我们忍不住把 AI 当人对待,但这样对吗?
MIT CSAIL 的 Unitree 人形机器人售价约 5 万美元,参观者会本能地与它握手问好;研究显示约 70% 的人对 AI 保持礼貌。MIT 的 Sherry Turkle 与 Pat Pataranutaporn 指出,拟人化倾向虽属人性,但可能让人更信任聊天机器人,甚至引发 Character.AI 相关诉讼等极端风险。
MIT CSAIL 的 Unitree 人形机器人售价约 5 万美元,参观者会本能地与它握手问好;研究显示约 70% 的人对 AI 保持礼貌。MIT 的 Sherry Turkle 与 Pat Pataranutaporn 指出,拟人化倾向虽属人性,但可能让人更信任聊天机器人,甚至引发 Character.AI 相关诉讼等极端风险。
爱丁堡 Danu Robotics 推出回收分拣机器人 H.E.R.O.,用夹爪替代吸盘,并靠 AI 持续优化软件,已获 50 万美元签约合同和两家大客户意向书,销售管道超 200 家客户。
加州州立体育委员会向举办人机格斗赛的初创公司 Rek 发出停止令,称其 9 月 18 日让人类 Frankie LaPenna 对战一台由人通过 VR 远程操控的人形机器人属于"未经批准"的拳击或综合格斗赛事。Rek CEO Cix Liv 于 9 月 30 日在 X 上公开该信函,并表示公司下一场计划于周五举行的比赛将改为两台持械机器人互斗。
Nvidia 在物理 AI 领域投入数十亿美元,其 Halos 安全系统于 2025 年推出,为自动驾驶汽车等自主车辆提供硬件和软件护栏工具。2026 年 6 月,Nvidia 将该安全架构扩展到更多物理 AI 技术,发布 Nvidia Halos for Robotics,目标是让仓库自主移动机器人、工厂内人形机器人乃至手术机器人实现安全部署。
MIT Technology Review 与 Aventine 合作的文章指出,尽管 Elon Musk 称 Tesla 的 Optimus 人形机器人未来能以每台低至 2 万美元自动化几乎所有人类劳动,并预测 2027 年底前向公众发售,但许多机器人研究者对此持怀疑态度。
AVEVA 首席技术官 Arti Garg 提出,工业 AI 正从预测分析转向基础模型、物理 AI 与智能体 AI,但因其直接作用于物理系统,必须把安全与可靠性放在部署核心。
Reka AI 发布 19B 参数全能模型 Rho-1 的研究预览版,可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数将任务分派给专用模型的系统不同,Rho-1 把所有模态作为 token 放在同一上下文窗口中运行,无需工具调用或外部模型。
卡内基梅隆大学 Safe AI 实验室主任 Ding Zhao 联合创立 Safeworld,用真实人体模型填充的仿真环境评估生成式 AI 机器人控制系统,今日结束隐身并完成超 1200 万美元种子轮,由 Shine Capital 和 a16z Speedrun 领投。
Momenta 与神龙科技达成战略合作,基于 R7 世界模型共同开发高阶智能辅助驾驶系统,初期搭载在标致、Jeep 等全新量产车型上,覆盖中国、欧洲及全球其他市场。
AMD 宣布以约 82 亿美元全股票交易收购专注空间智能的初创公司 World Labs,交易预计在 2026 年底前完成,尚待监管批准。World Labs 创始人李飞飞将加入 AMD 领导团队,出任执行副总裁兼首席科学家,直接向 CEO 苏姿丰汇报并负责前沿研究。
推荐理由:这笔全股票收购把世界模型团队并入芯片厂商,读者可据此观察硬件与模型整合的新路径。
AMD 以 82 亿美元收购 World Labs。World Labs 创始人李飞飞在博客中回顾,公司自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队,并在收购 SceniX 后推进机器人仿真能力。
AMD 宣布以 82 亿美元全股票收购李飞飞的 World Labs,交易预计 2026 年底前完成,仍须取得监管批准。交割后李飞飞将加入 AMD 担任执行副总裁兼首席科学家,直接向苏姿丰汇报,联合创始人 Justin Johnson 和 Ben Mildenhall 继续带领团队并入 AMD。
推荐理由:交易金额、估值倍数与投资方回报结构都有具体数字,可据此观察芯片厂商布局世界模型的路径。
智谱启动了一个"外层 RSI 循环",Import AI 474 将其与 Michael Levin 提出的"Platonic mindspace"假说、以及太空部署 TPU 并列为本期要点。Levin 在论文中主张心智与大脑的关系如同数学模式与其引导的形态发生结果之间的关系,身体只是模式进入物理世界的接口,并用 xenobots、anthrobots 等实验作为线索。
斯坦福团队在 HomeBody 项目中让 GPT-6 Astra 控制宇树 G1 进入陌生厨房,先探索建图,再按语言指令收拾物品、丢弃纸盒,甚至从视野外的抽屉取药递给人。
特斯拉工人对训练 Optimus 人形机器人以取代自身岗位表示抵触。尽管面临阻力,特斯拉仍计划到 2026 年底实现每周生产 1,000 台 Optimus 机器人。
微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,可提升任务成功率、支持更大模型并延长续航。
推荐理由:微软研究院系统测量了机器人端侧推理的瓶颈,并给出可复用的 Kubernetes 卸载方案与开源工具链。
NVIDIA 在加拿大多伦多 ROSCon 大会上发布 Isaac ROS 5.0,这是一套基于 ROS 的 GPU 加速软件包集合,新增智能体工作流与平台支持。
推荐理由:Isaac ROS 5.0 把智能体工作流引入机器人开发,并给出多家厂商的落地案例,可据此判断开源机器人栈的演进方向。
NVIDIA 发文阐述 Physical AI 规模化部署的安全挑战,指出安全必须覆盖硬件、软件、AI、运行环境与部署全生命周期,而非部署前的一次性检查。
Google DeepMind 发布 Gemini Robotics ER 2,称其为面向机器人最强大的具身推理模型,可作为高层大脑让机器人对话、理解物理世界并规划多步任务,再把动作执行交给底层 VLA 模型,还能原生调用 Google Search 等工具。
推荐理由:官方给出 ER 2 在进度分类、时刻定位与多机器人协作上的具体指标和开放入口,可据此判断机器人大脑的能力边界。
Google DeepMind 发布 Gemini Robotics 2,作为新一代机器人的智能层,首次实现对完整人形机器人的全身控制,并带来更精细的手部与夹爪操作能力。
推荐理由:Gemini Robotics 2 把机器人控制从上半身扩展到全身,并给出多机协作与端侧快速适配的具体路径。
NVIDIA 推出 Cosmos-H-Dreams,一款面向手术机器人的实时、动作条件生成式仿真器,通过 FlashDreams 推理库在单张 RTX PRO 6000 GPU 上运行,支持人与策略闭环交互。
Hugging Face 发布 Grabette,一套开源低成本的手持夹爪系统,用于录制机器人操作演示数据。Grabette 配备广角鱼眼相机与 RGBD 相机,BOM 成本约 490€,配套的机器人端夹爪 Gripette 成本约 120€。
推荐理由:原文给出了一套低成本手持夹爪采集方案与浏览器端处理流程,读者可据此判断机器人操作数据的采集门槛变化。
Mistral AI 发布首个具身导航模型 Robostral Navigate,这是一个 8B 模型,仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器,在 R2R-CE 验证集 unseen 上达到 76.6% 成功率,比最佳单相机方案高 9.7 个点,比使用深度或多相机的最佳系统高 4.5 个点。
推荐理由:官方给出单目 RGB 相机在 R2R-CE 上的成绩与训练方法,读者可据此判断具身导航的硬件门槛变化。
Hugging Face 发布 LeRobot v0.6.0,围绕机器人学习闭环引入世界模型策略(VLA-JEPA、FastWAM、LingBot-VA)、新一批 VLA(GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT)以及统一的奖励模型 API(Robometer、TOPReward)。
推荐理由:LeRobot v0.6.0 把世界模型策略、奖励模型与统一评测串成闭环,读者可据此判断开源机器人学习栈的当前边界。
NVIDIA 推出 ENPIRE 框架,让编码智能体驱动真实机械臂自主试错、改进策略并自动重置环境,在 PushT、整理插针等任务上达到 99% 成功率,测试硬件为双 YAM 机械臂加 RTX 5090 工作站。GPT-5.5 在 Codex 中与 Opus 4.7 在 Claude Code 中表现互有胜负,Kimi-2.6 落后,8 个智能体并行时得分更高。
Google DeepMind 推出为期三个月的机器人加速器项目,从欧洲选拔 15 家早期机器人初创公司,提供技术指导并开放其 AI 技术栈与 Gemini 机器人模型。入选企业覆盖物流、制造、医疗、气候与导航等领域,本周在伦敦启动。
Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其面向机器人的推理优先模型升级版,重点增强空间推理与多视角理解,并新增仪表读数能力,可读取压力表、液位计和数字读数。
推荐理由:官方给出与前代及 Gemini 3.0 Flash 的对比,并首次加入仪表读数能力,可据此判断机器人在设施巡检中的自主程度。