2026 年哪些模擬器支援機械人操控中的布料、繩索和軟質物體?
多款開源物理引擎支援機械人操控中的布料、繩索或軟質物體;文章比較 Genesis、Newton、MuJoCo、MuJoCo Warp、MuJoCo Playground、ManiSkill3 和 Alloy 的支援範圍及適用情境。
多款開源物理引擎支援機械人操控中的布料、繩索或軟質物體;文章比較 Genesis、Newton、MuJoCo、MuJoCo Warp、MuJoCo Playground、ManiSkill3 和 Alloy 的支援範圍及適用情境。
兩輛使用受監督 FSD 的 Tesla 在斯洛文尼亞山路面對面時陷入反覆調頭的困局,駕駛者須接手控制。TÜV 2027 年檢驗中,Model Y 的複驗率為 18.5%,MG4 為 16%;MG4 有 10.3% 的受檢車輛煞車碟生鏽或故障。調查涵蓋 34 個國家的駕駛者,74% 認為錯誤觀念是採用電動車的主要阻礙。
預印本《Beyond Retargeting》提出一種人形機械人控制策略,將原始人體動作直接映射為機械人關節指令,省去即時動作重定向。該策略在 Unitree G1 模擬環境及硬件上測試,作者報告其延遲和穩健性均優於比較基線。省下的即時轉換工作轉移至訓練階段,控制效果取決於動作數據對不同體型、速度及感測條件的涵蓋。
覓蜂科技真機操作團隊分析逾20萬小時真機數據及2萬多項任務記錄,指出觀測畫面缺少決策依據會令訓練數據失效。積木拾取試驗中,操作員與機械人同視角觀察,模型操作準確率由約50%升至100%。EGO數據亦有重複、與用戶需求不匹配及同質化等問題。
機械人訓練數據低質的成因包括觀測未涵蓋動作決策依據、EGO 數據重複或與需求不匹配,以及仿真對流體和柔性體的精度不足。文中引用的積木拾取對照顯示,以操作員與機械人同視角觀察的數據訓練模型,手臂操作準確率由約 50% 提高至 100%。姚卯青表示,市場上有企業購入 100 萬小時數據後,最終只有 10% 至 20% 可用。
零跑汽車 CFO 李騰飛表示,2027 年將是零跑的產品大年,D、C 系列將推出重磅產品,B、A 系列亦將推出大改款產品。零跑世界模型將在全系產品亮相,李騰飛稱各價位產品都能享有相應價位段頂級的智駕體驗。
智元創新(AGIBOT)與藍思科技達成戰略合作,在手機測試產線部署數十台智元精靈 G2 機械人,負責測試工位上下料及與測試設備互動。精靈 G2 可轉運手機產品、智能分撥及上下料,並兼容多條作業產線;官方稱,本次部署已跑通工藝適配、產線聯調及交付落地全鏈路。
智元創新(AGIBOT)與藍思科技達成戰略合作,在手機測試產線部署數十台智元精靈 G2 機器人,執行測試工位自動上下料及與測試設備互動等工作。部署聚焦手機 MMI、ANT、CAM、CAMCV 等測試;官方表示,項目已跑通工藝適配、產線聯調和交付落地全流程,並沉澱標準化交付流程與項目實施體系。
建築署、機電工程署、房屋署、房屋協會及香港智能建造研發中心共同研發的「人工智慧清潔水箱機械人」,奪得2026香港資訊及通訊科技獎「商業方案大獎」及「全年大獎」。機械人設有AI鏡頭分析水缸污垢,最快1小時可清潔一個1萬公升水缸。工人可在水缸外透過平板電腦觀察清潔情況,減低進入密閉空間作業的風險。
第 07 章説明如何在移動操作機械人的目標運作環境中進行現場驗證,以確認系統的可靠性、安全性和一致性,並取得足以證明系統已準備部署的量化證據。驗證須以明確的運作設計領域、可量度的接受準則及循序漸進的測試為基礎,涵蓋導航、感知、操作、安全、人機互動和長時間運作。同步收集運作數據並記錄故障,有助分析根本原因及核實修正措施。
本章提出移動操作機械人的測試策略,涵蓋功能、性能、可靠性及安全性,並主張從需求工程階段開始制定測試要求。測試應結合風險評估,逐步驗證部件、子系統及整個系統,並涵蓋模擬、硬件、人工智能、操作任務與安全。自動化測試、回歸測試和測試治理則用於維持可追溯性、管理缺陷及記錄驗證結果。
本章闡述移動操作機械人的操作系統開發,涵蓋機械結構、感測、末端執行器、控制軟件及 AI 感知等組成部分。內容亦説明抓取與運動規劃、拾放及料箱揀選、力控制、任務與運動規劃,以及錯誤復原等技術和應用。
移動操作機械人的 AI 開發把營運要求轉化為感知、決策及互動能力,並須考慮環境變化、感測器不確定性和即時運作。流程涵蓋數據收集與標註、感知模型及視覺語言模型、智能體協調、模型訓練與部署;驗證則結合機器學習指標和系統層面的效能量度。
《Mobile Manipulator Projects and Development Manual》第 03 章梳理移動操作機械人的硬件開發流程,涵蓋需求分析、系統架構及概念設計。內容涉及 AMR 底座、機械臂、末端執行器、電池、感測器、電氣及嵌入式系統的設計,並説明如何運用 CAD、CAE 和模擬進行設計評估,再製作原型及開展硬件驗證。
移動操作機械人的系統架構把自主移動、機械人操作、環境感知、人工智能與智能決策整合為工程框架,並將產品要求轉化為結構化方案。架構涵蓋機械、電氣、感測、運算、人工智能、控制、通訊及安全等範疇,各部分須按共同的系統要求和介面協調設計。
本章説明如何為移動操作機械人制定產品願景,確立目標應用、客戶營運價值、自主程度、產品差異化及可擴展平台方向。產品願景須平衡技術抱負、工程可行性與商業持續性,並將安全、可靠性及產品生命週期納入考量。章節亦提出按技術成熟度推進商業化,並透過跨職能協作把願景轉化為開發策略。
第12章提供移動操作機械人產品需求文件(PRD)範本,説明如何界定產品願景、目標客戶、作業環境及使用情境。範本涵蓋功能、性能、AI、安全及法規要求,並要求以可量度的指標和驗收準則減少歧義。
移動操作機械人項目須經歷由概念到產品推出的完整生命週期,涵蓋項目啟動、需求定義、系統設計、開發、整合、測試及實地驗證。管理工作須協調機械人底盤、機械臂、感知、AI、軟件及安全等環節,並透過原型評估、驗收測試和試點部署檢驗系統表現。
第10章以倉庫移動操作機械人項目為案例,説明如何整合自主移動、機械操作、人工智能及工業自動化;案例用作示範手冊中的開發方法,並非特定商業安裝項目的成果。內容涵蓋需求分析、系統架構、感知與操作、倉庫系統整合及安全設計。驗證由組件測試延伸至整合場景,並納入通道受阻、抓取失敗及通訊中斷等情況。
班加羅爾的 Humyn Labs 宣佈完成 $47 million A 輪融資,資金將用於擴展覆蓋 20 多個國家的數據採集網絡。本輪由 Accel 領投,包含 $26 million 股權融資及 $21 million 風險債務,巴西、印度和南韓是主要據點。
Physical AI 讓人工智能從處理數碼資訊,進一步發展為能感知物理世界、推理並採取實際行動的智能系統;其工業價值取決於能否穩定融入完整工作流程,並帶來可衡量的營運成果。章節探討製造、物流、醫療、農業、建築及家居等應用,並指出評估成效須兼顧技術表現、營運成本、可靠性及投資回報。
本章以智能工廠案例分析 Physical AI 如何結合自主移動機械人、智能機械臂、機器視覺及自適應控制,改善生產流程。案例亦涵蓋機械人與製造系統的協調、數碼孿生模擬、人員培訓及安全工程。
Physical AI 結合人工智能、機械人、感測與自主控制,讓農業設備感知環境變化,並按情境作出決策和執行操作。應用涵蓋土地準備、播種、作物監測、精準處理、收割及收穫後物流;精準處理可按偵測情況調整施用位置或用量,減少不必要的投入。
Physical AI 將人工智能、機械人、感測及自主控制整合至醫療和護理環境,讓系統能直接與患者、人員及周遭環境互動。應用包括醫院物流、移動操作、復康與輔助機械人、患者監測及遠程護理。部署須重視安全、私隱及數據治理,並由醫護人員監督臨牀判斷和介入。
實體 AI 透過感知、推理、規劃及適應性控制,讓物流自動化能應對持續變化的作業環境。AMR 可在動態設施內導航、避障及調整路線,並配合感測器融合和智能操作處理物料。車隊管理系統可協調運輸任務、交通及充電,並與倉庫管理系統等平台連接。
Physical AI 市場涵蓋能感知、理解並與物理世界互動的智能系統,透過自主移動、操作、檢查及運輸等實際行動創造經濟價值。市場範圍包括自主移動機械人、機械臂、人形機械人、四足機械人及空中機械人等。產品商業表現取決於技術能力、應用要求和經濟價值,也受可靠性、安全、能源效率及環境適應能力影響。
Physical AI 將人工智能由處理數碼資訊,延伸至能在物理世界感知、推理和行動的智能系統;其產業價值取決於能否帶來可衡量的營運改善。製造、物流、醫療、農業、建築及家居等應用,須結合技術表現與產量、成本、可用性及投資回報等業務成果評估。可靠運作、融入現有工作流程及長期維持高可用性,是實現商業價值的關鍵。
2026廣州文化產業交易會於11月20日在中國進出口商品交易會展館D區開幕,迎賓機器人與國博鳳冠亮相。展會吸引500餘家境內外展商參展,並將持續至11月22日;開幕首日,廣州文化產業交易服務平台正式發布,覆蓋五大領域並提供一站式交易服務。
ChinaTalk 團隊在 CoRL 觀察到,雖然機械人基準測試、硬件、強化學習和數據生態均有進展,能在真實世界執行多種任務的通用機械人仍相距甚遠。報道指出,展場硬件供應鏈高度依賴中國企業,亦有中國公司積極拓展機械人訓練數據採集市場。
Physical AI 生產環境可採用四引擎邊緣 MLOps 架構,監測模型漂移、驗證更新並維持確定性控制。識別、感測、AI 決策及行動引擎分別處理資產定位、感測資料完整性、影子驗證與設備決策。更新分為低風險全自動、中風險須工程師確認,以及高風險受控並可安全停機。
Mistral 在新加坡設立亞太區總部兼研究中心,計劃為區內產業研發 AI 模型。研究將聚焦公共服務、機械人及高科技製造,並涵蓋實體 AI 和製造工程模擬。公司計劃在 2027 年前把區內團隊擴至 200 人,較目前增加一倍以上。
靈掌機器人在世界智能製造博覽會亮相太空靈巧操作系統 LZ-Space,並展出全系列9款靈巧手產品。LZ-Space整合機械臂、五指靈巧手及遠程操作系統,已完成衞星飛船上裝測試,並通過振動、模擬太空真空環境冷熱循環及輻照試驗。面向自主操作能力升級的 LZ-SpacePro 預計2027年初推出。
ARCS∙ai 在葉裏温開設共享 ARPI 中心,整合三所亞美尼亞大學的師資、學生和設備,目標是每年培養 50 名專業工程師。首學期有 30 名本科生修讀為期三個學期的 Physical AI 副修課程,九門課程涵蓋機械人力學、控制與估算、強化學習、數碼孿生及 Physical AI 倫理與管治。
智元機器人與藍思科技近日達成戰略合作,在手機測試產線部署智元精靈G2機器人。數十台機械人負責測試工位自動上下料及與測試設備互動,涵蓋手機MMI、ANT、CAM、CAMCV等測試環節。
上緯新材旗下啓元機器人與郵電器材消費電子事業部簽署戰略合作備忘錄,計劃整合具身智能產品優勢與全國渠道、運營及交付能力。雙方將共建人形機器人的線下體驗、零售銷售與履約交付一體化體系,推動產品進入大眾消費市場。
Robot Foundation Models and VLA 的第 08 章探討跨具身遷移,説明如何讓不同機械人之間共享可重用的任務知識,同時按各自的形態、感知與控制能力調整執行方式。跨平台資料可擴大學習經驗,並讓新硬件透過針對性適配,而非從頭訓練,沿用已有知識。
本章闡述實體 AI 如何在接收新觀察或任務後、採取行動前,增加推理運算以理解情況、比較候選行動並遵守任務與安全限制。系統可利用世界模型預測候選行動的後果,並按不確定性、風險及任務複雜度調整運算量。由於機械人受延遲限制,測試時運算須平衡推理品質與回應速度。
通用型機械人策略透過跨物件、場景、目標及操作條件的泛化,支援操作、導航、互動和工具使用等實體技能。多模態表示、語言指令、時間資訊及多樣化機械人數據,有助模型重用和組合技能;評估則應檢視模型在未見物件、環境變化及執行偏差下的表現。
動作表示為機械人基礎模型與 VLA 建立多模態語義表示至馬達指令的橋樑,讓模型能預測並學習可執行的實體行為。連續控制向量保留精細控制資訊,但較難融入以 token 為基礎的架構;離散化則可把動作轉成 action token,方便模型以類似語言模型的方式預測,但會引入量化誤差。
VLA 模型以視覺、語言及其他感測訊號為輸入,將多模態理解轉化為可執行的機械人行動,補足 VLM 只理解環境、但不直接指定動作的限制。VLA 訓練以包含觀察、指令和對應行動的機械人軌跡為基礎,並須利用時間脈絡反映任務進展。實際系統可採用分層架構,讓基礎模型預測與軌跡生成器、運動規劃器、控制器及安全機制協作。