具身前哨 · 第 69 期

**【行业动态】协作机器人领军企业DOBOT正式进军人形机器人领域，布局具身智能新赛道**

作为协作机器人（cobot）领域的领先品牌，DOBOT宣布正式跨入人形机器人（humanoid）领域。此次转型旨在通过融合先进的具身智能（embodied intelligence）技术，打破传统工业机器人的局限性，进入更复杂的非结构化环境应用场景。

在核心技术层面，DOBOT致力于构建高度集成的端到端（end-to-end）控制系统。其研发重点涵盖了基于强化学习（reinforcement learning）的运动控制（locomotion）、复杂任务的抓取（grasping）与操作（manipulation），以及从仿真到现实（sim-to-real）的高效迁移技术。通过整合视觉-语言-动作模型（VLA）和世界模型（world model），DOBOT旨在赋予人形机器人更强的感知与决策能力，使其能够理解复杂指令并执行精细动作。

此举标志着DOBOT从单一的协作机械臂制造向高度复杂的具身AI系统跨越。通过在人形机器人这一高技术门槛领域深耕，DOBOT旨在建立全新的技术护城河，推动工业自动化从“预设程序”向“自主智能”进化，为未来通用型机器人的大规模商用铺平道路。

**宇树科技（Unitree）人形机器人出货量领跑行业，逾250台已投入实测**

宇树科技凭借极高的产品迭代效率与成本控制，在人形机器人领域取得显著的装机量优势。目前，已有约250台由其生产的人形机器人进入实际应用场景进行实操测试。

该系列机器人在硬件集成与运动控制（locomotion）方面表现出色，能够支持复杂的动态平衡任务。通过优化底层算法，宇树实现了高效的端到端（end-to-end）控制逻辑，显著提升了机器人的稳定性。相比于实验室原型，这些量产型号更侧重于工业环境下的可靠性，旨在缩短从研发到商用的转化周期。

这一突破标志着人形机器人正从“实验室Demo”走向“工业实测”。大规模的装机基数将为收集真实场景数据提供支撑，加速具身智能（embodied intelligence）模型的迭代，推动人形机器人在物流、制造等领域的规模化落地。

**Tesla Optimus 展现高度灵敏交互：在快餐店互动中展现出色的具身智能（Embodied Intelligence）**

特斯拉（Tesla）推出的人形机器人 Optimus 在近期的一段社交媒体视频中，因与路人进行幽默互动而引发广泛关注。该片段展示了机器人不仅具备基础的运动控制能力，更在复杂多变的真实场景中展现出极高的交互灵活性。

在快餐店爆米花摊位的互动中，Optimus 能够精准识别并做出反应，体现了其底层视觉-语言-动作模型（VLA）与端到端（End-to-end）训练的实效性。相比于传统的预设程序，这种基于基础模型（Foundation Model）驱动的决策机制，让机器人能够在非结构化环境中处理突发状况。

此次互动不仅是趣味性的传播，更验证了具身智能在复杂环境下的鲁棒性。随着 Optimus 在抓取、操作等核心能力的不断进化，其从实验室走向真实商业场景（如餐饮服务、物流分拣）的进程正显著加速，预示着通用人形机器人进入大规模商用应用的临界点。

GMO AIR推出名为“GMO SAFE”的系统，旨在为 humanoid（人形机器人）提供安全运行支持。该系统通过整合多重安全监测技术，解决机器人在复杂工业环境或公共空间作业时的碰撞风险与操作安全问题。针对当前具身智能（embodied intelligence）在实际落地中面临的安全门槛，GMO SAFE 提供了一套标准化的安全防护框架。这标志着机器人行业正从单纯的算法突破转向工程化落地，通过标准化安全协议降低人形机器人在真实场景中的部署成本，加速其进入工厂、物流等实操环节。

研究团队推出 KILVO 算法，通过融合关节编码器、IMU、LiDAR 和相机等多源传感器数据，显著提升人形机器人（humanoid）在复杂环境中的定位精度。该系统采用异步-顺序混合误差状态迭代卡尔曼滤波（ESIKF），并构建了紧凑型接触估计模块以增强鲁棒性。KILVO 在多种步态和真实场景中展现出优于现有融合方法的性能，且具备应对传感器故障的强适应能力。这为人形机器人在复杂动态环境下的稳定运动控制提供了更可靠的底层感知支撑，是推动具身智能（embodied intelligence）从实验室走向实地应用的关键技术突破。

研究团队推出 LAWM-3D 模型，通过从人类视频中学习具备 3D 感知能力的潜在动作（Latent Actions），旨在提升机器人世界模型（World Model）的泛化能力。该技术采用多视角不变的统一动作标记方案，并结合预训练的 3D 基础模型进行几何对齐约束，有效解决了单视角数据导致的特征泄露与跨视角差异问题。通过两阶段的大规模人类视频预训练与机器人微调，LAWM-3D 在生成质量和物理一致性上达到 SOTA 水平。这为具身智能提供了更稳健的动作表征，降低了大规模标注成本，推动机器人从模拟环境向复杂现实场景的跨越。

研究团队推出 DFM-VLA 模型，通过离散流匹配（Discrete Flow Matching）技术解决 VLA（视觉-语言-动作模型）在机器人操作中的动作修正难题。不同于传统自回归或并行解码导致的早期错误无法纠正，DFM-VLA 通过建模 Token 级概率速度场，实现对整条动作序列的迭代优化。该模型在 CALVIN、LIBERO 等多个基准测试及真实世界抓取任务中表现优异。这一技术突破为具身智能提供了更稳健的决策路径，通过动态修正动作轨迹显著提升复杂环境下的操作精度。

Regal Rexnord与Fanuc合作推出集成式线性轴，为CRX系列协作机器人（cobot）提供外置轴解决方案。该方案整合了Thomson线性运动技术、Boston Gear减速机及Kollmorgen电机，通过共开发的插件接口，让Movotrak CTU单元可直接在Fanuc示教器上配置。核心技术突破包括：支持高达10米的超长作业范围，并首创具备碰撞检测功能的外部线性轴系统。此举简化了复杂工业场景的部署流程，显著提升协作机器人在跨工位运输与大空间操作中的灵活性。

印度初创公司 Solinas Integrity 完成 550 万美元 A1 轮融资，旨在加速其在基础设施领域的机器人技术布局。该公司专注于开发用于复杂环境的自动化解决方案，通过集成先进导航与操作技术提升工程效率。此次融资将支持其扩大产品线，涵盖从基础物流到高难度施工场景的应用。这标志着具身智能（Embodied Intelligence）正从实验室走向重工业领域，推动机器人从简单的搬运任务向复杂的非结构化环境作业转型，为基础设施建设提供更高效的自动化替代方案。

AppDeltaWorld 提出了一种基于代码更新的 GUI 世界模型，旨在解决移动端 Agent 在隐私敏感操作中难以获取真实轨迹的问题。该模型不再预测无约束的图像或文本，而是通过检索 Level-1 HTML 参考并生成可执行的 Level-2 代码来预测下一帧界面。在 CMGUIBench-500 测试中，其结构布局和 UI 元素重建能力显著优于仅基于图像或代码的基准模型。该技术为移动端具身智能提供了高保真度的训练环境，通过测试时强化学习（test-time RL）提升策略适应性，降低了对真实 App 交互数据的依赖。

DreamGuard通过引入风险感知世界模型（Risk-Aware World Model），为大语言模型（LLM）智能体构建主动式运行时护栏。不同于仅评估当前动作安全性的被动方案，该系统能预测长程轨迹中的潜在风险，并在四个基准测试中展现出更优的安全性与效用平衡。技术上，它通过维护紧凑的循环隐状态来融合多时域信号，且单次调用的端到端平均延迟仅为25毫秒。这为具身智能（Embodied Intelligence）中的长程任务规划提供了关键的安全保障，确保Agent在调用外部工具或操作真实物理系统时，能有效规避由连续动作累积导致的不可逆后果。

数据中心基础设施公司Tate在阿肯色州、弗吉尼亚州和肯塔基州的工厂部署了58台Hirebotics协作机器人（cobot）焊接系统，将关键结构组件的单焊工产量提升了12倍。通过集成Beacon Pro无代码控制平台，操作员仅需10-20分钟即可完成培训，并能跨厂区实时共享焊接程序以确保精度一致。这一案例展示了协作机器人如何通过简化复杂工艺流程、降低人工变异性，解决高精密制造中的产能瓶颈，推动工业制造从传统手工向自动化协同生产转型。

研究人员提出 DRIFT 攻击框架，揭示了基于流匹配（Flow-matching）的视觉-语言-动作模型（VLA）在面对对抗性攻击时的脆弱性。实验表明，通过在机器人夹持器上放置一个微小的通用对抗补丁，DRIFT 能破坏 pi0 和 pi0.5 模型在 LIBERO 四个测试集中的几乎所有任务。该研究发现，仅攻击首个去噪步骤即可产生比跨步长窗口更强且成本更低的攻击效果。这警示具身智能领域，现有的流匹配架构并非天然具备鲁棒性，开发者必须针对多步去噪 ODE 过程构建更严密的防御机制，以确保机器人操作在复杂环境中的安全性。

Unitree（宇树科技）计划在冲刺IPO过程中拓展更多样化的产品形态与模型。公司将从现有的四足机器人、双足（bipedal）人形机器人等领域，向更复杂的具身智能（embodied intelligence）应用场景延伸。通过整合视觉-语言-动作（VLA）模型和强化学习技术，Unitree旨在提升机器人的灵巧操作与运动控制能力。这标志着国产机器人企业正从单一硬件制造转向全栈式具身AI技术布局，加速推动人形机器人进入通用工业与服务领域。

Boston Dynamics 展示其人形机器人 Atlas 已具备在 3 分钟内自主更换电池的自动化能力。该技术通过复杂的运动控制与精准操作，解决了人形机器人在工业场景中的续航痛点。相比传统的 AGV 或 AMR，Atlas 的灵巧操作展现了高水平的具身智能（embodied intelligence）。这一突破意味着人形机器人正从实验室原型向具备高可用性的工业级产品演进，能够实现在工厂等复杂环境下的连续作业。

UBTECH发布新型人形机器人Cruzr Y1，展示其在汽车零部件工厂执行原材料搬运的群智协同作业。该机器人在实际工业场景中实现了多机协同逻辑，通过自动化流程替代人工搬运。这标志着具身智能从单体操作向群体协作演进，证明了人形机器人具备进入复杂制造环境并进行协同任务的能力。这种从单一功能点到集群协作的跨越，将加速人形机器人在汽车制造等重工业领域的规模化部署。

中国机器人制造商计划以90亿美元估值IPO，其核心产品涵盖人形机器人、协作机器人（cobot）及自动化物流设备。与Tesla的Optimus相比，该企业在具身智能（embodied intelligence）领域的布局更偏向工业落地，并整合了视觉-语言-动作模型（VLA）等前沿技术。此举标志着中国机器人产业链正从技术研发转向资本化扩张，将加速国产人形机器人在复杂操作（manipulation）与运动控制方面的商业化进程，推动具身智能从实验室走向大规模工业应用场景。

研究团队开发出一套适用于MRI（磁共振成像）环境的Master-Slave（主从式）机器人操作臂，旨在实现腹部手术中的远程操控。该系统采用2+1自由度的设计，通过流体传输技术将运动和力反馈传递至从端，并结合数字控制器提供多模态控制能力。其核心技术亮点在于利用高阻抗、低泄漏的弹性流体驱动器处理远端角度控制，并利用低摩擦石墨柱塞驱动针头插入轴，确保亚牛顿级的力透明度和亚毫米级的运动精度。这套系统的成功验证意味着具身智能在极端医疗环境下的应用突破：通过硬件创新解决强磁场干扰问题，为高精度的远程手术机器人提供可靠的操控方案。

GeniWorld 提出了一种能够跨越未知场景强力泛化的交互式世界模型，旨在解决机器人操作中环境过拟合与动作可控性差的痛点。该模型基于预训练视频生成模型，通过 URDF 渲染将数值动作转化为视觉-语言-动作（VLA）中的视觉动作表征，实现了运动学与环境动力学的解耦。实验证明，即使仅在有限固定场景数据上训练，该模型仍能实现高度随机化环境的零样本泛化。这为具身智能提供了更高效的策略评估工具，通过在世界模型中生成多样化的操作轨迹，显著提升机器人面对复杂环境扰动时的鲁棒性。

研究团队通过引入力反馈和归一化时间维度，构建了一套从人类演示中学习类人运动的框架。该框架基于高斯混合模型（GMM）扩展出的算法，成功处理了非连续的多段轨迹。实验收集了22名参与者在触摸屏远程操作下产生的3,142条手写字母演示数据，涵盖全部52种拉丁字母组合。用户评估显示，生成的轨迹在人类相似度评分上达到71.50分。这一成果为具身智能领域的协作机器人提供了更自然的交互逻辑，通过提升机器人的运动拟人化程度来增强人机协作中的信任感与交互体验。