在「具身智能」与「世界模型」成为新一轮 AI 竞赛关键词的当下，来自北京人形机器人创新中心、北京大学多媒体信息处理国家重点实验室、香港科技大学的中国团队开源了全新的世界模型架构。
杭州六小龙之一的云深处，率先把人形机器人户外作业能力拉满了。杭州六小龙之一的云深处，率先把人形机器人户外作业能力拉满了。甚至直接大水漫灌也没再怕的。
你见过这样的“盲眼”机器人demo吗？这些丝滑小连招来自亚马逊机器人团队FAR（Frontier AI for Robotics）发布的首个人形机器人（足式）研究成果——OmniRetarget！
近年来，以人形机器人、自动驾驶为代表的具身人工智能（Embodied Artificial Intelligence, EAI）正以前所未有的速度发展，从数字世界大步迈向物理现实。然而，当一次错误的风险不再是屏幕上的一行乱码，而是可能导致真实世界中的物理伤害时，一个紧迫的问题摆在了我们面前： 如何确保这些日益强大的具身智能体是安全且值得信赖的？
人形机器人对跳舞这件事，如今是越来越擅长了。北京大学与BeingBeyond团队联合研发的BumbleBee系统给出了最新答案：通过创新的“分治-精炼-融合”三级架构，该系统首次实现人形机器人在多样化动作中的稳定控制。
人们总是习惯将众擎和宇树放在一起比较：众擎与宇树同为中国人形机器人本体厂商，均处商业化早期，凭9万级低价产品快速出圈并获资本加持，技术路线、市场定位高度对标，常被并列讨论。
人工智能正在吟诗作画，我们人类却在打扫卫生。 这句话几乎描述出了今天所有人对AI的困惑，一边是模型底层技术的突破，另一边却是AI进入真实世界后的无力感。一个验证码能摧毁一个压缩全世界知识的AI大脑，一个垃圾桶能绕晕一个拥有30多个自由度的人形机器人。
人形机器人的运动控制，正成为强化学习（RL）算法应用的下一个热点研究领域。当前，主流方案大多遵循 “仿真到现实”（Sim-to-Real）的范式。研究者们通过域随机化（Domain Randomization）技术，在成千上万个具有不同物理参数的仿真环境中训练通用控制模型，期望它能凭借强大的泛化能力，直接适应动力学特性未知的真实世界。
2025 年 8 月的世界人形机器人运动会可说是笑点与技术齐飞，荒诞与精彩共舞。我们看到了撞翻人类和机器人的机器人运动员以及足球赛场上机器人接连倒地摔跤，也看到了最前沿机器人技术的集中展现以及一个又一个新纪录的诞生。
Atlas进厂打工技能再进化！波士顿动力联手丰田研究院，首次让人形机器人Atlas能够通过语言指令驱动，一次性处理从折叠配件到整理仓架的复杂作业。这种LBM（Large Behavior Models，大行为模型）方法让机器人具备跨任务泛化能力，迈出了工业化实践的一大步。
