搜索
UC Berkeley团队提出的端到端流程旨在解决该问题，研究团队跑通了首条能够从网络视频生成真实灵巧手实机执行轨迹的完整链路：先从真实场景中的单目RGB视频中重建4D手-物交互过程，再将这些交互轨迹重定向到拥有22个自由度的Sharpa Wave灵巧手上。
乐鑫喵伴 EchoEar EchoEar 喵伴 AI 机器人搭载的 ESP-Brookesia 框架实现全双工语音交互、多模态识别与智能体控制，构建更具沉浸感的人机交互体验。 EchoEar 套件以端
这几天，我们把一群平均年龄只有 19 岁的人召集到一起。几天之后，我们意识到，这可能是一次提前到来的未来。他们来自不同地方，有人做模型、做 agent、做机器人，有人做硬件、做开发者工具，有人还在上学，有人则已经在真实产品里承担核心工作。这里面有一批人已经站在今天 AI 最前沿的地方，参与过很多人正在使用、讨论、追赶的基座模型。
北大团队雪梦未来（SnowOrigin）获龚虹嘉、陆奇及海外机构投资。公司以神经腕带、全景头环等可穿戴设备为入口，结合自研NMH（Neural Math Hybrid）AI 解码模型，试图将人类真实操作过程中的意图、姿态、发力趋势、微控制及环境上下文，转化为可用于机器人、世界模型和具身智能训练的结构化数据。
浙江大学等五所高校的研究团队提出 EgoTSR。研究从第一人称机器人视角出发，希望让 VLM 学会判断任务状态，并把这种能力进一步扩展到长程规划。团队构建了包含 4600 万条样本的 EgoTSR-Data，并设计了三阶段课程学习流程。
优必选仿生恋人上市之际，虎嗅AI硬件社群也热闹了起来：“情趣赛道天花板”“价格也是天花板”“88个自由度”“面部细节非常逼真”...但讨论很快转向一个更冷静的问题：如果它足够像真人，真的会有人长期需要这样的机器人吗？还是说，这只是一次性的猎奇消费？
还在聊Sim2Real？现在机器人圈更火的是Real2Sim！最近，英伟达GEAR联合李飞飞团队、佐治亚理工大学等机构联合发布全新Real2Sim系统——SimFoundry。SimFoundry只需一段真实世界视频，就能自动生成一个可以交互、训练、评测的机器人仿真环境。
谁不想要一个会做家务的机器人，把打扫卫生、清理房间、叠衣服，以及做收纳那些脏活累活，统统都交给它，而那些能赚钱的工作全都留给我。
眼下具身赛道都在卷世界模型，都在抢着做机器人的“大脑”。
具身智能正在进入数据 scaling 时代。Vision-Language-Action（VLA）模型让机器人可以从大规模示教数据（demonstrations）中学习更通用的操作策略。但对机器人 VLA 训练来说，数据并不总是越多越好：低质量数据可能会拖累模型性能，而每一条 demonstration 都意味着昂贵的人力采集、机器人运行，以及云端存储和训练成本。