Shakey:首个自主智能机器人(1966-1972)
Shakey是首个具备自主推理和决策能力的机器人,将人工智能与机器人技术结合。它能理解高级指令并规划行动,为现代自主系统奠定了基础。
全球机器人领域最具突破性的研究、产品与技术。每日由 AI 自动收集、判定与评分。
Shakey是首个具备自主推理和决策能力的机器人,将人工智能与机器人技术结合。它能理解高级指令并规划行动,为现代自主系统奠定了基础。
名为“闪电”的人形机器人以50分26秒完成半程马拉松,比人类世界纪录快近7分钟。这是双足机器人首次在耐力跑项目中超越人类,展示了机器人运动能力和能源效率的重大进步。
英伟达的新世界基础模型和下一代机器人模型实现了通用机器人智能,并得到Figure、ABB、FANUC等公司的合作支持。这标志着物理AI走向生产规模的重要行业里程碑。
本田1996年开发的P2人形机器人因其开创性的人类步行运动与控制技术,被正式认定为IEEE里程碑。这一成就标志着双足行走的历史性突破,证明了稳定自主的人形行走是可行的,并为现代人形机器人技术奠定了基础。
Shakey是1960年代末由SRI国际开发的第一个能够感知环境并推理行动的移动机器人。它结合了视觉、规划和移动能力,为现代机器人和人工智能奠定了基础。其开创了STRIPS规划和A*搜索等概念,成为历史性的里程碑。
本田1996年推出的P2双足人形机器人正式获得IEEE里程碑认证,标志着仿人行走运动与双足运动控制技术的历史性成就。该认证凸显了这项基础技术对后续先进人形机器人的开创性贡献。
Aquila Earth通过红外激光束无线供电移动仓库机器人24小时,创下最高总激光功率传输和最长连续时长的世界纪录。这一演示验证了电力束传输作为连续自主操作可行方案的潜力,有望消除物流等行业的电池停机时间。
一台人形机器人以超越人类的速度完成半程马拉松,展示了前所未有的耐力和运动控制能力。这一里程碑表明双足机器人技术取得快速进展,可能加速其在物流和应急响应领域的应用。
英伟达研究院的Eureka AI代理能自主生成机器人训练所需的奖励算法,在超过80%的复杂任务上表现优于人类编写的算法。这代表了机器人自主技能获取的重大进展,可能加速通用机器人的开发。
麦吉尔工程师开发出可像折纸一样折叠的超薄氧化石墨烯片,使软体机器人能够行走、扭转并感知运动。该材料将驱动和传感结合于一体,解决了软体机器人可扩展性的关键难题。
Figure AI的F.03人形机器人在200小时的仓库压力测试中自主分拣了近25万个包裹,速度接近人类。这标志着通用人形机器人在实际物流自动化部署中的重要里程碑,展示了可靠性和可扩展性。
英伟达研究在CoRL 2025上推出NeRD、Dexplore和VT-Refine,通过学习动力学模型增强仿真、实现高效探索,并结合视觉与触觉传感完成双臂组装。这些创新代表了首次将多种神经方法集成于实用机器人学习的突破。
该论文首次实验展示了将非视距成像应用于自主导航,利用单光子激光雷达探测隐藏物体,使机器人能感知并绕过角落障碍,显著扩展了感知能力。
π0.7是一种新的人工智能模型,允许机器人通过自然语言指令泛化到从未训练过的任务。这标志着向通用机器人大脑迈出了早期但重要的一步,超越了狭窄的预编程行为。
AgiBot的A2人形机器人完成了从苏州到上海跨省65英里的行走,创造了人形机器人最长行走距离的吉尼斯世界纪录。这展示了人形机器人在双足行走耐久性和现实世界导航方面的重大进展。
宇树科技发布了全球首款量产载人机甲GD01,可在双足和四足模式间转换,重约500公斤,售价65万美元。这标志着人形机器人从概念走向商业化的重大突破。
Ouster的Rev8激光雷达在单一传感器中同时捕获3D空间和颜色数据,无需额外摄像头。这简化了传感器融合,降低了成本,并增强了自主系统的感知能力。作为首款量产原生彩色激光雷达,它标志着行业的重要里程碑。
索尼AI的Project Ace是首个在竞技乒乓球中击败精英人类玩家的自主机器人,展示了比人类更快的感知、决策和行动集成的物理AI。这一里程碑标志着现实世界机器人和AI的重大进步,弥合了模拟与物理交互之间的差距。
Generalist AI的GEN-1是首个在简单物理任务上达到精通水平的通用具身基础模型,跨越了机器人技术的新门槛。这代表了向能在现实世界中运行的通用AI系统迈出的重要一步,超越了狭窄、任务特定的机器人。
Figure AI在不到120天内将生产吞吐量提升24倍,达到每小时生产一台Figure 03人形机器人,良率超过80%。这标志着人形机器人制造领域的首个里程碑,展示了从实验室到工厂的快速规模化能力。
富士通的新空间世界模型技术使AI能够预测空间中行动者和物体的行为,将行为意图估计精度提升三倍。这代表了人机协作领域的重要进展,已在CES 2026上展示。
Deep TAMER通过实时人类批评让机器人学习任务,结合深度学习与交互式训练。该方法减少了对大数据集的需求,实现了更快、更直观的技能获取。
哥伦比亚工程研究人员开发了一种机器人,通过观察自身反射和人类视频自主学习逼真的唇部动作,无需显式编程。这种自监督学习方法显著减少了人机交互中的恐怖谷效应。
佐治亚理工学院的EgoMimic算法使人形机器人能够直接从第一人称人类视频中学习复杂操作技能,无需手动编程。该方法大幅减少了机器人执行洗衣、洗碗等家务所需的数据和训练,是迈向实用家庭辅助的重要一步。