机器人不再每回合失忆：ARMS 用异步上下文把组合成功率推至 45%
2026-09-23
约 200 条分阶段双臂流中，ARMS 胜过同骨干基线；提升来自记忆、具身状态与并发调度，但 55% 的组合任务仍失败。
编码 Agent 写完机器人策略后，解法才开始变成训练数据
2026-09-23
EmbodiedSWE 把一段可执行解法扩成 VLA 轨迹；规模化来自验证与多样化管线，真机证据仍限于一个校准任务。
300 台机器人进长隆，规模部署还缺一张运营成绩单
2026-09-24
智元把机器人铺进七类游客场景，数量跨过演示门槛；在线率、人工接管和合同回报仍未公开。
同一套训练补救，闭环结果一升一降：NavSafe-∞ 重排自动驾驶
2026-10-09
280 个照片级仿真场景让策略承受自身动作的后果；SimScale 让三种策略成功率上升，却让 DrivoR 下降 8.21 个百分点。
PatchWAM 把机器人动作写进视觉 patch，少了 6.4 亿参数却没有更快
2026-09-22
固定编码让同一视觉骨干同时生成未来画面与动作；模拟对照显示专用动作专家并非必要，但 20 步推理反而慢 1.87 倍。
扰乱未来画面影响很小，倒置时间顺序让机器人成功率最多降32.37个百分点
2026-09-21
一项受控研究拆开世界动作模型的因果结构、视觉表示与训练目标，发现分布外表现更依赖未来表示的时间组织，而非精确画面内容。
机器人 Agent 看见酒瓶仍会撞上，安全约束不能只写在提示词里
2026-09-17
在 32 项仿真任务中，作者报告避碰率达 87.5%；关键是让路径验证和接触方向选择成为执行层的强制步骤。
两万元个人机器人开始排单，启元先卖陪伴与开发而非家务
2026-09-20
Q1、T1定价并宣布10月起发货；管理层承认短期价值仍在交互，家庭作业智能尚待验证。
大模型只负责抓放，SkipVLA 把空中移动交还规划器
2026-09-17
作者报告三项实机抓放最多提速 2.47 倍；收益来自少调用 VLA，边界则是固定顶视任务和手工切换规则。
SkipVLA 让机器人只在抓放时调用大模型
2026-09-17
它把自由空间路径交给经典规划器，真机单项最快 2.47 倍；前提是任务能被抓手事件清楚切开。
Figure 在 30 个陌生家庭测试机器人，完整家务成功率 56%
2026-09-17
Index 人类视频预训练把三项家务的完整成功数从 35 次提高到 237 次，测试共 420 次。
任务和故障一起换掉，RoboVAD 最佳微平均帧级 AUC 只有 67.4%
2026-09-15
62 万帧真机视频把任务与异常类型同时留出，9 种方法最高 micro-AUC 为 67.4%；这暴露的是监控层的迁移缺口，不是机器人成功率。
机器人不是总能重来：REVERSAL-BENCH 给不可逆失败加上刻度
2026-09-15
新基准用可控不可逆程度和恢复 oracle 测量无重置强化学习，结果显示：看见危险不等于有能力把机器人拉回来。
UMI-Bridge 用动作锚点压缩机器人示教量
2026-09-16
在擦拭、折衣和分拣中，方法完成 55/60 次；两项任务仅用 25% 机器人数据便达到 77.5%，高于全量机器人基线的 62.5%。
Treble 融资 1800 万美元，把声学仿真推向机器人
2026-09-17
平台把房间、材质、噪声和设备参数转成批量训练与评测条件，本轮资金将用于美国市场扩张。
机器人先在 67 座数字场景里试错，逼真仿真仍没消除泛化缺口
2026-09-14
Neverwhere 把真实校园重建为四类闭环跑酷测试；作者的楼梯实验中，训练场景与未见场景平均成绩相差约 50 个百分点。
外观没变，物理被改了：碰撞网格投毒让机器人在现实中失手
2026-09-16
研究者只修改 3D 资产的碰撞网格，就让策略在仿真中通过、上真机后成功率均值下降 61.67 个百分点；现成检测方法仍难兼顾检出率与误报率。
May Mobility用SPAC押注尚未起量的轻资产无人车
2026-09-16
14.8亿美元企业价值背后，合作伙伴承担车队成本的模式尚未产生实质收入，最多3.37亿美元融资也受赎回与交割约束。
九种人形机器人一起训练，X-WBC 仍把执行留给各自本体
2026-09-14
共享 Transformer 汇集多机器人动作经验，专用编码器与动作头保留硬件差异；实验增益成立，但尚未做到陌生本体零样本控制。
机器人世界模型不必先画出未来：ModAR 把运动、语义和深度排在动作之前
2026-09-15
六项仿真任务中，小模型成绩略高于视频预训练基线；20 倍差距只属于训练计算量，尚不能外推到部署成本。
TEMPO 给 VLA 补上动作历史，接瓶成功率从 38% 升至 74%
2026-09-15
两类时间信号分别描述物体怎么动、机器人做到哪一步；四项真机任务有改善，但实验仍集中在同一模型家族。
GALA 用手部三维几何把人类视频变成机器人动作数据
2026-09-18
统一末端运动表示把不同手型的几何变化编码为共享训练信号，多本体仿真成功率从 58.6% 提至 68.3%。
Digit 5 把充电时间压到 9 分钟，跨工位作业还要等现场验证
2026-09-15
Agility 用快充、可换夹具和独立安全控制器扩展机器人的工作范围；旧代现场成绩与新机预期仍须分开看。
四张 GPU“服务 64 台机器人”：Robion 测到的是请求容量
2026-09-10
作者用 LIBERO 图像、2Hz 模拟请求和预设 WiFi 7 延迟验证调度；结果说明共享 GPU 能挤出更高密度，尚未验证真实机器人闭环。
FoldNet++ 用 12 万条合成轨迹折 T 恤，90% 只在分布内真机上出现
2026-09-11
六种本体共享末端动作与规则化示范；Galbot 真机约 93%，分布外 ARX 约 67%，代码和数据仍未开放。
规划器明明会做任务，为什么教不会机器人模型
2026-09-11
DATAFARM 把成功轨迹改造成 VLA 熟悉的动作分布，三项桌面任务平均成功率由 8.3% 升至 56.7%。
100 小时人类触觉提高了机器人的接触预测能力
2026-09-17
DexTouch-WM 同时改善未来观测和平均策略排序；三种策略加入合成轨迹后，平均成绩均未超过全真实训练。
接住落物这道题，机器人选对动作仍可能差半米
2026-09-09
ReactHuman 让七个多模态模型的反应在仿真中执行。闪避场景中 35.9% 的决策违反安全规则；公开元数据与论文评测集尚不能一一对应。
机器人折衣不只需要成功示范：FolDeX 把失败恢复做成实机赛道
2026-09-11
2000 多小时真机数据被拆成四种复用问题；恢复轨迹已见收益，跨任务与跨本体混训仍会相互干扰。
无人机先找、地面车再验，AGOS-Bench 把协作拆成可测闭环
2026-09-08
210 条仿真测试中，结构化协议让九个视觉语言模型中八个成功率提高；关键是把坐标投影和道路规划交给确定性工具。
轨迹没变，换句话，奖励模型就把失败判成成功
2026-09-04
RoboRMBench 用 2390 条真实轨迹测试等义指令，揭示平均准确率掩盖的奖励翻转。
一个机器人模型在标准基准拿到97.1%，失败后续作不足四分之一
2026-09-05
LIBERO-RECOVER把起点移到模型自己留下的失败状态；恢复数据只补回约4.6个百分点，初始画面比单看残局更有用。
一个拿过80.6%的机器人失败检测器，平衡样本复评只剩0.53
2026-09-03
FailBench汇集14个来源的2197次操作；专用模型跨域退化，接触密集装配仍接近随机判断。
小鹏让首台 IRON 走下产线，却没说一台要造多久
2026-09-08
新产线把机器人从试制推进到产线制造；80%自动化只计算核心制程，节拍、良率、产能和外部订单仍未披露。
用仿真视频给六种机器人策略排名，视觉模型与人工偏好一致率应为90.9%
2026-09-03
一台机器人、七个桌面任务中，仿真与实机成功率平均差2.13个百分点，六种策略顺序相同；相近策略仍未排稳。
BRIDGE 把人形机器人身体设计纳入控制训练，但完整开源仍待兑现
2026-09-04
论文在统一仿真基准上取得更高动作跟踪成功率，实机完成多类动作；当前公开工件仍不足以让外部团队复现。
宇树展示世界模型自主格斗，视频日志透露异步控制链路
2026-09-07
UnifoLM-X2-1.0 在受控擂台连续对抗约 30 秒；日志支持闭环重规划，但通用性与规模部署仍缺实验证据。
美国收紧机器人准入，能缩小与中国的制造成本差距吗？
2026-09-01
美国限制外国新型机器人获得设备授权，并对进口无人机加税。中国厂商在人形机器人出货量上的优势能否改变？分析师判断市场更可能按地区分化。
Skild 发布机器人模型 S1，用演示视频替代语言提示
2026-08-26
公司展示了无需微调的新任务执行。内部测试中，视频提示的每步平均成功率高于语言提示，但失败后允许人工干预，尚未提供公开复现条件。
Anthropic 预览硬件标准 MHS，让 AI 通过统一接口操作设备
2026-08-27
MHS 通过标准驱动连接实验室与制造设备，让 agent 查询状态并执行操作。性能数据来自合作方自述，标准尚未开源。
小鹏机器人宣布融资超 9 亿美元，IRON 计划年底量产
2026-08-27
机器人业务投后估值约 63 亿美元，资金将用于研发、数据和量产设施。IRON 尚未披露外部订单，交付计划与实际成本仍待验证。
Figure 推出 Index，付费征集人类操作视频训练机器人
2026-08-26
Figure 称 Index 四个月已收集 1600 万段真人视频，支付 1500 万美元。它希望借此训练机器人，但尚未公布可核对的泛化基准。
机器人百米预赛跑出 9.39 秒，和人类纪录能直接比较吗？
2026-08-24
天工Ultra刷新多项机器人成绩，但原地跳高与人类助跑跳高口径不同。赛场更适合观察运动能力进步，可靠作业还要看场景赛。
人形机器人运动会提高自主要求，赛前测试暴露导航与制动问题
2026-08-22
400米、1500米与4×100米接力要求全程自主。赛前撞墙、冲出赛道的片段提醒人们关注安全，但个别失误还不能代表整体水平。
特斯拉据报拟在奥斯汀推出无方向盘出租车，员工将先试乘
2026-08-18
无方向盘的 Cybercab 已进入生产，但正式运营时间仍可能推迟。特斯拉的无人驾驶累计里程和车队规模有限，联邦豁免路径也未公开。
FlashDrive 加速自动驾驶模型，工作站 GPU 上单帧推理降至 151 毫秒
2026-08-16
优化覆盖视觉编码、上下文处理、推理和动作生成，单帧延迟从 717 毫秒降至 151 毫秒。部分轨迹指标变差，车端芯片仍较慢，尚无真实道路验证。
小马智行与 Uber 计划在欧洲五城部署逾 2000 辆自动驾驶出租车
2026-08-15
双方计划从萨格勒布扩展至另外四城，由小马智行提供技术、Uber 提供平台、本地伙伴运营车队。城市名单和部署时间表尚未公布。
用模型预测实验结果，研究团队将 AI 智能体训练算力降至约三分之一
2026-08-15
WMRL 用世界模型代替大部分真实执行，并保留约 10% 的实验结果校正评分。在两种模型规模的测试中，训练算力减少，留出任务得分也有所提高。
Waymo 在达拉斯全面开放无人出租车，暴雨停服仍考验运营
2026-08-04
Waymo 在达拉斯向所有用户开放服务，继续扩大运营规模。此前四城因暴雨停服，显示预警、路况判断和暂停运营机制仍需随城市扩展持续验证。
Zoox 无人出租车获联邦豁免，8 月 10 日起在拉斯维加斯收费
2026-08-05
Zoox 获得为期两年的商业豁免，每年最多适用 2500 辆车，计划 8 月 10 日开始收费。豁免不等于对自动驾驶软件的全面安全认证。
Waymo 暂停高速服务 71 天后恢复运营，施工区识别仍是考验
2026-07-29
Waymo 因至少 13 起误入封闭施工区事件召回 3,871 辆车，更新软件后分城恢复高速服务。现有安全数据主要来自城市道路，还不足以确认高速场景的长期表现。
FCC 限制外国产人形机器人和机器狗获批，已获批型号仍可销售
2026-07-29
FCC 将外国产先进机器人列入限制清单，新型号难以获得设备授权，已获批型号仍可销售。新规影响产品更新，但无法解决美国厂商对上游零部件的依赖。
百度联手 Lyft 在伦敦测试无人出租车，与 Waymo、Wayve 竞争
2026-07-28
百度 Apollo Go 开始在伦敦开展有安全员的道路测试，目标是 2027 年向公众提供服务。Waymo、Uber 与 Wayve 也在当地推进项目，商业化仍需审批。
Agility、宇树推进上市，特斯拉改建人形机器人产线
2026-07-13
Agility 签署上市合并协议，宇树获批科创板 IPO，特斯拉改建 Optimus 产线。融资和量产计划之外，客户多久能收回投入仍待验证。
韩国公布约8800亿美元芯片与 AI 投资计划，拟建四座晶圆厂
2026-07-16
三星与 SK 海力士计划各建两座新厂，SK、GS 和 Naver 扩建 AI 数据中心。企业主导的多年投资之外，政府还将配套电力、用水与机器人产业支持。
德国防务 AI 公司 Helsing 融资 18 亿美元，计划在美国建厂
2026-07-16
本轮估值为 180 亿美元；美国工厂全面投产后，计划月产逾 2000 架无人机。Helsing 将在服务欧洲客户的同时争取美国军方订单。
人形机器人公司 Agility 拟通过 SPAC 上市，交易估值 25 亿美元
2026-06-24
Agility 与 Churchill XI 签署合并协议，预计筹资逾 6.2 亿美元，仍需完成审批和交割。公司称已签约逾 3 亿美元多年订单，但订单兑现、机器人交付和收入确认仍是后续关键。
VLC 开发者 Kempf 融资 500 万美元，为机器人做远程控制工具
2026-06-19
Kempf 创办的 Kyber 获 500 万美元融资，将视频、传感器与控制信号接入同一套传输工具，面向机器人等设备，提供开源 SDK 和商业授权。
ENPIRE 让编程 Agent 训练真实机器人，自动迭代插针和剪扎带策略
2026-06-18
研究团队将环境重置、训练、执行和分析连成自动循环。人类先协助搭好环境，再由 Agent 改进策略；增加机器人可加快训练，但也增加成本。