Dexterity 与 Beckhoff USA 达成合作,为 Mech 超人形机器人提供自动化、网络与安全技术
Dexterity 与 Beckhoff USA 签署关键供应商协议,为 Mech 超人形机器人的设计与开发提供 EtherCAT® 现场总线、Safety over EtherCAT®(FSoE)及紧凑型控制硬件,覆盖运动学、PLC 与机器安全。
Dexterity 与 Beckhoff USA 签署关键供应商协议,为 Mech 超人形机器人的设计与开发提供 EtherCAT® 现场总线、Safety over EtherCAT®(FSoE)及紧凑型控制硬件,覆盖运动学、PLC 与机器安全。
Dexterity 与 ASRock Rack 达成战略合作,由 ASRock Rack 开发定制边缘 AI 服务器,为 Dexterity Mech 工业超级类人机器人提供边缘智能算力,实现不依赖云端的实时 Physical AI 处理。
Dexterity 提出 Transactable World Models,把空间理解建模为受物理约束的共享算子,供多个机器人 agent 以事务方式交互,提供显式不确定性边界、回滚能力、可解释性与实时一致性。
加速进化在 2025 生态大会上发布入门级具身开发平台 Booster K1,主打“入门即高端”,整机重量低于 20kg,标配 22 个自由度,通过 30 小时连续 500N 冲击测试与 100 小时实机运行验证,提供 K1 Geek、K1 Edu、K1 Pro 三个版本,K1 Geek 售价 USD 5,999,11 月 11 日前限时价 USD 4,999 起。
推荐理由:原文给出 K1 的重量、自由度、价格与交付承诺,开发者可据此评估入门平台选型。
Dexterity 高级副总裁 Keshav Prasad 阐述 Mech 机器人从原型走向量产的工程方法论,强调以客户需求为起点定义系统级需求,并通过 DfX 框架平衡制造、认证、人体工学、服务、成本与可测试性。
Dexterity 与 Sanmina(NASDAQ: SANM)达成战略合作,借助后者的全球制造布局加速其物理 AI 技术商业化,并扩大面向企业客户的 Mech 超级人形机器人交付能力。
日本大型物流企业 Sagawa Express 正式批准 Dexterity 的工业超人形机器人 Mech 在东京 X Frontier® 转运中心开展现场运营验证,此前测试中 Mech 在装载质量、速度和空间利用率上达到并超出 Sagawa Express 设定的基准。
推荐理由:原文给出 Sagawa Express 认可的测试基准与日本物流人力缺口背景,可据此评估人形机器人在装卸环节的落地节奏。
Figure 发布第三代人形机器人 Figure 03,围绕 Helix、家庭场景和大规模制造完成软硬件重新设计。新视觉系统帧率翻倍、延迟降至四分之一、单相机视场角扩大 60%,手掌内置相机,指尖触觉传感器可感知 3 克压力,并支持 10 Gbps mmWave 数据回传。
推荐理由:原文给出感知、触觉、电池与产线的具体改动和产能目标,可据此评估人形机器人从原型走向量产的工程取舍。
Robust.AI 协作机器人 Carter™ 在履约仓库完成零复杂度部署,无需 WMS 集成或 IT 准备,即可与拣选、上架和 VAS 环节的人员协同作业。机器人采用基于视觉的导航,能避让纸箱、拣货员和叉车,从第一天起自主学习仓库地面环境。团队先小规模起步建立信任、实时看到生产力提升,再由团队自主决定是否全面集成。
南方科技大学CLEAR Lab联合逐际动力、香港大学的论文《Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-top Manipulation》入选CoRL 2025,提出GVF-TAPE算法,让机器人通过观看操作视频预测任务执行过程并学会自主操作。
推荐理由:论文给出LIBERO基准成功率与实机任务结果,可看出纯RGB视频驱动操作训练相比依赖深度相机和动作标注方法的差距。
Figure 宣布 Project Go-Big 与 Helix 的两项进展,包括互联网级人形机器人预训练数据集,以及仅用第一人称人类视频训练后实现零样本人类到机器人的导航迁移。
推荐理由:原文给出用纯第一人称人类视频训练 Helix 实现零样本导航迁移的做法,可作为跨本体数据路线的参考。
Figure 宣布与资产管理规模超 $1 trillion 的 Brookfield 达成战略合作,Brookfield 将帮助 Figure 构建全球最大、最多样的真实世界人形机器人预训练数据集,并参与其 Series C 融资。
推荐理由:合作把 Brookfield 的住宅与商业物业变成 Helix 的真实环境数据采集场,可看出人形机器人训练数据的获取路径。
Figure 宣布 C 轮融资承诺资本超过 10 亿美元,投后估值 390 亿美元,由 Parkway Venture Capital 领投,Brookfield Asset Management、NVIDIA、Intel Capital、Qualcomm Ventures 等参投。
推荐理由:原文列出 Parkway Venture Capital 领投及 NVIDIA、Qualcomm Ventures 等参与方,可用于观察人形机器人赛道的资金流向。
Figure 的 VLA 模型 Helix 在折叠衣物、分拣包裹之后,又学会了装载洗碗机,全程没有新算法和专门工程,只补充了新数据。Helix 能把堆叠的盘子逐一分离并按顺序放入,用一只手拿起玻璃杯、调整姿态后由另一只手小心放置,还能应对杂乱的初始摆放,并从误抓或碰撞中恢复。Figure 表示这说明同一套通用架构可以覆盖差异很大的日常任务,是向可扩展的通用人形智能再进一步。
推荐理由:同一套 Helix 模型仅靠新增数据就学会装洗碗机,可看出通用架构跨任务复用的落地路径。
逐际动力发布具身智能训练新范式 LimX DreamActor,将 Real2Sim2Real、模仿学习与真机强化学习结合,用于提升具身模型训练与部署的效率和稳定性。
推荐理由:原文给出了从消费级相机采集、三维重建到仿真预训练与真机强化学习后训练的完整流程,可作为具身智能训练管线的参考。
逐际动力在 2025 世界机器人大会展示 165cm 全尺寸人形机器人 LimX Oli 与 TRON 1 系列,覆盖本体硬件、控制算法到多元操作的全链路技术。
推荐理由:原文把 LimX Oli 与 TRON 1 的现场演示串成从本体、控制到遥操作数据的完整链条,可作为理解具身智能工程化路径的参照。
Figure 的 VLA 模型 Helix 展示了人形机器人用多指手端到端自主叠毛巾,官方称这是人形机器人首次以端到端神经网络完成该任务。同一套 Helix 架构此前用于物流包裹翻转任务,此次未修改模型与训练超参数,仅新增数据集即迁移到叠毛巾。
推荐理由:同一套 Helix 架构不改模型与超参数、只换数据集就从物流任务迁移到叠毛巾,展示了跨任务泛化的可迁移做法。
逐际动力正式发布全尺寸通用人形机器人 LimX Oli,售价 15.8 万元起,即日起开放预订。LimX Oli 身高 165cm,拥有 31 个机身主动自由度(不含末端执行器),提供 Lite、EDU、Super 三个版本,面向 AI 科研人员、机器人开发者与系统集成商。
推荐理由:原文给出165cm、31个自由度、三个版本和15.8万元起售价,可据此评估该平台是否适合研发选型。
上汽北京与逐际动力在北京签署战略合作备忘录,成立具身智能联合实验室,围绕汽车场景开展具身机器人算法研发、系统开发与工具链部署。逐际动力将提供机器人本体、全身运控算法、VLA模型框架、数据引擎与工具链平台等软硬件共性技术,助力上汽北京形成从数据采集、模型训练到系统测试的完整研发流程。双方还将在汽车制造场景开展人形机器人数据采集训练测评。
Dexterity 与 Sanmina 达成战略制造合作,以扩大 Mech 工业超人形机器人量产。Mech 为双臂 AI 机器人,可搬运 60 磅包裹并具备类人灵巧操作能力。产品开发副总裁 Keshav Prasad 总结从原型到量产的系统工程教训,强调线缆布线、弯折寿命、元器件停产、固件与感知时序等细节决定部署成败。
Dexterity 战略执行副总裁 Dr. Keshav Prasad 指出,机器人创业公司常把演示或开发早期进展误当作接近完成的产品,一旦涉及硬件便难以为继。构建真实机器人系统需统筹硬件、软件、AI、供应链物流、现场服务与认证,须从第一天起采用系统方法,并行推进供应链与制造流程,兼顾可维护性与可测试性。忽视系统工程的团队可能止步于试点阶段,只有这样才能实现规模化与商业可行性。
Figure AI 公布 Helix 在物流分拣场景的最新进展,包裹处理时间降至约 4.05 秒,条码朝向成功率提升到约 95%,并能处理 poly bag、平信封等可变形包裹。
推荐理由:原文给出 10 到 60 小时演示数据与各模块消融的量化结果,可用来判断数据规模与架构改动各自的收益。
Sanctuary AI 随 Microsoft 参加 Hannover Messe 2025,Gen 8 Phoenix 通用机器人在展台连续运行 43.5 小时,演示 Physical AI 驱动的自动化劳动。借助 Microsoft Azure,其 Physical AI 面向企业市场开放,以应对全球劳动力挑战。
Sanctuary AI 展示了在仿真中训练的 in-hand reorientation 策略在真实液压灵巧手上执行,可在对抗重力并额外加载 500 克重量的情况下完成手内重定向。该公司称其自研强化学习方法在训练中未见过的 500g 负载扰动下仍能完成手内重定向。其液压手具备较多主动自由度,支持手指侧摆与手内操作,采用液压驱动以获得力量、速度和控制性能。
推荐理由:原文给出了仿真训练策略迁移到真实液压手并承受 500g 未见负载的细节,可作为灵巧操作训练迁移的参考案例。
Figure 公布了纯仿真训练的端到端强化学习步行控制器,让 Figure 02 人形机器人以类人步态行走,策略零样本迁移到真机无需微调。训练在 GPU 加速物理仿真中并行运行数千台参数各异的 Figure 02,几小时内积累数年仿真数据,覆盖多种地形、执行器动态变化以及绊倒、打滑和推搡等扰动。
推荐理由:原文给出了用人类步行参考轨迹做奖励先验、再以 kHz 力矩闭环补偿执行器建模误差的做法,可迁移到其他双足训练。
Sanctuary AI 借助 NVIDIA Isaac Lab 开源机器人学习框架,对其高自由度、高强度、高速液压灵巧手实现业界领先的 sim-to-real 灵巧操作策略迁移。
Dexterity 发布工业超人形机器人 Mech,采用双臂加移动底盘设计,面向卡车装卸、码垛拆垛和订单拣选等任务。Mech 单臂可举 65 lbs、双臂合计 130 lbs,能把箱子放到 8 英尺高,配备最多 16 个机载相机和内置触觉,可在 32 至 122°F 环境下工作。
推荐理由:原文给出了双臂负载、举升高度、相机数量和温度范围等规格,可与现有人形机器人方案做能力对照。