跳到正文
11月14日週六
  1. DEV Community57

    NVIDIA GR00T 2 旨在讓機械人技能跨機體遷移

    NVIDIA 將 GR00T 2 描述為開放的「world-action model」,旨在從人類及機械人示範中學習,並把技能遷移至不同機體。NVIDIA 報告指,GR00T 2 在 50 項任務的多次試驗中零樣本成功率為 40%,微調後結果較高;Samarth Urs 認為,模型在其中 40 項任務各至少成功一次的呈現方式可能高估表現。

  2. 新浪科技42

    小特朗普支持的 Foundation 聯合創辦人稱未來 5~10 年大部分主要戰事將由機械人執行

    Foundation 聯合創辦人預計,未來 5~10 年人形機械人、地面車輛和無人機將承擔大部分主要作戰任務,人類則負責特種作戰及小規模精準行動。Foundation 今年 2 月已交付 2 台 Phantom MK-1,下一代 MK 2 接近交付;MK 1 載重約 40 公斤,可協助士兵裝填彈藥和搬運物資。

  3. DEV Community32

    移動操作機器人基礎與系統架構——第12章:標準與規例

    《移動操作機器人基礎與系統架構》第12章聚焦機械臂與自主移動平台結合時的安全風險,以及相關標準與規例。內容涵蓋 ISO 12100、ISO 10218、ISO 3691-4、ISO 13849-1、IEC 62061 和 ISO 13850,並説明風險評估、功能安全、急停與保護性停止的要求。安全設計亦須考慮感應器覆蓋範圍、停止距離、載荷及地面摩擦等因素。

  4. DEV Community23

    移動操作機械人基礎與系統架構——第13章:產品策略

    移動操作機械人的產品策略須從市場分析出發,評估其在製造、倉儲物流、醫療及服務等環境的應用機會與客戶需求。市場評估應考慮應用場景、操作環境、負載及自主程度,並以透明假設估算總潛在市場、可服務市場和可獲取市場。客戶需求則應以營運問題和可量度的生產力改善為依據。

  5. DEV Community21

    移動操作機械人的基礎與系統架構——第 15 章:移動操作機械人的未來

    AI 驅動的操作讓移動操作機械人能感知複雜環境、選擇操作並適應環境變化,減少對預設軌跡和手動設定任務流程的依賴。其架構結合環境感知、場景理解、任務規劃、動作生成及閉環控制,並可運用深度學習、強化學習和模仿學習。機械人仍須處理可解釋性、數據需求、安全驗證,以及模擬與現實之間的差異。

  6. 新浪科技44

    新京報評論:給AI上保險,讓技術創新有兜底、知敬畏

    第二批次網絡安全保險服務試點方案公佈,覆蓋醫療、教育、工業、金融和產業園區;AI保險可借鑑“保前評估、保中監測、保後復盤”的風險治理邏輯。AI保險目前面臨事故數據不足、責任邊界模糊和企業投保動力不足等難題。文章建議北京制定風險分類和保障指引、開展重點場景試點,並建立脱敏風險數據共享機制。

  7. DEV Community37

    校準工程 — 第03章:馬達與伺服校準

    馬達與伺服校準透過建立編碼器讀數與機械參考位置的關係,讓控制系統能將編碼器位置轉換為校準後的機械座標。校準方法視編碼器種類而定,機械間隙、接近參考位置的方向及傳動結構都會影響精度和重複性;校準後應反覆執行回零驗證。

  8. DEV Community27

    校準工程——第 04 章:轉向校準

    本章説明如何為轉向系統設定轉向角感應器零點,以機械直行位置為基準,避免零點偏差影響轉向控制、車輛運動估算及幾何修正。校準前須確認機械狀態,並檢查正負方向、回差及左右通道各自的安裝偏差。零點偏移按 θcal = θraw − θzero 修正,儲存後須重新載入,並驗證校準結果是否穩定及可重複。

  9. 新浪科技57

    立訊精密披露消費電子、AI及汽車電子三條業務線進展

    立訊精密在業績説明會披露消費電子、AI通信與數據中心及汽車電子三大業務進展。2026年前三季度營收2850.12億元、歸母淨利潤130.57億元,分別同比增長29.01%及13.36%;汽車電子營收為509.70億元,高於上年同期的236.88億元。AIPC在18個月內完成品牌客戶全覆蓋;AI數據中心方面,224G DAC/ACC已進入量產,液冷部件與QD連接器獲大客戶超過15個項目定點。

  10. DEV Community33

    機械人通訊——第10章:時間同步

    IEEE 1588 標準化的精確時間協定(PTP)可在封包網絡中實現亞微秒級同步,為機械人及其他分散式系統提供共同時間基準。PTP 透過 Sync、Delay Request 和 Delay Response 訊息估算時鐘偏差及網絡延遲,並持續調整本地時鐘。IEEE 1588 採用分層時鐘架構,並以最佳主時鐘演算法(BMCA)選出主時鐘。

  11. 虎嗅64

    每小時10元,Ego數據採集把工人日常勞動變成機械人訓練資料

    Ego第一人稱視角影片數據採集正迅速形成具身智能產業鏈,工廠工人及一般用戶以日常操作影片換取報酬,影片經清洗、標註和處理後用於機械人訓練。眾包平台實測顯示,每有效小時基本報酬為20元,另設按日累計有效時長計算的獎勵;約30分鐘的錄製內容中,僅20多分鐘獲審核通過,收入不足10元,另需支付設備租金。

  12. 雷鋒網44

    浙大彭思達:從元宇宙到具身智能,一位三維視覺研究者的八年 | 世界模型50人

    浙大研究員彭思達八年間,研究由動態三維人體重建轉向自動駕駛仿真,再延伸至具身智能;他認為,具身智能中動作模態比視覺更關鍵。彭思達團隊公開了SuperNav和ScaleNav,分別負責導航決策與具體執行,採用通用多模態大模型搭配導航工具的方案。

  13. HuggingFace Daily Papers(社區熱門論文)47

    ResWAM:世界動作模型學習變化,而非保持不變的內容

    ResWAM以凍結的DINOv3特徵進行視覺殘差學習,並以0.5B雙分支DiT提升視覺語言動作策略成功率,同時降低訓練與推理計算量。模型總參數量為2.3B,在LIBERO-Plus、RoboTwin 2.0及RoboDojo分別取得81.1%、93.8%及9.40%的成功率,訓練計算量為2.7-4.0 TFLOPs,推理計算量為1.0-1.4 TFLOPs。

  14. Hugging Face Blog49

    如何使用 SimReady 資產構建機械人抓取與放置模擬

    教學示範如何在 Isaac Sim 中組合 UR17G 機械臂、Robotiq 2F-140 夾爪與飲料罐,並使用智能體生成的控制程式執行抓取與放置。SimReady Central 提供具備模擬設定及驗證資料的 OpenUSD 資產,涵蓋關節、碰撞和質量等屬性。示範使用 Isaac Sim 6.2 和 GPT-6 Sol 協助編寫及執行任務程式。

  15. Unite.AI47

    Cybernetix Ventures 創辦人 Fady Saad 專訪

    Cybernetix Ventures 創辦人兼普通合夥人 Fady Saad 討論實體 AI 的機遇與限制,以及機械人從原型走向商業部署所需的條件。他認為,技術能力和資金投入已出現轉折,但大規模部署仍未實現,實際環境中的數據缺口仍待填補。Crunchbase 統計,2026 年上半年機械人初創企業獲投 $18.8 billion;Saad 強調,生產線機械人須達到 99.99% 可靠度。

11月13日週五
  1. Silicon Republic66

    德國 Agile Robots 融資 $500m,估值達 $8.5bn

    德國實體 AI 公司 Agile Robots 完成 $500m Series F 融資,估值達 $8.5bn。這輪融資由 SoftBank Group 領投,Nvidia、Hitachi Group 及 T Capital 參與,令 Agile Robots 累計獲投資本達 $2bn。公司將用資金提升產能、拓展美國等主要市場,並加快機械人應用開發。

  2. 第一財經29

    多家上市公司披露光伏、算力等方面最新情況

    11月13日,多家上市公司透過互動平台及投資者關係活動記錄表,披露光伏、算力等業務的最新情況。華民股份的太空光伏業務已送樣 P 型異質結專用矽片並小批量供貨;中富通的 AI 政務服務機械人業務尚未量產,對業績無實質影響。協創數據稱相關傳聞不屬實、採購渠道暢通;領益智造的相關數據採集設備已生產並出貨。

  3. OpenClaw:Blog39

    OpenClaw 即將到深圳

    OpenClaw 將於 2026 年 12 月 4–6 日在深圳舉辦為期三日的活動,包括黑客松 Claw Hack 和旗艦會議 ClawCon。Claw Hack 設軟件及硬件兩條賽道,申請截止日期為 11 月 25 日;ClawCon 將探討開源 AI、開放權重模型及智能體等主題,兩項活動須分開登記。

  4. 第一財經35

    江波龍:據第三方公開資訊,宇樹機器狗等產品已採用公司嵌入式儲存

    江波龍表示,根據第三方公開的智能產品拆機資訊,宇樹機器狗等產品已採用其嵌入式儲存。公司稱,嵌入式儲存、移動儲存及 mSSD 產品在具身智能領域具備較大應用潛力,並正與全球知名機械人企業進行高性能儲存產品送樣及導入工作,因客戶保密要求不便透露合作情況。

  5. Unite.AI40

    ASUS 為 Gallop 人形機械人設定人工作業速度目標

    ASUS 正訓練首款人形機械人 Gallop,在電子廠包裝 15 件主機板配件,目標是每塊主機板在 20 秒內達到 99.5% 成功率;這些數字是目標,並非已達成的結果。Gallop 已具備由人示範、機械人學習及產線測試的訓練流程。ASUS 計劃於 2027 年安排客戶試點,並以 2028 年下半年為市場推出目標。

  6. Unite.AI41

    人形機械人即將進入工廠:發生事故時誰須負責?

    人形機械人進入工廠後,安全風險與責任歸屬成為部署關鍵;製造商、軟件開發者、系統整合商及僱主均可能須對事故負責。Agility Robotics 與 FORT Robotics 於 10 月宣佈合作,為 Agility 的 Digit 5 人形機械人加強安全架構。文章指出,部署前須進行分階段驗證,並在 AI 模型、軟件或工廠環境等變更後重新評估安全。