2026海外人形机器人技术突破:谷歌全身AI大模型、Figure 03自主爬梯、1X仿生灵巧手

2026-09-05 · AI 科技洞察 · 聚焦 AI Robotic Info
导语:2026年夏天,海外人形机器人领域迎来密集技术突破。谷歌DeepMind推出Gemini Robotics 2系列全身控制模型;Figure AI的Figure 03成功自主攀爬工业用梯;波士顿动力Atlas纯电版获通用智能能力;1X Technologies发布25自由度肌腱驱动灵巧手;英伟达推出开源运动基座模型SONIC。这些突破标志着人形机器人从基础移动能力迈向深度思考、多方协作和强环境适应力。
图片来源:AI Robotic Info
2026年夏天,海外人形机器人领域迎来密集技术突破,多家科技巨头将智能边界推向前所未有的高度。从谷歌的高阶全身决策系统,到能够从容攀爬梯子的创新应用,再到极致精细的仿生指节,人形机器人不再仅仅满足于基础的移动能力,而是全力以赴地追求深度思考、多方协作以及极强的环境适应力。
谷歌DeepMind重塑具身智能:全身AI大模型解锁机器潜力
长期以来,很多硬件设备由于缺乏整体协调性,只能执行局部动作。然而,谷歌DeepMind在八月初正式推出的Gemini Robotics 2系列模型,彻底打破了这一桎梏。这项核心升级被业界称为“全身控制”技术。以搭载该先进模型的Apptronik Apollo 2为例,它已经不再局限于桌面上的简单抓取。相反,它能够完美协调从脚底到指尖的每一个细微动作。当你下达“将水壶放置于底层货架特定位置”的指令时,它能够自主规划路线、弯下身躯拾取物体并进行极为精准的放置。
这套创新模型不仅配备了负责直接执行任务的VLA主力架构,还引入了充当高级认知大脑的推理模块,甚至能够指挥不同类型的硬件进行高效协同。开发者仅仅需要提供不足两百个训练样本,花费几个小时的时间,就可以让全新硬件完美适配这套智慧系统。
Figure AI突破移动操作瓶颈:会爬梯子的人形机器人
Figure AI创始人公开展示的一段实测影像直接在业内引发了巨大轰动:Figure 03在实验环境中成功实现了自主攀爬工业用梯。千万不要轻视这个看似寻常的动作。在过去,硬件设备要么只能单一地行走,要么只能原地抓取。攀爬梯子意味着视觉、上肢抓握以及下肢支撑必须在毫秒级的时间内实现同步耦合。任何微小的误差都会导致设备坠落。这标志着复杂的移动操作耦合能力已经完全成熟。支撑这套高难度动作的底层是一套精密的架构,其中扮演核心角色的是包含约一千万参数的神经网络控制器,它直接取代了以往庞大且繁杂的手工编写控制代码。
波士顿动力迈向通用智能:纯电架构引领工业场景变革
在全面拥抱纯电驱动系统之后,大名鼎鼎的Atlas在2026年夏天获得了全新的行业定位,那就是真正具备工业部署所需的高度自主性与通用智慧。全新一代的Atlas如今能够极为从容地适应陌生且复杂的环境,并承担广泛的作业任务。背后的核心推动力在于训练框架的全面提速,它每天可以运行相当于过去数百万小时的虚拟模拟训练,学会的新技能只需要大约一小时就能无缝迁移到真实的物理机体上。凭借强大的计算底座支持,它能够以较轻的自身重量轻松搬运远超自身的重物。
1X Technologies首发仿生灵巧手:肌腱驱动解决精细操作难题
在精细化作业领域,来自挪威的1X Technologies在七月份展示了极具突破性的创新成果,正式发布了NEO机器人的新一代抓握部件。这套部件具备二十五个自由度,其灵活程度已经无限逼近真实的人类肢体。它创新性地采用了肌腱驱动原理,将电机巧妙地隐藏在手臂内部,通过仿生纤维牵引各个指节。这不仅大幅降低了末端重量,还实现了极其柔和的力度控制。最令人惊叹的特性在于其出色的力度感知能力,当你触碰它时它会自然避让并精确反馈受力情况,能够安全地处理易碎物品,甚至可以精准捏取微小的硬币。目前该产品已经进入了实质性的量产环节。
英伟达SONIC开源模型:打造统一运动基座赋能物理AI
作为全球领先的算力与平台提供商,英伟达重磅推出了开源运动基础大模型SONIC。该模型利用了长达七百小时的真实人类动作捕捉影像,训练出了一套通用的全身控制策略。以往开发全新动作需要重新构建复杂的控制器,而现在同一套策略可以被多种先进模型直接驱动,甚至能够实时模仿极其复杂的武术动作。这为全球研发人员提供了一个开箱即用的超级底座,极大地缩短了研发周期。
关键要点
- 谷歌DeepMind推出Gemini Robotics 2全身控制模型,不足200个样本即可适配新硬件
- Figure 03成功自主攀爬工业用梯,标志移动操作耦合能力成熟
- 波士顿动力Atlas纯电版每天运行数百万小时虚拟训练,新技能1小时迁移到实体
- 1X Technologies发布25自由度肌腱驱动灵巧手,已进入量产环节
- 英伟达推出开源运动基座模型SONIC,用700小时人体动捕数据训练
📎 本文由 AI 自动采集整理,编译自 AI Robotic Info(2026-09-03)。
原文版权归原作者所有,本文仅用于信息聚合参考。
来源与版权
本文由 AI 自动采集整理,内容来源于 AI Robotic Info。
版权声明:本文仅作信息聚合参考,版权归原作者所有。如有异议请联系 [email protected]。
发布方:Tiqex · 2026-09-05