Figure AI System 0 实现感知条件全身控制：零样本 sim-to-real 完成楼梯行走与崎岖地形导航

Figure AI System 0 实现感知条件全身控制：零样本 sim-to-real 完成楼梯行走与崎岖地形导航

• 发生了什么：2026 年 5 月 1 日，Figure AI 在官方博客披露其 Helix 架构下的 System 0（S0） 模型获得重大升级——新增感知条件全身控制（perception-conditioned whole-body control）能力，使 Figure 03 人形机器人首次实现基于机载立体相机输入的楼梯、坡道与不平坦地形自主行走，无需任务特定编程或人工干预。
• 关键技术：S0 此前仅依赖本体感知（关节状态、基座运动、本体感受）实现平地上的类人行走，对楼梯等地形需手动模式切换。新方案通过机载头部 RGB 双目立体相机将环境提升为 3D 空间表征，与本体感知状态一起作为策略网络输入。策略在仿真中以强化学习端到端训练，横跨数千种随机地形，直接在真实硬件上零样本迁移——无真实世界微调、无领域特定校准、无操作员在环调整。Figure 强调"仿真中学习的内容就是硬件上的表现，步态质量与恢复特性与平地一致"。
• 对比与影响：当前人形机器人上下楼梯普遍依赖预编程步态模式或外部动作捕捉，一旦环境变化即需重新标定。Figure 的路径——仿真训练 + 零样本 sim-to-real 迁移——与此前 Tesla Optimus 披露的 RL 步行方案属于同一范式，但 Figure 率先公开了感知条件控制的完整 pipeline 与在真实硬件上的验证结果。该架构可扩展至更广泛的"环境感知 + 全身控制"行为类别，楼梯仅是首个示范用例。
• 可复现性：Figure 未开源模型权重或训练代码；能力部署于 Figure 03 量产硬件，随 BotQ 产线出货。
  来源：Figure AI 官方博客（https://www.figure.ai/news/ramping-figure-03-production）

两参数相位稳定调节器：为自主移动机器人提供抗计算过载新方案

• 发生了什么：2026 年 5 月 2 日，研究者 Zhengis Tileubay 在 The Robot Report 发表工作，提出一种基于两个实时动态参数的相位稳定调节器（Phase Stability Regulator），旨在解决自主移动机器人（AMR）在高动态环境中因计算过载而非机械故障导致的系统不稳定问题。
• 关键技术：AMR 在动态场景（如拥挤仓库、多机器人协同）中常面临计算资源瓶颈——感知、规划、控制回路争夺有限算力，导致控制频率下降甚至任务失败。该调节器从实时系统中提取两个动态参数（具体参数未在摘要中详述），构建相位稳定性判据，在计算资源紧张时主动调整控制回路优先级与频率，防止系统"熔断"。
• 对比与影响：当前 AMR 稳定性研究主要关注机械可靠性（电机、减速器、电池）与路径规划算法，对计算资源维度的系统性风险关注不足。该工作将 AMR 稳定性问题从硬件域扩展到计算域，为高密度部署场景（如仓储物流中人形机器人与 AMR 混行）提供了新的工程工具。
• 可复现性：论文细节未在摘要中充分披露；原始来源为 The Robot Report。
  来源：The Robot Report（https://www.therobotreport.com/phase-stability-regulator-based-on-two-dynamic-parameters-for-autonomous-mobile-robots/）

Figure AI 将 Figure 03 产能提升至每小时 1 台：4 个月内实现 24 倍吞吐量，已产出 350+ 台

• 发生了什么：2026 年 5 月 1 日，Figure AI 宣布其 BotQ 高产量制造工厂已将 Figure 03 人形机器人生产速度从每日 1 台提升至每小时 1 台——不到 120 天内实现 24 倍吞吐量提升。截至目前已累计生产超过 350 台第三代 Figure 03。
• 关键产品信息：BotQ 已建立覆盖所有关键模块的专用产线，定制化制造执行软件运行于 150+ 个联网工作站。质量指标方面：末端首通率（first-pass yield）超 80% 并在逐周提升；电池产线首通率达 99.3%，已出货 500+ 电池包；累计生产 9,000+ 个执行器，覆盖 10+ SKU。每台机器人下线前经历 80+ 项功能验证测试，包括深蹲、肩推、慢跑等全身边界应力测试。Figure 同时披露已建立内部车队管理系统（Fleet Management System）和 OTA 软件更新基础设施，可向全部部署机器人同步推送新行为与升级。
• 对比与影响：Figure 是目前人形机器人赛道中首个公开披露量产节拍数据的公司。每小时 1 台的节拍虽远低于汽车制造业水平，但相比此前"手工打造原型"阶段已是质变。结合其 $39B 估值和 BMW 等客户的商业部署，Figure 的制造能力正从"演示级"向"交付级"过渡。350+ 台的保有量也意味着其 Helix AI 模型获得了同行中最大规模的真实运行数据反馈流。
• 可复现性：Figure 03 面向商业客户部署，未对公众销售；BotQ 为 Figure 自建工厂。
  来源：Figure AI 官方博客（https://www.figure.ai/news/ramping-figure-03-production）、The AI Insider（https://theaiinsider.tech/2026/05/01/figure-ai-ramps-up-production-to-one-humanoid-robot-per-hour/）

RobotEra 再获 2.8 亿美元战略融资，L7 人形机器人以千台级规模进入 10+ 物流中心

• 发生了什么：北京人形机器人公司 RobotEra（星动纪元） 近日完成新一轮超 20 亿元人民币（约 2.8 亿美元）战略融资，由顺丰集团领投，红杉中国、IDG 资本、中金资本、东风投资、中国联通等参投。本轮使其近两个月融资总额接近 35 亿元人民币（约 4.9 亿美元），估值突破百亿元人民币。
• 关键产品信息：RobotEra 的旗舰产品 L7 全尺寸双足人形机器人已进入超过 10 个物流中心，服务于中国邮政、顺丰等客户，执行快递包裹分拣任务。公司报告 L7 在分拣场景中达到人类效率的 85%，支持 7×24 小时连续运行。L7 搭载自研端到端 VLA 模型 ERA-42，从原始视觉输入直接生成电机控制指令，适应电商包裹的高差异性。硬件方面，RobotEra 自研率达 95%，包括 12 自由度灵巧手 XHand 已实现千台级出货。公司计划 2026 年 Q2 起以千台规模批量交付。
• 对比与影响：RobotEra 的路径代表了中国人形机器人公司的一种范式——以物流为切入点，以大规模真实部署驱动数据飞轮，而非从实验室 demo 逐步扩展。其投资者阵容横跨汽车（吉利、北汽、雷诺）、消费电子（三星、联想）、电信（中国联通），暗示多行业部署意图。与 Figure AI 聚焦单一客户深度合作（如 BMW）不同，RobotEra 采取多客户、多场景并行推进策略。
• 可复现性：L7 已在真实物流中心运行；ERA-42 模型未开源。
  来源：Humanoids Daily（https://www.humanoidsdaily.com/news/robotera-secures-280-million-strategic-round-as-logistics-deployment-scales）、Caixin Global（https://www.caixinglobal.com/2026-04-27/robot-era-raises-more-than-200-million-as-chinas-humanoid-robot-race-heats-up-102438549.html）

EngineAI T800 人形机器人在深圳与特警联合巡逻，公共安全场景首次公开亮相

• 发生了什么：2026 年 5 月 2 日，CGTN 报道一台人形机器人在深圳世界之窗景区与武装特警（SWAT）队员并肩巡逻的画面在社交媒体广泛传播。该机器人为 EngineAI（逐际动力）T800 人形机器人，身着警用标识背心，在公共场合自主行走。
• 关键信息：视频显示 T800 自信行走于两名特警前方，属于深圳公安系统测试人形机器人在公共安全场景中应用的试点项目。EngineAI 此前在 CES 2026 上发布了 T800，定位为高扭矩驱动、全身协调控制的工业级人形机器人。此次巡逻是已知首例人形机器人在中国公共安全场景中的公开亮相。
• 对比与影响：机器人用于警务巡逻并非全新概念——新加坡已多年部署轮式巡逻机器人，中国多个城市也在测试四足机器狗用于安防。但双足人形形态进入公共警务场景标志着人形机器人从工厂、物流等受控环境向城市公共空间的跨越，涉及的法律、伦理与公众接受度问题将比工业场景更为复杂。
• 可复现性：为深圳公安试点项目，非商业产品化部署。
  来源：CGTN（https://news.cgtn.com/news/2026-05-02/Humanoid-robot-patrols-Shenzhen-streets-with-SWAT-officers-1MPfdNXOtNK/p.html）、Interesting Engineering（https://interestingengineering.com/ai-robotics/terminator-style-humanoid-robot-cop）

LG 电子扩展与 NVIDIA 合作至物理 AI 领域：聚焦家用机器人、移动与 AI 数据中心

• 发生了什么：2026 年 4 月 29 日，LG 电子在 Q1 2026 财报电话会议上宣布，将把与 NVIDIA 的战略合作从现有数字 AI 领域扩展至物理 AI（Physical AI），涵盖机器人、移动出行与 AI 数据中心三大方向。
• 关键信息：LG 披露双方正在讨论具体合作项目，包括：将 LG 家用机器人 CLOiD 与 NVIDIA Isaac 机器人平台（含 Jetson Thor 机载推理硬件与 Isaac 仿真框架）集成；将 LG 自有数据与 NVIDIA 软硬件栈结合的预研 R&D；以及在 AI 数据中心领域，LG 正在为 NVIDIA 认证开发冷却分配单元（CDU）。此前 LG CEO 柳在哲与 NVIDIA Omniverse 与机器人产品营销高级总监 Madison Huang 在首尔会晤，为此轮扩展合作奠定基础。
• 对比与影响：LG 是全球最大的家电制造商之一，其在家庭场景中部署的存量设备（如吸尘器、洗衣机、空调）为训练家庭服务机器人提供了独特的数据入口。与 NVIDIA 的平台级合作表明 LG 试图走"硬件制造 + AI 平台赋能"的路线，而非从头自研 AI 模型。这一策略在结构上类似于 Meta 的"人形机器人 Android"定位，但 LG 的差异化优势在于其已有的消费级硬件载体和全球销售渠道。
• 可复现性：合作处于讨论与预研阶段，尚未有商用产品发布。
  来源：The Elec（https://www.thelec.net/news/articleView.html?idxno=10117）、ChosunBiz（https://biz.chosun.com/en/en-it/2026/04/29/7JIH4UI7XJDEVOL6LTOWASNQ3Y/）

Launchpad Build AI 发布全球首个制造业语言模型 MLM，设美国总部加速工业自动化

• 发生了什么：2026 年 4 月 30 日，Launchpad Build AI 在 PR Newswire 发布公告，宣布推出全球首个制造业语言模型（Manufacturing Language Model，MLM），同时在加州 El Segundo 设立美国总部、完成品牌重塑并任命高级技术领导层。
• 关键信息：MLM 专为工业自动化设计，可从照片、视频或 CAD 文件等多模态输入中理解制造场景，据称可将自动化系统的设计与部署速度提升 50%。Launchpad 成立于 2020 年（原为 Launchpad），总部位于爱丁堡，已在美欧部署多套基于龙门式装配机器人的自动化系统。MLM 的核心差异化在于其训练数据涵盖制造专用术语、工业工作流与多种生产线的特异性约束，区别于通用大语言模型。
• 对比与影响：当前工业自动化落地的核心瓶颈之一是"方案设计周期"——从客户需求到可部署方案需数周到数月的人工工程投入。MLM 类工具试图将这一过程 AI 化，降低中小企业采用自动化的门槛。这与 Figure、RobotEra 等聚焦"机器人本体 + AI"的全栈路线形成互补——前者解决"设计自动化"，后者解决"执行自动化"。
• 可复现性：MLM 为商业产品；定价与 API 未公开。
  来源：PR Newswire（https://www.prnewswire.com/news-releases/launchpad-build-ai-enters-new-growth-phase-with-el-segundo-hq-senior-hires-and-world-first-manufacturing-language-model-302758313.html）、The Robot Report（https://www.therobotreport.com/launchpad-build-ai-offers-manufacturing-language-model-industrial-automation/）