Maxinsights 在 8 个国家使用自研录制硬件采集家庭厨房等真实任务视频,并为每段片段标注手部姿态与语言描述,形成从任务设计到交付的训练数据流水线。统一硬件让环境变化成为模型可见的变量,目前该流水线已服务 50 多个团队。
模仿学习
Imitation Learning
智能体通过观察专家行为来学习策略的方法
收录情报动态
旧金山初创公司 Tau Robotics 推出人形机器人上门保洁服务,机器人目前由人类远程遥操完成擦台面、叠衣服等家务,同时采集真实家庭场景数据用于训练后续自主模型。公司以低于人工保洁的价格换取数据,迄今已完成约数百次清洁,显示人形机器人进入家庭服务仍需大量人工辅助。
Verne Robotics 发布开源权重世界动作模型 V0.5,基于 Wan2.2 视频生成器、用超 170 万条演示训练,可预测未来一秒的机械臂、夹爪与移动底盘动作。其核心亮点是不到 2 小时演示即可学会新工业任务,且在杂乱与光照变化下性能衰减远小于 Physical Intelligence 的 π0.5。
中国初创公司 LiberAI 推出机器人基础模型 Liber-0,利用轻量级传感器手套采集人类操作数据,在无需机器人演示的情况下完成新任务成功率达 36%。实验表明,1万小时的手套运动数据在训练效果上优于200万小时的互联网视频数据,显著降低了具身智能的数据获取门槛。
Reward AI 展示其 OM-1 模型在人形机器人上的最新进展,重点在于行走过程中的抓握稳定性。该模型通过佩戴传感器手套的人类数据学习,无需遥操作或机器人演示,即可在楼梯等复杂环境中执行末端配送任务。
特斯拉计划建设“Optimus 学院”训练基地,通过制造 1-2 万台机器人原型进行大规模自主练习以积累数据。马斯克将人形机器人训练比作育儿,强调其无法像自动驾驶那样依赖车队数据,必须通过观察人类和亲自实践来掌握技能。目前弗里蒙特工厂已开始生产,预计 2027 年底交付客户。
具身智能数据公司 Maxinsights 完成 3000 万美元种子轮融资,并推出新产品 MaxGlove。该设备通过记录人手在真实家庭环境中的触觉与压力数据,弥补了纯视觉视频在机器人抓取策略训练中对“力”这一关键信号的缺失,旨在构建百万小时级的高质量操作数据集。
普渡大学团队开发了一种结合生成式 AI 与实时力反馈的机器人康复系统,旨在通过模仿人类治疗师来为中风患者提供精准辅助。该系统目前处于初步实验阶段,目标是扩展而非取代治疗师的能力,未来计划进行长期临床研究并探索工业协作场景应用。
AI 实验室 HUMXN 推出“免费居家服务换数据”模式,通过补贴管道、电工等上门服务,录制技术工人真实作业过程以训练具身智能机器人。该方案旨在解决互联网文本与图片无法反映物理世界交互细节的痛点,首批在明尼阿波利斯、芝加哥和迈阿密落地,探索合规获取高质量真实场景训练数据的新路径。
Amazon 联合 Hugging Face 发布技术演示,整合 Strands Agents、LeRobot 和 Storage Buckets 构建机器人“记录-训练-部署”闭环。该方案允许智能体直接录制演示数据,从 Hub 读取进行策略训练,并将模型部署回硬件,全程使用统一的 LeRobot 数据格式。