行业背景与公司定位 - 具身大模型技术不断突破推动人形机器人进入千行百业 通用智能发展前景清晰可见 [2] - 公司为全球领先具身智能大模型通用机器人企业 成立于2023年5月 专注于通用机器人产品开发 [4] - 产品已广泛应用于商业 工业 医疗场景 在北京 深圳 苏州 香港设研发中心 与北京大学 北京智源人工智能研究院 宣武医院 中关村学院建立联合实验室 [5] 技术研发与产品突破 - 2024年6月发布首代全自研具身大模型机器人Galbot G1 [6] - 2025年1月发布全球首个端到端具身抓取基础大模型GraspVLA [6] - 2025年5月全球首个人形机器人智慧零售方案落地 获100家门店订单 [6] - 2025年6月发布产品级端到端具身导航大模型TrackVLA 同期推出零售行业端到端具身大模型GroceryVLA [7] - 2025年6月发布全球首款全开源多机型跨虚实人形机器人全身遥操作系统OpenWBT [7] - 2025年8月发布Galbot G1 Premium 成为全球首台搭载英伟达最新Jetson Thor芯片的机器人 [7] 市场成就与行业认可 - 2025年8月Galbot作为唯一官方机器人平台独家支持IOAI国际人工智能奥林匹克学术活动 [7] - 2025年8月在世界人形机器人运动会分拣技能竞技项目中夺冠 [7] - 核心团队拥有十余年机器人产业经验 成功主导千万级智能硬件产品量产 具备卓越商业化实战能力 [5] 人才战略与研发方向 - 招聘2026届海内外高校毕业生 要求热爱学习 追求落地实践 信奉长期主义 [9] - 主要工作方向包括具身多模态大模型 人形强化学习控制 机器人规划与控制 机器人硬件与量产 具身软件系统开发 [9][10] - 岗位分布在北京 深圳 苏州三地 提供18个校招职位 [9][19]

大会基本信息 - ROSCon China 2025将于2025年10月31日至11月1日在上海虹桥新华联索菲特大酒店举行 [2][24] - 大会定位为机器人行业年度盛会 内容涵盖ROS核心技术 应用开发 机器人创新及人工智能融合等热门领域 [20] 活动内容与参与方式 - 开放三种形式的演讲提案：主题演讲（10~30分钟） 研讨会（开放式汇报讨论） 闪电演讲（3~5分钟展示创意） [13][14] - 演讲内容需围绕ROS1和ROS2相关主题 可通过指定链接提交主题 核心内容及团队简介 [13][16] - 提供深度交流平台 汇聚全球顶尖专家分享前沿技术 并展示最新机器人产品及解决方案 [16] 商业合作机会 - 大会招募赞助商 为机器人技术企业及行业机构提供精准品牌曝光与合作机会 [17] - 赞助福利详情可通过邮箱roscon@guyuehome.com获取 [19] 参会权益 - 早鸟票限量销售 凭门票可享受上海虹桥新华联索菲特大酒店协议价 [20][22] - 参会者可体验未上市的黑科技产品 并与全球开发者及企业代表拓展人脉资源 [16]

许多自驾和传统机器人公司，已经开始成立具身实验室了...... 今天在和朋友喝下午茶，聊到了很多公司开始筹建具身团队和业务线。其中不乏有自动驾驶公司、 主机厂、新势力、传统机器人公司、传统臂商。 貌似又到了那个谁不入场就会被时代抛弃的时候，先不妨看看这几类公司的出发点吧。对于自驾公 司和主机厂，他们想做的更多是解决工厂智能部分，造车需要大量的工人，包括制造、搬运、特殊 场景的需求。如果机器人能够在固定场景下完成相对智能，那么能省下不少成本。 对于传统机器人公司来说，比如扫地机器人公司，他们更希望升级已有产品，具备更加智能的服 务。比如扫地机上添加机械臂，用户可以下达指令完成清扫之外的工作以及通过大模型实现更好的 交互功能。传统臂商，也想进一步参与臂的智能化升级，适配更加泛化和多样的场景。 当然，也不排除很多公司通过投资新兴产业来赚取更多的利润。但这个趋势会导致，很多公司的资 源倾斜到具身领域。无论是数据生产模块还是算法、本体层面。很多公司的具身岗位存在缺口，一 些没有经验的leader不得不扛起大旗！持续的面试仍然招不到合适的，因为真的懂的人很少。 归根到底是没有系统的培养体系，导致这方面的人才出现了数量和质 ...

机器人操作技术演进 - 机器人操作从机械编程向具身智能演进 从简单夹爪发展到多指灵巧手[5] - 灵巧操作依赖数据采集与技能学习框架 包括模拟 人类演示和遥操作三种数据采集方式以及模仿学习与强化学习两种学习框架[5] - 面临三大关键挑战 涉及复杂被操作对象和多样操作类型[5][8] - 核心技术方向包括灵巧操作 多指手 人工智能赋能机器人 数据采集 模仿学习和强化学习[6] 具身导航与物理模拟器 - 导航与操作是具身智能核心能力 现实训练存在高成本问题 Sim-to-Real迁移受域差距制约[9] - 物理模拟器分为室内型 室外型和通用型 包括Habitat AI2-THOR CARLA AirSim ThreeDWorld和Isaac Sim等[14][15] - 导航从显式记忆转向隐式记忆 操作从强化学习拓展至模仿学习 扩散策略及VLA模型[15] - 操作任务按复杂程度和自由度递增 硬件演进涵盖多种类型[13] 具身多模态大模型发展 - 具身多模态大模型可弥合感知 认知与动作鸿沟 基础构成包括具身智能体 大语言模型 大视觉模型和视觉语言模型等[16][19] - 核心任务涵盖具身感知 导航 交互和仿真 感知分GPT与非GPT模型 导航分通用与专用模型 交互分短长视域动作策略[19] - 数据集包括Open X-Embodiment和HM3D等 面临跨模态对齐难 计算资源消耗大 领域泛化性弱等技术挑战[19] 具身仿真与研究任务 - 具身AI模拟器存在真实感 可扩展性和交互性问题 研究任务面临长轨迹记忆设计等多重挑战[20][24] - 视觉探索通过运动或感知构建环境内部模型 方法分好奇心驱动 覆盖最大化和重建驱动 核心数据集为Matterport3D和Gibson V1[24] - 视觉导航含点导航 物体导航 带先验导航和视觉语言导航 评估指标以成功率和路径长度加权成功率为主[24] 强化学习在视觉领域应用 - 强化学习在大语言模型中成效显著 近年拓展至视觉多模态领域 面临高维视觉输入等挑战[25] - 基础理论涵盖RLHF DPO和RLVR三大对齐范式 以及PPO和GRPO两种策略优化算法[26] - 核心研究方向包括多模态大语言模型 视觉生成 统一模型和视觉语言动作模型[28] 遥操作与人形机器人 - 人形机器人遥操作可结合人类认知与机器人物理能力 适配人类环境与危险场景如核救援和空间探索[29] - 系统架构含人类状态测量 运动重定向 机器人控制和多模态反馈 支持单向或双向遥操作[32] - 应用包括远程存在和危险作业等 挑战集中在非专家操作门槛 动态环境适应和长延迟稳定性[35] 视觉语言动作模型进展 - VLA模型从跨模态学习架构演化至融合视觉语言模型和动作规划器的通用智能体 涵盖80多个近三年发布的模型[33] - 按架构范式分类 提出基于任务复杂度 模态多样性和数据集规模的新型评估标准 涉及102个VLA模型和26个基础数据集[36] - 发展历程分萌芽 探索和快速发展三阶段 从模型架构 训练数据 预训练方法 后训练方法和模型评估五个维度剖析现状[38] - 横向整合VLA建模实践 提出单体模型与分层模型的分类体系 探索强化学习融合等前沿方向[41]

具身智能行业数据挑战与仿真平台重要性 - 具身智能发展需要海量高质量交互数据 但现实数据采集成本极高 单台机械臂硬件部署需数万元且难以规模化[2] - 仿真环境成为重要解决方案 能以更低成本更高效率实现无限次试错 快速积累大规模交互经验[2] - 行业对仿真数据提出更高要求：需更高物理精度保证与现实世界贴合度 更丰富交互类型覆盖复杂场景 更强扩展性与稳定性满足科研与产业需求[2] RoboMirage仿真平台核心特性 - 全物体类型兼容的可扩展接触建模框架 支持刚体/可形变体/多关节结构等多样接触 具备强耦合仿真能力并允许用户自定义扩展[4] - 高精度多体动力学仿真能力 支持无穿透且时间一致的接触力仿真 可捕捉动静摩擦等微观动力学细节 精度远超传统模拟器[5] - 工业级稳定算法保障 依托隐式积分和凸优化方法确保仿真稳定性 彻底解决穿模问题 满足装配/抓取等工业任务可靠性要求[6] - Pythonic设计使接口友好易用 方便开发者快速集成与定制[7] - 采用GPU驱动异构加速技术 利用大规模并行计算实现工业级精度下的高性能快速仿真 显著优于传统有限元分析[8] 平台在复杂场景中的仿真能力验证 - 成功复刻明日环魔术 模拟金属环与柔性绳索间复杂接触缠绕 稳定处理摩擦滑动与刚柔体耦合[10] - 实现橡皮筋穿越魔术仿真 精准模拟弹性体缠绕/拉伸/形变过程中的粘滞阻尼/张力变化/自碰撞特性[12] - 完成洗扑克牌仿真 维持多张纸牌极小时间步交错插入时的接触连续性 防止穿透[14] - 模拟抽桌布魔术 高精度捕捉布料瞬时滑动及移除瞬间物体的摩擦惯性响应 兼顾非平衡动态与稳定性[16] 多源数据生态与Sim-to-Real路径 - 公司数据生态包含仿真生成样本/互联网语料/技术文档/真机实验多模态传感数据等多源信息[18] - 高精度仿真基座与多源数据体系协同 有效缩小仿真与现实差距 加速算法向现实环境稳健迁移[18] - 实现迄今最复杂具身操作任务——家具拼装 模型可读取说明书后自主完成多部件检测/插拔/旋转配合及多步骤任务分解[20][21] - 拼装过程采用自适应路径规划和接触力调控策略 通过实时力反馈动态调整操作 即便遭拆解干扰也能自动恢复状态[21][23] 技术前景与行业影响 - 高精度仿真与多源数据协同为高复杂度具身操作任务提供稳定性与精确度 建立现实应用技术基座[25] - 持续突破仿真精度/泛化能力与真实交互边界 使机器人能在更开放场景自主感知/推理/执行任务[26] - 该技术路线将加速具身智能从实验室到现实世界的跨越 催生全新人机协作模式[26]

核心观点 - 构建持续进化且通用的视觉-语言-动作模型 通过多模态基座模型建立感知与动作联合框架 扩展至复杂场景与灵巧操作任务 应对柔性物体与精细操作挑战 提升通用灵巧能力 [6] - 深度融合视觉语言模型的开放世界理解与逻辑能力 融入大模型先验与语义推理 增强在未知任务中的高层规划与泛化能力 [6] 技术模型发展 - DexVLA模型通过插入扩散专家实现通用机器人控制 [5] - ChatVLA-2模型具备开放世界具身推理能力 基于预训练知识 [5] - ChatVLA模型统一多模态理解与机器人控制 [5] - Diffusion-VLA模型通过自生成推理实现可泛化可解释的机器人基础架构 [5] - CoA-VLA模型通过视觉-文本赋能链提升视觉-语言-动作模型性能 [5] - PointVLA模型将三维世界信息注入视觉-语言-动作框架 [5] - TinyVLA模型致力于快速数据高效的机器人操作视觉-语言-动作架构 [5] 能力拓展方向 - 构建VLA基座模型作为技术基础架构 [7] - 拓展VLA模型能力边界至更复杂应用场景 [8] - 提升VLA模型泛化能力以适应未知任务环境 [8] - Spec-VLA框架专为推理加速设计 在保持精度同时提升速度 [10] 应用场景深化 - 灵巧手设计成为打通手-眼-脑感知闭环的关键技术 [10] - 跨实体世界模型助力小样本机器人学习 [10] - 应对柔性物体与精细操作等挑战性任务 [6] - 从开放世界语义推理延伸至真实环境动作执行 [6]

行业交流平台 - 具身智能领域的心遥操作技术方向建立专业交流群 促进相关从业人员互动 [1] - 交流群面向该技术方向的同学开放 旨在推动行业知识共享与合作 [1] - 通过添加指定微信账号并备注昵称 机构及遥操加群信息可优先获得入群资格 [2]

就在昨天，宇树科技IPO（首次公开募股）的时间，终于定了！根据IPO计划，公司预计将在2025年10月至 12月之间向证券交易所提交申报文件，届时公司的相关经营数据将会正式披露。 这不仅是一家公司的里程 碑，也对整个具身机器人行业乃至更广泛的领域有着积极的意义。 具身得到市场和资本的认可，这对行业无疑是一个非常好的消息，后续的IPO相信会络绎不绝。整个市场的 想像空间会越来越大，从而带动上下游产业的发展。这对学术和工业界都是利好的。 更多硬件和论文辅导活动 很多同学还在陆续咨询峰哥关于方向的问题，具身领域还处于上升期，许多问题还没有完全解决，是研究 的好方向。如果你在工业界，也是一个职业上升的好方向。 具身智能之心在此开学季，给大家提供了各类学习教程和科研平台 ，如果您真的想从事这个方向，希望快 速入门，可以来看看我们的教程和平台。 诚意满满，是近段时间最大的优惠力度。 课程超级折扣卡 课程超级折扣卡是我们为有需要购买具身课程同学推荐的。一年内有效，所有具身课程7折哦~适合购买2门 及以上的同学，优惠满满！ 知识星球 我们的知识星球也推出最大优惠了，续费5折，新人加入立减66，开学季最好的入手机会。 国内最大 ...

添加小助理微信AIDriver005，备注昵称+机构+遥操加群，可以第一时间进群。 具身智能之心遥操作技术交流群来了！欢迎相关方向的同学加入一起交流。 ...

具身智能行业概述 - 具身智能强调智能体与物理环境的交互与适应 聚焦智能体在物理世界中感知环境 理解任务 执行动作并反馈学习的能力 [1] - 大脑负责思考感知 主导语义理解和任务规划 小脑负责执行高精度的运动执行 [1] 国内外产业布局 - 近2年具身明星团队陆续创业 成立星海图 银河通用 逐际动力等公司 推动具身本体和大小脑技术进步 [3] - 华为2024年底启动全球具身智能产业创新中心 与乐聚机器人 大族机器人等企业合作建设具身智能大脑 小脑等关键技术 [5] - 京东自2025年5月以来连续投资智元机器人 千寻智能 逐际动力等多家公司 强化物流科技与家庭服务场景效率与服务能力 [5] - 腾讯 蚂蚁集团 小米等科技巨头积极通过战略投资与合作布局 加快构建具身智能产业生态 [5] - 国外Tesla/Figure AI在工业与物流机器人应用上持续推进 美国投资机构积极支持Wayve Apptronik等公司落地自动驾驶与仓储机器人 [5] - 国内企业以产业链投资与综合平台驱动具身智能落地 国外科技巨头侧重基础模型 模拟环境与类人机器人原型研发 [5] 技术演进阶段 - 第一阶段技术研究聚焦抓取位姿检测 通过点云或图像预测末端执行器姿态 实现静态物体抓取 但缺乏任务上下文和动作序列建模 [6] - 第二阶段进入行为克隆阶段 机器人借助专家演示数据学习从感知到控制的端到端映射 具备模仿人类完成复杂任务能力 [6] - 第三阶段2023年兴起Diffusion Policy方法 通过扩散模型生成整个动作轨迹 提升策略稳定性与泛化能力 [6] - 2024年进入Vision-Language-Action模型阶段 融合视觉感知 语言理解与动作生成模块 支持零样本或小样本快速泛化 [7] - 第四阶段2025年探索VLA模型与强化学习 世界模型 触觉感知等模块融合 弥补当前VLA模型局限 [9] - VLA+强化学习提升机器人在长时任务中的试错能力与自我改进能力 [11] - VLA+世界模型引入环境动态预测 使机器人具备想象未来的能力 [11] - VLA+触觉信息拓展从看到看+触多模态融合的具身感知边界 [12] - 技术演进从低层感知到中层策略再到高层理解 逐步迈向通用任务和开放环境的智能体时代 [14] 应用与产品落地 - 技术发展造就人形机器人 机械臂 四足机器人等产品落地 服务于工业 家居 餐饮 医疗康复等领域 [14] - 相关产品和融资络绎不绝 岗位呈现爆发式增长 [14] 工程与系统能力需求 - 具身智能从论文走向部署 对工程能力提出更高要求 [17] - 需在Mujoco IsaacGym Pybullet等平台完成策略训练与仿真测试 [17] - 需训练并部署Diffusion Policy VLA 力触融合的VLA模型 [17] - 需实现强化学习在VLA后训练上的应用 支持机器人反馈微调 [17] - 需实现从世界建模预测到策略学习到物理执行的一体化具身智能架构 [17]