**宇树科技（Unitree）创始人领投 9.05 亿美元，推动人形机器人领域新突破**
宇树科技（Unitree）创始人近期完成 9.05 亿美元的融资，旨在加速人形机器人（humanoid）的研发与规模化应用。此次融资聚焦于提升机器人的具身智能（embodied intelligence），特别是在复杂环境下的运动控制（locomotion）与灵巧操作（manipulation）领域。
在技术层面，宇树致力于通过端到端（end-to-end）架构整合视觉-语言-动作模型（VLA），旨在提升机器人在非结构化环境中的自主决策能力。同时，公司正通过强化学习（reinforcement learning）与仿真到现实（sim-to-real）技术优化抓取（grasping）精度，并推动协作机器人（cobot）在工业场景的深度融合。
此次大规模融资标志着人形机器人从实验室原型走向大规模商业化生产的关键转折点。随着核心技术的突破，宇树有望加速人形机器人在物流、制造等领域的落地，为构建通用型具身AI提供关键动力。
**轮式类人机器人仅需30分钟即可掌握家务技能**
一种新型轮式类人机器人通过端到端（end-to-end）学习，在短短30分钟内即可掌握复杂的家务操作。该系统融合了视觉-语言-动作模型（VLA）与模仿学习（imitation learning），赋予机器人极强的泛化能力。
在技术实现上，该机器人利用基础模型（foundation model）处理多模态指令，并结合强化学习（reinforcement learning）优化运动控制与抓取精度。通过高效的仿真到现实（sim-to-real）迁移技术，机器人能够快速从少量演示中提取特征，从而在非结构化的家庭环境中完成如移动物体、整理物品等复杂任务。
这一突破显著降低了具身智能（embodined intelligence）在复杂环境下的部署门槛。通过缩短模型训练与泛化周期，该技术为家用服务机器人走向大规模商用提供了关键路径，预示着通用型家务机器人的落地进程将大幅提速。
**NASA 研发人形机器人执行月球与火星高危任务**
NASA 正致力于研发具备高度自主能力的 humanoid（人形机器人），旨在替代人类进入月球及火星等极端环境执行高风险作业。
该技术核心在于提升机器人在复杂地形中的运动控制（locomotion）与灵巧操作（manipulation）能力。通过集成先进的具身智能（embodied intelligence）算法，这些机器人能够处理非结构化环境中的任务，并具备更强的鲁棒性。相比于传统的自动化设备，搭载高性能驱动系统和感知系统的机器人能更好地适应地外行星多变的物理环境。
此举标志着空间探索从“远程遥控”向“自主作业”的重大转变。一旦成功部署，这些机器人将成为人类在深空探测中的关键前哨，不仅能显著降低宇航员面临的生命风险，还将大幅提升月球基地建设及火星资源开采的效率。
Agility Robotics与FORT Robotics签署合作备忘录，旨在提升其人形机器人Digit 5在工业环境中的安全性。双方将通过技术融合，优化Digit 5在复杂场景下的操作稳定性。此次合作聚焦于提升机器人在实际生产线上的可靠性，而非仅限于实验室演示。这标志着具身智能（Embodied Intelligence）正从单纯的算法突破转向工业级标准化应用，推动人形机器人进入更复杂的制造与物流实操环节，加速商用化进程。
Unitree（宇树科技）王興興分享了人形机器人在执行精密任务时面临的“最后几毫米”挑战，揭示了从宏观运动到微观操作跨越的技术鸿沟。目前行业正通过引入VLA（视觉-语言-动作模型）、强化学习以及端到端架构来攻克高精度抓取与精细化操纵难题。这标志着具身智能正从基础的 locomotion（运动控制）向复杂的 dexterous（灵巧）操作演进，推动机器人从简单的搬运工具进化为能够处理复杂工业场景的通用实体。
Figure Robotics 正在汽车工厂中对其人形机器人 Atlas 进行实地训练，涵盖轮胎搬运与零件组装等复杂操作。该过程结合了模仿学习与强化学习技术，旨在提升机器人在非结构化环境下的抓取（grasping）与运动控制能力。通过将复杂的工业任务分解为可执行的动作序列，Atlas 展示了从简单移动到精细操作的跨越。这标志着具身智能正从实验室走向工业生产线，推动人形机器人在汽车制造等高价值场景中替代高强度、重复性劳动。
Boston Dynamics 发布 Spot 5.2 版本，通过集成 Google Gemini 视觉智能并重构 Orbit 舰队管理软件，旨在将四足机器人与企业级 ERP、MES 等系统深度融合。新版本支持导入资产层级元数据，并开放 API 连接 PLC 控制器和固定传感器等外部数据源。这标志着具身智能从孤立的自动化任务转向工业全链路协同：AI Agent 可根据预设业务条件自动调度 Spot 执行预测性维护或安保巡检，推动机器人从单一工具演变为深度嵌入生产流程的自动化节点。
Shorooq 和 Presight 领投 Maven Robotics 的 1 亿美元 A 轮融资，旨在加速其在复杂物流与工业环境中的具身智能（embodied intelligence）技术落地。Maven Robotics 利用端到端（end-to-end）架构结合视觉-语言-动作模型（VLA），显著提升机器人在非结构化场景下的抓取（grasping）与操作（manipulation）能力。这标志着资本正从传统的 AGV/AMR 领域转向更具通用性的机器人基础模型，推动工业自动化从预设路径执行向具备自主决策能力的智能作业转型。
Tesla获得总计300亿美元的新信贷额度，旨在加速Cybercab（无人驾驶出租车）、Optimus（人形机器人）及Semi卡车的规模化生产。其中包含花旗银行提供的200亿美元为期三年的延期提款贷款，以及富国银行提供的800万美元和200万美元的循环信贷额度。这些资金将支持公司在2026年计划投入至少250亿美元的资本支出。此举意味着Tesla正通过大规模融资构建专用生产线，旨在加速从通用制造向高度定制化的具身智能硬件及自动驾驶产品的工业化转型。
研究团队推出 DexHoldem 基准测试，通过德州扑克场景评估机器人灵巧操作与具身智能决策能力。该基准包含 1,470 个远程操作演示，涵盖 14 种核心操作原语，并使用 ShadowHand（影子手）进行实测。实验显示，$\pi_{0.5}$ 模型在任务完成率上达到 61.2%，而 Opus 5.5 在感知准确率上领先。该基准通过将复杂博弈逻辑与高难度抓取、操作结合，推动具身智能从单一的运动控制转向具备环境感知和决策路由能力的综合性智能。
研究团队推出 H-WM（分层世界模型），通过结合高层逻辑世界模型与底层视觉世界模型，解决长程任务中 VLA（视觉-语言-动作模型）易出现的误差累积问题。该系统在三个长程基准测试及真实机器人实验中均显著提升了执行稳定性。同时，团队构建了包含视觉观测、连续机器人状态及逻辑动作的 LIBERO-Logic 数据集。H-WM 通过将逻辑预测与视觉预测耦合，为具身智能提供了更稳健的规划路径，有助于解决复杂工业场景下长序列任务的可靠性难题。
Anscer Robotics 获美国联邦通信委员会（FCC）授予其 AR250、AR650 及 AR1250 系列自主移动机器人（AMR）的条件批准。该批产品在 FCC 覆盖清单中获得豁免，确保其能在满足供应链透明度要求的前提下继续进入美国市场。作为首批获此认证的机器人企业之一，Anscer 的准入权保障了其在仓储、制造及内部物流领域的自动化运输业务。这标志着具备特定合规资质的 AMR 厂商正获得更稳固的政策通行证，有助于推动跨国供应链下的具身智能设备进入美国核心工业场景。
美中两国在人形机器人（humanoid）等关键领域展开激烈角逐，旨在通过掌握核心技术建立战略优势。双方竞争聚焦于高性能半导体芯片、具身智能（embodied intelligence）算法以及军事应用等五个主战场。其中，人形机器人的研发正从简单的移动转向复杂的抓取（grasping）与操作（manipulation），并高度依赖视觉-语言-动作（VLA）模型和强化学习技术的突破。这标志着机器人领域正从单一的自动化工具向具备通用能力的智能实体演进，相关技术突破将直接决定未来工业生产与国防领域的智能化水平。
Figure AI 推出的 Figure 02 人形机器人（humanoid）在极端高温环境下遭遇挑战，引发关于其硬件耐用性的讨论。该型号旨在通过端到端（end-to-end）架构实现复杂的任务处理。尽管面临极端环境考验，但 Figure 02 集成了先进的视觉-语言-动作（VLA）模型与灵巧（dexterous）操作能力。这表明具身智能（embodied intelligence）正从实验室走向工业场景，推动机器人从简单的抓取（grasping）向复杂多任务协同演进，倒逼硬件制造标准在极端工况下同步升级。
Boston Dynamics 为其人形机器人 Atlas 配备了全新的灵巧手，旨在提升机器人在复杂环境下的操作能力。新设计的机械手支持多自由度运动，能够执行更精细的抓取任务，并与复杂的动力学系统深度融合。这一升级标志着具身智能从基础移动转向高难度操控，意味着人形机器人正从实验室演示走向具备工业实用价值的精密作业场景。通过强化灵巧操作能力，Atlas 能够处理更多非结构化环境中的物体交互，推动通用机器人走向大规模商用。
日本民间联盟J-HRTI正式设立专门用于人形机器人AI模型数据采集的基地。该机构旨在通过整合多方资源，为具身智能（embodied intelligence）提供高质量的动作数据。其核心技术路径涵盖了从模仿学习到端到端控制的多种范式，重点解决复杂环境下的抓取与操作难题。此举将加速人形机器人从实验室走向工业实景，通过标准化数据支撑VLA模型训练，推动具身智能在制造、物流等领域的落地应用。
芬兰的一家工厂将一台人形机器人（humanoid）送入熔炼炉进行报废处理。该机器人的处置方式因其类似科幻电影中的“终结者”式毁灭而引发关注。目前，具身智能（embodied intelligence）领域的硬件迭代极快，此类极端报废案例反映出当前商用人形机器人仍处于高频迭代的早期阶段。这表明行业正从实验室原型向大规模工业化量产过渡，高性能硬件的折旧周期缩短，促使厂商加速研发更耐用、易于维护的机械结构与端到端（end-to-end）控制系统。
asratec正式宣布与合作伙伴共同开发半人形机器人（Semi-humanoid robot）OpenShell。该项目聚焦于融合具身智能（embodied intelligence）与先进控制算法，旨在提升机器人在复杂环境中的操作能力。通过整合核心技术路径，OpenShell旨在突破传统AGV或AMR的局限性，实现更复杂的任务处理。这一进展标志着人形机器人从单一运动控制向高自由度、多功能的灵巧操作演进，将推动具身智能在工业协作与复杂场景中的落地应用。
一份长达45页的深度报告公开对比了中、日、美三国的15种核心零部件，深入剖析中国人形机器人（humanoid）的供应链现状。报告涵盖了从电机到减速器等关键硬件，并对不同国家的制造工艺与技术指标进行了横向对比。这不仅揭示了中国在硬核零部件领域的国产化进程，也为全球产业链布局提供了清晰坐标。对于具身智能（embodied intelligence）行业而言，该报告明确了核心零部件的性能基准，将推动相关企业从单纯的算法竞争转向更深层次的硬件协同与供应链优化。
研究人员提出一种基于经验驱动的持续学习流水线，旨在提升四足机器人对未知地形的可通行性预测。该系统利用DINOv3骨干模型提取视觉描述符，并将其映射至包含足部滑动、地面反作用力等五个本体感受指标。在Unitree Go2硬件测试中，引入验证门控的经验回放技术使新地形适应时的负对数似然（NLL）下降幅度降低了23.1%。这为具身智能中的运动控制提供了更稳健的路径：通过融合不确定性估计与持续学习，机器人能够在无需重新训练的情况下，在复杂多变的环境中实现更安全的自主导航。