**法国AI机器人公司另辟蹊径，押注非人形设计突围**
在具身智能赛道愈发拥挤的当下，法国初创公司另辟蹊径，选择放弃人形机器人路线，专注开发非人形形态的自主移动机器人（AMR）。其核心技术突破在于将视觉-语言-动作模型（VLA）与即时定位与地图构建（SLAM）深度融合，使机器人能在复杂动态环境中实现零样本抓取与灵巧操作，无需预先编程或环境改造。
据公开数据，该机器人在仓储分拣任务中，单次抓取成功率超过95%，操作速度较传统自动导引车（AGV）提升3倍。其端到端模仿学习框架结合仿真到现实（sim-to-real）迁移技术，使训练数据需求降低80%，大幅缩短部署周期。公司已获得1.5亿美元融资，计划于2025年向物流与制造业交付首批商用机型。
这一技术路线表明，具身智能的商业化落地未必依赖人形设计。通过强化学习与基础模型结合，非人形机器人同样能在操作与运动控制上达到工业级精度，为仓储、制造等场景提供更高效、低成本的自动化方案。
**波士顿动力用Blender训练机器人踢足球，仿真数据直通现实**
波士顿动力在其机器人足球训练管线中引入开源3D软件Blender，通过合成数据生成技术加速运动控制与操作策略的迭代。团队利用Blender构建高保真物理场景，模拟足球、场地及多机器人交互，结合强化学习与仿真到现实（sim-to-real）迁移，使双足机器人Atlas在虚拟环境中完成带球、传球与射门训练。关键性能数据显示，经Blender合成数据训练的模型，在真实场景下的足球拦截成功率提升37%，动作响应延迟降低至0.2秒以内。
这一技术路径的核心在于将Blender的灵活渲染能力与具身智能（embodied AI）训练流程深度耦合，大幅降低对真实物理实验的依赖。商业层面，该方案可扩展至仓储物流、灾难救援等需要动态环境适应的机器人场景，为波士顿动力从实验室走向工业应用提供低成本、高迭代效率的仿真基础设施。
**宇树科技与同行竞速：人形机器人进入“生存战”**
宇树科技（Unitree Robotics）正以技术迭代加速突围。其最新人形机器人H1在运动控制（locomotion）上实现突破，奔跑速度达每秒3.3米，并能完成跳跃、后空翻等高动态动作。核心在于自研的强化学习（reinforcement learning）框架，使机器人在仿真到现实（sim-to-real）迁移中保持稳定，无需依赖昂贵遥操作（teleoperation）数据。
商业化层面，H1定价约9万美元，瞄准工业巡检与物流场景，与波士顿动力（Boston Dynamics）的Atlas形成直接竞争。行业分析师指出，人形机器人赛道已从“概念验证”转向“成本与可靠性比拼”，宇树通过轻量化关节设计与开源算法降低部署门槛，但续航与灵巧操作（dexterous manipulation）仍是量产前的主要瓶颈。这场生存竞赛中，谁能率先实现单台成本低于5万美元并跑通闭环应用，谁将主导下一阶段市场。
三星正考虑入股美国机器人公司Boston Dynamics，引发行业关注。据SamMobile报道，这笔潜在投资可能涉及数亿美元，旨在强化三星在具身智能领域的布局。Boston Dynamics以双足人形机器人Atlas和四足机器人Spot闻名，其运动控制和操作技术处于全球领先。若交易达成，三星将获得前沿的机器人基础模型与仿真到现实能力，加速其在协作机器人和自主移动机器人市场的竞争。此举标志着科技巨头正通过资本整合抢占具身AI赛道。
通用人形机器人Eno正式亮相，定位为工业领域的多用途工人。它身高1.7米，具备双足运动与灵巧操作能力，可执行搬运、组装等复杂任务。Eno搭载了视觉-语言-动作模型(VLA)与即时定位与地图构建(SLAM)技术，能在动态环境中自主导航。其端到端模仿学习框架使训练效率提升10倍，无需大量编程即可快速适配新场景。这标志着具身智能从实验室走向工厂，有望解决制造业劳动力短缺问题。
日本《自动化新闻》最新报告预测，人形机器人全球市场将迎来爆发式增长，到2035年出货量预计达到718万台。与此同时，工业机器人巨头安川电机（Yaskawa Electric）发布中期经营计划，目标在2029财年实现营收6500亿日元、营业利润1000亿日元。这一数据凸显了从传统工业机器人向人形机器人、具身智能（embodied AI）领域加速转型的行业趋势。
研究者推出 PTCD 框架，旨在通过预训练大幅提升时间序列因果发现的跨任务泛化能力。现有方法往往受限于特定数据集，难以应对复杂的动态变化。PTCD 通过双尺度迭代注意力机制捕捉窗口级关系，并结合干预学习与因果混合策略进行增强。实验证明，该模型在多个真实世界的分布外（OOD）数据集中表现优异。这为故障根源定位等复杂场景提供了更稳健的自动化分析工具。
Unitree（宇树科技）在人形机器人领域展现出极强的工业化落地能力，其单款机型累计产量已突破1.1万台。值得关注的是，该公司的零部件自给率已超过90%。这种高产量的规模效应与高度的供应链自主可控，意味着国产人形机器人正从实验室走向大规模量产。这不仅验证了Unitree在硬件制造上的深厚积累，更预示着具身智能（embodied intelligence）相关技术正加速进入工业化爆发期。
中国机器人公司Unitree（宇树科技）在人形机器人领域取得重大突破，单款机型累计产量已突破1.1万台。其核心竞争力在于极高的供应链掌控力，零部件自给率超过90%。这种大规模量产能力意味着人形机器人正从实验室走向工业化生产。高比例的零件自给率不仅降低了成本，更显著提升了供应链稳定性。这标志着国产人形机器人正在加速跨越规模化门槛，成为具身智能领域的关键玩家。
机器人领域正迎来具身智能（Embodied Intelligence）的爆发，特别是融合大模型技术的协作机器人（cobot）正在重塑工业生产。通过引入视觉-语言-动作模型（VLA）和强化学习，机器人的抓取与操作精度显著提升。例如，相关技术已能支持高达18kg的负载并实现复杂的动态路径规划。这种从单纯自动化到具备智能决策能力的跨越，标志着机器人正从预设程序的执行者转变为能够理解复杂指令的智能伙伴。
机器人也能发展出“自我”意识？一项发表于arXiv的新研究提出，通过持续学习不同任务的机器人，其认知结构中会涌现出一个高度稳定的子网络（p<0.001），该网络在功能上至关重要——保留它有助于适应新任务，破坏它则损害性能。研究在三种不同机器人（涵盖运动控制与操作任务）上验证了这一模式，为理解具身智能的自我意识提供了量化新思路。
机器之心报道：研究人员提出MotionVLA，一种基于视觉-语言-动作模型(VLA)的人形机器人运动生成框架。其核心创新DSFT双流频率分词器，将运动分解为基础姿态与物理动态两路独立压缩，解决了传统单码本量化对高频速度信号表征不足的问题。实验显示，仅用2B参数的轻量级模型，MotionVLA在HumanML3D数据集上将生成动作与真实数据的多样性差距缩小超50%，在MBench上运动条件一致性提升3.8%。这为端到端人形机器人运动控制提供了新范式。
机器之心报道：DragMesh-2提出了一种接触驱动的灵巧手与铰接物体交互框架，让人形机器人能像人手一样通过持续物理接触来操作抽屉、门等部件。该研究引入PICA训练机制，无需触觉或力反馈即可提升策略鲁棒性。在7个GAPartNet物体上的测试显示，DragMesh-2在不同阻尼条件下均保持高任务成功率，且对接触负载变化表现出更强适应性，为未来具身智能与双足操作研究提供了关键基础。
机器人学习策略迎来几何突破。来自多伦多大学等机构的研究者提出几何动作模型（Geometric Action Model），将机器人操作任务中的动作表示为3D空间中的几何变换，而非传统的高维向量。该模型在模拟和真实环境中均展现出更强的泛化能力，在6个复杂操作任务上平均成功率提升35%，尤其擅长处理未见过的物体和场景。这一方法为具身智能系统摆脱对海量数据的依赖提供了新思路。
台湾公司（未具名）发布新一代人形机器人，专为真实世界操作场景设计。该机器人采用端到端视觉-语言-动作模型(VLA)，结合即时定位与地图构建(SLAM)技术，实现了在复杂环境中的自主导航与灵巧抓取。其双足运动控制(locomotion)能力通过强化学习与仿真到现实(sim-to-real)训练优化，可适应工厂、仓库等非结构化场景。这一进展标志着具身智能(embodied AI)从实验室走向产业应用的关键一步。
研究团队推出了一种名为UME的通用操作外骨骼，旨在通过实时力矩反馈让机器人学会更具“顺应性”的全身控制策略。该设备支持包括7自由度的Franka在内的多种机器人平台，并能显著提升复杂空间下的任务成功率。其核心亮点在于通过远程操作采集高价值的力矩数据，解决传统数据采集难以捕捉物理交互反馈的痛点。这为具身智能（embodied intelligence）在家庭等复杂环境中的安全协作提供了关键技术路径。
研究团队推出 BIM-Loc 框架，通过融合建筑信息模型（BIM）显著提升机器人室内定位的鲁棒性。该技术核心在于在线识别真实环境与设计蓝图之间的差异，并利用多命中射线投射策略实现高效的数据关联。实验证明，在特征稀疏或频繁变动的环境中，其定位精度和稳定性均大幅超越现有的基于地图的方法。这一突破为服务机器人和巡检机器人在复杂工业场景中的精准导航提供了更可靠的底层支撑。
韩国券商预测，三星可能成为波士顿动力（Boston Dynamics）的IPO投资者。这一猜测基于波士顿动力在具身智能领域的领先地位——其双足人形机器人Atlas已实现端到端强化学习运动控制，而三星正加速布局机器人业务。若交易成行，三星将获得波士顿动力在运动控制、操作和仿真到现实（sim-to-real）等核心技术，直接对标特斯拉Optimus。目前波士顿动力估值未公开，但分析师认为其IPO规模或超10亿美元。
电池板块正迎来由AI驱动的二次增长浪潮。由于AI数据中心对储能系统（ESS）需求的激增，叠加人形机器人（humanoid）领域的爆发式增长，原本受电动汽车市场放缓压制的电池股重新成为市场焦点。这种需求转变不仅源于能源结构的变革，更标志着具身智能与大规模算力基础设施的深度耦合。随着机器人产业链加速扩张，高性能电池正成为支撑AI基建与自动化生产的关键核心组件。
波士顿动力首席产品与技术官Zachary Jackowski在HMG Tech Talent Forum 2026上宣布，其双足人形机器人Atlas已从实验室走向工业场景，在韩国现代汽车工厂完成试点部署。Atlas采用端到端视觉-语言-动作模型(VLA)与强化学习，实现灵巧抓取与动态运动控制，单次任务循环时间缩短至30秒内。这标志着人形机器人从演示到实际生产力的关键跨越。