具身前哨 · 第 65 期

**上启股份发布具身智能及AI原生工厂全栈方案，赋能工业制造新范式**

在WAIC 2026期间，上启集团（Shanghai Electric）展示了涵盖人形机器人、核心零部件及AI原生智能工厂的全面技术布局。其核心突破在于通过端到端（end-to-end）架构，将具身智能（embodined intelligence）深度融入复杂工业场景，实现从“经验驱动”向“数据驱动”的生产模式转型。

在硬件层面，上启推出具备41个自由度的“SUYUAN”双足（bipedal）人形机器人，支持多模态视觉感知与快速换电；配备具身智能基础模型（foundation model）的“TUOYUAN”轮式人形机器人可执行高精度插拔及分拣任务。此外，其研发的DexHand灵巧（dexterous）手部组件及承载力提升三倍以上的行星滚柱丝杠，显著增强了机器人在复杂环境下的操作能力。

在软件与系统层面，上启发布“星云智能制造”系列51款AI模型与智能体，涵盖研发、生产、运维三大领域。配合其发布的《AI原生智能工厂技术白皮书》，该架构通过“大脑-执行网络-数字孪生”三层结构打破数据孤岛，实现生产流程的实时闭环优化。这一全栈式布局旨在解决复杂工况下的精细操作难题，为工业制造提供可复制的智能化解决方案。

**Google 推出的 Gemini Robotics 2 模型显著提升了人形机器人（Humanoid）的运动控制与复杂任务推理能力。**

该模型通过整合大规模视觉-语言-动作（VLA）架构，实现了从感知到执行的端到端（End-to-end）跨越。在实际测试中，搭载 Gemini Robotics 2 的机器人能够精准执行涉及多步骤逻辑的精细操作，并展现出极高的身体协调性。通过强化学习与模拟环境下的预训练，模型大幅提升了机器人在复杂动态环境中的稳定性与抓取精度。

这一技术的突破意味着人形机器人正从简单的自动化动作向具备高智能决策能力的通用型机器人进化。Gemini Robotics 2 的应用将加速具身智能（Embodied Intelligence）在仓储物流、精密制造等领域的商业化落地，为实现全自动化的工业生产提供核心技术支撑。

**宇树科技（Unitree Robotics）拟于8月10日启动上海IPO认购，加速推进上市进程。**

作为具身智能（Embodied Intelligence）领域的领军企业，宇树科技在人形机器人领域取得显著技术突破。其研发的H1系列等产品通过集成先进的端到端（End-to-end）控制算法与强化学习（Reinforcement Learning），实现了复杂的运动控制（Locomotion）与灵巧操作（Manipulation）。公司致力于将基础模型（Foundation Model）能力融入机器人系统，推动从感知到动作的快速转化。

随着IPO进程加速，宇树科技正通过资本市场扩张其在人形机器人、自动化物流及协作机器人（Cobot）领域的市场份额。此次迈向上市不仅是企业融资的里程碑，更将加速具身AI技术的商业化落地，推动相关产业链从实验室走向大规模工业应用与消费场景。

中国最高法院裁定针对Unitree Robotics（宇树科技）的专利诉讼属于恶意行为。此次判决明确了该机器人公司在人形机器人研发中的知识产权地位，涉及其核心技术领域的法律保护。此裁决为国产具身智能（embodied intelligence）企业提供更清晰的法律护城河，有助于降低初创公司在推进复杂操作（manipulation）和运动控制（locomotion）等前沿技术时的侵权风险，加速国内人形机器人产业链的合规化发展。

多足机器人技术在复杂地形的快速普及引发了关于监控、就业替代及战场责任归属的广泛争议。随着具备高度运动控制（locomotion）能力的机器人在工业巡检和军事领域应用增加，其自主决策逻辑带来的法律真空问题愈发凸显。这些机器人的部署不仅挑战现有的劳动法框架，更在自动化武器监管上制造灰色地带。这要求具身智能行业在追求技术突破的同时，必须同步建立针对自主系统的伦理准则与责任追溯机制，以应对复杂环境下的安全合规挑战。

PaXini 正在从一家专注于触觉传感器的企业转型为提供物理AI（Physical AI）基础架构的平台。在深圳新开设的展示厅中，该企业展示了如何将高灵敏度传感器与具身智能结合，推动机器人从简单的抓取任务向复杂的交互操作演进。这种从单一硬件到系统级底层技术的跨越，意味着具身智能行业正进入“感知即决策”的深水区。PaXini 的转型预示着未来人形机器人的核心竞争力将不再仅是机械结构，而是基于触觉反馈构建的、具备高度灵巧操作能力的通用底座。

日本能率協会総合研究所MDB预测，到2030年人形机器人（humanoid）市场规模将达到2.5万亿日元。该报告指出，随着工业自动化需求增加，人形机器人在物流、制造等领域的应用场景正在快速扩张。这预示着具身智能（embodied intelligence）正从实验室走向大规模商业化落地，推动相关供应链从简单的AGV/AMR向具备复杂操作能力的灵巧机器人转型。市场规模的激增将倒逼开发者在端到端控制、抓取算法及强化学习等核心技术上加速突破，推动具身智能进入爆发式增长期。

Simile 在完成 1 亿美元 A 轮融资仅 5 个月后，便以 20 亿美元估值完成了 2 亿美元的 B 轮融资。该公司利用 AI Agent 构建模拟用户模型，用于市场营销和产品研究等场景。其核心技术源于斯坦福博士关于“Smallville”项目的研究，旨在通过模拟人类行为来辅助决策。这一趋势表明，基于基础模型的模拟环境正成为替代真实人类参与调研的有效手段，将加速从虚拟仿真到实际商业应用的转化路径。

研究团队推出 PolyMap 框架，旨在通过多传感器融合技术提升人形机器人（humanoid）在未知空间中的爬楼梯能力。该系统融合 LiDAR、RGB-D 相机及 IMU 数据构建实时多边形阶梯平面语义地图，并可在 NVIDIA Orin 平台上实现 20-30 Hz 的全身运动规划输出。通过将复杂的视觉感知转化为精确的足端着陆平面，PolyMap 解决了复杂地形下的定位与避障难题。这为具身智能（embodied intelligence）在复杂非结构化环境中的移动控制提供了更稳健的感知方案，推动人形机器人从实验室走向真实场景应用。

SymmGrid推出一种基于并行对称性的轨迹级增强框架，旨在解决物理机器人端到端强化学习训练周期长的问题。该框架通过构建对称树模型，在第一人称和第三人称视觉场景中生成大量一致的等效经验，显著提升数据多样性。在插拔、布线及物体移动等实际操作任务中，SymmGrid将训练收敛速度提升了1.37-2.17倍，成功率提升达1.09-1.27倍。这一技术突破为实现不到10分钟的快速端到端学习提供了可能，有助于推动机械臂和人形机器人在复杂操作任务中的部署效率。

IDTechEx发布报告预测，2026-2027年将成为人形机器人从原型测试转向大规模量产的关键转折点。调研涵盖50余款机器人的数据表明，单台人形机器人通常配备约31个驱动器（Actuators），且这些部件占据整机重量的56%。目前行业高度依赖高扭矩密度的稀土永磁材料及金属合金，但软性驱动器因具备更好的生物仿生特性和抗冲击能力，正成为突破刚性机构在复杂环境适应性瓶颈的关键路径。这将推动供应链从单一的重型机械零件向高性能、轻量化且具高度柔性的复合材料领域演进。

纽约州 Salamanca City Central 学区宣布暂停在高中试点 Realbotix 公司研发的 humanoid（人形机器人）项目。该名为 Sally 的机器人售价约 5.8 万美元，配备硅胶皮肤和头发，旨在通过实时交互提供教学体验。由于 Realbotix 此前收购过生产成人玩偶的 Simulacra 公司，引发了教师工会及社区对数据隐私、软件安全以及品牌背景的强烈抵制。此事件凸显了具身智能产品在进入教育等敏感公共领域时，不仅面临技术成熟度的考验，更面临严峻的伦理审查与品牌合规性挑战。

研究团队推出 EgoWM（第一视角世界模型），通过在预训练视频扩散模型中注入压缩的运动指令，将其转化为具备动作条件预测能力的世界模型。该方法支持从 3 自由度的移动机器人到 25 自由度人形机器人的多种具身形态，并在结构一致性评分（SCS）上较现有导航世界模型提升了高达 65%。EgoWM 利用互联网规模的视频先验知识，显著增强了机器人在复杂环境下的预测准确性。这为具身智能提供了一种低成本、高泛化性的路径，能够有效解决机器人在复杂操作与导航任务中的动态一致性难题。

研究团队推出CalTwin框架，通过Fisher信息正则化技术构建具备鲁棒性的医疗世界模型（World Model）。该模型针对跨医院数据分布不均导致的协变量偏移及多步预测中的过度自信问题，在PhysioNet 2019败血症挑战赛中显著提升性能。实验显示，CalTwin将OOD（分布外）下一状态的MSE降低了9.1%，同时通过校准惩罚项有效抑制模型误判风险。这为医疗领域的数字孪生和临床决策支持提供了更可靠的预测基石，解决了具身智能在复杂多变环境下的鲁棒性难题。

CG-World推出了一套基于工业计算机图形学管线的超大规模世界状态数据集，旨在通过丰富的中间状态数据训练更精准的“世界模型”。该数据集包含约850,000个时长为1至5秒的对齐片段，涵盖了多模态语义、空间结构、物理缓存及接触事件等关键信息。不同于仅记录视觉信息的传统视频数据，CG-World通过明确的分支谱系支持干预学习与反事实推理。这为具身智能提供了高质量的结构化监督信号，能够显著提升机器人模型在复杂环境下的动作预测能力和闭环视觉-语言-动作（VLA）策略迁移效果。

Enigma 融资 7100 万美元，旨在通过优化机器人交互界面而非单纯堆砌基础模型来突破商业化瓶颈。公司聚焦于解决工业场景中复杂任务的落地难题，强调在具身智能（embodied intelligence）进程中，高效的交互逻辑比原始算法更易被下游应用采纳。这一策略转变意味着行业重心正从纯粹的端到端（end-to-end）模型研发，转向提升机器人与人类协作、复杂操作及抓取任务的实际可用性。

Tesla的Optimus负责人确认公司计划在未来大规模量产并部署1000万台人形机器人。该目标旨在将具身智能（embodined intelligence）从实验室走向大规模工业应用，通过规模化生产降低单机成本。这一宏大目标意味着人形机器人正从技术验证阶段转向大规模商业化扩张，将倒逼供应链优化与自动化制造技术的突破，推动通用机器人成为未来工业和家庭场景中的核心基础设施。

Virtuix Holdings Inc. 向 Tesla 的 Optimus 部门出售 Omni One 企业级系统，正式进军人形机器人领域。该系统支持多用户交互与复杂的运动控制，旨在提升机器人的灵巧操作能力。此举标志着特斯拉在强化具身智能（embodied intelligence）方面引入更多专业硬件支持，通过整合高性能感知与执行组件，加速 Optimus 在复杂工业环境中的抓取与任务执行能力，推动人形机器人从实验室走向大规模实操应用。

中国占据全球前十大最具创新力的人形机器人初创企业中的六席，展现出在具身智能领域的强劲竞争力。与此同时，美国正推动相关政策限制此类机器人的进入。这些领先企业涵盖了从基础模型到端到端控制的核心技术，特别是在灵巧操作（manipulation）与运动控制（locomotion）等关键环节取得突破。这表明中国在人形机器人产业链的早期布局与核心算法积累上已占据优势地位，将加速推动具身智能从实验室走向工业应用场景。

CheckVLA通过引入基于动作条件的世界模型（Action-Conditioned World Model），解决了视觉-语言-动作（VLA）模型在长程移动操作中因“开放式动作块”执行导致的反馈缺失问题。在RoboCasa365仿真测试中，CheckVLA的平均成功率达到36.1%，显著高于仅进行周期性重规划的27.6%。该技术通过引入符合性校准风险阈值和事件驱动的关键帧库，确保了系统能及时识别并修复执行偏差。这为具身智能（Embodied Intelligence）在复杂任务中的鲁棒性提供了新路径，解决了大模型推理延迟与实时反馈之间的矛盾。