产业端,宇树科技科创板IPO获批,上市前已实现规模盈利,标志人形机器人进入资本化快车道;马斯克晒出Optimus产线,量产信号渐强。
技术端,自变量将动作离散化重塑为语义接口学习,X-Tokenizer在240万条轨迹预训练后显著提升长程任务表现;Sergey Levine(UC Berkeley教授,强化学习/机器人)的实验则跨实验室共享数据,训练出通用机器人模型,性能超越专用系统,挑战传统窄域设计范式。
宇树科技获批成为A股“人形机器人第一股”,从受理到注册仅104天;自变量发布跨模态动作分词器X-Tokenizer,多模态对齐提升13.5%;Sergey Levine(UC Berkeley教授,强化学习/机器人)分享33实验室共享数据训练通用机器人模型实验,性能超越专用系统,提示新研究范式。
产业端,宇树科技科创板IPO获批,上市前已实现规模盈利,标志人形机器人进入资本化快车道;马斯克晒出Optimus产线,量产信号渐强。
技术端,自变量将动作离散化重塑为语义接口学习,X-Tokenizer在240万条轨迹预训练后显著提升长程任务表现;Sergey Levine(UC Berkeley教授,强化学习/机器人)的实验则跨实验室共享数据,训练出通用机器人模型,性能超越专用系统,挑战传统窄域设计范式。
宇树科技科创板IPO注册通过,从受理到注册仅104天,创科创板审核纪录;上市前已实现人形机器人规模化盈利;同时马斯克晒出Optimus生产线照片,暗示量产临近。这标志着人形机器人从资本故事进入利润验证与规模化交付阶段。
X-Tokenizer将动作离散化重新定义为多模态推理与动作之间的语义接口学习,采用编码器-语义残差量化-解码器架构,在240万条轨迹上预训练后,多模态对齐能力提升13.5%,长程任务性能提升8.25%,RoboTwin 2.0得分82.8。实验表明,动作分词器应基于多模态上下文设计,充当视觉-语言与动作间的语义桥梁。
Sergey Levine(UC Berkeley教授,强化学习/机器人)描述了一项实验:33个实验室共享机器人数据,训练出的通用模型性能超越专用系统。他认为这打破了传统窄域系统设计范式,强调任务多样性与跨硬件平台模型的重要性。这为通用机器人智能提供了新路径。