具身前哨 · 第 83 期

由于提供的原文内容仅为一场关于“人形机器人入门课程”的活动预告，信息量极简。作为资深编辑，我将基于该课程涵盖的核心技术维度（基础、机构、柔韧性、运动控制、具身智能等）进行深度提炼，聚焦于当前人形机器人领域的关键技术融合趋势：

**【头条】跨越“物理鸿沟”：人形机器人核心技术的融合与演进**

人形机器人正从单一的机械结构向高度集成的具身智能（Embodied Intelligence）进化。当前的研发核心在于突破复杂的运动控制（Locomotion）与灵巧操作（Manipulation）之间的耦合难题，通过整合柔性机构设计与先进算法，赋予机器人在复杂多变环境中的适应能力。

在技术路径上，研究重点正聚焦于将基础模型（Foundation Model）引入机器人系统，利用端到端（End-to-end）学习提升动作的实时响应速度，并结合强化学习（Reinforcement Learning）优化从仿真到现实（Sim-to-Real）的迁移效率。同时，视觉-语言-动作模型（VLA）的集成正成为实现复杂指令理解与精准抓取（Grasping）的关键路径。

这些技术的突破意味着人形机器人将不再是实验室中的精密模型，而是具备通用能力的工业级协作机器人（Cobot）。随着具身AI技术的成熟，人形机器人有望在物流、制造等高动态场景中替代人类执行高强度或危险任务，成为重塑自动化生产线的核心驱动力。

**OpenAI 进军硬件：Sam Altman 确认公司将全力布局人形机器人领域**

OpenAI 正式确认为其核心战略之一的硬件研发，旨在通过具身智能（Embodied Intelligence）将大模型能力转化为物理世界的行动力。这一转型标志着 OpenAI 从纯软件模型向软硬结合的通用人工智能（AGI）路径全面迈进。

在技术层面，OpenAI 计划利用基础模型（Foundation Model）驱动人形机器人（Humanoid）。通过整合视觉-语言-动作模型（VLA）与端到端（End-to-end）学习架构，赋予机器人更强的灵巧操作（Manipulation）和复杂的运动控制（Locomotion）能力。其核心逻辑是利用大规模数据训练出的世界模型（World Model），让机器人在复杂环境中具备自主决策与交互能力。

此举预示着通用人工智能的落地场景将从数字空间跨越到物理空间。通过赋予机器人具备灵巧抓取和自动化协作能力，OpenAI 旨在重塑制造业、物流及服务业的生产力，推动具身智能成为驱动下一代工业变革的核心引擎。

**美国机器人公司斥资采购10万块GPU，旨在训练新一代人形机器人**

美国机器人企业近期宣布获得100,000块GPU算力资源，用于支撑下一代人形机器人（humanoid）的研发。这一大规模算力投入将直接赋能具身智能（embodined intelligence）领域的底层模型训练，旨在通过海量数据驱动机器人的复杂决策与动作生成。

在技术路径上，该公司计划利用这些算力构建更强大的基础模型（foundation model），重点攻克人形机器人在复杂环境下的运动控制（locomotion）与灵巧操作（manipulation）。通过大规模强化学习（reinforcement learning）和模仿学习（imitation learning），机器人能够更快掌握精细的抓取（grasping）技巧，并实现更自然的端到端（end-to-end）任务执行。

此次算力储备的获取标志着人形机器人从实验原型向工业级应用跨越的关键转折点。通过强化具身AI（embodied AI）能力，该技术将推动人形机器人在物流、制造等高度复杂的生产环境中替代人工，成为未来自动化工厂的核心驱动力。

英国Nscale与机器人制造商Figure AI签署了价值35亿美元的合作协议。此次交易涉及大规模资金注入，旨在加速Figure AI在人形机器人领域的研发投入。通过整合雄厚资本，Figure AI能够加速其具身智能（embodied intelligence）技术的迭代，特别是在复杂环境下的操作（manipulation）与运动控制（locomotion）等核心环节。此举标志着人形机器人赛道进入资本密集型扩张期，将推动通用人形机器人从实验室走向大规模工业应用场景。

Agility Robotics 拟通过涉及 25 亿美元的 SPAC 交易收购 Churchill XI (NASDAQ: CCXI)，旨在加速其具身智能（embodied intelligence）技术的商业化落地。该公司专注于开发具备高度灵巧操作能力的双足（bipedal）人形机器人，并致力于将复杂的运动控制与抓取任务整合至端到端模型中。此举标志着资本市场正密集布局具身智能赛道，通过大规模融资推动从实验室原型到工业级应用场景的跨越，加速人形机器人在物流、制造等领域的实地部署。

研究者提出一种基于加速投影梯度（APG）的控制约束微分动态规划（ABC-DDP）框架，旨在解决欠驱动足式机器人在复杂动力学环境下的平衡问题。该算法通过引入虚拟约束并结合多射击框架，实现了无需重复KKT逆运算的快速求解。实验证明，该方法支持实时模型预测控制（MPC），成功驱动四足机器人完成从慢速行走到高速奔跑的多种动态动作，并首次实现基于有限时域MPC的静止双腿站立。这一突破为解决欠驱动系统在受限空间内的运动控制提供了高效路径，提升了复杂地形下具身智能机器人的稳定性与鲁棒性。

XDOF 正在进行 B 轮融资，估值约为 12 亿美元。作为具身智能领域的初创企业，XDOF 专注于开发具备复杂操作能力的机器人系统。其核心技术路径涵盖了从基础模型到端到端的控制逻辑，旨在提升机器人在真实环境中的抓取与运动控制能力。此轮高估值融资反映出资本市场对融合视觉-语言-动作（VLA）模型与灵巧操作技术的认可。这标志着具身智能正从实验室原型走向工业级应用，推动人形机器人及协作机器人在复杂任务中的落地进程。

Robot.com 与全球餐饮服务巨头 Sodexo 达成合作，旨在扩大其在人行道上的配送机器人规模。此次合作将推动更多具备自主导航能力的机器人在城市环境中执行末端配送任务。通过整合 Robot.com 的技术支持与 Sodexo 的广泛业务网络，该项目直接推动了商用机器人从实验室走向真实复杂的城市街道场景。这标志着具身智能在物流配送领域的商业化落地进入深水区，将加速自动导引车（AGV）和自主移动机器人（AMR）在复杂环境下的实战经验积累，推动相关感知与路径规划技术的标准化。

DogLegs系统通过融合机身IMU、关节编码器及多个腿部安装的IMU（Leg-IMU），显著提升了足式机器人在极端环境下的本体感知状态估计。该系统采用扩展卡尔曼滤波（EKF）处理多IMU帧误差，并利用腿部运动学约束来减少漂移。实验证明，相比仅依赖机身IMU和编码器的传统足端里程计方法，DogLegs在多种复杂地形中表现出更高的定位精度。这一技术突破为具身智能中的鲁棒性运动控制提供了关键支撑，能够显著提升机器人在视觉或激光雷达失效等极端场景下的可靠性。

Qualcomm（高通）在日本启动全面的机器人投资计划，并于2026年8月前建立专门的Qualcomm Japan Robotics Center。该中心将聚焦于集成AI技术以提升机器人的感知、决策和运动控制能力。通过与Preferred Networks等企业合作，推动基于端到端架构的具身智能落地。此举标志着芯片巨头正深度介入机器人底层架构，旨在通过高性能算力加速从工业自动化到通用人形机器人的跨越，推动具身智能进入大规模商业化应用阶段。

机器人初创公司Hivebotics完成由Vertex Ventures领投的600万美元A轮融资，旨在加速其在具身智能（embodied intelligence）领域的技术突破。该公司专注于通过先进算法提升机器人的复杂任务处理能力。此次融资将支持其研发更具灵巧性（dexterous）的抓取与操作技术，并优化机器人从仿真到现实（sim-to-real）的迁移效率。这标志着资本正加速流向能够整合视觉-语言-动作（VLA）模型与复杂运动控制的实操型硬件，推动具身智能从实验室走向工业级应用场景。

一种新型软体机器人手（Soft Robotic Hand）实现了从抓取易碎蛋类到搬运重型水瓶的跨尺度操作。该技术通过柔性材料设计，解决了传统硬质机械臂在处理脆弱物体时力度控制难的问题。相比于传统的刚性夹持机构，这种软体结构能提供更好的顺应性，显著提升复杂环境下的抓取成功率。这标志着具身智能（Embodied Intelligence）在精细操作领域迈出重要一步，为柔性制造和复杂的物流分拣场景提供了更具鲁棒性的硬件解决方案。

研究团队推出 LEAP 框架，通过引入“潜在能量”机制优化基于世界模型（World Model）的动作规划。该方法将整个动作序列视为可微变量，结合目标匹配与状态能量约束进行优化。在四个控制领域测试中，LEAP 将 LeWM 模型配合交叉熵法（CEM）时的平均成功率从 77.5% 提升至 94.8%，提升幅度达 17.3 个百分点。这一进展解决了高维观测空间中动作预测与目标描述不一致的痛点，为具身智能中的复杂任务规划提供了更稳健的端到端优化路径。

研究团队推出基于视觉-语言模型（VLM）的奖励模型 WorldReward，旨在统一评估相机条件世界模型中的动作一致性与视觉质量。该模型通过将成对视频分解为与动作对齐的片段并进行结构化证据聚合，在 WorldReward-Bench 基准测试中，其在动作一致性、外观质量和运动质量三个维度上的评分均超越 GPT-5.5（分别高出 3.42、1.45 和 3.56 个百分点）。该技术为具身智能提供了一种更精准的强化学习反馈机制，能够有效解决长视频中局部动作证据被稀释的问题，显著提升世界模型在复杂交互场景中的生成质量。

Drive-HWM 提出了一种慢速-快速（slow-fast）分层世界模型框架，旨在解决自动驾驶中长程预测与即时决策之间的冲突。该模型通过慢速模型预测多步未来表征以捕捉场景演变，并引入基于光流预测的动态感知潜变量；快模型则结合轻量化多模态骨干网络和自回归专家模型，同步预测下一帧画面与即时动作。在 NAVSIM v1 和 v2 数据集上的实验证明了其性能。该技术通过解耦不同时间尺度的预测任务，为自动驾驶系统提供更稳健的决策支持，提升复杂动态环境下的感知与规划协同能力。

研究者提出语义贝叶斯世界模型（Semantic Bayesian World Models, SBWMs），旨在通过融合知识图谱的确定性逻辑与基础模型的概率推理，构建统一的认知架构。该模型支持基于RDF 1.2的信念标注、概率推理机制及语义校准层，使智能体能处理如“识别门外人员身份”等复杂决策任务。这为具身智能提供了更稳健的推理框架：通过将事实数据转化为可更新的概率分布，解决当前大模型在逻辑规划和精确数量估算上的短板，提升机器人处理不确定性环境的能力。

一项新研究揭示，模仿学习训练出的灵巧操作策略在任务执行速度变化时，其时间鲁棒性远不及专家系统。研究在接触密集的ParcelStow任务中对比了脚本专家与ACT策略：标称速度下两者成功率均为100%，但在最大演示速度下，专家成功率达84%，而ACT仅53%。两个不同参数初始化的ACT策略成功率分别下降34和48个百分点，专家仅下降16个百分点。分析显示，ACT在最大速度下的47次失败中有35次源于插入错位。这表明，标称成功率相同并不保证跨执行速度的专家级性能，为具身智能中模仿学习的鲁棒性评估敲响警钟。

研究者推出DroneCATS-Agent架构与DroneCATS评测基准，旨在评估多模态大模型（MLLM）作为通用视觉-语言-动作（VLA）智能体在无人机控制中的表现。实验涵盖接近目标、追踪移动物体、视野外搜索及多机编队指挥四项核心能力。测试发现，虽然2B参数的小型开源模型在导航任务中往往比前沿大模型更稳健，但在执行特定操作协议和判断任务终点时表现欠缺。这表明具身智能的突破点不在于基础的运动控制，而在于模型能否在有限算力下遵循复杂指令并准确识别动作终止信号。

Unitree（宇树科技）在IFA展会期间展示的 humanoid（人形机器人）被证实可在30米距离内被远程入侵。尽管面临潜在的安全漏洞，欧盟买家仍可不受限制地采购相关产品。此次事件暴露了当前具身智能领域在网络安全防护上的薄弱环节。随着更多基于 VLA（视觉-语言-动作模型）和端到端架构的机器人进入商用市场，建立严苛的通信加密协议与物理隔离机制将成为保障工业级应用安全的关键技术门槛。

Agility Robotics 首席技术官在接受 Digitimes 采访时，探讨了协作人形机器人（humanoid）的演进路径。该公司通过集成先进的运动控制与操作技术，推动人形机器人在物流、制造等工业场景中的落地应用。其核心技术路径涵盖从基础模型驱动的具身智能（embodied intelligence）到复杂的抓取（grasping）任务。这标志着机器人正从简单的自动导引车（AGV）或自主移动机器人（AMR）向具备高度灵巧性（dexterous）和复杂交互能力的通用平台进化，将加速人形机器人在非结构化环境中的大规模商用部署。