**人形机器人：中国出货量占全球九成，AI基准测试领跑**
中国在人形机器人领域实现双重领先。数据显示，全球90%的人形机器人由中国出货，同时国产模型在AI基准测试中首次登顶。核心技术突破集中在视觉-语言-动作模型（VLA）与仿真到现实（sim-to-real）迁移，使机器人抓取成功率提升至95%，运动控制能耗降低30%。
具身智能赛道加速落地。头部企业已实现双足机器人在复杂地形的稳定行走，灵巧手操作精度达0.1毫米级。端到端模仿学习框架将训练周期从数月压缩至72小时，成本下降60%。商业层面，人形机器人单价已跌破2万美元，预计2025年全球部署量将突破5万台，覆盖仓储、制造及家庭服务场景。
行业影响深远。中国团队开源的世界模型与基础模型，正推动全球具身AI研发效率跃升。协作机器人厂商同步推出适配人形机器人的安全交互协议，为万亿级市场铺平道路。
**美国机器人公司发布未来主义人形机器人与导航机器狗**
美国机器人公司Futurist近日在加州推出两款新品：双足人形机器人Futurist Humanoid与四足机器狗FX Navi。前者身高1.7米，搭载视觉-语言-动作模型(VLA)，能通过自然语言指令自主完成抓取、搬运等复杂操作任务，在工厂测试中连续工作超8小时，定位精度达厘米级。后者配备即时定位与地图构建(SLAM)系统，可在无GPS环境下自主导航，最高时速12公里，负载能力达20公斤。
两款产品均采用端到端模仿学习与强化学习训练，实现了仿真到现实(sim-to-real)的高效迁移。Futurist Humanoid已与多家物流企业达成试点合作，预计2025年量产，单价控制在2万美元以内。分析认为，这标志着具身智能从实验室走向商业化的关键一步，将加速仓储、巡检等场景的自动化变革。
**机器人银行发布「RobotBank Brain」：统一调度人形机器人与AMR的AI基座**
日本机器人银行（Robot Bank）今日推出AI管理平台「RobotBank Brain」，首次实现对人形机器人（humanoid）、自主移动机器人（AMR）及协作机器人（cobot）的跨机型协同调度。该平台通过视觉-语言-动作模型（VLA）统一解析任务指令，将自然语言直接转化为不同机器人的运动控制（locomotion）与操作（manipulation）序列。
技术层面，RobotBank Brain内置即时定位与地图构建（SLAM）模块与仿真到现实（sim-to-real）迁移框架，使多台机器人在共享空间内实现无冲突路径规划。在实测中，系统可同时调度5台异构机器人完成仓库拣选与搬运任务，任务切换延迟低于200毫秒。其核心突破在于将端到端模仿学习（imitation learning）与强化学习（reinforcement learning）结合，使机器人无需单独编程即可适应新场景。
商业上，该平台瞄准制造业与物流业，宣称可将多机器人部署成本降低40%。机器人银行计划于2025年开放API接口，推动具身智能（embodied AI）从单机智能向群体智能演进。
INLIF正式进军双足人形机器人市场，推出全新原型机。该机器人搭载自研的视觉-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。INLIF表示，其端到端模仿学习框架将训练效率提升了40%，并计划在2025年实现小批量量产，瞄准仓储物流与家庭服务场景。
阿联酋推出了一款前所未有的人形机器人，其独特之处在于融合了双足运动控制与灵巧操作能力。该机器人搭载了视觉-语言-动作模型(VLA)，能够通过模仿学习和强化学习实现端到端的任务执行，无需预设编程。它采用即时定位与地图构建(SLAM)技术自主导航，并具备仿真到现实(sim-to-real)的迁移能力，标志着具身智能在复杂环境中的重大突破。
一项针对四足机器人多模态SLAM（即时定位与地图构建）的系统评估揭示了传感器配置的关键影响。研究团队在ANYmal D四足机器人上，利用GrandTour数据集测试了视觉、视觉-惯性及LiDAR-视觉-惯性SLAM方法，发现立体相机配置在定位精度上显著优于单目和RGB-D方案，全局快门相机相比卷帘快门可大幅减少运动导致的追踪失败。更关键的是，标准惯性传感器在剧烈腿部运动下反而会降低视觉框架的性能。该研究为敏捷四足系统的传感器选型提供了具体设计指南。
现代汽车集团（Hyundai Motor Group）宣布增持波士顿动力（Boston Dynamics）股份，将其变为全资子公司。此举涉及约数亿美元的交易，使现代完全掌控这家以人形机器人Atlas和四足机器人Spot闻名的公司。现代计划加速具身智能与运动控制技术的商业化，尤其在仓储和制造场景中部署双足与协作机器人，强化其在自动化领域的全球竞争力。
加拿大创业公司Sanctuary AI推出人形机器人Codey，标志着具身智能进入新阶段。Codey搭载视觉-语言-动作模型(VLA)，能自主完成抓取、操作等灵巧任务，并具备社交互动能力。其核心突破在于端到端模仿学习与仿真到现实(sim-to-real)迁移，使机器人无需远程操作即可适应复杂环境。Sanctuary AI计划2025年部署数百台，目标将单台成本降至5万美元以下，推动人形机器人从实验室走向商业应用。
机器人基础模型评估迎来突破：SC3-Eval通过自洽视频生成技术，将预训练视频模型转化为精准的策略评估器。该方法通过前向-逆动力学一致性、跨视角一致性和测试时一致性三重约束，解决了传统评估中误差累积与多视角不一致问题。在7个真实世界视觉-语言-动作(VLA)策略测试中，SC3-Eval实现了0.929的闭环皮尔逊相关系数，MMRV仅0.119，性能超越三种强基线模型，并能泛化至新任务。这一方案为机器人操作策略的规模化评估提供了低成本、高精度的替代方案。
机器之心获悉，研究团队推出BestMan平台，旨在解决家庭移动操作任务中真实环境与仿真之间的无缝迁移难题。该平台通过自动场景生成（ASG）模块、仿真引导的技能学习架构以及硬件无关的统一中间件（HUM），实现了从真实观察到仿真重建、策略评估再到真实部署的全流程打通。实验表明，BestMan在建立标准化基准和推动移动操作研究方面表现优异，为具身智能机器人提供了可扩展的解决方案。
机器人远程操作数据初创公司XDOF近日宣布成立，并获7000万美元融资。该公司通过远程操作收集高质量数据，用于训练具身AI模型，解决机器人学习中的数据稀缺难题。其技术可应用于人形机器人、协作机器人等场景，加速从仿真到现实(sim-to-real)的迁移，推动端到端视觉-语言-动作模型(VLA)的发展。
机器之心关注到工业机器人领域正迎来一场适应性革命。传统自动导引车(AGV)与自主移动机器人(AMR)正被融合了视觉-语言-动作模型(VLA)的具身智能体取代，后者能通过模仿学习和强化学习实现灵巧抓取与运动控制。例如，某厂商推出的双足人形机器人已能在复杂工厂中自主执行操作任务，其端到端基础模型将仿真到现实(sim-to-real)的迁移效率提升了40%。这一趋势标志着工业机器人从预设程序向自主决策的关键跨越。
日本CIJ公司的人形服务机器人AYUDA系列，在一次50周年庆典上与664人进行猜拳游戏，创下吉尼斯世界纪录。该机器人通过视觉识别与快速决策，在单次活动中连续完成664轮互动，展示了人形机器人在大规模群体交互场景中的潜力。
加州大学伯克利分校团队开发的人形机器人，在最新演示中实现了在楼梯和斜坡上流畅奔跑，其运动控制能力甚至比后空翻更令人惊叹。该机器人采用强化学习与仿真到现实(sim-to-real)技术，在复杂地形上的奔跑速度达到每秒2.5米。这一突破标志着双足运动控制从实验室走向真实场景的关键一步，为人形机器人在救援、物流等领域的实用化铺平了道路。
四足机器人负重运输时，被动弹簧臂的振荡力会破坏稳定性。新研究提出ZiMPedance模型，将负载接口动力学纳入ZMP稳定性分析，并集成到模型预测控制中。仿真显示，该方法将稳定性违规率从7.0%降至0.7%（降低10倍），水平地面反作用力减少15%。硬件实验证明，搭载2kg负载时，机器人能在扰动下稳定行走，甚至通过被动臂实现末端跟踪，无需额外驱动。
轮式双足机器人学会用腿“踢”物体了。机器之心获悉，研究团队提出一种分层控制框架，让轮式双足机器人通过腿部完成平面物体滑动任务。该框架基于三刚体简化动力学模型，结合非线性模型预测控制器，同时调控运动与交互力。在真实实验中，机器人成功从桌底取出1公斤物体，并通过“滑行”动作将4公斤物体移动0.228米。这项技术拓展了双足机器人的操作能力，使其无需机械臂即可完成搬运。关键亮点在于将运动控制与物体操作融合，为具身智能在仓储、家庭等场景的应用提供了新思路。
机器人远程操作常因自遮挡导致深度估计失效，新研究提出一种确定性手臂运动学校正（AKC）方法。该方法利用勾股定理强制手臂长度恒定约束，无需复杂概率建模即可重建遮挡关节深度。实验对比Vicon参考系统，AKC在静态与动态关节运动中均表现可靠，并在仿真与实体机器人上成功验证。即使在长时间严重自遮挡下，AKC仍能保持解剖一致性，为实时人机交互提供了低成本、高鲁棒性的解决方案。
机器人长期操作任务中，世界模型常因末端执行器遮挡和相机快速移动而遗忘或幻觉场景细节。Mem-World提出一种记忆增强的多视角动作条件世界模型，其核心W-VMem通过4D腕部视角中心曲面索引记忆，将历史观测锚定到随时间演变的表面元素。实验显示，相比Ctrl-World，Mem-World将策略评估与真实世界性能的皮尔逊相关性提升14.5%，并通过合成数据生成将长时任务成功率从58%提高到72%。
机器之心获悉，韩国研究团队提出DexSynRefine框架，将人类-物体交互(HOI)数据转化为机器人灵巧操作动作。该框架通过HOI-MMFP运动先验合成轨迹，再经任务空间残差强化学习和接触动力学适应实现物理可行执行。在五项灵巧操作任务中，DexSynRefine将真实世界成功率相比传统运动重定向提升50-70个百分点，解决了数据稀疏和形态不匹配的核心瓶颈。
全球最大的人形机器人（humanoid）与物理AI（Physical AI）国际会议将于5月28日至29日在东京高轮举办。这场为期两天的活动聚焦双足运动控制（locomotion）、灵巧操作（dexterous manipulation）及具身智能（embodied AI）等前沿技术，预计吸引超2000名行业专家。会议将展示端到端（end-to-end）视觉-语言-动作模型（VLA）与仿真到现实（sim-to-real）的最新突破，标志着具身智能从实验室走向产业化的关键节点。