具身前哨 · 第 41 期

**Agility Robotics 拟通过 SPAC 交易加速人形机器人商业化进程**

Agility Robotics 正通过 SPAC（特殊目的收购公司）上市计划，旨在加速其在具身智能（Embodied Intelligence）领域的技术落地与资本扩张。作为人形机器人领域的领军企业，Agility Robotics 的核心突破在于将复杂的运动控制（Locomotion）与精细的灵巧操作（Manipulation）高度整合。

在技术层面，该公司通过强化学习（Reinforcement Learning）和模拟到现实（Sim-to-Real）技术，显著提升了机器人在复杂环境中的稳定性。其研发的机器人能够执行高难度的抓取（Grasping）任务，并具备更强的动态平衡能力。相比于传统的自动导引车（AGV）或自主移动机器人（AMR），Agility 的人形机器人旨在通过高度集成的端到端（End-to-end）架构，模拟人类的动作逻辑。

此次资本运作不仅为公司提供资金支持，更标志着人形机器人从实验室走向工业应用的临界点。随着其技术的成熟，该类机器人有望在物流、仓储等高重复性任务中替代人工，成为推动未来自动化生产线变革的核心驱动力。

**Boston Dynamics 发布全新 Atlas 人形机器人：架构简化，性能飞跃**

Boston Dynamics 推出的新一代 Atlas 人形机器人实现了架构上的重大变革。通过大幅简化系统复杂度，该机器人在保持高动态性能的同时，显著提升了运动控制的稳定性与灵活性。

在技术实现上，新一代 Atlas 摒弃了复杂的机械结构，转而采用更高效的驱动系统。其核心突破在于将复杂的动力学平衡转化为更简洁的算法逻辑，使机器人能够执行极其复杂的动作——如在不平整地面快速奔跑、跳跃以及进行高难度的灵巧操作（manipulation）。这种架构简化不仅降低了控制难度，还为未来集成具身智能（embodied intelligence）和复杂任务规划提供了更稳健的底层基础。

这一跨越式进步标志着人形机器人从“演示性技术”向“工业级应用”的转型。通过简化硬件与软件耦合的复杂度，新一代 Atlas 为在工厂、物流等复杂环境中部署通用型机器人铺平了道路，有望成为推动自动化生产力变革的核心载体。

**韩国斥资千亿美元布局内存芯片与人形机器人赛道**

韩国政府计划投入巨额资金，重点布局高带宽内存（HBM）芯片制造与人形机器人领域。在半导体领域，韩国正通过强化核心工艺以巩固其在全球存储芯片市场的霸主地位；而在具身智能（Embodied Intelligence）领域，韩国企业正加速研发具备复杂操作能力的机器人系统。

技术层面，韩国重点攻关高性能HBM芯片的生产工艺，旨在满足AI算力需求。在人形机器人研发上，相关机构聚焦于灵巧（Dexterous）抓取、端到端（End-to-end）控制以及复杂的运动控制（Locomotion）。通过整合视觉-语言-动作模型（VLA）与强化学习（Reinforcement Learning），旨在提升机器人在非结构化环境中的作业能力。

此举旨在构建完整的AI产业链，将高端半导体制造与具身智能技术深度融合。这不仅能巩固韩国在半导体领域的全球竞争力，更旨在通过人形机器人推动自动化生产与服务业的变革，确立其在未来人工智能基础设施中的核心地位。

RoboWorld推出了一种结合快速自回归视频世界模型与任务进度感知的视觉-语言模型评分机制，旨在解决通用机器人策略评估中的可靠性与推理速度难题。该系统通过Step Forcing技术减少训练与测试的偏差，在多项任务和环境中实现了Pearson相关系数r=0.989、Spearman等级相关系数为0.970的高一致性。这为具身智能领域提供了一种高效的模拟评估路径，能够大幅降低大规模机器人策略验证的硬件成本与工程复杂度。

该教程通过定义“世界模型”为基于动作条件的预测模型，系统性梳理了具身智能领域的关键技术路径。研究将现有方法划分为观测空间和状态空间两种模型，并对比其在视觉保真度、物理可解释性及控制可用性上的差异。同时，论文提出了连接预测未来与可执行动作的“世界动作模型”，涵盖想象后执行、视频特征条件下的动作预测等四种代表性范式。这为具身智能领域提供了清晰的分类学框架，有助于开发者在复杂环境下的感知与决策中，更精准地平衡模拟仿真与真实操作之间的技术权衡。

Iris Ohyama（爱丽思欧亚玛）通过在实地部署2.5万台自动导引车（AGV）的经验，揭示了人形机器人普及面临的核心技术瓶颈。尽管当前具身智能（embodied intelligence）研究热度极高，但大规模工业应用仍受限于复杂环境下的可靠性。该案例强调：从简单的搬运到复杂的灵巧操作，机器人的核心挑战在于如何通过端到端模型提升在非结构化场景中的稳定性。这提醒开发者，通用基础模型虽有潜力，但要真正替代人工，仍需攻克高频交互中的鲁棒性难题。

研究团队提出 M2-REPA 框架，通过解耦表示对齐技术提升多模态世界模型（World Model）的视频生成质量。该方法首次将不同模态（如 RGB、深度图、掩码）的特征从扩散模型中分离，并分别与对应的基础模型（Foundation Model）进行对齐。实验证明，该方案在视觉质量和长程一致性上显著优于基准模型。这为具身智能提供了更稳定的多模态感知基础，能够让机器人更准确地理解复杂环境中的空间关系与物体属性。

UniDrive-WM通过融合视觉-语言模型（VLM）构建统一的世界模型，打破了自动驾驶中感知、预测与规划模块分离的现状。该架构在单一框架内协同完成场景理解、轨迹规划及基于轨迹条件的未来图像生成。在Bench2Drive基准测试中，UniDrive-WM显著提升了系统性能：L2轨迹误差降低7.3%，碰撞率降低10.4%。这种将VLM推理与生成式世界模型深度耦合的架构，为自动驾驶提供更强的预测能力和鲁棒性，推动具身智能在复杂动态环境中的决策精度跨越。

MetaOthello通过构建包含多种规则变体的奥赛罗棋类测试集，揭示了Transformer模型如何组织并处理多个冲突的“世界模型”。实验表明，在混合数据训练下，模型不会将能力分割到孤立的子模型中，而是建立起跨变体共享的棋盘状态表征。研究通过线性探测（Linear Probes）证实，不同规则下的内部状态具有高度相关性；在规则部分重叠时，模型前层保持通用特征，中间层识别游戏身份，后层进行特化处理。这为理解基础模型如何整合多任务逻辑提供了关键路径，有助于优化具身智能中的多场景泛化能力。

研究者提出一种基于语言评判（Language-Critique）的模仿学习框架，旨在从次优演示数据中提取高质量指令。不同于传统的标量反馈（如置信度或权重），该方法利用自然语言构建包含任务进度、失败模式及细粒度纠错指导的结构化信号。实验涵盖导航、操作和游戏等多种连续控制任务，LC-BC与LC-DP模型在性能上均超越了强模仿学习基准及离线强化学习。这一突破为具身智能提供了更丰富的监督信号，能够有效利用低质量数据训练出鲁棒的策略，降低对高质量专家数据的依赖。

Valdi 提出了一种结合端到端在线训练与潜空间扩散动力学模型的“价值扩散世界模型”（Value Diffusion World Models）。该模型通过在推理和训练阶段仅使用单步扩散（single diffusion step），解决了传统扩散模型迭代推理缓慢、难以用于低延迟规划的痛点。在 CarRacing 环境测试中，Valdi 的表现与确定性 MLP 基准相当。这一突破为具身智能提供了兼顾预测多模态与实时控制性能的路径，有望提升机器人复杂动态环境下的在线决策效率。

研究者提出一种全新的“文本信念状态”框架，旨在解决基于大语言模型的世界模型（World Model）中表征不可识别的难题。通过引入fGRPO这一树状强化学习方法，该技术强制执行严格的中间层约束。实验数据显示，在复杂任务的规划中，该方法能显著提升表征质量达57%，并在长程预测表现上实现高达98%的性能提升。这为构建更可靠、可解释的具身智能（Embodied Intelligence）提供了关键的技术路径。

Proception 在达成与 Tesla（特斯拉）的贸易秘密诉讼和解的同时，成功完成了 1100 万美元的种子轮融资。该公司专注于具身智能领域的关键技术攻关，旨在通过更高效的算法提升机器人的操作能力。此次双重进展意味着初创企业在处理知识产权风险的同时，仍能获得资本市场的青睐。这为机器人领域的技术转化提供了清晰路径：通过解决核心专利纠纷，Proception 能够更稳健地推动 VLA 模型与复杂抓取任务的商业化落地。

Hirebotics推出基于Fanuc CRX-10iA/L Paint硬件与Beacon无代码平台的防爆协作机器人（cobot）Cobot Painter，旨在解决金属加工领域的喷涂自动化难题。该系统具备55.82英寸的工作半径，支持液体、粉末及凝胶涂层，且无需专业编程人员即可在数日内部署至现有手动喷涂环境中。通过将防爆硬件与无代码界面结合，该产品降低了高多样性、低产量场景的自动化门槛。这标志着工业机器人正从复杂的定制化集成转向易于部署的通用型方案，推动协作机器人在危险环境下的普适化应用。

研究人员提出一种结合反馈线性化混合位姿-力控制与末端执行器被动柔顺自由度的交互架构，旨在提升机器人处理动态环境冲击的鲁棒性。通过在末端引入物理弹簧-阻尼器界面，该方案能有效吸收高频冲击能量。实验数据表明，相比于传统控制方法，该结构在固定环境下可降低36.5%的切向力误差标准差，并在多变环境中显著降低25.4%的法向力误差及41.1%的法向速度误差。这一技术突破为具身智能中的复杂环境交互提供了更稳定的硬件-软件协同方案，有助于提升机器人在非结构化场景下的操作稳定性。

研究人员让人形机器人学会了“旱冰滑行”，通过强化学习（Reinforcement Learning）赋予机器人在复杂动态环境下的高效移动能力。该系统在实际测试中展现出极强的鲁棒性，且相比于标准行走步态，其运输成本（CoT）降低了高达50%。这项技术无需模仿学习或人类动作数据，仅通过奖励结构即可让机器人掌握边缘驱动等高级技巧。这种将具身智能与特殊机械结构结合的尝试，为人形机器人在高能效、高速移动场景下的应用提供了新思路。

研究人员提出一种全新的本体感知里程计算法，旨在解决四足机器人和轮式腿式机器人在无视觉或激光雷达辅助下的定位漂移难题。该技术通过将可靠的接触点视为运动学锚点，仅利用IMU和电机测量数据即可实现高精度状态估计。实验在4款四足平台上验证，显著抑制了长距离运动中的高度偏移与航向漂移。这一突破为具身智能（embodied intelligence）中的鲁棒性运动控制提供了关键技术支撑。

研究团队为 CMU VLA（视觉-语言-动作）挑战赛开发了一套模块化框架，旨在让机器人通过自然语言指令完成复杂室内任务。该系统采用双并行流架构：感知端利用 OwlViT 嵌入构建语义体素地图，语言端则通过视觉-语言模型处理用户指令。核心亮点在于其高效的约束机制，即便在 500 秒的探索限制内，系统也能基于部分地图生成可执行动作。这一框架有效桥接了人类语言与机器人操作之间的鸿沟，是具身智能领域迈向高层语义理解的重要一步。

Boston Dynamics（波士顿动力）CEO在采访中预言，未来250年的美国建设将由机器人主导。公司正致力于将先进的具身智能（embodied intelligence）与硬件结合，推动人形机器人从实验室走向工业生产线。通过融合端到端（end-to-end）学习与复杂的运动控制技术，他们旨在解决复杂环境下的抓取与操作难题。这一愿景标志着机器人正从简单的AGV/AMR向具备高度灵巧性的协作机器人演进，成为重塑未来制造业的核心驱动力。

Genie Sim 3.0推出了一套面向人形机器人的高保真综合仿真平台，旨在通过大规模合成数据解决真实世界数据获取成本高、难以扩展的痛点。该平台集成了由大模型驱动的场景生成工具，并开源了一个包含超过200个任务、累计时长超过10,000小时的合成数据集。实验验证了其在零样本（zero-shot）情况下的sim-to-real迁移能力。这一进展为具身智能提供了高效的训练基座，证明了高质量仿真数据能有效替代部分真实场景数据。