4 月 10 日晚，灵初智能发布了大模型、数据集与合作计划：包括策略模型 Psi-R2、世界模型 Psi-W0，以及总规模近 10 万小时的人类操作数据。它想回答的问题也很直接 —— 当真机数据不再是唯一解，机器人还能靠什么继续 scaling？
人工智能和机器人领域，有一个反直觉现象： 往往人类觉得复杂、困难的任务，机器人做起来很容易；而人类不以为意的一些感知与运动技能，让机器复现异常困难。
硅谷「华人地图第一人」入局具身数据赛道。
Generalist AI的GEN-1热度，仍在发酵。
从高价值商业场景切入，打造“真通用”的具身智能。
在具身智能领域，可供性（affordance）预测 —— 即让机器人从视觉观测中理解 "在哪里操作"（接触点）与 "如何操作"（动作方向）—— 是实现精细化机器人操作的基础之一。精细操作要求机器人不仅能定位到物体的可交互区域，更要掌握接触后的准确运动方向，例如判断抽屉把手的精确拉动方向完成开合。
刚刚，深圳机器人芯片公司地瓜机器人宣布拿下1.5亿美元（约合人民币10.24亿元）B2轮新融资，某零售科技与供应链巨头、滴滴、Prosperity7风投基金、高瓴创投、淡马锡旗下Vertex Growth、五源资本等产业巨头及一线资本参投。
在具身智能的感知拼图中，触觉一直扮演着不可或缺却难以被完美量化的角色。它提供了视觉等远程传感器无法替代的关于接触几何、材料特性和交互动态的直接反馈。
SLAM 在自动驾驶、机器人、AR/VR 乃至具身智能系统中都是至关重要的环节，它决定了算法能否在一个陌生环境中一边“看懂世界”，一边“知道自己在哪”。
千寻智能又一次把融资节奏拉满。
