態當成影片幀放進 Cosmos 世界模型裡擴散學習。在 LIBERO 基準上拿下 98.5% 的成功率重新整理 SOTA,程式碼和模型已開源。