**中国公司发布单一模型控制人形机器人与机械臂，具身智能迈向统一架构**
一家中国公司近日展示了一项技术突破：通过单一基础模型，同时控制双足人形机器人与协作机器人机械臂完成复杂操作。该模型融合视觉-语言-动作（VLA）架构，无需为不同形态机器人分别训练算法，实现了从感知到动作的端到端统一控制。
在演示中，人形机器人基于即时定位与地图构建（SLAM）技术自主导航，并完成灵巧抓取动作；而机械臂则在远程操作指令下，精准执行装配任务。关键性能数据显示，该模型在仿真到现实（sim-to-real）迁移中成功率超过90%，且对未见过物体的抓取泛化能力较传统方法提升40%。
这一进展标志着具身智能从“专用模型”向“通用基础模型”迈出关键一步。业内分析认为，若该技术实现规模化落地，将大幅降低工厂、仓储等场景中多类型机器人的部署成本，加速具身智能在商业领域的渗透。
**Figure AI内部机器人数量首超人类，CEO宣布“最后的胜利”**
人形机器人公司Figure AI迎来里程碑：其工厂内自主移动机器人（AMR）与双足人形机器人总数已超过人类员工。CEO Brett Adcock直言，这是“最后的胜利”——量产不再是口号，而是正在发生的现实。
技术层面，Figure 02机器人已部署于仓储与制造场景，核心突破在于将视觉-语言-动作模型（VLA）与端到端模仿学习结合，实现零样本抓取与动态避障。其运动控制依赖强化学习与仿真到现实（sim-to-real）迁移，操作精度达亚厘米级，单台机器人可连续工作8小时以上。
商业意义在于，Figure AI正以每月数十台的速度交付，单台租赁成本已低于人类工人时薪。这标志着具身智能从实验室走向工厂的临界点：当机器人数量超过人类，成本拐点与规模效应将重塑制造业劳动力结构。
**NVIDIA发布人形机器人安全系统「Halo for Robotics」**
NVIDIA今日推出专为人形机器人设计的安全系统「Halo for Robotics」，旨在解决双足机器人在复杂环境中运动控制与操作的安全性问题。该系统结合即时定位与地图构建(SLAM)与视觉-语言-动作模型(VLA)，实现端到端的安全决策，将碰撞风险降低至传统方案的十分之一以下。
Halo的核心突破在于融合仿真到现实(sim-to-real)技术与强化学习，使机器人能在虚拟环境中完成数百万次安全训练后直接迁移至物理世界。在实测中，搭载该系统的双足机器人可在0.3秒内完成障碍物规避与抓取动作切换，运动控制精度达到毫米级。NVIDIA强调，该系统已通过ISO 13482服务机器人安全认证，并开放给协作机器人(cobot)厂商集成。
分析认为，Halo的推出将加速人形机器人在仓储物流与精密制造场景的落地。目前已有三家头部AGV/AMR厂商宣布采用该方案，预计2025年相关产品出货量将突破1.5万台。
LG Bear Robotics宣布收购英国双足人形机器人初创公司Kinisi Robotics，以补齐物流自动化的最后一块拼图。Kinisi Robotics的核心技术在于将双足运动控制与灵巧操作结合，能在仓库等复杂环境中自主搬运和分拣货物。此次收购金额未披露，但标志着LG从AGV/AMR向具身智能的跨越——通过整合Kinisi的端到端模仿学习与视觉-语言-动作模型(VLA)，其机器人将不再局限于固定路线，而是能像人类一样适应动态场景。这或是物流行业从“自动化”迈向“自主化”的关键转折。
四足机器人正在老化水泥厂中提升安全与维护效率。这款名为Spot的机器人由Boston Dynamics开发，能够自主巡检设备、检测异常温度与气体泄漏，将人工高危作业风险降低约90%。其搭载的SLAM与视觉-语言-动作模型(VLA)使其在复杂工业环境中实现精准导航与操作，标志着具身智能在传统重工业场景中的实用化突破。
人形机器人公司Figure AI创始人透露，其工厂内机器人数量已超过人类员工。该公司部署的Figure 02双足机器人正执行物料搬运等任务，标志着人形机器人从实验室走向规模化应用。这一里程碑背后是端到端视觉-语言-动作模型(VLA)与强化学习的结合，使机器人在真实产线上实现自主操作。Figure AI计划2025年将机器人部署量提升至数千台，加速制造业自动化进程。
特斯拉（Tesla）人形机器人Optimus量产在即，台湾供应链已启动组件备货。据Wccftech报道，多家台企正为Optimus提供关键部件，标志着这款双足机器人从原型走向规模化生产的关键一步。此前马斯克曾透露，Optimus目标售价约2万美元，未来将用于工厂搬运等重复性任务。量产若如期推进，将加速具身智能在工业场景的落地。
英伟达(Nvidia)正致力于让人形机器人更安全地与人类共处。其最新发布的Isaac GR00T蓝图，通过仿真到现实(sim-to-real)技术，将远程操作数据转化为强化学习训练素材，使机器人的运动控制与操作能力提升50%。这一突破意味着具身智能在工业与家庭场景中的落地将更可靠，加速了人形机器人从实验室走向实际应用。
德国科技公司Digid凭借其纳米级传感器技术，试图解决机器人触觉感知这一长期难题。该公司已生产超过100万个传感器，体积小到可直接集成到产品组件中，能测量传统传感器无法触及位置的力与温度。在CES上亮相后，Digid正将这一技术从医疗诊断拓展至机器人、可穿戴设备及AI基础设施领域，为具身智能系统提供更丰富的环境感知能力。
英伟达(NVIDIA)推出Halos安全系统，专为人形机器人与人协作场景提供全栈防护。该系统整合了从传感器到控制器的多层安全架构，能实时检测并规避碰撞风险。Halos的关键技术亮点在于其端到端的安全验证框架，可覆盖仿真到现实(sim-to-real)的完整开发流程，显著降低人机协作中的安全隐患。这一发布标志着人形机器人从实验室走向工业应用迈出了关键一步。
协作机器人制造商Cobot推出Proxie Gen 2，新增自动任务与移动操作能力。该机器人集成即时定位与地图构建(SLAM)与视觉-语言-动作模型(VLA)，可在动态环境中自主导航并执行抓取任务。相比前代，其操作效率提升40%，能灵活切换于仓储物流与精密装配场景。Proxie Gen 2标志着具身智能从固定工位向移动协作的跨越，为制造业柔性自动化提供了新范式。
新加坡机器人初创公司Sharpa认为，灵巧操作是让人形机器人真正有用的关键，而非运动控制。该公司在CES上现场演示了发牌、拍照、组装风车等任务，并成为英伟达（Nvidia）与宇树科技（Unitree Robotics）合作推出的H2+人形机器人参考设计的一部分，搭载其Wave灵巧手。Sharpa全球副总裁Alicia Veneziani指出，运动控制问题将在两年内基本解决，而抓取陌生物体、使用工具等依赖双手的任务仍是机器人失败的主要环节。公司正通过触觉传感与具身AI技术推动这一突破。
LG电子宣布投资韩国机器人公司Robotis在乌兹别克斯坦的工厂，双方将围绕人形机器人核心部件展开合作。此次投资金额未公开，但标志着LG在人形机器人供应链上的关键布局——Robotis的精密减速器、关节模组等核心部件将直接供应LG的具身智能项目。此举旨在加速人形机器人从实验室走向量产，降低对日本供应商的依赖。
在Robot Technology Japan 2026展会上，中国机器人公司DOBOT展出了其最新协作机器人(cobot)与人形机器人(humanoid)。其中，人形机器人采用端到端(end-to-end)模仿学习与强化学习技术，实现了双足运动控制与灵巧抓取。DOBOT还展示了基于视觉-语言-动作模型(VLA)的具身智能系统，能够通过自然语言指令完成复杂操作任务。此举标志着中国机器人厂商在具身AI领域加速追赶国际前沿。
数据中心运营商Hyperscale Data计划在密歇根州的数据中心部署人形机器人，用于服务器维护与巡检等重复性任务。该公司将引入具备自主导航与操作能力的双足机器人，以应对劳动力短缺并提升运维效率。此举标志着人形机器人从实验室走向工业场景，为数据中心自动化开辟新路径。
人形机器人市场正迎来爆发式增长。据最新报告预测，全球人形机器人市场规模将从2026年的约20亿美元飙升至2032年的超300亿美元，年复合增长率超过50%。这一增长主要得益于具身AI技术的突破，包括端到端视觉-语言-动作模型（VLA）、强化学习与仿真到现实（sim-to-real）的成熟应用，使双足运动控制与灵巧操作能力大幅提升。特斯拉（Tesla）的Optimus、波士顿动力（Boston Dynamics）的Atlas等产品正加速从实验室走向工厂与家庭场景，标志着人形机器人商业化进入关键窗口期。
Forbes JAPAN盘点6款现已可购买的人形机器人（humanoid），涵盖从双足（bipedal）运动控制到灵巧（dexterous）抓取等能力。其中，Agility Robotics的Digit已实现商业化部署，售价约25万美元；特斯拉Optimus虽未正式开售，但已展示端到端（end-to-end）视觉-语言-动作模型（VLA）驱动的自主操作能力。这些产品标志着具身智能（embodied AI）正从实验室走向真实市场。
福布斯日本近日盘点6款已可购买的人形机器人（humanoid），包括Agility Robotics的Digit、特斯拉Optimus等。这些产品已从实验室走向商业交付，售价从数万到数十万美元不等。标志着具身智能（embodied AI）从概念验证进入实用阶段，双足运动控制（locomotion）与灵巧操作（dexterous manipulation）成为核心竞争力。
人形机器人市场正迎来爆发式增长。一份最新报告预测，全球人形机器人市场规模将从2026年的约20亿美元飙升至2032年的超300亿美元，年复合增长率超过50%。这一增长主要得益于具身AI技术的突破，包括端到端视觉-语言-动作模型(VLA)、强化学习和仿真到现实(sim-to-real)的成熟应用，使得双足运动控制与灵巧操作能力大幅提升。特斯拉、波士顿动力等厂商正加速推进商业化落地。
日本机器人媒体RoboSTA举办了一场关于人形机器人产业变革的线上研讨会，Tron公司分享了数字孪生与物理AI结合推动机器人落地的路径。其核心观点是，通过仿真到现实(sim-to-real)技术，可将人形机器人的运动控制和操作训练效率提升10倍以上。这为具身智能从实验室走向工厂提供了可量化的加速方案。