跳到主内容
4 signals·2 sources·2026年11月20日星期五·11-17 06:16 ~ 11-18 21:00 UTC
今日主线 · main storyline

波士顿动力牵手格芯,工业具身智能双线推进

波士顿动力扩大与格芯合作,Spot 已在新加坡执行九万次检查,格芯成为首家测试 Atlas 人形机器人的芯片制造商;同时 arXiv 两篇论文分别提出可变形物操作的 Φ-CON 模型与开源三轴力触觉阵列 LuxTac,显示具身操作正从刚体走向柔性物体与精细触觉。

今日主线在于工业部署与技术基座的双重验证。波士顿动力宣布与格芯深化合作,Spot 四足机器人在新加坡子晶圆厂累计行驶近 900 公里、任务成功率 99%,并让格芯成为首家测试 Atlas 人形机器人的半导体制造商,标志着人形机器人开始进入真实半导体制造场景。

在学术侧,两项工作聚焦更基础的操作能力:Φ-CON 用耦合振荡器学习可变形线性物体的动力学,结合 Lagrangian 结构设计稳定控制器;LuxTac 则提供开源三轴力触觉阵列,提升轴孔装配成功率。两者共同指向同一个趋势:具身智能需要超越刚体操作的柔性感知与控制。

#01

波士顿动力扩大与格芯合作,Spot 在新加坡行驶近 900 公里,完成超 9 万次检查,成功率达 99%。格芯成为首家测试 Atlas 人形机器人早期采用计划的半导体制造商,双方合作已超四年。此举表明人形与四足机器人正从演示转向半导体制造的真实运维。

via
@BostonDynamics(官方合作公告)
#02

针对绳索、线缆等可变形线性物体,Φ-CON 结合耦合振荡器网络与仿射微分同胚,从观测空间映射到潜空间,显式表达动能与势能。基于模型设计预测 PD 控制器补偿势能力,保证闭环稳定,参数比 NODE 少 97.2%、比 LNN 少 90.2%,仿真与双臂实验均降低端点调节误差。

via
arXiv cs.RO(机器人学预印本)
#03

LuxTac 为 3.5 毫米柔性光学触觉阵列,采用 RGBC 光转换器与硅胶层,无需相机即可通过颜色编码分辨法向力与局部剪切力。法向力线性度 R²=0.999,剪切方向误差中位 4.8 度,与 ACT 策略结合后轴孔装配成功率显著优于纯视觉。开源设计降低触觉学习门槛。

via
arXiv cs.RO(机器人学预印本)
风向 · vibes

What practitioners are saying

BLOG
“We are thrilled to expand our collaboration with @GlobalFoundries.”
— @BostonDynamics·source ↗
BLOG
“格芯成首家测试 Atlas 人形机器人的半导体制造商”
— @BostonDynamics·source ↗
PAPER
“参数比 NODE 少 97.2%,比 LNN 少 90.2%,预测精度相当”
— arXiv cs.RO·source ↗
研究启示 · insights

Worth re-reading

人形机器人进晶圆厂

波士顿动力扩大与格芯合作,Spot 在新加坡行驶近 900 公里,完成超 9 万次检查,任务成功率达 99%,格芯将成为首家测试 Atlas 人形机器人的半导体制造商。
— @BostonDynamics·source ↗

研究员注:💭 四足巡检的可靠性数据为工业部署背书,而人形机器人的半导体厂测试标志着从「巡检」向「操作」的跃进,制造业场景正加速分化。

开源触觉降门槛

LuxTac 是厚度约3.5毫米的柔性光学触觉阵列,可分布式测量三轴力,无需相机即可分辨单点剪切力,与 ACT 策略结合后轴孔装配成功率显著优于纯视觉基线。
— arXiv cs.RO·source ↗

研究员注:💭 低成本、可扩展的触觉硬件是机器人学习从视觉依赖走向多模态感知的关键拼图,开源设计有望加速精细操作研究的普惠化。

实用工具 · ship list

Tools, datasets & models shipped today

  • 柔性光学触觉阵列,厚度3.5mm,分布式三轴力传感,法向线性R²=0.999↳ 适合机器人触觉学习与精细装配研究,开源可扩展
    arXiv cs.RO
  • 可变形线性物体动力学模型,结合耦合振荡器与仿射微分同胚,参数比 NODE 少97.2%↳ 适合双臂DLO操作控制,比无模型PD更稳
    arXiv cs.RO
今日全部信号 · all sources

Sources of the day

arXiv cs.RO (Robotics)/ Feed
95

LuxTac: A Flexible, Scalable, and Open-Source Optical Taxel Array with Distributed Three-Axis Force Sensing for Tactile Robot Learning

本文提出 LuxTac,一种灵活、可扩展且开源的光学触觉阵列,厚度约3.5毫米,由现成部件构建。每个触觉单元采用数字RGBC光转换器,置于半透明白色硅胶层下,上覆不透明黑色薄膜,背散射LED光随局部压痕深度单调下降。该板支持两种可互换凝胶盒:普通盒用于法向力传感,彩色壁盒通过返回光颜色编码局部剪切力,无需相机、磁铁或凸起覆盖,首次在单个触觉单元上实现剪切力分辨。经CNC压头和六轴力/扭矩传感器标定,法向盒在104mN至5.8N范围内线性响应(R²=0.999),重复性2.0%,滞后5.9%。剪切盒可估计每个触觉单元的三轴力,在三种压头形状和九次留出会话中,总估计R²在x/y/z达0.96/0.96/0.92,剪切方向中位误差4.8度。将LuxTac压力读数加入Action Chunking Transformer策略,显著提升轴孔装配成功率。设计文件、代码和视频已开源。

  • LuxTac是厚度约3.5毫米的柔性光学触觉阵列,可分布式测量三轴力
  • 采用RGBC光转换器和硅胶层,无需相机即可分辨单点剪切力
  • 法向力测量线性R²=0.999,剪切方向误差中位4.8度
tactile-sensingrobot-learningoptical-taxel
11月18日
arXiv cs.RO (Robotics)/ Feed
95

Learning the Dynamics of Deformable Linear Objects Through Coupled Oscillators for Bimanual Robotic Manipulation

针对可变形线性物体(DLO)的机器人操作,提出 Φ-CON 模型。该模型结合浮动基耦合振荡器网络与学习的仿射微分同胚,从观测位置映射到潜空间,其 Lagrangian 结构可显式表达动能和势能。基于该结构设计模型预测 PD 控制器,补偿学习到的势能力,保证闭环稳定性。仿真与真实双臂机器人实验表明,相比无模型 PD 基线,端点调节误差显著降低,且参数远少于 NODE 和 LNN 模型。

  • 提出 Φ-CON 学习力驱动 DLO 动力学,结合耦合振荡器与仿射微分同胚
  • 模型具有 Lagrangian 结构,显式表达动能和势能,实现稳定形状动力学
  • 设计基于模型的 PD 控制器补偿势能力,保证闭环稳定性与收敛
deformable-object-manipulationcoupled-oscillatorsbimanual-robot
11月18日
EMBODIED AI DAILY · auto-curated by GPT
Updated daily at 06:00 (your TZ)