指令
共 85 篇相关内容
清华赵行团队与北大刘珂团队发布 SkelWAM，用骨架让策略零样本跨十种机械臂
SkelWAM 实现了在一台机器人上训练好的操作策略，可以直接部署到其他不同结构的机器人身上。研究团队设计了一套统一手臂骨架的公共几何表征。模型接收视觉画面，读取本体状态，预测后续动作，全部基于这套表征。策略只在 Franka 上训练，迁移…
众筹 20 小时破百万美元，让 AI 接手电脑操作有人买单
让 Agent 帮忙处理工作，往往还需要人做不少准备：复制资料、上传文件、解释页面上的内容，再把生成结果搬回原来的软件。如果 AI 能直接看懂电脑屏幕，接着操作鼠标和键盘，像身外化身一样帮你处理工作，能提升多少工作效率？ 「深圳本惟无界科技…
清华大学弋力团队发布 PASSAGE，让人形机器人自己挑动作穿过杂物间
PASSAGE 研究将场景对齐的人体动作数据积累至100小时量级，通过流匹配规划器搭配感知增强的全身追踪器架构，让人形机器人能够在杂乱受限环境中自主选择并组合跨越下穿侧身避让等多元运动动作。仿真测试结果可以直观证明，机器人无接触通行的成功率…
卷土重来的豆包手机，把隐私问题解决了吗？
2025 年 12 月 1 日，搭载豆包手机助手技术预览版的努比亚 M153 以工程样机的形式少量发售，定价 3,499 元，很快售罄。官方演示中，它可以根据一篇种草笔记寻找商品、跨平台比价，也能整理旅游攻略、在地图中标记餐厅，再根据行程继…
对话上海交大杨理欣：为什么机器人需要一条「三维时间轴」
机器人会倒水，却可能在放下瓶子后忘了刚才倒过哪一瓶。会执行动作，不等于知道任务该如何推进；机器人还需要把任务意图、行动历史与世界变化连成一条三维时间线。 这类失败不完全是抓取精度问题。今天的视觉—语言—动作模型（Vision Languag…
独家探访停摆机器人数采场，具身智能正在重算数据这笔账？
9 月 1 日下午，42 号电波来到位于北京石景山区的一家人形机器人数据训练中心。当时正值工作日的下午，这里却四下无人，在训练中心的参观区、农业种植区以及特种区等多个区域也没有正在工作的机器人。 据多家媒体报道，该人形机器人数据训练中心已停…
星海图赵行：机器人的下一次 Scaling，不只发生在预训练
机器人抓起一个商品，只能说明它会做一个动作。展台上的机器人完成一次抓取，与它进入前置仓持续接单、拣选和打包，是两种不同的考验。 前者可以被压缩成一条成功轨迹，后者却要求机器人理解订单、定位货架、自主导航、处理随机摆放的商品，还要在多机协同时…
智元为什么突然成了机器人运动会的「奖牌收割机」？
8 月 26 日晚间，为期五天的第二届世界人形机器人运动会在北京闭幕，来自 16 个国家的 666 支队伍、2,056 台机器人参加了本届运动会。 究竟哪一支队伍更强？奖牌榜说了算。本届人形机器人运动会上，共诞生了 50 枚金牌、49 枚银…
ACE-Data-0 开源背后：我们和大晓机器人聊了聊具身数据的下一步
机器人看视频就能学会一切？那你就太高估它了。 比如生活中最简单的场景，从桌面拿起水杯。这件事人类几乎不需要思考；对机器人而言，却是一条由感知、移动、抓握、接触、物体状态变化和任务记忆共同组成的长链条。 视频可以告诉模型「拿起水杯」，但手指在…
模型之外，Ego2Robot 让数据处理管线当回主角
一台机器人在固定桌面上完成任务，和换了桌布、改了光照、挪了相机位置之后仍然做对，是两种完全不同的能力。前者说明策略已经收敛，后者才决定它能不能走出实验室。 众所周知，机器人遥操作天然比人类中心视频慢、贵。而此前工作仅在小规模单任务上验证过「…
上交卢策吾、浙大等团队提出 Track4Action：把「动作后的 3D 世界」蒸馏进 VLA
VLA 模型可以把图像和语言指令转换成机器人动作，训练的过程中，研究人员通常只评价机器人的动作像不像专家。至于机器人的动作会怎样改变物体、空间关系和任务状态，通常没有被明确交给模型学习。短任务可能掩盖这个缺口；一旦任务变长，或者视角、背景和…
中美韩三篇具身智能体力作，串起机器人 Agent 的现在与未来
近期，随着 Anthropic 发布报告，具身智能的牌桌上坐满了所有能叫出名字的大语言模型巨头。 Anthropic 在 2026 年 7 月发布了一份独特的实验报告《Claude plays robotics》。他们直接把 Claude …