Industry 3176 articles · 573 matching

（来源：MIT News） 一个诞生于麻省理工学院课堂项目的飞行器概念，如今正在变成一项价值 8.5 亿美元的制造计划。Electra 最初的设想，是造一架混合动力飞机：它不需要传统飞机那么长的跑道，却能比纯电动飞机飞得更远、更快。如今，这个从校园里走出来的项目，正准备进入规模化生产。 目前，Electra 设计的是一款固定翼飞机，希望让航空出行覆盖更多传统机场难以触达的地区，尤其是那些距离大型机场较远的人群。相比传统飞机，它采用了更小、更高效的发动机，同时配备电池，在起飞和降落阶段提供额外动力。 这款飞机的航程约为 1200 英里（约 1930 公里），巡航速度约为每小时 200 英里（约 320 公里）。它不仅能降低燃油消耗，更特别的是，对起降场地的要求远低于传统飞机，而且噪音更小。理论上，驳船、停车场甚至足球场大小的空地，都可能成为它的起降点，而不必依赖传统机场。 Electra 技术开发总监克里斯·库尔廷（Chris Courtin）表示，“50 到 250 英里（约 80 至 400 公里）的出行距离，是这项技术最适合发挥作用的区间。对于很多行程来说，它会比开车或者搭乘商业航…

许多人小时候都玩过折纸青蛙。用手按住它的尾部再松开，纸青蛙便会突然弹起。但每跳一次，人们都要重新按压，让它再次蓄能。许多软体装置也一样，可以跳得很高，却无法独自准备好“下一跳”。 若要反复跳跃，机器人既要储存并快速释放弹性能，还要处理空中姿态、落地状态和重新蓄能等问题。以往方案通常需要人工复位、机械锁扣，或者周期性改变外部刺激。任何一个环节失效，连续运动都会中断。 近日，北卡罗来纳州立大学尹杰研究团队给出了解决方案，成员包括漆方杰、周才植、清海涛、孙昊泽和洪尧烨。他们把液晶弹性体软环与刚性 V 形尾部结合，让装置在恒定红外光照下完成储能、起跳和复位。论文于 8 月 27 日发表于《美国国家科学院院刊》（PNAS）。 实验中，这枚毫米尺度的软环连续跳跃超过 500 次，无需反复开关光源或手动复位。优化构型的垂直跳跃高度超过自身高度的 80 倍，稳定定向跳跃距离超过自身长度的 3 倍，还能在斜坡、草地、湿沙和碎石等表面持续运动。 此外，团队进一步改变材料与尾部设计，使软环可以入水、划行并重返岸边。由此，该研究还实现了从陆地连续跳跃到水陆两栖运动的拓展，展示了这套自主储能与复位机制在不同环境…

会生成未来，不等于理解世界。 作者丨吴思梦 编辑丨岑 峰 2026世界机器人大会的最后一天，一场题为“世界模型到服务人类的现实距离”的论坛对话，将八位分别来自模型、数据、本体、仿真各赛道的创业者拉到了同一张桌子上。 这场对话由刚刚获聘中国电子学会世界模型专委会主任委员的之江实验室主任、阿里云创始人王坚主持。八位对话嘉宾——大晓机器人董事长、商汤科技联合创始人王晓刚，奥比中光创始人、董事长黄源浩，无界动力创始人、CEO张玉峰，跨维智能创始人、CEO贾奎，智澄AI创始人、CEO胡鲁辉，飞渡科技联合创始人、总经理宋彬，蚂蚁灵波科技首席科学家沈宇军，极佳视界联合创始人、首席科学家朱政，均为该专委会委员。 尽管大家都在一个大领域里，但每个人对时代和技术的经历各不相同。王坚请八位嘉宾依次从自身经历出发，畅谈：你们认识的世界模型，到底是什么？ 一个小时的讨论围绕三个议题层层递进，从“世界模型到底是什么”开始，到“高质量数据会不会成为不可逾越的成本障碍”结束。有人把它称作生成式AI“皇冠上的明珠”，有人自嘲是“卖铲子的人”，有人把底座能力比作“九年义务教育”，还有人追问属于具身智能的“DeepSeek…

原力灵机登顶 RoboDojo：一个专门给机器人"卸妆"的考场。 最近的朋友圈，几乎被机器人运动会和 WRC 2026 上的各种视频刷屏了。 看多了机器人百米冲刺、跳远，再看各个展台叠衣服、冲咖啡，很容易得出一个结论：机器人时代来了。 然而，如果你不幸参与过这些演示背后动辄几千次的调试与过拟合，你就会清楚这里面的水有多深。 行业内管这种情况叫"Demo 滤镜"。滤镜有多厚？说实话，即使你积累了一些行业知识，在现场盯着看，你也未必分得清：这个演示到底是提前编好的动作，还是模型在实时驱动。 这些信息差，让具身行业多少有些鱼龙混杂。 好在，学术界还留着几面"照妖镜"，比如 RoboDojo。 01 一个不许摆拍的考场 这是一个来头不小的权威评测：由香港大学多媒体实验室牵头，联合 UC 伯克利、清华等全球近 20 所顶尖机构，背后是知名仿真基准 RoboTwin 的原班人马。它干的事用一句话概括：给全世界的机器人模型办一场统一高考。 其中，42 道题，考泛化、记忆、精细操作、长程执行、开放语义理解五个科目；另外还有18 道题，考场里摆着三种双臂机器人（ARX X5、Piper 等），灯光、复位…

Drinks, music, vibes … what else can a bar offer to attract customers? One in China’s capital, Beijing, is betting on unlimited access to artificial intelligence models. The AGI Bar in the Zhongguancun tech hub, known as China’s Silicon Valley, was packed with laptop-using customers on a recent night. One of the first things many did after ordering a drink was to connect to the in-house Wi-fi and configure an AI agent to access the free tokens the bar provides. Manager Yang Yuan said the bar,...

2020 年底，李柏依在康奈尔大学的博士生涯进入第三年，也走进了一段研究上的困顿期。 此前，她一直从事表征学习研究，但在那段日子里，她越往前走，似乎越不知道这条路还能通向哪里。也就是在那段时间，她开始接触多模态学习。当时，多模态还不是视觉研究的主流热点，三维视觉吸引了更多关注。她向同学说起自己正在做多模态，得到的反应往往礼貌而寡淡。 但她隐约觉得，当时按照固定类别完成检测和分割的视觉系统太“死”了：输入是预设的，输出也是预设的，像功能机上的实体按键，只能完成事先规定好的操作。有没有可能像智能手机一样，让输入变得任意，让视觉系统根据人的意图灵活地理解世界？ 这个问题把她引向视觉与语言的对齐，也让她恰好赶上了 CLIP 发布后多模态研究爆发的前夜。 几年后，多模态已经成为 AI 领域最核心的方向之一。李柏依也从那个“不知道该往哪里走”的博士生，成为英伟达研究院和加州大学伯克利分校的研究员与研究负责人，带领团队推进 Foundation Motion，探索机器能否通过运动理解物理世界。 她的研究从计算机视觉出发，经过多模态学习，延伸到自动驾驶和具身智能。应用场景不断变化，贯穿其中的问题却始终…

Video Friday is your weekly selection of awesome robotics videos, collected by your friends at IEEE Spectrum robotics. We also post a weekly calendar of upcoming robotics events for the next few months. Please send us your events for inclusion. Humanoids Summit Seoul: 22–23 September 2026, SEOUL IROS 2026: 27 September–1 October 2026, PITTSBURGH CoRL 2026: 9–12 November 2026, AUSTIN Enjoy today’s videos! NVIDIA just paid US$12.9 billion dollars for the company that acquired Pollen Robotics, and …

斯坦福大学研究人员领衔发布 Terminal-Bench-Science 0.1，用来自生命、物理、地球、数学和工程科学的 70 个专家精选任务评估 AI 智能体的科研能力。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtcxdp3f07l3roq5uk6om1aw

2024 年初，科罗拉多大学博尔德分校（University of Colorado Boulder）化学与生物工程系的博士生阿卡瓦·冈古利（Arkava Ganguly）已经在一个数学问题上卡了一年半。 他和导师安库尔·古普塔（Ankur Gupta）教授想知道，粒子的形状究竟如何影响它在电场中的移动速度。自上世纪初相关理论得到经典结论以来，该问题被学界讨论了一个多世纪，却一直缺乏一套广泛适用的解析框架。 新的发现往往来自交流。一次晚餐中，普林斯顿大学（Princeton University）流体力学家霍华德·斯通（Howard Stone）教授给安库尔提出了一个建议：不要试图直接处理任意形状，或许可以从“变形球体”（deformed sphere）入手，把粒子看成一个球，加上一个很小的形状扰动。 思路打开了，但求解所需的计算量依然巨大，他们决定把繁重的推导工作交给 Claude，并在短短五周后得到了答案，研究于 8 月 27 日发表在《流体力学杂志》（Journal of Fluid Mechanics）。 在这篇论文的正文和附录中，研究者几乎逐字公开了他们与 Claude 的关…

MHS把一场新药研发实验速度提升3倍。 作者丨高允毅 编辑丨岑 峰 这是Anthropic第二次发布全行业统一协议。 第一次，它发布了MCP，它统一了 AI 代理调用外部工具、数据源与 API 的方式，如今满世界的 Agent 都靠它连数据库、接浏览器、调 API。这一次，它把完全相同的逻辑延伸到了物理世界，Agent可以和不同的物理设备之间对话了。 这是一套面向物理设备的 AI 代理接口标准，叫Model Hardware Standard（MHS），此次发布的是预览版本，已经在全球顶尖实验室的显微镜、机械臂和量子计算机上使用起来了。 它解决的，是整个科研与工业领域头痛了二十年的问题：硬件接口碎片化。 01 二十年未破的困局： 标准追不上硬件的多样性 这是一个所有实验室从业者都心照不宣的困境。 在一间自动化实验室里，成像相机可能基于 Python 开发，探测器运行在 MATLAB 环境中，电生理设备采用 C# 架构，而机械臂、共聚焦显微镜、移液工作站更是各有各的专属驱动、私有数据格式和封闭控制软件。多数情况下，哪怕是相邻的两台仪器，都无法感知彼此的运行状态。 如果研究人员想实现 “相…

红杉合伙人Sonya Huang提出“产品即智能”，Roblox用游戏卡带破解世界模型困境——两条线索指向同一件事：真正有壁垒的是应用与模型之间别人学不走的数据飞轮。国内少有公司同时做这两件事，Loopit发布自研世界模型Zing-0.5。 我之前写过红杉美国合伙人Sonya Huang的那篇演讲，也写过Roblox用“游戏卡带”破解AI世界模型困境的那篇研究。这两篇文章之间有一条我没有显式点出来的逻辑线——如果你把它们放在一起看，会发现它们其实在回答同一个问题：在AI时代，一个真正有竞争壁垒的产品，到底长什么样子？ 红杉的答案是：Not your weights, not your product。你调用的API，是你的产品最核心的那部分，但你对它没有任何控制权。Roblox的答案是：画面连续不等于世界存在，AI负责渲染，代码负责逻辑，两者必须共同在场才能撑起一个真正可交互的世界。这两个判断看起来方向不同，但其实指向同一件事：光有应用不行，光有模型也不行，真正有价值的东西，是两者之间那个别人学不走的数据飞轮。 这条逻辑在美国开始有越来越多的公司在实践，但在国内，我很少看到同时做这两件…

“在顺雨与研究团队的努力下，Hy4将会迎来更多突破与更大的进步，大家可以拭目以待。但眼睛也不能只盯着模型这一层。”汤道生前两天在内部署名文章中说的，现在终于来了。 今天，腾讯发布了混元Hy4 preview，总参数 770B、激活参数 49B，上下文长度突破 1M，重点面向Agent、Coding与生产力场景优化，增强在真实业务场景中完成复杂任务的能力。 据悉，相比上一代，Hy4 preview在多步骤Agent、代码开发和生产力任务上进一步提升，尤其是在更好的任务拆解、上下文承接、指令遵循和长链路执行能力上。 在Coding场景中，进一步增强代码理解、生成、修改和复杂工程任务处理能力；在生产力场景中，重点提升文档处理、信息分析、办公自动化、游戏开发、网页生成及跨工具协作等能力；在游戏开发场景中，增强了一句需求直接生成可玩原型能力，并能熟练使用游戏引擎，开发者可以通过多轮交互持续完善复杂游戏项目；在科学研究场景下，提升复杂科研问题的理解、推理与求解能力。 值得注意的是，Hy4 preview 在自身研发的全链路过程中发挥了积极价值，首次参与训练方法、数据策略、评估体系和底层算子的自动优…

作者｜包永刚 编辑｜林觉民 英伟达GTC，聚光灯总属于最新一代GPU，但中国芯片投资人李华今年却盯上了CPU。 黄仁勋在台上表示，进入推理时代，并不是所有任务都需要塞进GPU机柜。随后，他展示了独立的CPU机柜、存储机柜和LPU机柜。过去几年站在GPU身后的CPU，被单独摆到了聚光灯下。 看到这一幕，李华重新联系了一家自己此前看过、最终没有投资的Arm CPU创业公司。几个月前，他还认为CPU市场格局稳定、初创公司机会有限；这一次，他开始询问对方的融资情况和产品进度。 李华不是唯一回头研究CPU的投资人。 “我们从2025年底就开始系统性研究CPU的投资机会。”商汤国香资本合伙人李扬对雷峰网表示，“2026年，以Agent为代表的推理需求兴起，让我们投资CPU的逻辑从两层变成了三层。” Agent兴起后，CPU的需求、价格和资本关注度同时抬升。多位业内专家将未来五年视为国内CPU公司的关键窗口期。 但市场升温并不意味着所有公司都拿到了入场券。被Agent点燃的CPU市场，正在走向一场横跨技术路线、新旧玩家和应用场景的五年混战。这场混战最大的变量是什么？欢迎添加作者微信BENSONEIT…

对人来说，推门近乎是一种下意识动作。对移动操作机器人来说，这是一道把感知、移动、操作和控制绑在一起的综合题。 机器人需要找到并靠近把手，完成接触与旋转，在门体移动时协调底盘、机械臂和夹爪，还要避开门框、连续穿过狭窄门口。任何一步出现误差，都可能让整段任务中断。 近日，由纽娲机器人、上海交通大学和山东大学研究人员共同完成的 Video2DoorTraversal 预印本公开发布。上海交通大学博士生唐心诚为第一作者， 纽娲机器人创始人、上海交通大学特聘教授杨睿刚为论文通讯作者。 论文提出了一套面向轮足移动操作机器人的单视频 Real-to-Sim-to-Real 框架：用一段普通 RGB 视频重建真实门的数字孪生 DoorTwin，在仿真中生成并筛选可执行轨迹，再训练机器人完成从接近、开门到穿越的连续任务。 需要说明的是，五扇门的主实验并非用一段视频训练一个策略后直接覆盖全部对象。研究针对每扇目标门分别采集一段 RGB 视频，在论文指定的轮足移动操作平台上每扇各测试 35 次，共完成 175 次测试，其中成功 169 次，平均成功率为 96.57%。在三扇结构相似、训练阶段未见过的门上，策…

当 VLA 模型理解语言、感知环境并直接生成机器人动作，一个更基础的问题开始浮现：机器人如何理解一个持续变化的物理世界？物体从哪里移动而来、杯子此前遮住了什么、机械臂正在接近还是远离目标——真正决定下一步动作的信息，往往不只存在于当前一帧，而存在于连续的时间之中。 近日，大晓机器人联合香港大学发布全新的连续物理智能研究成果 StreamPI（Streaming Multimodal Temporal Modeling for Vision-Language-Action Models），直指 VLA 长期存在的“单帧智能”瓶颈，为其补上关键的“时间维度”。不同于传统 VLA 主要依据当前观测独立决策，StreamPI 为模型建立持续的多模态时序上下文，使机器人能够记住过去、理解状态变化、判断任务进程，并利用跨帧信息增强精细空间感知与动作决策。它推动 VLA 从“识别当前状态”，进一步走向“理解一个正在发生的物理过程”。 更重要的是，StreamPI 并未依赖额外参数堆叠换取时序能力，而是基于现有 VLA 骨干，通过指令持续锚定、历史信息流式缓存与随机时间间隔训练，实现从单帧决策到连续时…

全球主流 AI API 集体翻车，隐藏推理被成功还原，谁在偷听 AI 的「心声」？ 作者丨郑佳美 编辑丨岑 峰 昨天，X 用户 @kotekjedi_ml 公布了一组很反常的实验：Claude、GPT 和 Gemini API 里原本不向用户展示的隐藏 reasoning，被研究人员重新恢复成了可读文本。 按正常设计，这些 reasoning 本来应该是看不到的。模型完成内部推理后，API 会把这部分内容加密成一段 opaque block 返回给客户端。用户拿得到这段数据，但无法直接读取，也不能随意修改，等到下一轮调用时，再把它原样交回服务器，模型就能接着之前的状态继续推理。 问题出在这些 encrypted reasoning 并没有始终和原来的模型、会话严格绑定。 一段由强模型生成的隐藏推理，在一些情况下可以被同一家厂商的另一个模型继续读取。于是，研究人员不再尝试让强模型自己交出 Chain-of-Thought，而是把它留下的 encrypted reasoning 交给一个更容易被绕过的兼容模型，再让后者把已经加载的内容转录出来。 整个过程没有拿到服务端密钥，也没有破解 en…

2016 年博士毕业时，丁文伯手握麻省理工学院和佐治亚理工学院的博士后机会。前者延续了他此前的通信研究，后者则指向跨度更大的柔性电子与电子皮肤。 此前，他已经在清华电子系做了多年通信、雷达与信号处理。选择麻省理工的方向，显然更加顺理成章。 但也是在那个阶段，他观察到，通信研究的重心正在越来越多地从学术界转向工业界；反观柔性电子领域，仍有许多基础问题亟待解决。反复权衡后，他最终选择了佐治亚理工学院，跟随王中林院士从零开始。 “很多人当时不太理解，为什么放弃排名更靠前的学校。”如今回头看，丁文伯说，这次选择也让他逐渐形成了一套自己的研究取向：先判断一个问题是否值得做，再去寻找解决它所需要的学科和工具，而不是顺着惯性一直往下走。 三年后，当丁文伯准备回清华任教时，他又做了一次类似的选择。 彼时，电子皮肤研究多聚焦于材料与器件，他却把目光投向了冷门的视触觉方向。在他看来，这一方向既能借力快速发展的计算机视觉和 AI 技术，也恰好能发挥他在材料、光学与信号处理上的交叉积累。 此后，他逐渐转向机器触觉，并将这些积累带入其中。团队后来开发出的多模态触觉传感器 SuperTac，能够融合多种信号，让机…

arXiv:2608.16658v2 Announce Type: replace-cross Abstract: Cross-view Video Geo-localization (CVG) aims to localize ground-view videos by retrieving their corresponding geo-tagged aerial images. However, CVG approaches rely on fixed-length inputs and post-hoc refinement, hindering online-oriented localization under partial or dynamic observations. In this work, we formulate Progressive Cross-view Video Geo-localization (PCVG) as a deployment-oriented extension and evaluation protocol of CVG, enab…

arXiv:2602.20159v3 Announce Type: replace-cross Abstract: Rapid progress in video models has largely focused on visual quality, leaving their reasoning capabilities underexplored. Video reasoning grounds intelligence in spatiotemporally consistent visual environments that go beyond what text can naturally capture, enabling intuitive reasoning over spatiotemporal structure such as continuity, interaction, and causality. However, systematically studying video reasoning and its scaling behavior is …

arXiv:2511.06611v2 Announce Type: replace-cross Abstract: Accurate measurement of circular centers is a fun-damental geometric sensing problem in instrumentation and measurement tasks involving cameras, LiDARs, and other spa-tial sensors. In circular-target-based LiDAR-camera extrinsic calibration, a 3D circular center measured from LiDAR and its corresponding 2D projected center measured in the image serve as cross-modal geometric observations for estimating the rigid transformation between the…

arXiv:2507.00611v2 Announce Type: replace-cross Abstract: Preference-based Reinforcement Learning (PbRL) provides a promising alternative to heuristic reward design in complex robotic environments. However, PbRL often suffers from poor sample efficiency, requiring extensive and costly human feedback, which limits its real-world applicability. Prior work has proposed learning a reward model from demonstrations and fine-tuning it using preferences. However, when the model is a neural network, tran…

arXiv:2608.26103v2 Announce Type: replace Abstract: Zero-shot cross-task generalization, where a policy must execute manipulation tasks never seen during training, remains a central challenge in robot learning. In large language models, a novel task can be performed simply by specifying it in the context, without any parameter update. This form of in-context learning (ICL) turns generalization into a problem of task specification. To achieve cross-task generalization, we bring this paradigm to r…

arXiv:2608.26002v2 Announce Type: replace Abstract: Advanced automation is a key technology for enhancing the safety of ground operations amidst the increasing density of commercial air traffic. While motion forecasting is a well-studied task in autonomous driving, its application to airport surface movements remains underexplored. To enable efficient and accurate prediction in this domain, we propose DESCENT, a transformer-based architecture designed to handle heterogeneous dynamics and strict …

arXiv:2608.25757v2 Announce Type: replace Abstract: Generalist vision--language--action (VLA) policies learn long-horizon behavior mainly through short-horizon action prediction and reveal little beyond sampled commands. This creates two coupled bottlenecks: a single action target must implicitly absorb task progress, intermediate intent, and local reliability, while these control states remain hidden during execution. Inspired by functional principles of biological sensorimotor control, we intr…

arXiv:2608.24199v2 Announce Type: replace Abstract: Generative simulation for surgical robotics still lacks real-time interaction. Physical-robot experiments, often involving animal or cadaver labs, are time-consuming, costly, and difficult to reproduce, while classical simulators struggle to capture photorealistic appearance and deformable-tissue dynamics. We address this gap with Cosmos-H-Dreams, an integrated real-time surgical world-model system combining an action-conditioned generative mod…

arXiv:2608.23863v2 Announce Type: replace Abstract: Robots are beginning to act on world-model predictions, yet reliability is still expressed through instantaneous, model-internal signals that say whether a prediction looks trustworthy now, not where comparable imagination has already failed. DreamLedger instead treats reliability as a persistent deployment object: an execution-settled credit file recording how often consumed predictions are borne out, indexed by operating condition, region, an…