Embodied Ai
PulseAugur coverage of Embodied Ai — every cluster mentioning Embodied Ai across labs, papers, and developer communities, ranked by signal.
13 天有情绪数据
-
具身AI初创公司Simplexity Robotics交付首批100台机器人
专注于具身AI的初创公司Simplexity Robotics已成功将其首批100台机器人交付至生产线。该公司成立不到一年，宣布交付其i7 Pro型号机器人，该型号专为全场景应用设计。这一里程碑标志着这家年轻公司在机器人和人工智能领域的快速进展和部署能力。
-
新框架为AI数据生成物理精确的镜像反射
研究人员开发了PhysMirror，一个旨在生成图像中物理精确镜像反射的新框架。该方法解决了当前文本到图像扩散模型的一个关键限制，这些模型经常产生几何上不正确的反射，阻碍了它们在具身AI中用于合成数据生成。PhysMirror通过将提示的对象提升到3D网格并模拟镜像场景，整合了显式的3D空间先验，提取精确的2D条件元素（如深度和分割图）来指导扩散模型。该框架还引入了一个新颖的指标，镜像一致性分数（MCS），以自动量化反射的物理正确性。
-
像ChatGPT这样的大型语言模型缺乏执行现实世界任务的物理实体
像ChatGPT这样的大型语言模型在理解和生成文本方面表现出色，但它们缺乏执行洗碗等现实世界任务所需的物理实体。这种局限性源于它们无法与物理环境互动，因为它们没有视觉等感官或手等操作能力。新兴的具身人工智能（Embodied AI）领域旨在通过将人工智能与物理实体相结合来弥合这一差距，使机器人能够在现实世界中感知、规划和行动，这最终可能导致能够执行复杂物理任务的人工智能系统。
-
新的TAP框架减少了VLA模型对专家数据的需求
研究人员引入了一个名为任务无关预训练（TAP）的新框架，旨在克服视觉-语言-动作（VLA）模型中的数据稀缺瓶颈。TAP采用两阶段方法：首先，它利用无标签交互数据通过自监督逆动力学目标学习可迁移的运动技能，然后用最少的专家语言数据来巩固这些技能。这种方法显著减少了对昂贵专家演示的需求，在标记数据量少几个数量级的情况下，达到了与在数百万专家轨迹上训练的模型相当的性能。
-
HeShan Tech与图灵奖得主推出“机器人幼儿园”以实现具身智能
HeShan科技与图灵奖得主Richard Sutton合作启动了“机器人幼儿园”计划。该项目旨在推动具身智能从数据驱动的模仿时代过渡到体验驱动的学习范式。“机器人幼儿园”将提供一个安全的环境，让机器人通过互动和试错进行学习，并将触觉感知作为持续学习和进化的核心突破点。该计划还寻求与各行业合作伙伴建立开放的生态系统，以促进具身智能领域的协同发展。
-
具身AI在视觉指向任务中达到77.2%的准确率
研究人员开发了一种新颖的方法，使具身AI系统能够将语言指令准确地映射到像素坐标，这种能力被称为视觉指向。他们的解决方案PointArena 2026通过代理驱动的数据合成、确定性的可控数据管道以及用于注意力和坐标校正的模型端模块，解决了关键的失败模式，并在基准测试中达到了77.2%的准确率。该系统在各种类别中表现出色，包括可供性、空间关系和推理。
-
Zhipingfang 估值达28亿美元，成为大湾区首个具身智能独角兽
具身智能公司Zhipingfang已获得约50亿元人民币的新融资，公司估值超过200亿元人民币。此轮融资使Zhipingfang成为大湾区首个具身智能独角兽，标志着类脑AI发展新时代的到来。
-
HAT-4D框架从单视频中重建3D物体交互
研究人员推出HAT-4D，一个新颖的代理框架，旨在从单个单目视频中重建多个物体的3D几何、时间动态和物理交互。该方法集成了视觉语言模型（VLM）和人类在回路反馈机制，以克服多物体场景中的深度歧义和遮挡等挑战。HAT-4D旨在作为具身AI和训练VLA的可扩展数据引擎，并已用于创建MVOIK-4D，一个用于单目4D交互重建的新基准。
-
具身AI芯片市场升温，多家厂商竞逐主导权
具身AI芯片市场正经历激烈竞争，众多公司争夺领导地位。NVIDIA、Qualcomm、Intel和AMD等主要厂商正在开发专门的硬件，为与物理世界交互的AI系统提供动力。这种竞争由机器人、自动驾驶汽车和智能设备等领域对AI能力日益增长的需求所驱动。
-
新框架通过 RGB-D 视频创建可交互数字孪生
研究人员开发了 ArtiTwinSplat，一个用于从 RGB-D 视频创建物体可交互数字孪生的新框架。该方法利用 3D 高斯溅射来保持视觉真实性，并采用无监督流水线从观察到的运动中发现物体关节和运动学。生成的数字孪生稳定、可查询，并适用于实时渲染、视点控制和交互式操作，为具身人工智能和人机协作提供了实用的解决方案。
-
Flow6D 框架提升 6D 位姿估计的准确性和速度
研究人员开发了 Flow6D，一种用于 6D 位姿估计的新型框架，解决了类别级估计的准确性和效率方面的挑战。该方法采用两阶段方法，首先将旋转和平移离散化为 bin 以定位潜在空间，然后使用连续流匹配模型来优化位姿估计。这种分层策略实现了 70 FPS 的实时推理，并在合成和真实世界数据集上均优于现有方法，在机器人操作和增强现实领域具有潜在应用。
-
新的人形-OmniOcc数据集增强了机器人的占用预测能力
研究人员推出了Humanoid-OmniOcc，一个旨在提高人形机器人占用预测能力的新数据集。该数据集解决了现有数据集的局限性，这些数据集通常偏向于自动驾驶场景。Humanoid-OmniOcc采用Real2Sim2Real范式，利用真实的传感器规格指导模拟，然后在真实世界数据上评估在模拟中训练的模型。该数据集包括一个提出的人形环绕立体引导占用模型，该模型利用深度先验来增强2D到3D的提升，在模拟和真实世界环境中都表现出强大的性能。
-
提示工程随着新技术和自动化而发展
提示工程是与生成式AI交互的关键技能，正在迅速发展。一位专家汇编了一份包含114种技术的扩展列表，其中包括“vibe coding”和“seed-of-thought”等新策略，以帮助用户熟练掌握。然而，一些领先的工程师正超越手动提示，开发自动化系统，用分层方法取代传统的提示编写。
-
阿里巴巴和字节跳动推进具身智能在机器人领域的应用
阿里巴巴推出了其Qwen-Robot系列具身智能模型，标志着其在机器人领域迈出了重要一步。与此同时，字节跳动正在优先发展其机器人业务，将该领域提升至核心业务地位。这两大科技巨头正利用其丰富的 डेटा 资源、先进的 AI 能力和受控环境，在中国机器人行业进行创新。
-
因果AI和技能精炼推动具身智能进展
Aether AI 已获得 2000 万美元的种子轮融资，用于开发具身 AI 的因果世界模型，旨在让机器人超越单纯的相关性，更深入地理解物理原理。这种方法与视频生成或 3D 重建等现有方法形成对比，而是专注于显式学习因果变量、结构和动态。与此同时，NVIDIA 已开源 ASPIRE，这是一个允许机器人通过迭代探索和代码修改来学习和精炼技能的框架，代表着从传统的基于梯度的训练转向技能精炼范式。此外，研究论文还介绍了 EgoSim（用于以…
-
新研究详细介绍了先进的4D手部-物体捕捉技术
arXiv上发表的两篇新研究论文介绍了捕捉高保真4D手部-物体交互的先进技术。第一篇论文《通过多视图时空跟踪和物理感知高斯实现高保真4D手部-物体捕捉》提出了一种系统，该系统使用Transformer模型进行姿态初始化，并使用物理感知高斯优化框架进行精炼，无需物体模板或标记。第二篇论文《VEPHand: 视图高效的光度手部性能捕捉》提出了一个用于动态手部捕捉的端到端流程，使用无掩码的神经方法和受物理启发的注册框架，专为视图高效设置而设…
-
新的三维优化框架提升视频深度估计
研究人员为自监督单目视频深度估计开发了一种新颖的三维一致性优化框架。该新方法将序列视频深度估计视为多视图三维重建问题，并利用了近期三维基础模型。该框架结合了光度渲染、世界坐标中的几何对齐以及多尺度时间梯度一致性，将关键帧锚定到连贯的三维结构中。该方法在训练和零样本临床环境中均展现了最先进的空间精度，优于现有的基于帧、基于视频和多视图三维重建基线。
-
中国强制在全国范围内部署人形机器人和具身智能
中国正在加速将人形机器人和具身智能整合到包括制造业、医疗保健和灾难救援在内的各个行业。一项新的全国性计划强制要求地方政府和国有企业在年内测试和部署这些技术。该举措旨在将重点从演示转向实际、面向任务的应用，目标是在年底前部署10,000台。
-
综述详述具身AI机器人的物理模拟器
一篇新的综述论文探讨了物理模拟器在具身AI研究中的应用，重点关注它们在弥合机器人导航和操作任务的仿真到现实（sim-to-real）鸿沟方面的作用。论文分析了模拟器的属性、针对这些任务的特性以及硬件要求。它还为研究人员提供了一个资源指南，包括基准数据集、评估指标、仿真平台以及在考虑硬件限制的情况下辅助工具选择的方法。
-
Google DeepMind 在欧洲推出机器人初创公司加速器
Google DeepMind 在欧洲启动了一项专注于早期机器人初创公司的加速器计划。为期三个月的该计划将为入选公司提供 Google 的 AI 技术栈、技术专长以及 Gemini 机器人模型的访问权限。初创公司将获得指导和咨询，以在制造、医疗保健和环境监测等各个领域开发具身 AI 的实际应用。