跳到主内容
12 signals·5 sources·2026年8月20日星期四·08-17 07:33 ~ 08-19 09:56 UTC
今日主线 · main storyline

人形机器人上市大涨,船厂焊接与少样本操作并进

宇树今日上市首日股价大涨,人形机器人资本热度抬升;Persona AI 将船厂焊接作为首个落地场景,与产业伙伴推进规模化。物理AI容错率低,倒逼少样本操作与 VLA 策略优化,整体从「能做 demo」转向「可规模化部署」。

宇树在上海上市首日大幅上涨,人形机器人资本热度推向新高;Persona AI 选择船厂焊接作为首个落地场景,与 HD Hyundai、POSCO 合作,目标每地点数百台。

物理AI 容错率远低于语言模型,错误可能造成设备损坏,要求物理模型与不确定性建模。RSS 2026 显示少样本操作与 VLA 策略优化成为主流。

#01

Persona AI 由 Nic Radford(Persona AI 联合创始人)与 Jerry Pratt(Persona AI 联合创始人)创立,专注送人形机器人进船厂焊接。焊接任务线性焊缝多、重复可控,双腿设计适应复杂地形。与 HD Hyundai 和 POSCO 合作,目标每个地点部署数百台。技术解读:场景选择兼顾机器人本体优势与劳动力瓶颈,是更具经济可行性的落地路径。

via
IEEE Spectrum Robotics(人形机器人焊接落地报道)
#02

Unitree 在上海证券交易所上市,股票首日大幅上涨;公司以四足机器人和人形机器人闻名。此轮上市标志中国具身智能企业加速登陆公开资本市场,反映人形机器人产业化预期升温。技术解读:资本定价超前于实际大规模部署,真实经营数据仍需验证。

via
卫报 via HN(Unitree 上市报道)
#03

RSS 2026 呈现少样本与强泛化趋势:双臂操作通过一次演示合成数千条训练数据,人类视频与触觉手套实现跨本体策略迁移,手术与水下操作借助仿真实现零样本泛化。89 个 VLA 策略显示视觉语言与跨本体数据共训练最优。技术解读:数据效率提升与机制兜底正取代单纯堆数据。

via
雷锋网(RSS 2026 现场报道)
今日全部信号 · all sources

Sources of the day

IEEE Spectrum Robotics/ Feed
96

Is Shipyard Welding the Right First Job for Humanoid Robots?

Persona AI 公司专注于让人形机器人从事经济可行的第一份工作:船厂焊接。该公司由 Nic Radford 和 Jerry Pratt 创立,认为人形机器人应瞄准高技能劳动而非普通体力劳动。焊接任务对机器人友好:线性焊缝多、速度可控、毫米级重复动作,且船厂劳动力短缺。人形双腿适合船厂复杂地形,合作伙伴包括 HD Hyundai 和 POSCO,目标支持每个地点数百台机器人。经济逻辑在于缓解劳动力瓶颈以增加造船产出,而非直接降低人工成本。

  • Persona AI 选择船厂焊接作为人形机器人首个落地应用
  • 焊接任务适合机器人:线性焊缝多、毫米级重复、速度可控
  • 双腿人形设计适应船厂复杂地形,如跨越横梁、通过舷窗
humanoid-robotsweldingshipyard
8月17日
arXiv cs.RO (Robotics)/ Feed
95

Prism-GRPO: Faster VLA Policy Optimization via Splitting Same-outcome Groups

本文提出 Prism-GRPO,针对视觉-语言-动作(VLA)策略强化学习中 GRPO 的采样浪费问题,通过引入加权轨迹执行质量分数拆分同结果组,恢复训练信号且保证成功始终优于失败。质量分数可从模拟器接触、动作或视觉中获取,无需任务相关奖励。理论证明其不增加零优势组丢弃概率,并推导梯度对齐条件。在四个 RoboTwin 任务上,该方法在相同 rollout 预算下提升成功率和质量,最高减少 56% 采样,并抑制奖励黑客行为,可直接迁移至真实机器人。

  • Prism-GRPO 用执行质量分数拆分同结果组,解决 GRPO 采样浪费
  • 质量分数可从模拟器接触、动作或视觉观测获取,无需任务奖励
  • 理论证明不增加零优势组丢弃概率,并保证梯度局部上升
vlagrporeinforcement-learning
8月18日
arXiv cs.RO (Robotics)/ Feed
95

PDDL-ART: Autonomous Symbolic Abstraction From Demonstration For Long-Horizon Robotic Manipulation Using Vision-Language Models

PDDL-ART提出一种基于视觉语言模型(VLM)的方法,从单个专家演示、自然语言指令和动作名称库中自动生成PDDL领域和问题描述,无需模板或微调。通过多阶段修正管道在语法、语义和执行层面迭代优化,关键创新是利用VLM的工具调用能力进行符号谓词接地,结合几何与时间推理处理仅凭视觉无法判定的关系。在发动机维护和家庭等长时程操纵任务中平均成功率达93.3%,显著优于基线VLM规划器。

  • 从单个演示自动生成PDDL描述,无需领域模板或微调
  • 多阶段修正确保语法、语义和执行层面的正确性
  • 利用VLM工具调用进行符号谓词接地,融合几何与时间推理
robotic-manipulationvision-language-modelpddl-planning
8月18日
arXiv cs.RO (Robotics)/ Feed
62

Collective Ranking of Environmental Signals through Gaussian Belief Propagation in a Patrolling Robot Swarm

本文提出一种多机器人巡逻中的集体排序方法,利用巡逻图的双重特性:既约束机器人移动,又作为因子图进行信念传播。采用高斯信念传播(GBP),结合访问节点的单变量测量因子和巡逻边的成对平滑因子,在仿真中与简单平均和访问计数加权平均比较,并在四个Leo Rover上验证追踪传播无线电信号。GBP在排序精度、均方误差和收敛时间上均优于基线,且在高噪声下性能退化更平缓。硬件试验复现了仿真结果,表明该方法适用于真实环境监控任务。

  • 将巡逻图视为因子图,应用高斯信念传播进行集体排序
  • GBP在排序精度、均方误差和收敛时间上优于简单平均和加权平均
  • 仿真显示GBP在高噪声下性能退化更平缓,鲁棒性更强
multi-robot systemsgaussian belief propagationpatrolling
8月18日
EMBODIED AI DAILY · auto-curated by GPT
Updated daily at 06:00 (your TZ)