技术方向
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。
130 条精选近 30 天 97 条共收录 383 条
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。
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。
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 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。
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。