波士顿动力 Atlas 能否通过足球学会运动？
波士顿动力与现代合作，用人类示范和强化学习训练 Atlas 人形机器人完成此前未见的 Ghost Rabona 花式踢球动作。团队用光学动作捕捉记录球员与工程师 Roberto 的高保真运动数据，经重定向映射到 Atlas 运动学结构后，在云端 GPU 并行数千次仿真训练，相当于 24 小时内完成一年的物理试错，学到的策略几乎全部首次上机即成功。该训练方法可迁移到仓储、工厂等实际作业任务。
技术方向
VLA 与具身大模型 最新动态
视觉-语言-动作模型与机器人基础模型：π0、Helix、GR00T 等的发布、开源与评测进展。
306 条精选近 30 天 273 条共收录 553 条
更新
精选归档 · 第 15 页
波士顿动力博客精选AI 评分5656
Figure AI 新闻精选AI 评分7272 Figure 两台 Helix-02 人形机器人协作在两分钟内整理卧室
Figure 演示两台 Helix-02 人形机器人在两分钟内协作完成卧室整理，包括开门、挂衣服、收耳机、合书、倒垃圾、推椅子和共同铺床。两台机器人共用一个学习得到的 Vision-Language-Action 策略，没有共享规划器、消息传递或中央协调器，各自通过相机读取场景并仅凭动作推断对方意图。
推荐理由：原文给出了双机器人协作的实现方式，即无共享规划器、仅靠各自相机推断对方意图，可作为多智能体操作的参考。
逐际动力官网新闻精选AI 评分6767 逐际动力开源 FluxVLA Engine，标准化 VLA 工程底座打通数据到真机部署全流程
逐际动力正式开源 FluxVLA Engine，一个面向具身智能的标准化 VLA 工程底座，以统一配置、标准接口、模块解耦和加速部署为核心，打通数据处理、模型训练、仿真评测到真机部署全流程。
推荐理由：统一配置与模块解耦的设计思路，对需要在多个数据集和硬件平台间复用 VLA 训练流程的团队有参考价值。
Figure AI 新闻精选AI 评分7878 Figure 通过 BotQ 工厂将 Figure 03 产量提升至每小时 1 台
Figure 宣布 BotQ 工厂已交付超过 350 台第三代人形机器人 Figure 03，产量从每天 1 台提升至每小时 1 台，120 天内实现 24 倍吞吐提升。
推荐理由：原文给出 BotQ 产线的节拍、良率和测试数据，可作为人形机器人量产爬坡阶段的一手参考。
Skild AI 博客精选AI 评分6262 Skild AI 收购 Zebra Technologies 机器人业务，将通用具身智能引入仓储场景
Skild AI 宣布收购 Zebra Technologies 的机器人业务部门（前身为 Fetch Robotics），计划把自家 omni-bodied brain 部署到仓储履约流程中。
推荐理由：收购让 Skild Brain 与 Zebra 的 Symmetry Fulfillment 编排平台结合，可看出其在仓储场景落地通用具身模型的路径。
Sanctuary AI 新闻精选AI 评分5656 Sanctuary AI 在液压机械手上演示零样本手内物体操控
Sanctuary AI 展示其自研液压机械手的零样本手内操控能力：完全在仿真中训练的策略直接迁移到真实世界，仅用指尖（不借助手掌）连续 10 次将字母方块旋转到指定朝向而不掉落。该演示验证了仿真环境对真实动力学的高保真建模，以及液压驱动与紧凑液压阀在力量、速度和控制上的优势，为工业场景的精密插入与工具使用奠定基础。
Skild AI 博客精选AI 评分7272 Skild AI 与 ABB Robotics、Universal Robots 及 NVIDIA 达成合作，推动 Skild Brain 跨行业部署
Skild AI 宣布与 ABB Robotics、Universal Robots、Teradyne 旗下 MiR 合作，将 omni-bodied Skild Brain 基础模型集成到其机器人产品线，实现无需逐任务编程的跨行业部署。
推荐理由：原文给出了从半结构化工厂到家庭环境的分阶段落地路径，可作为具身智能规模化部署节奏的参考。
Figure AI 新闻精选AI 评分6666 Figure Helix 02 展示客厅整理能力，靠新增数据学会工具使用与双手操作
Figure 的 Helix 02 展示客厅整理演示，在此前厨房清理之后完成全身端到端的客厅收拾任务。演示中它用喷壶和毛巾清洁表面、双手搬收纳箱并把积木扫入、把枕头抛回沙发、在手中重新调整遥控器并按键关电视，还侧身穿过茶几与沙发之间的窄缝。Figure 表示这些行为没有新增算法或专门工程，仅靠添加新数据学会，沿用与此前任务相同的通用架构。
推荐理由：原文列出八类具体操作行为，可看出单一模型靠新增数据扩展任务的迁移方式。
Dexterity 博客精选AI 评分6464 Dexterity 发布物理 AI 世界模型 Foresight，基于 1 亿次自主动作训练
Dexterity 公开其物理 AI 世界模型 Foresight，该模型基于生产环境中超过 1 亿次自主动作的经验训练，面向企业物流场景的安全关键型机器人应用。
推荐理由：原文给出世界模型在生产环境的训练规模与决策时延，可据此了解工业操作场景对世界模型的可解释与实时要求。
Figure AI 新闻精选AI 评分7878 Figure 发布 Helix 02 全身自主人形机器人模型
Figure 发布 Helix 02，用单一神经网络从像素直接控制人形机器人全身，实现行走、操作与平衡的一体化。该模型在 System 2 与 System 1 之下新增 System 0 全身控制器，基于超过 1,000 小时人体动作数据训练，10M 参数、以 1 kHz 输出关节指令，替代了 109,504 行手写 C++。
推荐理由：原文给出了 System 0 的训练数据量、参数规模和控制频率，可据此了解全身 VLA 的分层架构如何落地。
Skild AI 博客精选AI 评分7272 Skild AI 完成 14 亿美元 C 轮融资，估值超 140 亿美元
Skild AI 宣布完成 14 亿美元 C 轮融资，由软银领投，NVentures（NVIDIA）、Macquarie Capital 和 Jeff Bezos 等参投，公司估值超过 140 亿美元。
推荐理由：融资规模、估值和投资方名单完整，可作为观察通用机器人基础模型资本集中度的一个参考样本。
Skild AI 博客精选AI 评分5858 Skild AI 探索通过观看人类视频学习机器人技能
Skild AI 提出 Omni-bodied Learning，让机器人模型仅通过观看人类视频演示即可学习新技能，只需不到 1 小时的机器人数据微调。该方法针对遥操作数据在多样性与规模上的瓶颈，以及视频缺少力/力矩信号和人机形态差异（Embodiment Gap）等挑战，旨在让基础模型的任务学习具备可扩展性。
逐际动力官网新闻精选AI 评分6464 逐际动力发布具身 Agentic OS 系统 LimX COSA，驱动人形机器人 Oli
逐际动力正式发布面向物理世界的具身 Agentic OS 系统 LimX COSA，通过高阶认知与全身运控深度融合，实现大小脑一体化智能，全尺寸人形机器人 Oli 在该系统驱动下成为兼具运动智能和高阶认知的人形智能体。COSA 采用自底向上三层结构，底层为全身运控基础模型，中层为可组合调度的高阶技能层，顶层负责交互、记忆与思考，支持自然语言任务拆解、语义记忆与基于实时感知的全身移动操作。
推荐理由：原文给出 COSA 的三层架构与技能调度设计，可作为大小脑一体化系统化构建的参考。
逐际动力官网新闻精选AI 评分6666 逐际动力发布多形态具身机器人 TRON 2，4.98 万元起开放预订
逐际动力发布多形态具身机器人 TRON 2，售价 4.98 万元起，即日起开放预订。TRON 2 采用全身模块化架构，一个本体可快速切换双臂、双足、双轮足三种构型，并支持人形、四足等形态重构。
推荐理由：原文给出构型切换方式、双臂自由度与负载、续航等参数，可据此评估该平台是否适合 VLA 科研与移动操作实验。
Dexterity 博客精选AI 评分5656 Dexterity 提出 Transactable World Models，让 Physical AI 空间智能一致、可解释且安全
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。
Figure AI 新闻精选AI 评分8282 Figure 发布第三代人形机器人 Figure 03，面向 Helix、家庭与量产
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。
逐际动力官网新闻精选AI 评分5757 逐际动力联合南方科技大学CLEAR Lab、香港大学论文入选CoRL 2025，提出GVF-TAPE让机器人看视频学会操作
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 AI 新闻精选AI 评分7171 Figure 发布 Project Go-Big：互联网级人形机器人预训练与人类视频到机器人的直接迁移
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 AI 新闻精选AI 评分5757 Figure 宣布与 Brookfield 达成战略合作，共建 Helix 预训练数据集
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 AI 新闻精选AI 评分6262 Figure 完成超 10 亿美元 C 轮融资，投后估值 390 亿美元
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。