四足机器人独立解决巨型魔方
ETH Zurich Robotics Systems Lab 的四足机器人仅用脚部自主解决巨型魔方。文章还收录了多个机器人视频，包括KAIST人形机器人搬运35公斤物体、KAIST手部设计、ETH Zurich生物混合机器人、SuperMimic运动跟踪算法等最新进展。
推荐理由：四足机器人独立解决巨型魔方展示了具身智能的进步，但视频合集形式难以提取具体技术细节。
#具身智能科技财经热点 · 每日精选
自动盯住上百个信源，用模型摘要、打分、精选，把同一件事的多篇报道归到一起，每天早上出一份日报。聚焦机器人、AI 与财经投资。
今日脉搏
具身智能专栏 →408今日入库
6 条进入精选
45/47 信源在线· 2 异常
近 14 天入库走势
近 7 天分类构成
行业 1300财经 1142硬件本体 874AI 产品 751AI 模型 263其他 386
IEEE Spectrum · Robotics精选AI 评分6565 TechXplore · Robotics精选AI 评分7878 实验室培养的小鼠肌肉使微型机器人实现跳跃、游泳、行走和抓取
苏黎世联邦理工学院研究人员开发出结合实验室培养的小鼠骨骼肌肉组织与水凝胶支架的生物混合机器人，通过计算机模拟优化设计，使机器人运动幅度提升11倍，能够跳跃、游泳、行走和抓取物体。
推荐理由：通过计算机模拟优化肌肉与支架的协同设计，使生物混合机器人运动幅度提升11倍，展示了生物组织与软体结构融合的新可能。
IT之家精选AI 评分7878 小鹏 IRON 人形机器人能力升级：每 0.2 秒重新推理一次，可预测 6 秒内动作变化
小鹏汽车宣布第二代 VLA 大模型升级，获得更强时序理解与未来行为预测能力，已端侧落地到小鹏人形机器人 IRON 上。IRON 可每 0.2 秒根据眼前画面重新推理一次，并预测 6 秒内的动作变化，实现实时互动调整。小鹏计划在 2026 年底实现人形机器人量产，2027 年上半年开启交付。
推荐理由：0.2秒实时推理加6秒预测，让人形机器人首次真正跟上人类节奏，但量产交付仍是终极考验。
arXiv · cs.RO精选AI 评分6565 面向移动机械臂在半静态环境中安全导航的面向对象和任务的主动感知
本文提出了一种主动感知框架，使高自由度移动机械臂在导航过程中使用手部相机检查不确定或安全关键区域。该框架通过概率性的面向对象和任务的下一最佳视图(NBV)公式，优先观察期望路径附近和不确定或可能变化物体周围的区域。实验表明，与被动或非任务感知的基线相比，该方法提高了地图一致性，降低了任务相关的地图熵，并减少了导航风险。
推荐理由：移动机械臂在半静态环境中通过主动感知降低碰撞风险，将导航与地图维护闭环整合。
arXiv · cs.RO精选AI 评分7575 地球训练的人形控制器能否在月球行走？重力、地形与土壤迁移研究
该研究探讨了在月球重力、地形和土壤条件下，地球训练的人形控制器的迁移能力。研究在模拟的Unitree G1上训练了12种策略，测试了不同重力、地形和地面接触条件下的表现。
推荐理由：研究首次系统验证了地球训练的人形控制器在月球重力与地形下的迁移能力，发现重力转移不对称且粗糙地形训练显著提升生存率。
arXiv · cs.RO精选AI 评分6565 基于距离场驱动的强化学习实现反应式鲁棒碰撞避免
本文提出了一种将欧几里得距离场(EDF)直接集成到观察空间的强化学习框架，在7自由度冗余机械臂上验证了该方法的有效性。该方法实现了从仿真到实体的零样本迁移，尽管仅使用随机静态物体进行训练，部署后的策略能够泛化到未见过的真实环境，并表现出对动态障碍物的鲁棒在线避障能力。
推荐理由：将欧几里得距离场直接融入观察空间，实现了从仿真到实体的零样本迁移，为复杂环境中的实时避障提供了新思路。
arXiv · cs.RO精选AI 评分6565 Make it Walk: 乐高步行机器人的计算设计
该论文提出了一种计算方法，设计出不仅能够稳定行走，还支持多种步态的乐高步行机器人。研究通过特定的齿轮-连杆机构控制每条腿的运动轨迹，并使用独立电机驱动各腿，通过简单可适应的控制算法同步多腿运动，实现了稳定且多样化的运动。基于此方法，研究人员创建了多种乐高步行机器人，展示了不同的步态和外观，并制作了部分实物以验证其在现实世界中的运动能力。
推荐理由：通过齿轮-连杆机构与独立电机驱动，首次实现可变步态的乐高步行机器人设计，为模块化机器人提供了新思路。
arXiv · cs.RO精选AI 评分6565 基于本体感觉的在线接触估计：流匹配与粒子滤波混合方法
本文提出ContactFlowFilter方法，结合流匹配模型与粒子滤波框架，用于机器人接触估计。该方法在单接触和双接触场景下分别实现0.36厘米和0.88厘米的误差，处理时间仅需0.69毫秒和2.69毫秒。研究通过仿真和真实实验验证了该方法的有效性。
推荐理由：将流匹配与粒子滤波结合，解决了机器人本体感觉接触估计中的多模态和离散事件难题，误差低至0.36厘米。
arXiv · cs.RO精选AI 评分7575 端到端强化学习实现四足机器人在月球重力下的跳跃
Levin Müller 等人提出一种多阶段强化学习方法，为四足机器人生成端到端控制策略，实现在月球重力下的精准点对点跳跃。该方法在模拟中实现了小于机器人机身尺寸的着陆误差，并在硬件转移实验中成功执行了月球重力减载下的垂直跳跃。
推荐理由：端到端强化学习让四足机器人在月球重力下实现精准跳跃，为行星探索提供新可能。
IT之家精选AI 评分7676 马斯克计划建造 Optimus 人形机器人学校
特斯拉 CEO 马斯克宣布计划为 Optimus 人形机器人建造机器人学校，用于 AI 训练。同时透露年产 100 万台机器人目标需超过一年达成，Terafab 芯片工厂预计 2028 年第三季度量产，经济价值或跻身全球前 20 经济体。
推荐理由：马斯克同时推进机器人学院与芯片工厂，量产目标与训练需求形成闭环，但万环节供应链仍是最大挑战。
IT之家精选AI 评分7676 英伟达联合思灵推出人形机器人参考平台 Agile ONE SN
英伟达在GTC柏林大会上宣布扩展Isaac开放机器人开发平台，新增人形机器人参考平台Agile ONE SN，计划2027年初上市。该平台搭载英伟达Isaac GR00T和Jetson Thor计算平台，身高1.4米、重量40公斤，具有31个自由度，配备两只WUJI Hand 2五指灵巧手。
推荐理由：英伟达与思灵合作推出人形机器人参考平台，将开发周期从数周缩短至数天，标志着机器人领域'ChatGPT时刻'加速到来。
IT之家精选AI 评分8585 Astrolab将搭载HPE超级计算机的月球车发射月球
Astrolab公司将在格里芬一号任务中发射FLIP月球车，搭载慧与的星载4号超级计算机，这是人类首次在月面开展高性能计算与AI实测。该计算机专为太空环境设计，将在月球南极极端环境中验证其稳定运行能力，并测试AI应用场景。
推荐理由：人类首次将超级计算机送入月球，验证AI在极端环境下的运行能力，为未来月球基地奠定技术基础。
arXiv · cs.RO精选AI 评分6565 MAPLE: Mondrian锚定的无学习室内探索先验
Kelvin Aladum提出MAPLE方法，一种无需训练的室内探索预测方法，通过将Mondrian过程适应为基于观察几何线索的在线生成先验，在KTH平面图和真实SLAM环境中表现优于非预测方法，与学习型预测方法相当，且计算资源需求低。实验表明更准确的地图预测不一定带来更好的探索效果。
推荐理由：无需训练的预测方法MAPLE在室内探索中表现优于非预测方法，与学习型预测方法相当，挑战了'更准确预测必然带来更好探索'的假设。
钛媒体精选AI 评分8585 当机器狗学会自己挣钱，芯片才是真正的赢家
2026年上半年全球四足机器人出货量突破4.9万台，同比增长92.5%。芯片需求从消费级简洁方案转向工业级复杂需求，人形机器人需20-30套编码器，MCU部署量近100颗。国产芯片在高端算力上仍有差距，但优必选与沐曦合资成立曦选创智，聚焦具身智能端侧芯片研发。国产芯片竞争焦点从单颗性能转向整体方案可落地性，工具链和功能安全认证成为决定性因素。
推荐理由：芯片从集中走向分布，国产芯片窗口期比想象中更短，工具链和功能安全认证成为决定性因素。
钛媒体精选AI 评分8585 机器人进厂第一课：不当人
物流分拣成为机器人量产落地突破口，非人形设计比人形更适配场景，具身智能从Demo转向订单驱动。星动纪元、自变量、极佳视界等公司推出半人形或机械臂形态的机器人，在物流分拣场景实现稳定作业，日均有效作业时间超10小时。
推荐理由：物流分拣成为机器人量产落地突破口，非人形设计比人形更适配场景，具身智能从Demo转向订单驱动。
arXiv · cs.RO精选AI 评分7575 DiPLO: 自蒸馏扩散规划用于人形机器人 locomotion 操作
研究人员提出 DiPLO 框架，结合自蒸馏扩散规划器与低级别全身跟踪策略，解决了人形机器人 locomotion 操作的协调难题。该框架通过 SD:DPO 移除规划器对强任务条件的依赖，再使用 DA:PPO 微调模型，在拾取-携带-放置任务中实现99%的任务成功率，并在宇树 G1 机器人上成功部署。
推荐理由：通过自蒸馏扩散规划与全身跟踪策略结合，解决了人形机器人 locomotion 操作难题，实现99%任务成功率。
arXiv · cs.RO精选AI 评分6565 学习结构化运动参考以实现基于优化的全身控制
该研究提出了一种分层控制器，其中强化学习适应结构化运动参考，而步态调度器、反应性步态规划器和全身冲量控制器负责高频执行。在六方向干扰课程训练下，该控制器在测试干扰网格中达到77.29%的平均生存率，比基于模型的参考控制器高出27个百分点。
推荐理由：通过分层控制将强化学习与优化控制结合，四足机器人抗干扰生存率提升27个百分点。
arXiv · cs.RO精选AI 评分7575 Dexterity from Supervised Play：通过监督学习实现机器人灵巧操作
Botao He提出DSP框架，机器人通过行为克隆从人类游戏中学习策略，然后自主收集交互数据训练世界模型。在真实实验中，该方法比回顾性行为克隆成功率提高69.6%，且比强化学习减少490倍的交互数据量。
推荐理由：论文提出了一种通过监督学习让机器人自主收集灵巧操作经验的新方法，显著减少了交互数据需求。
已经到底了