Physical intelligence
PulseAugur coverage of Physical intelligence — every cluster mentioning Physical intelligence across labs, papers, and developer communities, ranked by signal.
- 2026-07-22 funding Physical Intelligence is reportedly being eyed for acquisition by AI companies Anthropic and OpenAI. 来源
- 2026-07-22 funding Physical Intelligence is reportedly being eyed for acquisition by AI firms Anthropic and OpenAI. 来源
- 2026-04-08 product_launch Physical Intelligence leverages Modal's infrastructure for real-time robotic inference. 来源
4 天有情绪数据
-
机器人领域领导者在 Runway Summit 讨论现实世界 AI 部署
The Bot Company 联合创始人兼首席技术官 Paril Jain 和 Physical Intelligence 联合创始人 Quan Vuong 在 Runway AI Summit 上讨论了现实世界评估和机器人技术的未来。他们的对话涉及在实际环境中部署机器人及其未来三年的预期进展。
-
中国AI模型Maxwell在物理任务排名中领先全球
一款名为Maxwell的新型具身AI模型，由中国工业人工智能研究所开发，在Meta-World物理任务基准测试中取得了有史以来最高分。Maxwell在该基准测试中得分91.9，该测试评估机器人在抓取和开门等50项日常物理任务上的表现。这一成就使Maxwell超越了包括Google DeepMind和MIT在内的全球顶尖研究机构和公司的提交成果。
-
具身智能模型DM0.5横扫四大关键基准，展现广泛能力
具身智能模型DM0.5在RoboColiseum基准测试（一个用于评估具身智能的综合平台）的四个子排行榜上均取得了最高排名。该模型是首个在指令遵循、空间理解、扰动适应和通用操作这四个类别中均表现出色的模型，显示出其没有结构性弱点。DM0.5的成功归功于其先进的架构，包括用于推理的具身思维链（embodied Chain-of-Thought）、用于空间理解的海量以自我为中心的视频数据，以及用于快速推理和长期记忆检索的工程优化，使其能够…
-
盛趣科技Motus2赋能机器人实现闭环学习自我进化 · 追踪2个来源
盛趣科技发布了其具身智能世界模型Motus2，旨在通过行动、预测和评估的闭环系统使机器人能够自我进化。该新模型整合了视觉、语言、动作和触觉等多种模态，并通过利用自身预测和评估来优化策略，探索递归自我改进（RSI）。Motus2还融入了记忆功能，并利用大规模人类第一人称（Ego）数据来训练高自由度机械手执行复杂操作任务。
-
机器人公司探索机器人“教育”新模式，超越受控环境
机器人行业面临一项重大挑战：如何让机器人在实际的、真实世界的任务中接受教育，而不仅仅是在受控环境中进行演示。Sielo Robotics 开发的一个框架概述了机器人教育的四种模式：“学校”模式，即由人类创建课程；“实验室实践”模式，涉及大量的模拟和测试；“提前毕业”模式，将机器人部署在容错环境以从现实世界的使用中学习；以及“学徒制”模式，即机器人通过监督任务进行学习。Boston Dynamics 等公司展示了即使是排练过的程序也存在…
-
中国初创公司超维度动力发布全栈具身智能系统
中国具身智能初创公司超维度动力（Super-Dimension Dynamics）发布了用于开发人形机器人的全栈解决方案，包括其KAI Bot人形机器人、KAI Hand灵巧手、KAI Halo数据采集设备、KAI World Model和KAI Embodied AI Infra训练平台。这种全面的方法借鉴了Figure和Tesla等公司的策略，旨在创建一个硬件、模型、数据和真实场景不断相互启发的闭环系统。该公司强调，这种全栈方法对…
-
达摩机器人为触觉驱动的物理AI获得融资
达摩机器人（Daimon Robotics）在由蚂蚁集团领投的新一轮融资中获得了数亿元人民币，现有投资者也参与了本轮融资。这笔资金将支持该公司开发一个全栈式“物理AI”系统，该系统集成了触觉感知、数据和模型，使机器人具备物理智能。达摩的技术，包括其触觉基础世界模型Daimon-TWM，在复杂操作任务中已展现出高可靠性，并正在制造业环境中进行试点。
-
Om AI 获得融资，开源边缘原生 VLX-Seek 1.5 模型
Om AI 已获得数亿元人民币融资，并开源了其 VLX-Seek 1.5 模型，将其定位为“边缘原生”物理应用人工智能领域的领导者。这种方法优先考虑低延迟、降低功耗和部署在设备上的成本效益，与 NVIDIA 和 Google 等竞争对手的云中心模型形成对比。VLX-Seek 1.5 模型，特别是其 3B 参数版本，在物体检测和空间推理的基准测试中，与更大的模型相比表现出卓越的性能，凸显了其流式多模态架构在现实场景中的有效性。
-
Runway ML宣布将于今年9月在旧金山举办首届AI峰会
Runway ML宣布其首届AI峰会将于今年9月在旧金山举行。此次活动将汇聚机器人、自动驾驶汽车、生命科学和基础设施等多个领域的行业领袖，共同探讨AI的变革性影响。目前已公布的知名演讲者包括Anyscale, Inc.的Anastasis Germanidis和Robert Nishihara，以及来自Nvidia和The Bot Company的代表。
-
具身AI专家在RSS研讨会上辩论模型集成、数据源
2026年RSS会议的一个研讨会上有五位专家就具身AI和世界模型的未来展开了热烈辩论。讨论的重点是是将世界模型和策略模型集成到一个统一的系统中，还是为了效率和更清晰的调试而将它们分开。专家们还辩论了视觉真实感或精确动作控制对于训练世界模型哪个更重要，以及是优先选择海量的互联网视频数据还是特定的机器人交互数据用于模型训练。最终，共识倾向于分离模型、结合视觉和基于动作的学习，以及需要互联网和机器人特定数据来构建强大的具身AI。
-
人形机器人通过新的VLA模型获得大语言模型驱动的“双手”
视觉-语言-动作（VLA）模型的最新进展旨在弥合大语言模型推理能力与机器人实时控制需求之间的差距。英伟达的GR00T N1.7、Google DeepMind的Gemini Robotics 1.5和Physical Intelligence的π0.5代表了应对这一挑战的不同架构方法。尽管它们都被营销为通用操作系统，但在整合感知、推理和动作方面存在差异：GR00T使用独立的网络，Gemini采用时间交错，而π0.5则试图在单个Tran…
-
Anthropic、OpenAI 关注机器人初创公司 Physical Intelligence 以进行收购
传闻表明，AI 公司 Anthropic 和 OpenAI 都对收购专注于机器人和 AI 的初创公司 Physical Intelligence 感兴趣。此次潜在收购凸显了 AI 公司之间日益激烈的竞争，它们正试图将其能力从软件模型扩展到硬件和物理机器人领域。
-
Anthropic曾与机器人公司Physical Intelligence进行收购洽谈
AI推特上流传着一个传言，称Anthropic正在收购机器人初创公司Physical Intelligence。尽管Physical Intelligence的CEO最初否认了这一消息，但后来披露，两家公司今年早些时候确实进行了收购洽谈。这种猜测凸显了像Anthropic和OpenAI这样的大型AI实验室正在收购专业公司以增强其能力，特别是在机器人等领域，这对于开发先进的AI系统可能至关重要。
-
具身AI领袖在WAIC上探讨数据、模型和现实世界的挑战
行业领袖在WAIC会议上齐聚一堂，讨论具身AI的未来，重点关注克服数据采集、模型表示和现实世界部署的关键挑战。主要议题包括高质量物理体验数据的关键需求、跨不同机器人的统一表示的开发，以及现实世界反复试验的高成本。发言者强调了创新方法，例如利用人类演示作为训练数据，以及采用具有推理能力的通用模型来提高机器人性能和可靠性。
-
新模型和框架推动具身AI能力发展
研究人员正在开发先进的模型和框架，以实现更具能力的具身人工智能。一种方法是Athena-Brain-8B，一个为设备端机器人大脑设计的8B LLM，展现出强大的通用智能和具身交互能力，并能给出简洁的响应。另一篇论文探讨了Edmund Berkeley和David L. Heiserman的历史工作，将其视为一个未被充分探索的具身智能架构，将逻辑与硬件和时间扩展行为联系起来。此外，一个1.5B的开源VLA模型MiniCPM-Robot，…
-
Runway ML宣布将于今年九月在旧金山举办AI峰会
Runway ML宣布其即将于九月在旧金山举行的AI峰会。此次活动将汇聚行业领袖，共同探讨AI在机器人、自动驾驶汽车和生命科学等多个领域的影响。该公司已开始公布首批演讲嘉宾阵容，后续还将公布更多。
-
实体AI面临数据瓶颈，尽管资金充裕
驱动机器人发展的实体AI正面临一个重大的瓶颈，原因是真实世界训练数据的收集稀缺且成本高昂。与可以从互联网抓取大量文本的语言模型不同，实体AI需要通过机器人实际互动来收集数据，这一过程缓慢、昂贵且劳动密集。尽管该领域获得了大量资金，但数据缺口正成为机器人公司和投资者的一个主要挑战。Scale AI等公司正试图通过构建数据收集和标注基础设施来解决这个问题，而其他公司则在探索合成数据生成或新颖的方法来捕获更具信息量的数据信号。
-
Lux Capital 的 Josh Wolfe 预测巴菲特去世、纳斯达克危机和欧盟不稳定
Lux Capital 的风险投资家 Josh Wolfe 对 2026 年剩余时间和 2027 年做出了几项大胆预测。他预计沃伦·巴菲特将去世，这可能引发纳斯达克危机和价值投资的复苏。Wolfe 还预见到由于化肥短缺和移民问题，欧洲可能出现食品和经济危机，这可能导致极右翼领导人上台。尽管有这些严峻的预测，Wolfe 对技术进步仍持乐观态度，认为它将继续改善整体生活。
-
专家警告：走红的人形机器人演示误导了其真实世界的能力
尽管病毒式传播的视频展示了令人印象深刻的人形机器人能力，但专家警告说，这些演示常常掩盖了重大的局限性。研究人员强调了精心策划的演示与现实世界可靠性之间的差距，并指出机器人很难在各种条件下泛化技能。尽管在实现人类水平的适应性方面存在实际挑战，但公司可能会利用人类拟人化这些机器人的倾向来吸引投资。
-
中国AI公司在RoboArena基准测试中领先，超越NVIDIA
一家专注于具身智能的中国公司在RoboArena基准测试中取得了最高排名，超越了NVIDIA和Physical Intelligence等知名公司。这一成就于2026年NVIDIA GTC台北站上宣布，标志着中国在具身人工智能领域贡献的显著进步。