现代汽车集团宣布从软银手中收购波士顿动力剩余股份，实现对这家机器人公司的完全控股。交易完成后，现代将持有波士顿动力100%股权，后者估值约11亿美元。
此次全资收购的核心价值在于波士顿动力在**双足**与四足机器人运动控制领域的底层技术积累。其**Atlas**人形机器人已展示出跑酷、后空翻等动态平衡能力，而**Spot**四足机器人则在工业巡检场景中实现商业化落地。现代计划将波士顿动力的**运动控制**算法与自身汽车制造工艺结合，重点突破**人形机器人**在物流、制造等场景的**操作**能力，目标是将单台机器人成本从目前的数十万美元降至可规模化部署的水平。
对现代而言，完全掌控波士顿动力意味着其**具身智能**战略从技术投资转向产业整合。随着全球车企竞相布局**人形机器人**赛道，这笔交易将加速**仿真到现实**技术在汽车产线的落地，为下一代**协作机器人**的工业应用铺平道路。
**人形机器人走出实验室：从仓储到工厂的真实落地**
人形机器人正从概念验证迈向实际部署。Figure 02已在宝马工厂完成端到端自主操作测试，其视觉-语言-动作模型（VLA）使机器人能根据自然语言指令自主完成金属零件抓取与装配，单次任务成功率超过90%。与此同时，Agility Robotics的Digit在物流仓库中实现日均1000次包裹搬运，其双足运动控制（locomotion）系统可适应传送带速度变化与不规则地面。
技术层面，仿真到现实（sim-to-real）迁移与强化学习（reinforcement learning）的结合，将人形机器人的运动控制训练效率提升5倍，而即时定位与地图构建（SLAM）精度的突破使其在动态环境中定位误差小于2厘米。商业应用上，特斯拉Optimus已进入工厂产线进行电池模组分拣测试，预计2025年实现小批量部署。行业分析指出，人形机器人市场将在2030年突破380亿美元，制造业与物流业将成为首批规模化应用场景。
**人形机器人数量首超人类员工：Figure AI 正以更快速度“雇佣”机器人**
Figure AI 首席执行官近日透露，其工厂内人形机器人数量已超过人类员工，且公司正以比招聘人类更快的速度部署机器人。这一里程碑标志着具身智能从实验室走向大规模商业应用的关键转折。
该公司的 Figure 02 人形机器人已在实际生产环境中执行物料搬运、零件组装等任务，其运动控制与操作能力基于端到端的视觉-语言-动作模型（VLA）实现，无需传统编程即可理解自然语言指令并自主决策。CEO 表示，机器人每小时成本已降至约 2 美元，远低于人类工人，且通过仿真到现实（sim-to-real）的强化学习训练，单台机器人可连续工作 20 小时以上，良品率超过 99%。
Figure AI 目前估值达 26 亿美元，已与宝马等车企签署试点协议。分析认为，人形机器人正从“技术演示”进入“经济账算得过来”的阶段，未来三年内或将在物流、制造等领域替代数百万个岗位。
宇树科技（Unitree Robotics）在人形机器人赛道中凭借极致成本控制占据优势，其双足机器人售价已低至9.9万元人民币，远低于行业同类产品。然而，在具身智能（embodied AI）的关键能力——如基于视觉-语言-动作模型（VLA）的灵巧操作与自主导航上，宇树仍需追赶特斯拉Optimus等对手。低成本硬件与高端AI算法的结合，正成为人形机器人从实验室走向商业落地的核心挑战。
iRobot联合创始人Colin Angle在《The Verge》播客中回顾了Roomba如何从一款只会随机碰撞的简陋扫地机，意外引爆全球家用机器人革命。这款产品历经近十年研发、多次濒临失败，最终凭借让用户“爱上”的独特魅力打开市场，并催生了如今价值数百亿美元的扫地机器人产业。iRobot未能跟上后续竞争，但其开创的路径已深刻改变了人们对清洁和家庭自动化的认知。
中国邮政引入人形机器人进行包裹分拣，每小时处理1200件，效率显著提升。该机器人采用视觉-语言-动作模型(VLA)与端到端模仿学习，结合双足运动控制与灵巧抓取技术，在复杂仓库环境中实现自主操作。这一应用标志着具身智能从实验室走向物流场景，为行业自动化树立新标杆。
日本Elza Japan宣布代理全球首款全身IP66防水工业人形机器人DEEPRobotics DR02。该机器人可在暴雨、粉尘等恶劣环境中稳定作业，防护等级达到行业最高标准。DR02身高1.7米，具备双足运动与灵巧操作能力，专为石油化工、户外巡检等场景设计，标志着人形机器人从实验室走向极端工业现场的关键突破。
机器之心获悉，一项新研究揭示了当前世界模型的致命缺陷：它们缺乏持续演化的内部状态。研究团队提出WRBench基准，对23个模型生成的9600段视频进行系统诊断，发现所有模型在物体离开视野后都会“冻结”其状态，而非让事件继续推进。这意味着，即便画面再清晰、控制再精准，现有世界模型也只是“跟踪镜头”，而非真正理解物理世界的因果延续。该研究呼吁将世界状态稳定性作为模型设计的首要目标。
机器人长期操作任务中，视觉线索常因遮挡而丢失，成为记忆瓶颈。EventVLA提出端到端框架，通过动态关键帧证据记忆（KEM）模块，直接从视觉-语言-动作模型（VLA）的潜在嵌入中预测未来关键帧概率，自主捕获稀疏但关键的事件证据。在17项模拟任务和4项真实双臂任务中，EventVLA平均成功率比现有最优记忆增强VLA提升40%，为长时域操作提供了高效解决方案。
机器之心获悉，研究团队提出Holo-World，一个能从单张图像联合控制相机、物体运动和天气变化的视频世界模型。该模型基于自建的HoloStateData数据集训练，通过统一场景适配器将世界保持与天气迁移解耦到不同参数子空间。实验显示，Holo-World在精准控制相机和物体的同时，能有效将场景迁移至多种目标天气状态，性能超越视频到视频的天气编辑基线。
软银（SoftBank）正计划出售其持有的波士顿动力（Boston Dynamics）股份，这家以双足人形机器人Atlas和四足机器人Spot闻名的公司即将易主。据Mobile World Live报道，交易估值或达10亿美元。此举标志着软银在机器人领域的战略收缩，而波士顿动力则在从实验室走向商业化过程中面临盈利挑战。
日本GMO AI & Robotics正式成为全球人形机器人出货量第一的宇树科技（Unitree Robotics）在日本的授权经销商。双方合作将引入Unitree的H1双足人形机器人及Go2四足机器人，后者售价仅1600美元起，大幅降低具身智能开发门槛。此举标志着日本市场对高性价比人形机器人需求的爆发，加速了双足运动控制与端到端模仿学习等技术的本地化落地。
三星(Samsung)正考虑收购波士顿动力(Boston Dynamics)部分股权，以加速布局人形机器人赛道。据Digitimes报道，此举正值全球具身智能竞争白热化，三星欲借此整合波士顿动力的双足运动控制与仿人机器人技术。若交易达成，将显著提升三星在端到端机器人基础模型与仿真到现实(sim-to-real)领域的研发能力，直接对标特斯拉Optimus等竞品。
现代汽车(Hyundai)宣布收购软银(SoftBank)持有的波士顿动力(Boston Dynamics)剩余股份，交易金额约4.5亿美元。这笔交易完成后，现代将持有波士顿动力约90%的股权，进一步巩固其在人形机器人领域的布局。此举标志着软银彻底退出这家以双足机器人Atlas闻名的公司，而现代则加速整合具身智能技术，推动从工业协作机器人到通用人形机器人的商业化落地。
现代汽车集团（Hyundai Motor Group）宣布将全资收购机器人公司Boston Dynamics，交易完成后其持股比例将从约80%增至100%。此次收购金额未披露，但标志着现代进一步加码具身智能赛道。Boston Dynamics以双足人形机器人Atlas和四足机器人Spot闻名，其运动控制与操作技术将融入现代汽车制造与物流场景，加速从实验室到工业应用的落地。
现代汽车(Hyundai)以3.25亿美元从软银(Softbank)手中收购波士顿动力(Boston Dynamics)剩余股份，实现对这家机器人明星公司的完全控股。这笔交易让现代获得人形机器人Atlas和四足机器人Spot的全部控制权，后者已在工业巡检、公共安全等领域部署超过1000台。现代正加速将波士顿动力的运动控制与具身智能技术整合至其制造和物流场景中。
现代汽车(Hyundai Motor)宣布将全资控股波士顿动力(Boston Dynamics)，此举可能加速后者在美国上市。现代汽车计划斥资约4.6亿美元收购剩余股份，使波士顿动力估值达到约11亿美元。这一整合将强化现代在具身智能(embodied AI)和人形机器人(humanoid)领域的布局，推动其从汽车制造商向智能机器人公司转型。
现代汽车(Hyundai)以3.25亿美元收购软银(SoftBank)持有的波士顿动力(Boston Dynamics)剩余股份，实现对这家明星机器人公司的完全控股。这笔交易让现代全面掌控人形机器人Atlas和四足机器人Spot的技术与产品线，进一步巩固其在具身智能(embodied AI)领域的布局。收购完成后，波士顿动力将加速推进双足运动控制(locomotion)与灵巧操作(manipulation)的商业化落地。
现代汽车(Hyundai)以3.25亿美元收购软银(SoftBank)持有的波士顿动力(Boston Dynamics)剩余股份，实现对这家机器人公司100%控股。这笔交易标志着软银在持有近四年后完全退出，而现代则加速布局具身智能领域。波士顿动力以其双足人形机器人Atlas和四足机器人Spot闻名，其核心技术涵盖运动控制、即时定位与地图构建(SLAM)及端到端模仿学习，被视为全球具身AI商业化的重要标杆。
机器之心获悉，研究人员推出SurgVista手术世界模型，解决了现有模型在预测手术画面时出现的空间交互不连贯与时间保真度崩溃两大难题。该模型通过变形一致性正则化与漂移适应训练两项技术，在长时域预测中显著提升视觉质量。实验表明，SurgVista在视觉质量、时间一致性和交互保真度上全面超越现有方法，且优势随预测时长增加而扩大。