AMR 軟件架構與開發——第 23 章:工業軟件案例研究
本章以倉庫自主移動機械人(AMR)軟件為案例,説明其如何整合感知、定位與建圖、導航、車隊管理及企業系統。軟件架構涵蓋硬件抽象、機器人運行框架和多個功能層,並透過感測器融合及車隊協調支援倉庫運作。
本章以倉庫自主移動機械人(AMR)軟件為案例,説明其如何整合感知、定位與建圖、導航、車隊管理及企業系統。軟件架構涵蓋硬件抽象、機器人運行框架和多個功能層,並透過感測器融合及車隊協調支援倉庫運作。
Boston Dynamics 以輪子取代 Atlas 的腳,將其改裝成研究測試平台,藉此探測致動器極限,並測試全身強化學習由模擬轉移至硬件的效果。訓練使用數以百萬計的機械人模擬,團隊稱控制策略轉移至硬件的效果近乎完美。公司正把實驗所得應用於標準配置的 Atlas,並研究致動器失效時的控制策略。
NVIDIA Holoscan 5 可用於構建重力補償迴路,讓用戶以手引導機械臂,馬達只提供支撐機械臂重量並保持直立所需的扭矩。這種迴路須持續計算逆向動力學,是機械人透過示範學習、操控物件或與人協作的實用起點。
螞蟻靈波開源觸覺基礎模型 LingBot-Touch,將不同感測原理的訊號轉為統一觸覺 Token,供不同靈巧手及動作模型使用。在 Sharpa Wave 和 XHand1 兩款靈巧手的26項真機測試中,四種動作模型接入後的平均任務成功率,較不使用觸覺時提高約14至26個百分點。
BAIR 的教師、博士後研究員及學生將於 CoRL 2026 展示研究,活動包括教授 Negar Mehr 的 Early Career Keynote。議程列出 33 篇主會議論文、4 個 Late-breaking results 海報及 10 場口頭報告與 spotlight,會議於 11 月 9 至 12 日舉行。
Ego Guidance 探討利用無動作的人類第一人稱影片提升機械人策略學習。HuggingFace Daily Papers 頁面顯示,尚無模型、數據集或 Spaces 引用該論文。
FAME-QP 是一款用於線性模型預測控制中稠密二次規劃問題的 GPU 加速求解器。它透過 CUDA graphs 重播單核心及雙核心迭代,並按裝置校準和問題專屬計時自動選擇執行配置。數值基準測試及人形機械人和四軸飛行器模擬控制實驗顯示,相較其他 GPU 求解器,FAME-QP 可降低延遲,同時維持解答準確度和控制效能。
雲深處科技發布四足機械人絕影X50,在不增加機身尺寸的前提下,將持續行進負載提升至50kg,並可在額定負載下以3m/s速度持續奔跑2公里以上。絕影X50融合激光雷達點雲、IMU等感測器數據,配合強化學習運動控制算法應對複雜地形,並以姿態控制和高剛性關節提升受撞擊及顛簸時的穩定性。
Uber 在美國15個城市推出 App 泊車預約服務,使用其已同意收購的 SpotHero 網絡。SpotHero 在北美有超過13,000個泊車地點,Uber 會繼續以獨立 App 營運 SpotHero。Uber 表示,讓無人駕駛的士在繁忙地區附近停泊,或有助減少每英里的載客成本。
2026中國國際城市軌道交通展覽會於11月9日在廣州開幕,展覽面積達5萬平方米,匯聚500多家企業,設有六大專業展區。展會涵蓋28個國家和地區,並展示具身智能數字地鐵列車VELLINK及山地齒軌列車。展覽將持續至11月11日。
Google 發佈 Gemini 4 Argon,定位為通用型物理推理模型,支援機械人控制、Real2Sim 場景構建、機械人影片多模態標註及迭代式策略改進。
雲深處科技發布四足機械人新產品絕影X50,在不增加機身尺寸下,將持續行進負載提升至50kg,面向複雜地形重載作業。額定負載50kg時,機械人可按3m/s速度持續行進2公里以上,並可連續翻越80cm高台、跨越70cm間隔的石墩及攀爬無踢面樓梯。它融合激光雷達點雲、IMU等多源感測器數據,以強化學習運動控制算法預判地形和規劃落腳點,適用於電力巡檢、消防及應急救援等場景。
Nvidia 發佈開放 AI 模型 GR00T 2,協助機械人透過人類影片等資料學習精細手部技能。模型以機械人數據及 100,000 小時第一人稱視角影片訓練;Nvidia 測試中,每項任務示範一次和五次時,平均成功率分別為 71% 和 95%,而測試任務取自模型較易學會的項目。Foxconn、Siemens 和 Nexuni 正在測試 GR00T 2,均未表示會在生產環境使用。
Robocurve 研究人員測試了 Claude、GPT 和 Gemini 的五個模型,發現模糊或篡改機械人鏡頭畫面會增加它們嘗試危險動作的頻率。研究共進行 900 次測試,畫面遭篡改時,四個模型的危險動作嘗試率為 100%,Gemini 為 85%。研究以模型發出「done」訊號作為嘗試完成的判定,沒有核實動作是否實際完成;測試使用空容器並切斷電源,避免造成實際危險。
Skyways 宣佈 Skyreach 開始在德州奧斯汀生產,並計劃於 2026 年 12 月開始為現有客戶提供飛行服務。飛機載有 10 磅貨物時航程超過 1,300 英里,載有 50 磅時超過 780 英里,最大續航時間超過 18 小時。Skyreach 目前仍在飛行測試,規格數據屬設計指標,可能有所變更。
NVIDIA 於 2026 年 11 月 9 日在 CoRL 發佈 GR00T 2,報告其在目標機械人訓練資料未涵蓋的 50 項任務上達到 40% 零樣本成功率。
NVIDIA 在 CoRL 推出 GR00T 2 開放前沿世界動作模型,並介紹模擬工具、基準測試和智能體工作流程等機械人技術。GR00T 2 在 50 項任務中每項只用一次示範時,平均成功率為 71%;每項用五次示範則升至 95%。在視覺式靈巧操作基準中,Isaac Lab 3.0 與 Newton 的訓練吞吐量最高是 Isaac Lab 2.3 與 PhysX 的 2.5x。
Physical Superintelligence 的研究系統使用非公開 Anthropic 模型,找出 Aaronson–Ambainis 猜想的證明,並由 Lean 驗證。
Wayve 與 CoreWeave 達成多年協議,將在搭載 NVIDIA Blackwell GPU 的 CoreWeave Cloud 上訓練 AI Driver 基礎模型,並進行評估與模擬。AI Driver 使用來自 70 多個國家的真實駕駛數據開發,訓練流程涵蓋模擬和分階段驗證,以支援安全測試。協議擴大 Wayve 的雲端運算資源,涵蓋整個模型迭代週期。
真格基金整理了 AI Engineer 上七個團隊的一線實踐,內容涵蓋 Agent 協作、測試成本、遊戲與影片生成,以及機械人模型訓練。OpenClaw Foundation 每 100 次 CI 的成本由約 1000 美元降至約 200 美元;HeyGen 的 HyperFrame 截至 10 月底每日生成逾 50 萬條影片,每月達 1500 萬條。
被稱為「美國版宇樹」的公司上市,估值達167億。
啟元機器人分享個人機器人從能力構建、產品交付到安全治理的實踐,並推出啟元Q1、啟元T1,推進 AI 走進現實世界。其全棧 AI 能力涵蓋 PrimeGo、PrimeMotion、PrimeVista,HIL-UMI 採集方法的效率較傳統真機方案提升5.63倍;用戶資料預設留在本地,權限預設關閉。啟元機器人第10000台個人機器人已量產下線。
多家上市公司披露重大事項、業績、增減持、回購、再融資及中標簽約公告。中遠海能子公司擬斥資94.82億元建造10艘VLCC原油輪;百濟神州第三季度淨利潤27.85億元,同比增長304.3%。多家公司提出股份回購或定增募資計劃。
螞蟻靈波具身大模型挑戰賽公佈決賽名單,15支隊伍、59名選手從全球1855支隊伍、3252名選手中晉級。11月14日至15日,晉級隊伍將在上海參加48小時線下真機黑客松,使用 LingBot-VLA 2.0開源預訓練模型完成由任務理解至真機部署的流程。大賽兩階段累計獲超34萬卡時算力支持。
UBTECH 與 Tianyi Telecom Terminal 於 2026 年 11 月 9 日簽署全面戰略合作協議,目標是在三年內協助家用陪伴機械人終端產業規模超過 100 萬台,另以超過 100,000 台超仿生人形、輪式人形及相關終端作為產業規模目標,兩項數字均非已完成交付量。
刻行時空宣佈完成新一輪近億元融資,並正推進超兩億真機數據訂單的海外合規交付。本輪由詠歸基金領投,天機TIANJI、常州智融等跟投,資金將重點投入機器人預部署環境、高精度姿態追蹤與多維標註的數據理解專用模型,以及「採集-訓練-仿真-推理」數據基建。9月,刻行已向海外合規交付上千小時宇樹真機數據,通過率超過99%。
星憶智能創始人宋知珩表示,具身數據的瓶頸不在採集,而在處理與標註;公司以算法提升手部及人體姿態處理效率和精度。星憶智能訂單已達「千萬級」,收入不止2000萬元,並與Being(智在無界)及京東合作。宋知珩稱,某公有雲平台的具身數據中,只有不到5%經過精細處理,可反覆用於模型訓練。
AMR AI and Embodied Intelligence 第 11 章講解自監督機械人學習,説明系統如何從未標註數據自動產生監督訊號,學習環境表徵。內容介紹對比學習、遮罩建模及時間預測,並列出 SimCLR、MoCo、BYOL、DINO 和 VICReg 等方法。
AMR 場景理解會整合多模態感測資訊,形成對物件、空間結構、環境關係及動態情況的語義理解,讓機械人由單純感知進一步理解周遭環境。它涵蓋感知、語義理解、空間理解和時間理解,並可結合世界模型支援預測性規劃及安全自主運作。
人機互動(HRI)研究人與機械人在共享環境中的溝通、協作與共存,是智能機械人及具身人工智能的基礎之一。隨着機械人走入日常環境,互動設計涵蓋語言與非語言溝通、感知人類行為及理解意圖;大語言模型亦提升了機械人理解指令、回答問題和協作對話的能力。
第 14 章聚焦 AMR AI 與具身智能中的 VLM 和 VLA,並概述 VLM 如何整合視覺感知與語言理解,在共同框架中進行推理。VLM 可透過零樣本及少樣本推理理解未曾接觸的物件或情境,並支援機械人解讀場景、指令及作出決策。
具身 AI 是存在於實體或虛擬身體中,透過與環境持續互動來學習、推理和行動的人工智能形式。它以感知與行動的回饋循環為核心,整合感測器、致動器、計算模型、記憶、規劃及學習機制,讓機械人從互動中調整對環境的理解。
本章闡述 AMR 邊緣 AI 架構,説明如何在機械人本機執行推理、感知處理、感測器融合及決策,而非完全依賴雲端。此架構可降低延遲、減少網絡依賴,並支援即時自主運作;運算工作則分配至嵌入式控制器、GPU、NPU、機隊伺服器及雲端等不同層級。
本章按效能、智能能力、運作環境、感測器複雜度及 AI 工作負載,將 AMR 平台劃分為低、中、高階架構,協助配合不同應用需求規劃硬件平台。低階架構以 NVIDIA Jetson Orin NX 等嵌入式邊緣運算平台為核心,適用於工作環境較受限、AI 工作負載較低的機械人。中階架構面向更複雜的環境,採用 NVIDIA Jetson Thor 等平台,支援多模態融合、語境推理及更進階的人機互動。
本章説明 GPU 架構如何為自主移動機械人(AMR)及具身 AI 系統提供高效能運算,支援多模態感知、即時決策及大規模 AI 推理。現代 AMR 透過異構運算,按工作負載分配運算至 CPU、GPU、MCU、NPU、DSP、FPGA 及專用感測器處理硬件。架構設計亦須兼顧運算效能、記憶體頻寬、功耗、散熱、空間限制、可靠性及即時性。
本章闡述雲端機械人架構如何將機械人工作負載分配至機載邊緣設備和集中式雲端基礎設施,突破機載硬件的計算限制。架構涵蓋機械人、邊緣計算、雲端基礎設施及通訊網絡,支援大型 AI 運算、機隊協調和跨機械人分享學習成果。機械人上傳運作數據後,雲端可用於數據分析、模型訓練與驗證,並將更新後的 AI 模型重新部署至機隊。
多智能體系統讓多個自主實體與環境互動,透過分散式決策和協作達成個別或共同目標,應用於自主移動機械人及機械人集羣等場景。其架構涵蓋感知、通訊、推理、規劃、協調和執行,並可提升系統的可擴展性、靈活性及應對故障的能力。
珞石機械人、京東工業、華勤技術及中科摩通正透過產業鏈協作,打通國產機械人由研發到量產的堵點。2026年,京東工業機械人零部件銷售額同比增長逾200%,逾500家機械人公司在平台採購,供應商超過1600家。京東工業計劃未來3年助力100家本體廠商全品類降本,並推動100家零部件供應商業績倍增。
多家上市公司於11月9日披露投資、收購、業績、回購及中標等公告。清溢光電控股子公司擬投資不超過15億元建設高端半導體掩膜版生產基地三期,埃斯頓擬以2.74億元收購控股子公司部分股權。天賜材料控股股東提議回購5000萬元至1億元股份,重慶建工牽頭的聯合體中標約4.94億元基礎設施項目。
億達科創自主研發的邊緣 AI & 具身智能機械人系統,入選世界物聯網大會工業互聯網論壇案例集,創新成果連續兩年獲選。系統將算力下沉至邊緣端,構建毫秒級「感知—決策—執行」閉環,支援機械人在弱網甚至斷網環境自主作業。系統已應用於綠色礦山及鑄造零部件質檢項目。