具身前哨 · 第 60 期

**Humanoid 获 1.52 亿美元 A 轮融资，成为英国首家 AI 机器人独角兽**

人形机器人初创企业 Humanoid 在 A 轮融资中成功募集 1.52 亿美元，正式成为英国首家人工智能机器人领域的独角兽企业。该轮融资旨在加速其在具身智能（Embodied Intelligence）领域的研发，推动通用型人形机器人的商业化落地。

Humanoid 的核心技术突破在于构建高度集成的端到端（End-to-end）控制架构。通过融合视觉-语言-动作模型（VLA）与先进的模仿学习（Imitation Learning），其机器人能够实现复杂的抓取（Grasping）与精细操作（Manipulation）。同时，公司利用强化学习（Reinforcement Learning）优化运动控制（Locomotion），并结合高效的仿真到现实（Sim-to-real）技术，显著提升了机器人在非结构化环境中的适应能力。

此次融资标志着人形机器人从实验室走向工业应用的加速。随着具身智能技术的突破，Humanoid 的产品有望在物流、制造等领域替代高风险或重复性高的任务，成为推动自动化生产力变革的关键力量。

**仿生四足机器人：跨越水域的搜救新利器**

一种受蜘蛛结构启发的四足机器人（four-legged robot）成功在复杂水域环境中实现目标追踪与救援。该机器人采用独特的四足设计，赋予其极高的稳定性，能够克服波浪干扰，在动态的水面环境或岸边复杂地形中高效移动。

在技术层面，该系统集成了先进的感知算法以识别并跟踪目标人员。通过仿生学的结构优化，机器人在水上展现出卓越的平衡能力与机动性，能够在不稳定的表面保持稳定姿态。其核心架构支持复杂的路径规划，确保在救援过程中能够精准定位受困者。

这一技术的突破为水上搜救、灾难救援及极端环境下的自动化巡检提供了全新的解决方案。相比传统单体船只或无人机，这种具备高灵活性和强交互能力的机器人能更深入地进入复杂区域，显著提升应急救援的效率与安全性。

**【行业前瞻】全球人形机器人赛道领跑者：2026年重点关注的Top 10初创企业**

随着具身智能（Embodied Intelligence）技术的爆发，人形机器人正成为通用人工智能落地的核心载体。根据最新融资数据统计，全球范围内涌现出一批在技术突破与资本支持上表现突出的领军企业。

这些头部初创公司正集中攻克复杂环境下的运动控制（Locomotion）、灵巧操作（Dexterous Manipulation）以及端到端（End-to-end）的视觉-语言-动作模型（VLA）。通过融合模仿学习（Imitation Learning）与强化学习（Reinforcement Learning），这些机器人正在实现从简单抓取到复杂任务执行的跨越。此外，利用仿真到现实（Sim-to-real）技术加速模型训练，以及构建高精度的世界模型（World Model），正成为提升机器人在非结构化环境适应性的核心路径。

这些企业的崛起预示着人形机器人正从实验室走向工业生产线与服务场景。随着基础模型（Foundation Model）赋能具身AI，具备高度通用性的协作机器人（Cobot）将重塑制造业、物流仓储等领域的自动化逻辑，成为未来十年最具变革性的硬件载体之一。

Unitree（宇树科技）推出基于“单一大脑”架构的具身智能模型，旨在通过统一的端到端框架驱动人形机器人完成家务等复杂任务。该系统融合了视觉-语言-动作（VLA）模型与世界模型，实现了从感知到决策再到执行的闭环。相比传统将导航、抓取和运动控制拆分处理的架构，这种“一脑”设计显著降低了多任务切换时的逻辑损耗。这标志着具身智能正从模块化堆叠转向高度集成的通用基础模型，为家用机器人实现复杂环境下的泛化操作提供了更高效的技术路径。

TIME杂志封面刊登Unitree（宇树科技）创始人兼CEO及巨型机甲机器人，标志着中国进入“大机器人时代”。该报道聚焦于国产机器人的技术突破与工业化进程。其中，Unitree推出的四足机器人和人形机器人在运动控制（locomotion）与复杂环境交互方面表现出色。这一动作不仅展示了中国企业在具身智能（embodied intelligence）领域的快速崛起，更意味着国产硬件正从实验室走向大规模商业应用，加速推动全球机器人产业链的重构。

Eric Trump支持的Foundation公司与AMD达成合作，共同研发人形机器人。双方将结合AMD的高性能计算芯片与Foundation在具身智能领域的积累，旨在提升机器人的运动控制与复杂操作能力。该合作聚焦于高性能算力对支撑大规模基础模型（foundation model）及端到端（end-to-end）学习的必要性。这标志着顶级半导体厂商正深度介入机器人底层架构，通过强化硬件算力支持复杂的视觉-语言-动作（VLA）模型，加速人形机器人从实验室走向工业化应用场景。

LimX Dynamics 升级了人形机器人 Olie 所搭载的 AI 模型 COSA，显著提升了机器人的交互性能。新版本不仅将响应时间缩短了 50%，还实现了对 11 种语言的支持。通过优化底层架构，COSA 能够更高效地处理语音指令并驱动硬件动作。这一进展意味着具身智能（embodied intelligence）在多语言交互和实时响应方面取得了技术突破，为人形机器人在复杂多变的真实场景中执行任务提供了更强的交互基础。

GENE.01 机器人展示了具备多模态皮肤感知触觉、距离、力与温度的具身智能能力。其搭载的 GEN-1 基础模型支持从五指灵巧手到各类专业工具等多种末端执行器，通过在数千个传感器接口上进行预训练，构建出通用的物理常识以实现跨设备的抓取和操作。这种基于通用基础模型的泛化能力，意味着具身智能将摆脱单一硬件的限制，推动机器人从特定任务走向多场景、多形态的通用作业。

日本发生全球首例因人形机器人（humanoid）“劳动”引发的人类罢工事件。此次冲突源于工厂引入人形机器人替代人工操作，直接挑战了传统生产线的岗位安全与职权边界。此事件标志着具身智能（embodined intelligence）从实验室走向工业实操环节时，不仅面临技术层面的抓取、运动控制等难题，更触发了复杂的劳动法与伦理博弈。这预示着人形机器人进入工厂场景时，法律框架的完善将成为除技术突破外，推动具身智能大规模商业化落地的核心门槛。

GuidedAttention 提出一种引入可解释且可修正视觉注意力的模仿学习框架，旨在提升机器人操作在分布外（OOD）场景下的鲁棒性。该系统通过预测任务相关的注意力关键点来驱动基于扩散模型的动作策略，并允许用户在执行初期对这些关键点进行手动纠偏。实验证明，该技术能显著提升机器人在物体位置偏移和外观变化等复杂环境下的操作表现。这为具身智能提供了更透明的交互界面，让人类能够介入修正模型决策偏差，从而解决端到端策略在实际工业场景中难以调试的痛点。

研究团队推出DEED框架，旨在通过高效的后训练与经验驱动学习，解决人形机器人从实验室到零售场景的落地难题。该系统基于Unitree G1-Edu人形机器人与GR00T N1.6基础模型，在超市补货任务中实现了显著性能提升。DEED包含控制频率对齐、视觉高亮数据筛选及基于文本优势前缀的经验驱动优化等核心技术。实验证明，仅需单块GPU即可通过精细的数据设计将脆弱的模型转化为可靠的实操系统。这表明具身智能的落地关键在于系统集成与数据工程而非单纯的架构创新，为商用人形机器人的部署提供了低成本、高效率的技术路径。

研究人员利用预测市场（Prediction Markets）量化了大语言模型（LLM）在处理特定文本时产生的策略性信息偏差。通过对111个与乌克兰相关的预测市场、约9.3万条预测数据进行分析，发现英语新闻语境会导致领土预测产生64%至72%的错误率。实验证明这种偏见源于原始文本而非模型架构本身。这提醒具身智能开发者，在构建世界模型（World Model）时，训练数据的来源质量直接决定决策的准确性，若不清洗带有特定倾向的语料，下游任务中的自动化决策将面临严重的逻辑偏差风险。

HyWorldVLA通过融合像素级监督与潜在表示学习，构建出一种兼顾鲁棒性与可解释性的混合世界模型-视觉-语言-动作（VLA）框架。该模型在预训练阶段同时预测视频VAE编码的潜变量并重建原始帧，在NAVSIM v1和v2基准测试中显著超越纯像素或纯潜在模型的表现。这种架构解决了自动驾驶中环境噪声干扰与表征退化之间的矛盾。它为具身智能提供了一种更稳健的端到端决策路径，推动了复杂动态场景下机器人运动控制与感知融合的技术突破。

研究者提出 HypEMBER 框架，通过结合超网络（Hypernetwork）与集成学习（Ensemble Learning），旨在解决强化学习在处理带参数动力系统时的鲁棒性难题。该方法通过超网络生成基于物理参数的策略和价值函数权重，并在 Kuramoto-Sivashinsky 方程及二维时间相关旋流中的粒子导航任务中，显著提升了模型对测量噪声和参数偏差的容忍度。这一技术突破为具身智能领域的复杂动力学控制提供了新路径，能够有效应对真实物理环境中不确定性带来的泛化难题，提升机器人系统在多变环境下的操作稳定性。

研究者提出一种“公司世界模型（Company World Model）”架构，旨在通过预测性的资产到价值状态转换替代传统的组织架构，以优化AI原生生物技术公司的运营。该研究包含45个回顾性公开信息决策案例，对比了模仿人类组织结构与基于核心价值转化的两种架构。实验结果显示，在涉及监管审批、商业拓展和收入纪律等关键指标时，资产中心型架构的自动评分显著高于传统模式。这表明具身智能或AI Agent在复杂工业领域应用时，应从模拟人类职能部门转向构建统一的预测性状态模型，从而提升自动化决策的精确度。

FANUC（发那科）正通过整合基础模型与具身智能技术，推动工业机器人从自动化向智能化跨越。公司利用NVIDIA提供的算力支持、ROS2架构以及谷歌等巨头的AI技术积累，旨在构建具备更强感知与决策能力的“物理AI”。不同于传统仅执行预设程序的机械臂，该方案强调通过端到端学习提升机器人的灵活性。这标志着工业机器人正从单一的自动化工具演变为具备自主适应能力的智能实体，将加速工厂自动化向高度复杂的非结构化环境渗透。

AGIBOT在世界人工智能大会（WAIC）上发布了四款面向真实场景的具身智能产品，展示了从工业物流到复杂操作的全面布局。这些产品涵盖了具备SLAM技术的自动导引车（AGV）、自主移动机器人（AMR），以及集成了视觉-语言-动作模型（VLA）和端到端算法的人形机器人。通过融合模仿学习与强化学习技术，AGIBOT实现了更复杂的抓取与运动控制。这标志着具身智能正从实验室原型走向工业级落地，推动人形机器人从单一的移动能力向具备高灵巧度的复杂任务操作跨越。

Travis Kalanick创立的机器人公司Atoms获得由a16z领投的17亿美元融资，并吸引到Uber等机构参投。该公司通过收购重工业自动化企业Pronto，旨在构建“机器人的底盘”，将软件能力应用于矿业、制造等物理世界的自动化领域。此次大规模融资不仅为Atoms提供技术攻坚资金，更标志着资本正加速流向具身智能（embodied intelligence）领域的底层基础设施建设。这预示着机器人行业正从单纯的算法突破转向与重工业深度融合，试图通过构建“基于原子”的计算架构来重塑物理世界的生产力。

卡内基梅隆大学（Carnegie Mellon University）研究团队在委内瑞拉地震灾区实地部署蛇形机器人，用于坍塌建筑的搜救任务。该项目直接应用于应对两场导致城市严重破坏的大型地震，通过蛇形机器人的高灵活性进入复杂废墟空间。这种从特定应用场景到极端环境的实战验证，推动了具身智能（embodied intelligence）在复杂非结构化环境中的鲁棒性突破。这标志着机器人技术正从实验室原型走向极端环境下的应急救援实战，为特种搜救领域的自动化替代提供关键数据支持。

Interesting Engineering 展示了一种名为 Living Skin 的柔性皮肤技术，可将其贴附在机器人面部以提升交互真实感。该技术采用高度仿真的材质模拟人类皮肤纹理，并与人形机器人（humanoid）的表情驱动系统结合。通过将物理层面的触感反馈与视觉上的拟真效果融合，Living Skin 突破了传统硬质外壳带来的违和感。这标志着具身智能（embodied intelligence）正从纯粹的功能性操作向情感交互进化，为机器人进入服务业、陪伴等高频社交场景提供了更自然的交互界面。