**【头条】融资估值超10亿欧元，Humanoid 获1.33亿欧元融资加速具身智能布局**
人形机器人初创企业 Humanoid 在最新一轮融资中成功募集 1.33 亿欧元，公司估值达到 11 亿欧元，正式跻身“独角兽”行列。
该轮融资将主要用于推动工业机器人与物理 AI（Physical AI）的规模化应用。在技术路径上，Humanoid 致力于构建高性能的具身智能（Embodied Intelligence）系统，通过整合先进的视觉-语言-动作模型（VLA）和端到端（End-to-end）学习框架，提升机器人在复杂工业环境中的感知与决策能力。其核心技术涵盖了从复杂的运动控制（Locomotion）到高精度的灵巧操作（Dexterous Manipulation），旨在通过强化学习与模仿学习等算法突破物理世界的交互瓶颈。
此次融资标志着资本市场对具身智能领域的深度认可。随着 Humanoid 技术的迭代，人形机器人有望跨越实验室阶段，进入工厂、仓储等真实工业场景，成为解决劳动力短缺、提升生产效率的关键基础设施。
**Forcesteed Robotics 发布通用人形机器人控制器，赋能具身智能落地**
Forcesteed Robotics 在“Step of 物理AI”展会上正式展示了面向系统集成商（SIer）的通用人形机器人控制器 Forcesteed-LEIVOR。该产品旨在打破硬件与软件之间的壁垒，为复杂环境下的多任务操作提供统一的底层支撑。
Forcesteed-LEIVOR 集成了先进的端到端（end-to-end）控制算法，能够高效处理人形机器人的运动控制（locomotion）与灵巧（dexterous）抓取等核心动作。通过整合高性能计算单元，该控制器支持复杂的视觉-语言-动作（VLA）模型部署，显著提升了机器人对非结构化环境的感知与交互能力。
作为面向工业级应用的通用平台，Forc1eeseed-LEIVOR 的推出旨在降低人形机器人的集成门槛。它不仅能加速从仿真到现实（sim-to-real）的迁移效率，更将推动具身智能（embodied intelligence）从实验室走向工厂车间，成为工业制造领域大规模部署通用型机器人核心的关键组件。
**宝马研发人形机器人“智能大脑”，赋能汽车零部件制造**
宝马（BMW）正致力于开发具备高度自主能力的机器人系统，旨在通过人形机器人（humanoid）替代传统生产线中的重复性高、环境复杂的装配任务。该系统的核心突破在于构建了一个能够处理复杂逻辑并执行精准动作的“智能大脑”。
在技术层面，宝马集成了先进的具身智能（embodined intelligence）架构，结合视觉-语言-动作模型（VLA）与端到端（end-to-end）学习算法。通过大规模数据驱动的模仿学习（imitation learning）和强化学习（reinforcement learning），机器人能够实现从复杂零件抓取（grasping）到精密装配的高精度操作（manipulation）。同时，系统融合了先进的运动控制（locomotion）技术，确保机器人在动态工厂环境中具备极高的稳定性。
此举标志着汽车制造正从自动化迈向智能化。通过引入具身AI驱动的人形机器人，宝马旨在解决生产线灵活性不足的痛点，降低复杂工序的培训成本，并为未来高度定制化的汽车零部件生产提供更具弹性的解决方案。
Boston Dynamics 展示了搭载新一代动力系统的 Atlas 人形机器人，旨在通过更强的运动控制与灵巧操作能力应对复杂工业环境。该机器人在动态环境中展现出超越传统 AGV 的灵活性，并展示了在非结构化场景下的抓取与协作潜力。这标志着具身智能正从实验室走向实地应用：通过强化学习和端到端技术提升机器人处理真实世界任务的鲁棒性，推动人形机器人从演示原型向替代高风险、重复性人工工作的工业生产力工具转型。
Figure AI 明确表示不参与当前人工智能与机器人领域的顶级人才“竞价大战”，转而通过建立独特的工程文化来留住核心团队。该公司在研发人形机器人（humanoid）过程中，强调将重点从单纯的算法竞赛转向复杂的硬件集成与具身智能（embodied intelligence）落地。这种策略意味着行业正从盲目烧钱抢夺顶尖人才，转向深耕垂直领域的工程能力与系统整合。这预示着具身智能领域将进入实干阶段，能够解决复杂操作（manipulation）和运动控制（locomotion）等实际工程问题的团队将获得核心竞争力。
Gritt Robotics 获 3400 万美元融资，旨在通过自动化技术革新太阳能电站建设。该公司利用具身智能（Embodied Intelligence）技术解决高风险、重复性强的施工任务。其核心技术路径涵盖了复杂的运动控制与操作逻辑，旨在替代人工完成繁重的安装工作。这标志着机器人技术正从实验室走向极端环境的工业应用场景，通过自动化降低可再生能源基建成本，推动具身智能在重型基础设施建设领域的规模化落地。
Samsung Electronics（三星电子）成立由诺·テムン（Roh Tae-young）总裁直辖的“RX室”，旨在建立专门的人形机器人（humanoid）统括组织。该部门将聚焦于具身智能（embodied intelligence）领域的关键技术突破，涵盖从基础模型到复杂操作（manipulation）的全链路研发。通过整合核心硬件与先进算法，三星意在加速人形机器人在工业制造及服务领域的落地应用。此举标志着全球科技巨头正加速布局机器人产业链，推动具身智能从实验室走向大规模商业化生产。
研究团队通过引入基于YOLO的物体与手部检测、双目视觉定位以及特定任务校正，显著优化了人形机器人NICO在桌面抓取任务中的仿真到现实（sim-to-real）迁移效果。该方案仅利用机器人的低分辨率鱼眼相机即可实现高精度对齐，无需昂贵的RGB-D相机或外部动捕系统支持。通过非线性校准模型与视觉反馈模型的结合，机器人能够在更广阔的作业空间内完成精准抓取。这一突破降低了具身智能在复杂环境下的硬件依赖成本，为低成本、高鲁棒性的工业级协作机器人（cobot）部署提供了可落地的技术路径。
研究者通过引入深度信息作为几何先验，显著提升了基于JEPA架构的“世界模型（World Model）”在复杂户外环境中的泛化能力。该方法在包含1800万参数的模型中加入SIGReg正则化，并在真实农业机器人视频数据上进行训练。实验结果显示，该模型在视觉里程计探测中的误差降低了33%，并显著提升了跨域场景下的多步预测保真度。这证明了将物理规律（如深度信息）融入轻量化基础模型，能有效增强具身智能在复杂动态环境中的鲁棒性，为机器人处理非结构化户外任务提供更稳定的表征。
工业机器人与激光清洗系统的集成技术正改变金属零件去毛刺及表面除锈的生产流程。通过将高精度工业机器人与激光束耦合，工厂可实现自动化去除旧涂层、油污和铁锈，替代传统的人工手动清理或化学处理。该方案显著提升了焊接、喷漆等后续工序前的表面清洁一致性，并支持机器24小时连续作业以缩短生产周期。这一技术的融合标志着工业自动化从单一的搬运与组装向高精度的复杂工艺协同演进，为制造领域的自动化提效提供了更具确定性的技术路径。
研究者提出 Causal SQIL 和 Causal IQ-Learn 两种离线因果模仿学习算法，旨在解决复杂环境中由于观测不匹配和混淆因子导致的策略偏差问题。相较于仅适用于短时程、低维空间的现有 Causal BC 和 Causal GAIL 方法，新算法通过滑动窗口近似序列 $\pi$-backdoor 准则，成功处理高维状态-动作空间下的长时程连续控制任务。在多项受干扰环境测试中，Causal SQIL 与 Causal IQ-Learn 的表现显著优于传统因果无感知模仿方法，部分甚至超越专家水平。这一突破为具身智能中的复杂操作（manipulation）和长期规划提供了更稳健的算法支撑，能够有效提升机器人处理不确定环境时的决策可靠性。
SAGE框架通过引入子目标约束的动作生成，解决了隐空间世界模型（World Model）在长程规划中面临的搜索空间爆炸问题。该技术通过预测不同时长的潜在子目标作为先验引导，显著提升了机器人处理复杂任务的能力。实验显示，在PushT任务中，当目标偏移量为150时，成功率从12.7%大幅提升至64.7%；在OGBench Cube任务中，成功率从26.7%提升至67.3%。这为具身智能解决长程操作规划提供了新路径，通过将复杂任务分解为结构化子目标，有效降低了端到端决策的复杂度。
Swiss公司mimic Robotics推出集成硬件与软件的“垂直整合物理AI平台”，旨在攻克工业机器人灵巧操作中的数据获取难题。该平台包含具备15个驱动自由度的模仿手M1，支持超过25kg的负载；并配套提供模拟人类动力学的穿戴式外骨骼U1，用于采集高保真演示数据。通过统一硬件形态与数据采集流程，mimic Robotics旨在消除跨具身差异，构建通用的基础模型。这标志着具身智能领域正从单一组件集成转向全栈自研架构，为实现通用型灵巧操作提供更高效的端到端训练路径。
研究团队推出基于JEPA架构的SC-JEPA框架，旨在通过离散预测状态空间解决时间序列异常预测中的表征坍塌问题。该模型引入软代码本瓶颈（soft codebook bottleneck）来稳定潜在预测学习，并结合多分辨率预测目标捕捉不同时间尺度的预警信号。在5个真实世界基准测试中，SC-JEPA展现出强劲且一致的早期预警性能。这一技术突破为工业设备故障预警提供了更稳定的表征模型，有助于提升复杂系统在异常发生前的预测精度。
研究团队推出一种开源且模块化的硬件触发时间同步电路，旨在解决路侧多激光雷达与多摄像头系统中异构传感器的数据对齐难题。该系统以激光雷达脉冲为基准，可为不同相机生成独立的可编程延迟触发信号。实验验证显示，该方案在包含3个摄像头及1个激光雷达的路侧系统，以及配备7个摄像头和1个激光雷达的车辆平台上均能实现高一致性的空间-时间对齐。这为城市交通中的多传感器融合提供了低成本、可扩展的技术路径，能够显著提升复杂环境下的感知精度。
研究人员在针对激光雷达（LiDAR）点云分类的动力系统自动编码器（DSAE）中，发现了深度相关的隐藏状态坍缩问题。实验显示，当网络深度达到K=5时，无论是否加入乘积系数特征增强，隐藏状态的标准差均降至10⁻⁵量级，导致随机森林、kNN等分类器的宏观F1分数统一跌至0.224688。这一发现揭示了深层架构在处理复杂空间坐标时的表征失效模式。这提醒具身智能开发者，盲目增加网络深度可能导致特征信息丢失，在构建高性能机器人感知系统时，必须通过优化模型结构来避免关键特征的坍缩。
研究团队提出一种基于机器学习的解释性地理空间AI框架，旨在通过公开遥感数据预测卫星地面站选址的关键参数——代表性杂乱高度（RCH）。该模型利用美国地质调查局3D Elevation Program提供的LiDAR数据进行训练，采用LightGBM算法在多种特征中筛选出最具影响力的因素。实验结果显示，该模型预测的平均绝对误差仅为1.79米，R²达到0.765，较ITU标准基准显著降低了超过60%的绝对误差。这一技术突破能大幅提升低轨卫星地面站选址与频谱协调的精确度，推动复杂地理环境下通信基础设施的高效规划。
Agility Robotics在特斯拉（Tesla）弗里蒙特总部附近开设训练中心，旨在加速其人形机器人产品的实地部署与迭代。该机构将聚焦于复杂环境下的运动控制和灵巧操作等核心技术，通过更密集的实地场景数据来优化具身智能算法。这一举措意味着人形机器人正从实验室走向大规模工业应用场景，通过高频次的物理交互强化模型在真实世界中的鲁棒性，加速推动通用人形机器人进入工厂自动化生产线。
中国初创企业在短短半年内完成三轮融资，其生产的面向人形机器人（humanoid）的6轴力觉传感器已占据70%的市场份额。该产品通过高精度的力反馈技术，为机器人的灵巧（dexterous）操作和复杂抓取（grasping）提供核心感知能力。随着具身智能（embodied intelligence）从实验室走向工业应用，高性能力觉传感器的国产化突破将降低人形机器人制造成本，加速通用机器人进入大规模量产阶段。
Unitree（宇树科技）获准申请6.18亿美元IPO，估值达60亿美元。作为具身智能领域的领军企业，Unitree在人形机器人、双足机器人以及具备复杂抓取能力的灵巧操作领域取得显著突破。其产品线涵盖从工业AGV到高性能人形机器人的全场景覆盖。此次融资与上市获批，标志着硬件制造能力与端到端模型融合正成为具身智能商业化的核心路径，将加速人形机器人从实验室走向大规模工业应用和消费市场。