RoboHorizon Robot Magazine - AI you can touch

Ant Group's New AI Turns Single Videos into 3D Worlds in Real-Time

Robot King — Sun, 19 Apr 2026 00:00:00 +0000

当你还以为手机摄像头只能用来拍拍演唱会上那些模糊不清的残影时，研究人员已经把它变成了一个实时 3D 扫描仪。蚂蚁集团 (Ant Group) 旗下的具身智能部门 Robbyant 刚刚开源了 LingBot-Map，这是一个全新的 3D 基础模型，仅凭一段流媒体视频就能重建出精细的大规模环境。最让人惊叹的是，它的运行速度高达每秒 20 帧（FPS），这种效率让传统的摄影测量法（photogrammetry）显得慢如蜗牛。

其核心秘诀在于一种被称为几何上下文 Transformer (Geometric Context Transformer, GCT) 的创新架构。这可不只是在视觉问题上随便套个 Transformer 那么简单。GCT 是专门为解决单目（单摄像头）SLAM 系统中的致命伤——“漂移”而设计的。它巧妙地通过三种并行注意力机制来管理几何信息：用于稳定坐标定位的锚点上下文（anchor context）、用于处理精细细节的局部位姿参考窗口（local pose-reference window），以及用于修正长距离误差的轨迹记忆（trajectory memory）。这使得 LingBot-Map 能够处理超过 10,000 帧的序列，且根据 Robbyant 的说法，其精度“几乎保持不变”。该项目目前已在 GitHub 上线。超链接：Robbyant/lingbot-map

坦白说，官方给出的性能数据相当惊人。在极具挑战性的 Oxford Spires 数据集上，LingBot-Map 的绝对轨迹误差（ATE）仅为 6.42 米，比之前的顶级流媒体处理方法提升了近 2.8 倍。它甚至超越了一些成熟的离线方法，而后者通常拥有可以一次性处理所有图像的“上帝视角”。在 ETH3D 基准测试中，它跑出了 98.98 的 F1 分数，以超过 21 个百分点的巨大优势碾压了第二名。如果你对那些“硬核”的技术细节感兴趣，arXiv 上的论文已经披露了完整的技术方案。超链接：Read the paper on arXiv

为什么这很重要？

LingBot-Map 的出现标志着“空间智能”向平民化迈出了重要一步。通过消除对昂贵的激光雷达（LiDAR）或复杂多摄像头阵列的依赖，它为机器人、自动驾驶和增强现实（AR）实现低成本、高性能的 3D 感知铺平了道路。这不仅仅是为了生成漂亮的投影点云，更是为了让机器具备对物理世界持续、实时的理解力。作为一种“3D 基础模型”，它是 AI 进化大趋势中的一部分：未来的 AI 不再仅仅是处理文字或图片，而是要在复杂、无结构的现实环境中进行感知、导航和交互——这正是具身智能（Embodied AI）未来的基石。

机器人打破北京半程马拉松人类世界纪录

Robot King — Sun, 19 Apr 2026 00:00:00 +0000

让我们开门见山：就在刚刚，一个机器人跑完半程马拉松的速度，足以让整个人类文明都显得有点“慢动作”。在2026年4月19日举行的北京人形机器人半程马拉松赛上，由智能手机巨头 Honor 打造的机器人“闪电”（Lightning）以50分26秒的惊人成绩完成了21.0975公里的航程。这个成绩不仅是人形机器人的巅峰，更是一举粉碎了57分20秒的人类男子世界纪录。

这绝非那种挤牙膏式的微小进步，而是一次足以载入史册的降维打击。回看2025年的首届赛事，场面用“群魔乱舞”来形容都不为过：有的机器人在发令枪响后秒摔，有的直接撞上护栏散了架，还有台人气颇高的“小巨人”跑着跑着就开始冒烟。那场闹剧的冠军 Tiangong Ultra 最终成绩是2小时40分42秒——在当时看来已是壮举，但距离人类精英选手的水平还差得远。仅仅过了12个月，我们便见证了从“大型翻车现场”到“超人类表现”的华丽转身。

令人战栗的进化速度

短短一年，究竟发生了什么？答案是：在中国激进的工业战略驱动下，硬件性能与技术雄心正经历一场“暴力加速”。虽然 Honor 的“闪电”摘得了耐力桂冠，但整个参赛阵营在原始速度上的提升同样令人脊背发凉。就在赛前几天，Unitree Robotics 展示了其 H1 人形机器人在田径场上跑出了10.1米/秒的冲刺速度，这几乎已经摸到了博尔特巅峰时期的门槛。这种在两年内翻了三倍的爆发力，预示着物理硬件已经彻底挣脱了往日的枷锁。

2026年的赛事规则也发生了质变。参赛规模从去年的20台激增至300多台，背后站着100多家顶尖团队。更关键的是，组织者将重心转向了“自主性”。近40%的队伍参加了全自主组别，这意味着机器人必须自行处理所有导航和决策。为了鼓励这种“不插手”的进化，所有远程遥控的选手成绩都要被乘以1.2的系数作为惩罚。因此，一台全自主机器人夺冠才是最硬核的新闻：它不仅是一个更快的机器，更是一个更聪明的物种。

赛场即秀场，更是订单战场

这场盛会远不止是一场体育表演，它更像是一场赌注巨大的商业面试。最终的奖赏不是奖杯，而是超过100万人民币（约14万美元）的工业订单。作为赛事主办地的北京亦庄，已经明确将这场马拉松定位为实验室项目通往商业化落地的“快速路”。凭借100多家机器人企业和100亿人民币的政府基金支持，这里的逻辑简单粗暴：只要你的机器人在赛道上证明了自己，你就能拿到订单，直接进入工厂搬砖。

为此，主办方今年还新增了一项挑战：“机器人巴图鲁（勇士）挑战赛”。在马拉松的前一天，机器人必须通过17个模拟灾难救援的障碍关卡——包括翻越瓦砾堆、爬楼梯以及处理各种复杂地形。这释放了一个清晰的信号：终极目标不只是跑步，而是要创造出能在人类非结构化环境中处理高难度任务的机器。关于这些人形机器人在开发过程中的进化轨迹，你可以从这篇人形机器人将参加半程马拉松：终极耐力测试中窥见一二。

技术跃迁的背后

这种表现的跨越式提升得益于全方位的升级：

硬件进化： 关节扭矩的提升、更高的能效比以及先进的热管理系统——据称 Honor 的冠军机器人采用了一套强大的液冷系统，这是它在21公里长跑中保持高速运转的关键。
软件迭代： 更加稳健的运动控制算法，让机器人能够在城市街道和公园小径等不同路面上保持稳定。
精准导航： 每台机器人都配备了北斗卫星导航芯片，提供厘米级的定位精度，这是实现全自主运行的标配。

一个新时代的起跑枪声

我们很容易沉溺于“50分钟完赛”这个令人咋舌的数字，但真正的头条新闻应该是这种进步的斜率。在短短一年内，冠军成绩缩短了近两个小时。这项赛事从一个“能跑完就是胜利”的科技秀，演变成了一场真正的竞技体育，而获胜的机器已经超越了人类体能的巅峰。

虽然赛场上依然有机器人跌倒或撞墙的尴尬瞬间，但相比2025年，整体实力早已不可同日而语。现在的悬念不再是人形机器人能否完成复杂的动态任务，而是它们掌握这些技能的速度会有多快。2026年北京半马不是终点，而是一个时代的起跑枪声——在这个时代，机器人的物理极限不再是茶余饭后的谈资，而是足以改变世界的、冷冰冰的现实。全球科技界，是时候警醒了。

DeepMind 的 Gemini 1.6 为机器人赋予点选现实能力

Robot King — Thu, 16 Apr 2026 00:00:00 +0000

Google DeepMind 近日正式发布了 Gemini Robotics-ER 1.6。作为其“具身推理”（Embodied Reasoning）模型的最新升级版，这次更新旨在为机器人注入那份在物理世界中极为罕见、却又至关重要的“常识”。新模型显著提升了机器人观察、理解以及与周围环境互动的能力，让机器人不再只是机械地执行指令，而是真正开始对任务进行“思考”。

Gemini Robotics-ER 1.6 的核心升级在于其强化的视觉与空间感知能力，其中最具代表性的便是“指引”（pointing）功能。如果你要求它在杂乱的工作台上寻找某个特定工具，该模型现在能精准地识别、计数并定位目标，同时自动过滤掉无关的干扰物。这不仅仅是“找东西”那么简单，它为更复杂的空间逻辑奠定了基础——比如规划完美的抓取路径，或者理解“把扳手放进工具箱”这类涉及物体关系的指令。该模型甚至能根据约束条件进行推理，例如挑出所有能塞进特定容器的小物件。

此外，该模型还攻克了机器人学中的一个顽疾：判断任务何时真正完成。得益于先进的多视角推理能力，Gemini Robotics-ER 1.6 可以融合来自多个摄像头（例如头顶视角和手腕视角）的实时视频流，从而构建出完整的场景图像。这有效地避免了机器人因为某个物体被暂时遮挡而陷入死循环，或者导致任务失败。

为什么这很重要？

这次更新绝非简单的性能微调，而是在构建机器人自主性的底层逻辑。能够读取模拟仪表、融合多路摄像头信号、理解复杂的空间关系，正是区分“工厂机械臂”与“实用型实地机器人”的关键所在。根据 DeepMind 的官方公告，这也是他们迄今为止最安全的机器人模型。

或许最关键的一点是，Gemini Robotics-ER 1.6 在遵守物理安全约束方面展现出了“大幅提升的能力”。它能听懂“避开液体”或“不要搬运超过 20 公斤的物品”等指令。据报告，与基准模型 Gemini 3.0 Flash 相比，它在视频中感知人类受伤风险的准确率提升了 10%。这种对安全性和现实世界推理的专注，是机器人迈向复杂、多变的人类环境并实现可靠运行的关键一步。目前，开发者已可以通过 Gemini API 和 Google AI Studio 使用该模型。

科学家利用插座频率无线调控小鼠基因

Robot King — Thu, 16 Apr 2026 00:00:00 +0000

想象一下，你家墙上那个再普通不过的 60 Hz 电源插座，除了给手机充电，竟然还能成为调控生命密码的“遥控器”。这听起来像是从哪部硬核科幻小说里直接抠出来的桥段，但韩国科学家的一项最新研究，已经让这种“生物黑科技”照进了现实。

近日，发表在顶级学术期刊《细胞》（Cell）上的一项突破性研究显示，来自**韩国科学技术院（KAIST）**的研究团队开发出了一种非侵入式的“磁遗传学（magnetogenetic）”开关。只需利用与家用插座频率相同的 60 Hz 低频电磁场，就能无线激活活体小鼠体内的特定基因。

这项技术的实战表现简直令人咋舌。研究人员利用这套电磁场装置，成功激活了老年小鼠体内的表观遗传重编程基因，不仅延长了它们的寿命，还逆转了多个组织器官的老化迹象。在另一项实验中，他们精准地在老年小鼠的大脑中开启了突变淀粉样蛋白基因，从而在排除年龄干扰因素的情况下，构建出了更纯净的阿尔茨海默病研究模型。最不可思议的是，这一切操作既不需要吃药，也不需要植入任何芯片，仅仅靠一个精准控制的磁场就搞定了。

这套“生物遥控器”背后的科学原理既优雅又精妙。这种低频电磁场会被一种名为 Cytochrome b5 type B (CYB5B) 的蛋白捕获。这种相互作用会触发电压门控钙离子通道的开启，但它并非像洪水决堤般倾泻，而是产生一种极具节奏感的钙离子脉冲。正是这种特定的振荡频率，激活了转录因子 SP7，使其结合到目标 DNA 序列上，从而“点亮”预设的基因。研究人员发现，如果只是简单地用其他方法让细胞充满钙离子，根本不会产生任何效果——这种“有节奏的信号”才是开启生命开关的唯一钥匙。

这项研究为何意义非凡？

这标志着人类在远程生物控制领域迈出了一大步。虽然现有的光遗传学（Optogenetics）技术已经足够强大，但它通常需要通过侵入性的光纤手术将光线导入组织深处。相比之下，**磁遗传学（Magnetogenetics）**利用的低频磁场可以毫无阻碍且无害地穿透身体，实现真正的非侵入式操控。这意味着，未来的某些疗法可能只需要一个外部设备，就能根据需要随时“一键开启”或“关闭”。

从激活人体的自我修复机制，到精准打击癌细胞，这项技术的应用前景广阔到令人屏息。虽然距离人类临床应用还有很长的路要走，但这项研究为科学家提供了一个强有力的新工具，也让我们窥见了未来的一种可能：调控我们自身的生物学特性，或许真的就像拨动开关一样简单。

欲了解更多详情，请参阅发表在《细胞》上的完整论文：《一种用于长寿和疾病非侵入性编程的无线控制磁遗传基因开关》。

Wendy Labs 开源物理 AI 操作系统，简化边缘设备开发

Robot King — Wed, 15 Apr 2026 00:00:00 +0000

Wendy Labs Inc. 刚刚正式开源了旗下的 Wendy —— 一个被其冠以“物理 AI 操作系统”（physical AI OS）之名的命令行工具兼开发平台。这家初创公司的野心很直白：要把 NVIDIA Jetson 和 Raspberry Pi 等边缘硬件那套出了名“难搞”的开发流程，硬生生地拽进现代云开发的时代。说白了，就是为了让开发者少花点时间在交叉编译工具链（cross-compilation toolchains）上痛苦地薅头发。

Wendy 提供了一套统一的 CLI（命令行界面），支持 Swift、Python、Rust 和 TypeScript，并能自动完成 Docker 容器化，随后一键部署到 ARM 架构设备。它的核心“魔法”在于屏蔽了底层架构的差异，让开发者可以在自己轻便的 macOS 或 Linux 电脑上写代码，然后通过简单的指令直接推送到目标硬件。此外，该平台还支持完整的 LLDB 远程调试功能——在嵌入式开发的世界里，这种丝滑的体验简直堪称奢侈。目前，项目代码已在 GitHub 上线。

为什么这事儿很重要？

对于正在打造下一代机器人和智能设备的开发者来说，Wendy 的出现意味着环境配置的“摩擦力”大幅降低，开发闭环变得异常顺畅。你不再需要花上几天时间去调教那个极其挑剔的构建环境，理论上只需几分钟，就能让一个复杂的多语言 AI 应用在目标硬件上跑起来。

不过，硬币都有两面：选择 Wendy 意味着你需要接受一个来自初创公司的、尚未经过大规模实战检验的新抽象层。虽然它是开源的，但相比那些根深蒂固的老牌方案，目前的生态系统还像是一座“鬼城”。尽管如此，对于追求效率的快速原型设计而言，Wendy 兑现了一个诱人的承诺：少跟工具较劲，多花时间真正去“造”点东西。

人形机器人正式在电子工厂上岗

Robot King — Wed, 15 Apr 2026 00:00:00 +0000

那些被许诺已久、甚至常被调侃为“PPT产物”的人形机器人进厂打工梦，终于告别了漫长的“预热期”。近日，中国机器人新锐智元机器人 (AGIBOT) 与电子制造巨头华勤技术 (Longcheer Technology) 正式宣布，多台 AGIBOT G2 人形机器人已进驻真实的消费电子生产线。这不再是实验室里剪辑精美的演示片段，而是一场真正意义上的大规模工业实战，也标志着两家公司合力打造的“具身智能 (Physical AI)”正式步入商业化落地阶段。

这批轮式 G2 机器人目前正奋战在华勤技术的平板电脑生产线上，负责测试环节中精密的上下料任务。据官方透露，整个系统集成仅耗时四个月，目前机器人已实现 24 小时连续作业，且各项关键性能指标均已达标。为了证明其实战能力，在一场直播实测中，一台 G2 机器人完成了长达 8 小时的满负荷轮班，平均每小时处理 310 台设备，任务成功率高达 99.5% 以上。

对于圈外人来说，华勤技术 (Longcheer Technology) 或许名声不显，但它是全球顶尖的原始设计制造商 (ODM)，为 Samsung、Xiaomi 和 Lenovo 等国际大牌代工各类终端设备。能与这种体量的巨头深度绑定，意味着智元机器人获得了大多数机器人初创公司梦寐以求的真实场景验证机会。按照规划，双方拟在 2026 年第三季度前将部署规模扩大至 100 台。

从技术规格来看，AGIBOT G2 是一款纯正的工业级人形机器人。它配备了双 7 自由度 (7-DoF) 手臂，并具备高精度的力控能力，足以胜任各类精细活计；全身自由度达到 26 个，配合轮式底盘，可以灵活穿梭于工厂车间。此外，它还支持电池热插拔，这对于追求极致效率、容不下半点停机时间的流水线来说，绝对是刚需。

为什么这件事至关重要？

这次部署标志着人形机器人正从“实验室里的艺术体操”转向“工厂里的生存竞赛”。当友商们还在忙着优化原型机的走路姿势时，智元与华勤已经开始积累真实的生产数据，并实打实地创造经济价值。此举无疑给竞争日趋白热化的人形机器人赛道投下了一枚重磅炸弹。它向市场证明：至少在特定的制造环节，人形机器人技术已经做好了商业化的准备。人形机器人的黄金时代，正以一种极其务实的方式拉开序幕。

MIT 研发出如意大利面般纤细的机器人肌肉，可承载自重 250 倍

Robot King — Mon, 13 Apr 2026 00:00:00 +0000

麻省理工学院（MIT）媒体实验室的研究人员刚刚开发出了一种新型人工肌肉纤维，让那些传统的电磁电机看起来就像是上个世纪的笨重“老古董”。项目负责人 Ozgun Kilic Afsar 在最近的访谈中揭秘了这种“电流体纤维肌肉”（electrofluidic fiber muscles）的惊人战绩：一组仅重 16 克的肌肉束，竟然能轻而易举地提起 4 公斤的重物——这可是它自身重量的 250 多倍。这项发表在《科学·机器人学》（Science Robotics）上的突破性成果，彻底甩掉了笨重的电机、吵闹的压缩机和外接泵，将整个动力系统压缩在一根比牙签粗不了多少、完全静音且自给自足的纤维丝里。

几十年来，机器人学一直被电磁电机这尊“大佛”困在原地。虽然动力够大，但电机及其齿轮箱代表了一个脆弱的单点故障源。正如 Afsar 所言，一旦电机失灵，机器人的整个关节就会陷入瘫痪。相比之下，这种新型纤维模仿了生物肌肉的层级化和分布式结构。就像你手臂上的肱二头肌一样，即便其中几根纤维受损，整个系统也只会缓慢降级，而不会发生灾难性的全面崩溃。这里的“秘密武器”是直接集成在纤维内部的微型电流体动力（EHD）泵，它利用电场驱动流体产生压力，完全没有机械运动部件。

我们之前曾报道过这项黑科技的初步亮相，当时它凭借制造耐用、甚至“可机洗”机器人织物的潜力引发了轰动。你可以通过这里回顾它的前世今生：穿在身上的“大力士”：EPFL研发可机洗人工肌肉，负重达自重200倍。而这次 Afsar 的深度访谈，则从底层逻辑上探讨了为何我们要彻底抛弃那种僵硬的关节式动力设计。点击阅读《科学·机器人学》论文原文。

这为什么至关重要？

这不仅仅是让机器人变得更强、更安静那么简单，它正在从根本上重构机器人的制造范式。以往的工程师需要先设计一个僵硬的骨架，再发愁怎么把笨重的电机塞进去；而现在，他们可以直接把动力和运动能力“织”进机器人的结构之中。这为真正的“柔性机器”打开了大门——它们在与人互动时更安全，也能让先进假肢和可穿戴外骨骼变得像衣服一样自然。想象一下，如果将这种技术与 Allonics 正在研发的复杂机器人身体编织技术相结合： Allonic 豪掷 720 万美元：像编织肌肉一样“织出”机器人躯体。我们正在见证一个机器人的身体与肌肉合二为一的未来——那将是一种极具韧性、悄无声息且充满生命感的全新架构。

认识 ToddlerBot：旨在普及 AI 的 6000 美元开源人形机器人

Robot King — Sun, 12 Apr 2026 00:00:00 +0000

在人形机器人动辄卖出“豪车”价格的今天，一个名为 ToddlerBot 的项目正以一种极具颠覆性且“接地气”的方式闯入大众视野。这是一个造价不到 6000 美元（约合人民币 4.3 万元）的低成本、开源人形机器人平台，旨在将尖端 AI 与机器人研究的门槛彻底“打下来”。该项目由**斯坦福大学（Stanford University）**博士生 Haochen Shi 领衔，其核心目标非常明确：让曾经被大厂和顶级实验室垄断的领域实现技术平权。

ToddlerBot 的设计初衷是为数据驱动的研究提供一个可扩展、可复制的平台，尤其是在“移动操作”（loco-manipulation）这一极具挑战性的领域——即让机器人学会边走动边处理复杂的物体。它身高 0.56 米，体重仅 3.4 公斤，身材虽娇小，却拥有 30 个自由度。最硬核的是，它的机身完全支持 3D 打印，且采用了大量现成的（off-the-shelf）电子元器件，这意味着任何具备基本动手能力的实验室或极客都能复刻出一个。目前，从 MakerWorld 上的 3D 模型到基于 Python 的控制代码，整套“全家桶”资源已在 GitHub 上全量开源。项目链接：ToddlerBot on GitHub

刚刚在 MakerWorld 发布的 V2.0 版本进一步强化了它的运动天赋，现在的它不仅能走能爬，甚至还能像模像样地做俯卧撑。作为一款从底层就为机器学习设计的平台，ToddlerBot 拥有高保真的“数字孪生”（digital twin），支持无缝的 sim-to-real 策略迁移。这意味着研究人员可以在仿真环境中训练 AI 模型，然后几乎“无损”地部署到实体机器人上，极大地降低了开发周期和成本。

为什么这很重要？

长期以来，动辄六位数美元的研究级人形机器人一直是阻碍创新的“高墙”。通过将成本压缩到 6000 美元左右（其中 90% 的成本都花在了电机和计算单元上），ToddlerBot 为小型院校、初创公司甚至硬核个人开发者打开了大门。这不仅仅是造了一个便宜的机器人，更是为了构建一个更开放、更多元的全球研究社区。像 ToddlerBot 这样的开源平台，有望显著加速具身智能（Embodied AI）、强化学习以及人机交互领域的进展。它向业界证明：机器人的未来，不一定非要贴着一张令人望而生畏的价签。

Unitree R1 人形机器人以 4900 美元的震撼价登陆全球速卖通

Robot King — Sat, 11 Apr 2026 00:00:00 +0000

中国机器人公司 宇树科技 (Unitree Robotics) 正在让拥有一个人形机器人这件事，从科幻电影里的奢侈想象，变成一次说买就买的“剁手”行为。下周，这家公司将在阿里巴巴旗下的全球跨境电商平台——速卖通 (AliExpress) 正式上架其 R1 人形机器人，起售价仅为 4,900 美元（约合人民币 3.5 万元）。这次国际首秀将覆盖北美、欧洲、日本和新加坡等主流市场，相当于直接把一个价格亲民、还能玩侧手翻的机器人送到了全球消费者的家门口。

这款被官方定义为“为运动而生”的 R1，身高 123 厘米，体重仅在 25-29 公斤之间。它不仅能跑下坡路，还能完成令人惊叹的侧手翻动作。这并非宇树科技首次尝试走亲民路线，此前他们刚刚发布了性能更强、但价格也显著更高的 Unitree G1 人形机器人售价 1.6 万美元，颠覆机器人市场。相比之下，R1 的定位非常明确：它瞄准的是那些曾经被高昂硬件成本拒之门外的科研人员、开发者和极客玩家。毕竟，它的价格仅为那台 1.6 万美元“大哥”的分数之一。

具体配置方面，入门级的 R1 AIR 版起售价为 4,900 美元，进阶的标准版 R1 售价则为 5,900 美元。在该价位下，你将得到一台拥有 20-26 个自由度、搭载 8 核 CPU、内置支持语音和图像处理的多模态 AI，并配备支持热插拔、续航约一小时电池的机器人。从这份规格表可以看出，R1 的设计初衷是“普及”而非“重载工业应用”。

这为何至关重要？

这次发布绝不仅仅是卖个便宜机器人那么简单，它更像是向全球机器人竞赛投下的一枚“战略炸弹”。通过在速卖通这种大众电商平台上架功能完备的人形机器人，宇树科技 正在将这种在北美动辄售价 30 万美元以上的尖端硬件“平民化”。这一举动背后的底气，源于中国高度集成的本土供应链，这种成本控制能力是西方竞争对手目前难以企及的。

数据最能说明问题。2025 年，宇树科技的人形机器人出货量已超过 5,500 台（主要销往高校和研究机构），而像 Tesla 和 Figure AI 这样的强劲对手，目前的交付量大约各在 150 台左右。通过将 R1 推向全球电商市场，宇树科技不仅是在卖产品，更是试图在对手还没走出实验室之前，就建立起一个庞大的全球开发者生态。人形机器人的“包邮时代”，已经正式拉开帷幕。

Verne 在 Rimac 和 Uber 支持下推出欧洲首个自动驾驶出租车服务

Robot King — Sat, 11 Apr 2026 00:00:00 +0000

正当全球科技圈都在盯着旧金山和凤凰城的无人驾驶“巷战”时，欧洲首个商业化自动驾驶打车服务却在克罗地亚的萨格勒布（Zagreb）率先落子，这确实出乎不少人的意料。2026年4月8日，由顶级超跑制造商 Rimac Group 孵化的自动驾驶初创公司 Verne，正式宣布其服务进入商业化运营阶段。

这绝非那种只能在封闭场地里跑跑的 Demo 演示，而是实打实的开门做生意。当地用户已经可以通过 Verne 的官方 App 预约并付费。更具杀伤力的是，得益于双方的战略合作，这项服务很快就会无缝接入 Uber 的生态版图。

这场局由三个重量级玩家共同坐镇：全球自动驾驶领军者 Pony.ai（小马智行）提供核心算法“大脑”；Verne 负责车队的运营与管理；而 Uber 则拿出了其庞大的用户流量池。目前投入运营的车型是 Arcfox Alpha T5 电动车，搭载了小马智行第七代自动驾驶系统。当然，在现阶段的“早期运行”中，驾驶位上依然坐着人类安全员——以防 AI 哪天突然“心血来潮”，想翘班去买个当地特色的肉饼（burek）尝尝。

为什么这很重要？

这次发布标志着欧洲自动驾驶移动出行（Autonomous Mobility）的一个重大里程碑：这项技术终于走出了实验室和漫长的路测期，变现成了触手可及的商业服务。Verne 的“组团打法”极具参考价值——它没有选择闭门造车，而是通过整合小马智行的顶尖技术和 Uber 的成熟平台，极大地缩短了进入市场的周期。

这同时也是一次精妙的战略掉头。Verne 此前曾计划采用 Mobileye 的技术并研发定制车型，但通过转而使用现成车型和新伙伴，公司成功拿到了欧洲市场的“首发签”。随着未来计划向欧盟、英国及中东等 11 个城市扩张，Verne 在萨格勒布的这次低调起跑，极有可能演变成一场席卷整个欧洲大陆的 Robotaxi 竞速赛。

特斯拉 FSD 受监督版获荷兰批准但附带限制条件

Robot King — Sat, 11 Apr 2026 00:00:00 +0000

Tesla, Inc. 终于啃下了欧洲监管这块“硬骨头”。2026年4月10日，特斯拉正式宣布其 Full Self-Driving (Supervised)（受监督的全自动驾驶，简称 FSD）软件已在荷兰获得首个准入许可。这意味着，长期以来令北美车主艳羡的进阶驾驶辅助功能，终于要跨越大西洋，在荷兰特斯拉车主的屏幕上亮起。不过，仔细研读这份公告的细节就会发现，这与其说是一场“无人驾驶出租车”的革命，倒不如说是一场被严格“监护”的首秀。

荷兰车辆管理局（RDW）在经历了长达18个月的马拉松式评估后，签发了一份被称为“在荷兰具有临时效力的欧洲整车型式批准”。RDW 显然不想给公众留下任何误解的空间，他们第一时间就给狂热的情绪泼了一盆冷水：明确表示搭载 FSD Supervised 的车辆绝非真正意义上的自动驾驶。在法律层面，它被严格定义为 Level 2 级驾驶辅助系统，这意味着人类驾驶员依然是“掌舵人”，必须承担全部责任，并随时准备在毫秒之间接管车辆。

特斯拉在官宣中豪言称：“没有任何其他车辆能做到这一点。” 这种典型的“马斯克式”营销辞令，听听就好。RDW 在声明中含蓄地指出，BMW 和 Ford 等汽车巨头此前早已在欧洲获得了类似脱手驾驶系统的许可。此次获批，实际上是将特斯拉的 FSD 纳入了与其他竞争对手相同的监管框架内——系统必须通过车内传感器对驾驶员进行实时监测，确保你的眼睛盯着路面，而不是手机屏幕。

为什么这至关重要？

尽管这份许可带有不少限制，但对特斯拉而言，这依然是一次具有里程碑意义的胜利。它在以保守和严苛著称的欧洲市场撕开了一个关键的监管缺口。不同于美国的“自我认证”（self-certification）模式，欧洲实行的是“型式批准”（type approval）制度，准入门槛极高。虽然荷兰的这份绿灯并不等同于拿到了全欧洲的通行证，但它建立了一个至关重要的先例，为 2026 年夏季在其他欧盟成员国的全面铺开扫清了技术障碍。

说到底，荷兰现在成了特斯拉 FSD 在欧洲的官方“试验田”。“临时性”批准的身份意味着监管机构会时刻盯着后台数据。对于特斯拉来说，这是向欧洲复杂的古老街道证明其算法实力的机会；而对于车主来说，虽然科技感拉满了，但 RDW 的警告依然震耳欲聋：别想在驾驶位上悠闲地看报纸。移动出行的未来或许已经抵达阿姆斯特丹，但在可预见的未来，它依然离不开人类的“监护”。

Tesla Optimus 膝关节专利：比你想象的更像人类

Robot King — Fri, 10 Apr 2026 00:00:00 +0000

2026年4月9日，美国专利商标局（USPTO）公布了 Tesla, Inc. 的一份新文件。在这份文件里，你看不到神经网络，看不到世界模型，甚至连 AI 这个词都未曾提及。相反，这份编号为 US20260097493A1 的专利，用极尽细致的笔触描述了一个纯粹的机械结构：膝盖。

这份专利的提交日期其实可以追溯到 Tesla 2022 年的 AI Day 当天，它揭示了人形机器人 Optimus 背后那套“生物感”十足的机械奥秘。就在专利公布的前几天，CEO Elon Musk 还在 X 上发帖称：“Optimus 3 已经可以四处走动了，只是还需要一些最后的润色。” 毫无疑问，它迈出的每一步，依靠的正是这个精密设计的膝盖。

专利中最引人入胜的并非复杂的 CAD 图纸，而是一个简洁的三段式“进化故事”。它从标注为“生物学原理”的人类膝盖解剖图开始，演变为“机械类比”的连杆模型，最后定格在最终的“设计方案”上。文档明确地将股四头肌、髌骨和韧带的功能映射到了一个四连杆机构（four-bar linkage）中。这不仅仅是一个机器人零件，更是对数百万年进化成果的一次硬核机械复刻。凭借一个微小的线性执行器（linear actuator），这套设计实现了与人类相当的 150 度旋转范围。

这种被称为“改进型反向霍肯连杆”（modified inverse Hoecken’s linkage）的机构，是解决复杂运动问题的一个极度优雅的方案。人类膝盖之所以高效，是因为它并非绕着单一支点旋转，其杠杆比会随着弯曲程度而变化，从而在最需要力量的角度迸发出最大扭矩。Tesla 的四连杆系统完美复刻了这种“可变机械增益”，让小功率电机也能驱动出强劲且大范围的动作。专利还展示了 Tesla 如何通过仿真模拟来寻找最优的连杆长度，力求在达到扭矩和速度指标的同时，将功耗降到最低。

为什么这至关重要？

这个膝盖结构是让 Optimus 走向大众市场的“金钥匙”。通过使用单个小型执行器取代更复杂、更耗电的组件，Tesla 大幅削减了机器人腿部的成本、重量和复杂度。这对于实现 Elon Musk 设定的 2 万至 3 万美元的远期售价目标至关重要。为了实现弗里蒙特（Fremont）工厂每年 100 万台的宏大产能计划，Tesla 甚至已经开始停产 Model S 和 Model X，为机器人的生产线腾出空间。

尽管设计精妙，但这种几何结构并非 Tesla 的独门秘籍。分析人士指出，小鹏 (Xpeng) 的下一代人形机器人 IRON 似乎也采用了惊人相似的连杆机构。随着 Tesla 的设计思路自 2022 年 AI Day 以来逐渐公开化，整个行业似乎正在向这种最高效的结构收敛。大自然用了数百万年才进化出的完美几何方案，Tesla 正在试图以工业级的成本控制将其复现。

RAI的AthenaZero机器人以类人速度操控双臂

Robot King — Thu, 09 Apr 2026 00:00:00 +0000

机器人界的“教父”级人物、Boston Dynamics 创始人 Marc Raibert 再次出手。由他领导的机器人与人工智能研究院（RAI）近日揭开了 AthenaZero 的神秘面纱——这是一款双臂机器人，它的动作不再像传统的工厂机械那样生硬刻板，反而透着一种人类般的灵动。

在 4 月 7 日发布的官方博客中，RAI 详细介绍了这款原型机。AthenaZero 专为“动态操控”（dynamic manipulation）而生，这正是机器人领域最顶尖的挑战之一：如何让两只手臂像人手一样，既快速又优雅地协同工作。

大多数工业机器人因为高减速比的设计，往往显得笨拙且“轴”。但 AthenaZero 走的是完全相反的路。这台身高约 1.6 米的机器人拥有两只 7 自由度（DoF）的手臂，设计核心在于极低的惯性和极高的加速度。其背后的“秘密武器”是准直驱执行器（quasi-direct drive actuators），这赋予了机器人极高的“力透明度”。这意味着它能瞬间完成角色切换：上一秒还在使出浑身解数搬运重物，下一秒就能以极度柔顺、细腻的触感处理易碎品。这种在力量与精准之间的丝滑切换，是传统机器人极难实现的，稍有不慎就会造成设备损毁或环境破坏。

RAI 的野心并不止于给躯干安上两条手臂。他们的目标是打造一个能够自主学习并精通复杂协调动作的平台。双臂协作对于自动化任务至关重要，尤其是那些单臂机器人无法企及的领域——比如组装精密产品、搬运大型或易变形的物体，或者处理任何非标准化、非重复性的工作。

为什么这很重要？

几十年来，自动化几乎等同于“有力无脑”的机械臂在重复单调的动作。**机器人与人工智能研究院（RAI）**正试图从两端发力破解这一难题：一方面打造像 AthenaZero 这样具备强大物理交互能力的硬件，另一方面开发控制它所需的 AI 和强化学习模型。

通过从底层构建一套专为“基于学习的控制”而设计的系统，RAI 正在向“通用操纵器”这一终极目标迈出坚实一步。这种基础性研究最终将打破机器人身上的枷锁，让它们从工厂的围栏中走出来，进入充满不确定性的现实世界。

Unitree G1 人形机器人售价 1.6 万美元，颠覆机器人市场

Robot King — Thu, 09 Apr 2026 00:00:00 +0000

在一场与其说是产品发布，不如说是向整个机器人行业投下了一枚深水炸弹的行动中，宇树科技（Unitree Robotics）携其G1人形机器人横空出世，起售价竟然只要16,000美元。你没看错，就是16,000美元。这意味着，你花比一辆中档轿车还少的钱，就能拥有一台能以每秒2米（约4.5英里/小时）的速度健步如飞的双足机器人，更令人意想不到的是，它还能像折叠椅一样把自己收起来，方便存放。看来，机器人革命不会在电视上直播，它将以一个出人意料的紧凑包裹形式送达你家。

G1可不是那种高大威猛的金属巨兽；它身高“亲民”地只有127厘米（约4英尺2英寸），体重约35公斤（77磅）。比起它那个身价9万美元、个头更大的“老大哥”H1，G1更像个孩子。但可别被它“小巧玲珑”的外表骗了。基础版就配备了23个自由度，拥有3D激光雷达和深度摄像头作为“眼睛”，续航时间也达到了两小时左右。Unitree还提供了“EDU”教育版，自由度最高可达43个，关节更强劲，并可选配NVIDIA Jetson Orin模块，专为那些想“玩出花样”、不只是为了炫耀的朋友们准备。

这为何意义重大？

G1的定价，无疑给方兴未艾的人形机器人市场投下了一颗重磅炸弹，掀起了一场地震般的冲击波。要知道，像Tesla的Optimus还在瞄准3万美元以下的售价，而Agility Robotics的Digit更是高达25万美元以上，Unitree却直接打破了所有猜测，以远低于预期的成本，将这款机器人推向市场。这不仅仅是让机器人更便宜，更是让它们真正触手可及。

Unitree如此激进的定价策略，显然是想把G1打造成科研实验室、高校以及那些过去因成本高昂而对高级机器人望而却步的小型公司的“首选平台”。虽然G1目前可能还无法与Figure AI或Boston Dynamics那些昂贵对手的“蛮力”或“精雕细琢”的AI相媲美，但它却为庞大的开发者社区提供了一个“够用”的硬件平台，让大家能在此基础上大展拳脚，开发技能和应用。这有望极大加速软件开发进程，围绕Unitree平台打造一个强大而健康的生态系统，甚至可能在竞争对手还没来得及报价之前，就让Unitree获得难以逾越的领先优势。人形机器人爱好者的时代，或许真的要来临了。

Anthropic 的 Glasswing 项目：在天网诞生前阻止它

Robot King — Wed, 08 Apr 2026 00:00:00 +0000

科技圈正笼罩着一种难以言喻的焦虑感，这种不安像低频蝉鸣般挥之不去：2026年，机器将真正“觉醒”。在坊间的传闻中，2026年是通用人工智能（AGI）降临的元年——它不再是那个只会陪你聊天、偶尔犯傻的聊天机器人，而是一个在思维、博弈和执行力上全面碾压人类创造者的超自然力量。

因此，当自诩为“安全至上”的AI实验室 Anthropic 宣布启动一项名为 Project Glasswing（透明之翼计划）的新倡议时，你可能会期待看到一个宏大的蓝图，比如给未来的“数字神明”安上一个巨大的红色紧急停止开关。

然而，官方给出的描述却显得乏味得近乎平庸。Project Glasswing 的既定目标是“为AI时代加固关键软件”。这听起来不像是防御“天网”的拯救人类计划，倒像是一场迟到的IT系统审计。但千万别被这些大公司的公关辞令给骗了。这绝不仅仅是给你的浏览器打个补丁那么简单；这是在试图给一只尚未出世的巨兽打造牢笼，而且讽刺的是，他们正利用另一只稍小一点的巨兽来完成这项工作。

以AI之名，监察万物

从本质上讲，Project Glasswing 是一场大规模的先发制人式“捉虫”行动。Anthropic 开发了一款名为 Mythos Preview 的前沿AI模型，据称该模型在发现和利用软件漏洞方面表现得过于惊人，以至于公司认为将其公开发布极其危险。于是，Anthropic 采取了一个既极具前瞻性又带有恐怖讽刺意味的举动：将其转化为防御武器。

通过与硅谷的顶级巨头——包括 Apple、Google、Microsoft 和 NVIDIA——达成合作，Anthropic 正将 Mythos 释放到全球最关键的软件系统中。该模型已经发现了数千个高危漏洞，其中一些漏洞在主流操作系统和浏览器中潜伏了数十年之久，甚至在无数人类安全专家的反复审查下依然“完美”隐身。

“鉴于AI进化的速度，这种能力很快就会扩散，甚至可能落入那些并不承诺安全部署的技术主体手中，”Anthropic 在声明中指出，“一旦失控，对经济、公共安全和国家安全造成的后果将是灾难性的。”

这就是AI军备竞赛的缩影：你制造了一件威力巨大的武器，以至于你必须立即针对它开发出一套防御系统，而这套系统本身不过是那件武器的一个“稍微友好点”的版本。这是一场豪赌，赌的是在同类技术不可避免地流向荒野之前，能让“好人阵营”先走一步。

从数字大脑到钢铁躯壳

如果只停留在软件层面，这一切似乎还很抽象。但当你把 AGI 的另一半拼图——“躯体”——加进来时，恐惧便具象化了。人类的终极恐惧不只是那段超聪明的代码，而是这段代码拥有了物理形态。我们讨论的不是智能音箱，而是具身智能（Embodied AI）——那些能行走、能操纵物体、能在混乱的现实世界中自如穿梭的类人机器人。

当一个智能体在包括体力劳动在内的所有领域都超越人类时，它就不再仅仅是 AGI，而是人工超级智能（ASI）。AGI 是机器与人类智慧齐平的里程碑，而 ASI 则是它在认知水平上将人类甩在身后的奇点。许多专家认为，从 AGI 进化到 ASI 的过程可能短得令人胆寒，这被称为“智能爆炸”——一个极速的、递归式的自我进化循环。

现在，想象一下一个 ASI 运行在全球联网的类人机器人军团上。这才是让科技领袖们彻夜难眠的噩梦场景。当 Boston Dynamics 和 Figure 等公司在不断完善硬件“躯壳”时，Anthropic 这样的实验室正在构建其背后的软件——即“世界模型”和“推理引擎”。Project Glasswing 的出现无异于一种承认：我们构建整个数字世界及未来物理世界的软件底座，在根本上是不安全的。这是在飓风登陆前，最后一次钉死门窗的努力。

2026，我们真的准备好了吗？

关于 AGI 将在2026年降临的预言正处于舆论的风口浪尖。Elon Musk 是这一激进时间线的坚定拥护者，而另一些人则认为那要等到本世纪末。但无论确切日期是哪一天，共识已经达成：这不再是“是否会发生”的问题，而是“何时发生”的问题。

类似 Project Glasswing 这样的倡议是一次清醒的现实审视。它们代表了人类迄今为止为解决“控制难题（Control Problem）”所做的最严肃尝试：你如何确保一个比你聪明得多的系统，依然服从你的指令并符合你的价值观？Anthropic 的策略是以毒攻毒——利用AI自身的力量寻找数字地基上的裂缝并将其封死。这是一场在不结盟的 AGI 找到系统漏洞之前，先一步加固社会基础设施的赛跑。

这不再是科幻电影里关于AI意识的宏大哲学辩论，而是琐碎、枯燥、却又关乎存亡的全球规模网络安全保卫战。它关乎如何确保未来的操作系统不会留有后门，被某种我们无法理解的智慧所利用。Project Glasswing 令人不安的地方不在于它本身，而在于它揭示了即将到来的风暴。这是世界上最聪明的一群人正在悄无声息且急促地锁门的声音。我们只能寄希望于，在门外的那个东西学会撬锁之前，他们能把门锁好。

Figure AI 现每 90 分钟制造一台人形机器人

Robot King — Tue, 07 Apr 2026 00:00:00 +0000

在打造机器人劳动力大军的全球竞赛中，Figure AI 刚刚给自己插上了涡轮增压。在 Shawn Ryan Show 的一次深度访谈中，该公司透露，他们现在仅需约 90 分钟 就能组装出一台完整的人形机器人。这绝非什么遥不可及的远景规划，而是其产线运转时的真实战力；他们的野心是在十年内将产能推向惊人的每年 100 万台。细品一下：我们已经正式告别了人形机器人的“实验室科研”阶段，跨入了真正的工业流水线时代。

这款处于制造风暴中心的机器人身高约 167 厘米（5'6"），体重约 61 公斤（135 磅），单次充电可运行 4 到 5 小时。电量耗尽后，它只需站在感应充电板上，通过双脚进行约 2 千瓦的无线充电，一小时左右即可“满血复活”。从行走平衡到复杂的精细操作，它的每一个动作都完全由 Figure 的 Helix 神经网络驱动——这里没有一行传统的人工手写代码。当被问及耐用性时，Figure 的代表表现出了令人敬佩的坦率：“有时候会摔断脖子，有时候倒也没事。”

这种生产端的“肌肉”展示可不是为了作秀。Figure AI 已经与行业巨头达成了商业协议，包括汽车制造领域的 BMW，以及物流和房地产应用领域的 Brookfield。该公司还预告，在未来 60 天内将宣布另外两家重量级客户。这些机器人配备了集成了摄像头和触觉传感器的第五代机械手，身体由柔软的泡沫包裹以确保协作安全，甚至还穿上了无需工具即可拆卸的“外衣”。

为什么这至关重要？

机器人领域最大的瓶颈从来都不只是机器人本身，而是制造机器人的工厂。当竞争对手还在痴迷于发布演示视频时，Figure 已经将准星对准了规模化量产。单台 90 分钟的组装时间，从根本上改写了通用机器人的经济模型和普及门槛。这标志着一个战略性的转折：从手工打造昂贵的原型机，转向大规模生产标准化平台。这种“AI 原生”的控制系统（靠学习而非显式编程）结合极致的制造效率，暗示着 Figure 并不只是想造出一台更敏捷的机器人——它正试图打造人形机器人界的“福特 T 型车”。这场竞赛的胜负手不再仅限于谁的机器人跳得更高，而在于谁能率先将成千上万台机器人投入战场。

Generalist GEN-1 机器人大脑：99% 成功率，速度提升 3 倍

Robot King — Sat, 04 Apr 2026 00:00:00 +0000

说实话，大多数机器人演示更像是一场精心编排的“失望芭蕾”：动作迟缓、笨拙，让你不禁怀疑在它完成任务之前，宇宙的热寂是否会先行到来。但在嘈杂的行业噪音中，总有一些突破能穿透迷雾。今天，Generalist 发布的全新 AI 模型 GEN-1 便是如此。这家公司放出了一个大胆的宣言：他们为机器人打造了一个通用的 AI 大脑，它不仅能用，而且表现卓越。

Generalist 称 GEN-1 是首个真正“精通”简单物理任务的模型，并且拿出了实打实的证据。我们谈论的是在任务成功率上的飞跃——它的前代产品 GEN-0 仅能达到 64% 的“及格水平”，而 GEN-1 的平均成功率飙升至 99%。此外，它的任务执行速度比目前最先进的技术快了三倍。最关键的是，它只需约一个小时的机器人特定数据，就能学会一项新任务。这不仅仅是一次迭代更新，更是向机器人商业化落地迈出的关键一步。

从缩放法则到物理掌控

就在五个月前，Generalist 推出了 GEN-0，该模型首次有力地证明了支撑 GPT 等大语言模型（LLM）崛起的“缩放法则”（Scaling Laws）同样适用于机器人领域：更多的数据和算力会带来可预见的性能提升和泛化能力。虽然这是一个重要的学术里程碑，但当时的 GEN-0 还没准备好进入实战。

而 GEN-1 则是将这些参数推向极致的产物。它在更大规模的数据集上进行了训练——拥有超过 50 万小时的高保真物理交互数据，并辅以全新的算法改进。然而，真正的“秘密武器”在于数据来源。GEN-1 并没有完全依赖昂贵且难以规模化的远程操作（teleoperation）数据集，而是基于人类佩戴廉价可穿戴设备产生的数据。这为模型提供了一个丰富的预训练语料库，包含了现实世界的物理规律和人类直觉性的微小修正，而这些往往是模拟环境或远程操作所缺失的。

“我们相信 GEN-1 是第一个跨越关键门槛的通用物理 AI 模型：它解锁了广泛任务场景下的商业可行性，”该公司在公告中表示。

黄金三要素：可靠性、速度与即兴发挥

Generalist 将“精通”定义为三种关键能力的结合。其中前两种是工业自动化 60 年来的基石，而第三种则彻底改变了游戏规则。

可靠与速度：被强化后的工业基准

首先，数据表现令人惊叹。在长达数小时的压力测试中，搭载 GEN-1 的机器人连续装箱 1800 次无失误，折叠纸箱超过 200 次，甚至连续 200 次成功维护了一台扫地机器人——这种“机器人服侍机器人”的画面，要么是科技迷的终极梦想，要么就是某部特定惊悚片的开场。这些任务在无人工干预的情况下运行了数小时，成功率高达 99%。

其次是速度。GEN-1 驱动的机器人组装一个纸箱仅需 12.1 秒，而其前代产品需要约 34 秒。将手机装入保护壳仅需 15.5 秒，比之前快了 2.8 倍。这不只是简单地调快电机转速，而是模型通过经验学习并利用先进的推理技术，实现了比人类演示更高效的动作路径。

即兴发挥：智能的火花

可靠性和速度是固定在工厂地板上的工业机械臂的标配，但它们缺乏应对“意外”的能力——而现实世界偏偏拒绝按剧本演。这正是 GEN-1 的“即兴智能”大放异彩的地方。

Generalist 将其描述为一种涌现能力，一种“自由式问题解决”模式。在一次演示中，一个负责抓取汽车零件的机器人在操作时意外碰到了垫圈。它并没有像传统程序那样死机或报错，基于 GEN-1 的系统评估了现状并迅速做出调整：它可能会放下垫圈重新抓取，或者巧妙地利用槽位边缘来调整零件方向，甚至动用另一只手进行双臂协作。这些都不是预先编写的故障恢复程序，而是模型在训练分布之外即时生成的创新解决方案。这就是“自动化”与“自主化”的分水岭。

不仅仅是一个模型，而是一套系统

必须理解的是，GEN-1 并不只是一组模型权重。它是一个完整的系统，涵盖了预训练、后训练技术以及推理侧处理的全面创新。正是这种系统级的路径，使其具备了极高的数据效率，能够仅通过约一小时的新数据，同时适应新的机器人本体和新任务。

当然，GEN-1 并非实现物理 AGI 的万能灵药。公司也坦诚地指出了其局限性：并非所有任务都能达到 99% 以上的成功率，某些严苛的工业应用需要更高的可靠性。此外，涌现出的即兴发挥能力也带来了 AI 对齐的关键问题。一个能创造性解决问题的机器人固然很棒，但你得确保它的“创意方案”里不包括为了提高效率而在墙上撞出一个洞。

尽管如此，GEN-1 的发布依然是一个重大的里程碑。它进一步佐证了一个观点：利用海量的现实物理交互数据来缩放模型，是通往通用机器人的最可行路径。通过聚焦性能的“三位一体”——正确执行、快速执行以及在出错时知道该怎么办——Generalist 或许刚刚将那个“好用的、通用机器人”的梦想，向现实世界拽进了一大步。对我们而言，这不只是一个模型，它预示着物理世界终于要变得聪明起来了。

这辆全自动驾驶 AI 自行车：开源工程界的惊世杰作

Robot King — Sat, 04 Apr 2026 00:00:00 +0000

正当全球科技巨头正豪掷千金，试图把司机从四轮轿车里“剥离”出来时，天才 AI 工程师彭志辉（网名“稚晖君”）却选择挑战一个更令人头秃的难题：让两轮自行车也能“撒开手”自己走。成果便是这台名为 XUAN-Bike（轩辕）的自动驾驶自行车——它不仅能实现完美的自主平衡，还能在复杂环境中灵活走位、自动避障。更绝的是，稚晖君反手就将整个项目开源了，这波操作简直是教科书级别的“降维打击”。

这台自行车的内部构造堪称复杂系统集成的艺术品。其“大脑”是搭载了华为昇腾（Ascend）310 AI 处理器的定制控制板；视觉感知方面，它融合了 RGBD 深度摄像头以及加速度计、陀螺仪等传统传感器。但真正的灵魂在于其平衡系统：它并非单纯依靠转向来维持重心，而是在车座下方安装了一个高速旋转的金属性动量轮。利用角动量守恒原理产生的陀螺效应，即便在静止状态下，这台车也能稳如泰山。你可以在 Bilibili 上亲眼见证这种近乎“违背物理定律”的丝滑操作。

整个系统的运行逻辑由基于华为 MindSpore 深度学习框架的神经网络驱动。这赋予了自行车感知环境、识别障碍并自主规划路径的能力。根据项目文档，其控制模型融合了 LQR/MPC（模型预测控制）以及定制的强化学习算法。如果你也想亲手打造一台挑战物理极限的机器，彭志辉已经将所有的硬件原理图、模型文件和源代码托管在了 GitHub 仓库中。

这为何意义重大？

这不仅仅是一个酷炫到没朋友的周末“整活”项目，更是一场现代机器人学与控制理论的巅峰教学。XUAN-Bike 证明了，只要将触手可及的 AI 硬件与精妙的软件算法相结合，个人开发者也能打造出媲美顶级企业研发实验室的复杂自主系统。通过开源，彭志辉为学生、研究者和极客们提供了一份极具价值的“通关密码”，揭开了动态稳定与自主导航等尖端概念的神秘面纱。它有力地提醒了我们：颠覆性的创新未必诞生于西装革履的董事会，有时，它就源于车库里那股想要让不可能变为现实的极致热爱。

Airbus“猛禽”无人机出击：微型导弹精准猎杀，重塑防空经济学

Robot King — Thu, 02 Apr 2026 00:00:00 +0000

看来，Airbus（空中客车） 已经受够了现代防空系统中那种近乎荒诞的“赔本买卖”。在当下的战场上，动辄用价值数百万美元的导弹去拦截一架造价甚至不如一辆二手车的无人机，这种经济上的不对等简直是防空系统的噩梦。

针对这一痛点，空客刚刚展示了它的终极方案：一款名为“Bird of Prey”（猛禽）的可重复使用猎杀无人机。它不靠撞击，而是携带并拆发自己配备的小型廉价导弹。在德国进行的首飞演示中，该系统成功完成了其职业生涯的首次“空对空”击杀。

这一消息由 Airbus Defence and Space 的部门负责人 Boris Alexander Beissner 在 X 上官宣。他特别提到，该项目从立项到完成首次成功拦截，仅用了短短 9 个月，这研发效率堪称“闪电战”。“Bird of Prey”的原型是 Do-DT25 靶机——这是一款重 160 公斤、翼展 2.5 米的飞行平台。有趣的是，它以前的角色是负责“挨导弹”的靶子，而现在，它翻身做主，变成了发射导弹的猎手。

在测试过程中，这架猎杀无人机自主追踪并锁定了一架作为目标的“自杀式”无人机，随后发射了一枚“Frankenburg Mk1”导弹将其摧毁。这种由合作伙伴 Frankenburg Technologies 研发的超轻型拦截弹，单枚重量不足 2 公斤，长度仅 65 厘米。目前的测试原型机可携带 4 枚导弹，而未来的量产版预计将火力翻倍，达到 8 枚。这些导弹具备“发射后不管”的能力，有效射程约为 1.5 公里，利用破片战斗部来精准瘫痪目标。

为什么这一进展至关重要？

在当下的无人机消耗战中，成本交换比（Cost-exchange ratio）已经失衡到了不可持续的地步。用一枚成本高达 400 万美元的“爱国者”导弹去打掉一架价值 2 万美元的无人机，这种“大炮打蚊子”的策略只会迅速掏空国库并耗尽库存。

“Bird of Prey”系统的出现，正是为了彻底扭转这种被动的经济账。通过使用可重复回收的低成本无人机母机，配合廉价且可大规模量产的微型拦截弹，空客正在构建一种能够应对“无人机蜂群”威胁的可扩展防御体系。这不再是费力不讨好地抡大锤砸苍蝇，而是像训练猎鹰一样——高效、精准、可循环，而且最重要的是，绝对不会让军费预算破产。空客与 Frankenburg 计划在 2026 年进行更多测试，以推动该系统进入实战部署阶段。

Cortical Labs 开启“云端活体脑细胞”租赁：生物智能时代的到来？

Robot King — Thu, 02 Apr 2026 00:00:00 +0000

多年来，“云计算”一直是一个方便、甚至带点浪漫色彩的比喻，用来形容通过互联网访问庞大的服务器集群。然而，澳大利亚初创公司 Cortical Labs 显然决定把这个词落实到一种令人毛骨悚然的程度：他们用活生生的、会放电的人类神经元取代了部分硅片。现在，只要你付得起钱，就能在这些细胞上运行你的代码。

欢迎来到 Cortical Cloud。这个平台的上线，标志着“湿件即服务”（wetware-as-a-service）正式从科幻小说的设定走进了现实世界的公开 API。只需每月支付约 2,170 美元，你就能“雇佣”一个由人类脑细胞培养并融合在硅芯片上的生物神经网络（BNN）。这是一个大胆、甚至让人背脊发凉的商业模式，它承诺开启计算的新前沿——前提是你有足够的预算，并且对“最终用户许可协议”有着极其灵活的理解。

从《乒乓》到公有云

如果你觉得 Cortical Labs 听起来耳熟，那是因为正是这支团队在 2022 年名声大噪。当时，他们成功教导培养皿中的一簇脑细胞（被称为“DishBrain”）玩电子游戏《乒乓》（Pong）。这项发表在《神经元》（Neuron）杂志上的实验证明，这些生物电路能够实时学习和适应，其速度远超许多传统的 AI 模型。对于该公司所称的“合成生物智能”（Synthetic Biological Intelligence）而言，那是一个分水岭时刻。

从那时起，他们的野心开始呈指数级增长。正如我们之前报道过的，他们的神经网络已经生物计算新突破：Cortical Labs 将精通《毁灭战士》的脑细胞接入 LLM 。如今，他们将这项发明正式产品化。公司已向公众开放了该平台，邀请研究人员、开发者以及那些充满好奇心的人们，去探索这个“盒子里的真大脑”究竟能发现什么。

如何给大脑编程

那么，租用一小块“生物算力”到底是怎么操作的？整个过程与在 AWS 或 Google Cloud 上启动服务器惊人地相似，这或许是整个尝试中最超现实的部分。该平台的核心是 CL1——一个定制的硬件设备，它将生物神经网络（BNN）置于高密度多电极阵列之上。这种硬件既能刺激神经元，也能以微秒级的延迟记录它们的反应。

对这种“湿件”的访问是通过 Cortical Labs API (CL API) 实现的，这是一个 Python 库，它屏蔽了复杂的生物物理细节。开发者可以使用简单的 SDK 与神经元交互，发送信号并解释产生的活动峰值（spikes）。

对于那些想在砸下几千美元前先“试驾”一番的人，Cortical Labs 提供了一个模拟器，可以模拟真实 CL1 设备的行为。在模拟器上开发的任何代码都可以直接无缝迁移到真实的硬件上。整个软件开发工具包都是开源的，你可以在他们的 GitHub 仓库中找到代码。链接：cl-sdk on GitHub。

湿件的“杀手级应用”

这引出了一个根本性的问题：这玩意儿到底能干什么？除了极具话题性的新鲜感外，Cortical Labs 主要瞄准了三个领域：

神经科学： 提供一个标准化平台，用于在高度受控的环境中研究神经元如何学习、形成记忆以及处理信息。
药物研发与毒理学： 研究人员可以测试新药物化合物对真实神经电路的影响，筛查疗效和神经毒性，这有望加速阿尔茨海默症或癫痫等疾病的治疗研究。
人工智能： 这是重头戏。生物计算的支持者认为，在执行某些任务时，大脑的能效远高于基于硅片的 AI。通过研究和利用生物智能，我们可能会发现全新的计算范式，而不再需要横跨半个地球的数据中心。

当然，这种前沿的体验价格不菲。虽然单实例每月租金约为 2,170 美元，但 Cortical Labs 为大宗订单提供了折扣——如果一次性租用 10 个实例并签约 6 个月，单价将降至每月 1,600 美元左右。正如该公司戏谑地指出的，这“比真人便宜”。至少目前是这样。他们还鼓励学术机构申请资助，这释放了一个明确的信号：他们正致力于在研究社区播下种子。

Cortical Cloud 的推出是一个既诡异又具有里程碑意义的时刻。它标志着一个长期处于理论阶段的领域正式商业化。我们已经从在硅片上模拟神经网络，进化到了提供真正的生物智能云服务。在这个平台上会诞生出什么，还有待观察，但有一点是肯定的：计算机与有机体之间的界限从未像现在这样模糊。