一年磨一剑,今年最炸机器人Demo来了!
Genesis AI发布首个机器人基础模型GENE-26.5,实现打蛋、解魔方、弹钢琴等复杂任务,全程自主运行且仅需少量真实数据微调。
入选理由:GENE-26.5使用统一模型处理多任务,支持语言、视觉、触觉等多模态输入,大部分技能仅需不到1小时真实数据训练。
概念
别名:Embodied AI
强调物理形态与智能结合的人工智能技术方向。
已跟踪 14 条高相关材料
最近变化
2026-07-13 · NEO机械手拥有25个自由度,接近人类手部的27个自由度
为什么值得关注
具身智能 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
一年磨一剑,今年最炸机器人Demo来了!
量子位 · 9.2 分
Genesis AI发布首个机器人基础模型GENE-26.5,通过自研硬件、多模态数据与统一模型架构,实现烹饪、解魔方、弹钢琴等复杂任务,全程自主运行且仅需少量真实数据微调。
李飞飞再出手,空间智能的ImageNet来了
量子位 · 8.7 分
李飞飞团队发布ESI-Bench评测基准,首次将观察者变成行动者,闭合感知-行动回路,发现当前AI在空间智能方面存在动作盲视、3D重建陷阱和元认知缺陷三大问题。
这个机器人的手,有点灵活过头了
爱范儿 · 8.5 分
NEO机械手通过25个自由度和仿生皮肤实现类人操作精度,但依赖远程控制而非完全自主,2026年或成为首个家用具身智能产品。
已收录 14 条与 具身智能 相关的内容,按评分排序。
Genesis AI发布首个机器人基础模型GENE-26.5,实现打蛋、解魔方、弹钢琴等复杂任务,全程自主运行且仅需少量真实数据微调。
入选理由:GENE-26.5使用统一模型处理多任务,支持语言、视觉、触觉等多模态输入,大部分技能仅需不到1小时真实数据训练。
李飞飞团队发布ESI-Bench评测基准,首次将观察者变成行动者,闭合感知-行动回路,发现当前AI在空间智能方面存在动作盲视、3D重建陷阱和元认知缺陷三大问题。
入选理由:ESI-Bench包含10个任务类别、29个子类别、3081个任务实例,覆盖人类四大核心空间认知能力
NEO机械手通过25个自由度和仿生皮肤实现类人操作精度,但依赖远程控制而非完全自主,2026年或成为首个家用具身智能产品。
入选理由:NEO机械手拥有25个自由度,接近人类手部的27个自由度
智平方科技在联合国展示NeuroVLA类脑模型,通过模仿人脑机制降低机器人功耗与数据需求。
入选理由:NeuroVLA脊髓层功耗低至0.4瓦,较传统VLA模型降低75%以上
美团龙珠在科技投资上重注AI和具身智能,已投宇树科技、月之暗面等公司,认为具身智能投入不足。
入选理由:美团龙珠累计投资宇树科技超4亿元,持股约9.65%。
卧安机器人OneModel 1.7通过Predictive Policy Latent隐式传导机制,解决了具身智能领域从理解到执行的传导断层问题,显著提升了机器人在家庭环境中的操作成功率。
入选理由:OneModel 1.7通过Predictive Policy Latent隐式传导机制,将世界模型对环境的理解直接传递给动作执行模块,解决了具身智能领域从理解到执行的传导断层问题。
摩尔线程发布国内首个全栈国产化具身智能仿真平台MT Lambda,首次在全国产硬件上实现Sim-to-Real真机验证,打通了从大模型训练、仿真模拟到端侧部署的全链路。
入选理由:MT Lambda平台集成了物理、渲染、AI三大引擎,在典型仿真负载下吞吐效率提升约30倍。
许华哲再次创业,专注于家庭机器人,认为具身智能不应局限于 robotics、自动驾驶或史前深度学习,强调强化学习的重要性。
入选理由:许华哲认为具身智能不应局限于 robotics、自动驾驶或史前深度学习。
正行创新获近亿美元天使轮融资,正大集团、华勤技术等多家上市企业联合投资。
入选理由:正行创新获近亿美元天使轮融资
李想认为AI是生产力与劳动力的放大器,但对“一人公司”模式持怀疑态度,强调真实生产环境难以建立,企业应通过AI增效而非裁员降本,战略选择比努力更重要。
入选理由:李想指出多数“一人公司”仅停留在内容更新层面,未建立真实生产环境。
全球首次人形机器人点球大战将于2026年MWC上海举办,8支中国顶尖具身智能团队参赛,考验动态平衡、感知与决策能力,赛事融合竞技与表演,推动AI物理交互技术落地。
入选理由:2026年6月24-25日MWC上海将举办全球首场人形机器人点球赛,8支战队同台竞技。
文章介绍地瓜机器人与虚时科技合作,解决具身智能仿真数据不足的问题,但信息密度较低。
入选理由:地瓜机器人与虚时科技合作,提升具身智能的仿真数据质量。
文章为 AI 岗位面试准备推荐文章列表,但内容未直接提供技术细节或实践方法。
入选理由:推荐了多篇 AI 相关文章,但未提供具体内容。