# 人形机器人的所有文章

在 HTX 新闻中心浏览与「人形机器人」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策,提供权威的加密行业洞察。

机器人开始“吃数据”:从印度数据工厂到百亿美元人形机器人的隐秘生产链

随着具身智能行业的发展,机器人训练对高质量数据的需求急剧增长,催生了一条隐秘的数据生产链。与依赖互联网文本数据的大语言模型不同,具身模型面临物理世界的“数据荒漠”,人类第一视角视频(Ego Data)等真实世界经验成为关键。 在印度等地,出现了专门采集人类工作视频的“数据工厂”。工人们佩戴头戴摄像头和数据手套,按照严格规范完成整理、抓取等任务,产出结构化视频与动作数据,出售给欧美等地的机器人公司。这类Ego Data成本相对较低,可用于模型预训练,让机器人理解人类如何完成任务。 数据价值呈现“金字塔”结构:底层是低成本互联网视频;上层是带精细动作标注的Ego数据;再往上是仿真合成数据,可大规模生成但存在与现实差距;顶层是最稀缺、昂贵的真机遥操数据,直接指导机器人本体动作。 行业上游已分化为多类玩家:低成本数据工厂、专注动作捕捉与重定向的服务商、提供真机遥操数据的第三方、仿真合成数据公司,以及探索数据标准与流通的平台。机器人公司则采取“分层采购”策略:通用Ego数据倾向外包以快速获取规模;而关乎自身硬件适配的核心真机数据与部署中产生的失败数据,则多由自己掌控以构建壁垒。 当前,行业竞争焦点正从硬件与模型架构,转向高质量数据的持续供给与有效利用。能否建立高效的数据采集、标注、仿真扩增与反馈闭环,将成为影响机器人能力突破的关键。这条从全球劳动力密集区延伸到顶尖机器人公司的数据供应链,正在支撑着百亿美元估值的人形机器人迈向现实应用。

marsbit06/13 03:32

机器人开始“吃数据”:从印度数据工厂到百亿美元人形机器人的隐秘生产链

marsbit06/13 03:32

从代码到认知:机器人大脑进化的万字指南

本文概述了机器人大脑从传统代码控制到现代人工智能模型驱动的演进历程。文章首先回顾了前大型语言模型(LLM)时代,机器人依赖手工编码的模块化技术栈(感知、状态估计、规划、控制)和行为树,虽稳定但泛化能力差。随后,深度学习改进了感知,强化学习和模仿学习进入了控制层,但策略仍较为狭窄。 ChatGPT的出现带来了转折。LLM最初被用作自然语言编译器,将指令转化为机器人可执行的原子技能序列(如谷歌的SayCan)。但更重要的突破是视觉-语言-动作模型(VLA),例如谷歌的RT-2和开源的OpenVLA,它能将视觉、语言信息融合,直接输出动作指令,实现了推理与行动的耦合。 目前最先进的系统采用“双脑”架构(如Figure AI的Helix、NVIDIA GR00T):一个慢速、参数多的“系统2”负责高层次推理和规划;一个快速、小巧的“系统1”负责高频动作生成。其下还可能有一个“系统0”反射层处理平衡等底层控制。出于延迟和可靠性考虑,安全关键的控制回路通常在机器人本地(如NVIDIA Jetson模块)运行,而对话界面和集群学习等任务可交由云端。 开源模型(如OpenVLA、GR00T、π0)降低了行业门槛,让初创公司能在其基础上用自有数据微调。然而,当前VLA机器人仍存在任务中途恢复能力弱、样本效率低、缺乏物理常识和长期规划能力等局限。 这催生了下一代方向:世界模型。这类模型(如NVIDIA Cosmos、Meta V-JEPA)能根据当前状态和动作预测未来结果,让机器人在行动前进行模拟和评估,从而改善恢复能力、泛化能力和长期规划。架构上主要分为像素级视频扩散、联合嵌入预测架构(JEPA)和潜在动作世界模型等流派。 文章最后指出,数据采集(特别是远程操作数据)是核心竞争力,仿真训练至关重要,机器人成本正在迅速下降。当前物理AI的发展阶段大约相当于“GPT-2时代”,虽未完全自主,但正通过架构的持续演进(从代码到感知、规划、策略,最终到世界模型),朝着更通用、更强大的方向稳步前进。

marsbit06/07 12:55

从代码到认知:机器人大脑进化的万字指南

marsbit06/07 12:55

给宇树甩了两张工牌

英伟达在台北发布了人形机器人Isaac GR00T参考设计,由宇树科技提供身体、Sharpa提供灵巧手、英伟达提供Jetson Thor芯片及全套软件栈。这套“交钥匙”方案旨在服务高校及研究人员,可将实验准备时间从几天缩短到几小时,其合成数据生成能力极强。同日,宇树科技A股首发过会,估值420亿,但其募资的最大投向是自研具身大模型(大脑)。 文章指出,英伟达的参考设计模式与当年高通在手机行业的“交钥匙”方案类似,可能通过开源模型和软件来锁定其硬件生态,从而掌握行业规则制定权,将利润集中于“大脑”环节。宇树科技虽为参考设计供应身体,却同时大力投资自研大脑,并已在其G1机器人上同时运行英伟达GR00T、自研UnifoLM及第三方中科第五纪模型,这被视作一场“穿着合作外衣的独立战争”。 目前,仅特斯拉凭借其FSD数据飞轮、自研芯片和超级制造体系,在机器人领域实现了完全脱离英伟达的闭环。文章认为,机器人的身体(运动控制、灵巧操作等)目前仍有较高的技术门槛和差异化空间,未像手机硬件那样完全同质化。宇树押注自研大脑,是在与时间赛跑,窗口期可能只有两三年。若其自研大脑成功,则能掌握主动权;若失败,则可能面临被标准化方案锁定在低利润“身体制造商”位置的风险。

marsbit06/02 06:03

给宇树甩了两张工牌

marsbit06/02 06:03

OpenAI时隔六年重启机器人业务,短期押注协助型机器人

OpenAI宣布时隔六年重启机器人业务,成立“OpenAI Robotics”新团队并招募硬件、软件等领域工程师,正式进军实体机器人赛道。公司首席执行官山姆·奥特曼阐述了短期与长期目标:短期内专注于研发协助技术工人建设基础设施的机器人;长期愿景是让每个人都拥有能完成各种需求的个人机器人。 此次重启基于内部“世界模拟”研究项目的快速发展,并由公司研究副总裁阿迪亚·拉梅什领导。OpenAI早期曾探索机器人技术,并在2019年通过强化学习训练机械手复原魔方,证明了仿真训练的可行性。但由于当时机器人数据稀缺,公司于2020年前后解散机器人团队,将资源集中于大语言模型研发,从而催生了ChatGPT。 近年来,OpenAI通过投资策略布局机器人领域,例如投资Figure AI并为其机器人开发AI模型。但今年2月双方因技术路线分歧终止合作,Figure AI转向自主研发端到端模型。这一变化促使OpenAI决定亲自下场,将机器人业务升级为内部战略。 在提交IPO草案、估值高涨的背景下,OpenAI此举也被视为在上市前描绘新的增长曲线,展示其从软件向软硬件结合、从虚拟向物理世界拓展的愿景,以“具身智能”故事应对市场对其盈利能力的担忧。公司计划利用其在大模型和“世界模型”方面的优势,遵循“先造大脑,再长身体”的路径,试图以软件和算法定义硬件,重塑机器人行业研发模式。

marsbit06/02 00:32

OpenAI时隔六年重启机器人业务,短期押注协助型机器人

marsbit06/02 00:32

活动图片