我们在机器人操作里到底"刷"的是什么？ · benchmark

一篇难得"拆台"式的诊断论文：它指出一个 benchmark 分数只衡量了某一套固定评测设置下的成功率，却被普遍当成"通用操作能力"的证据，并用四项诊断把这套默认前提逐条戳穿。在今天"榜单登顶"满天飞的语境下尤其值得一读。

Tianchong Jiang et al. · arXiv 2606.04233 https://arxiv.org/abs/2606.04233

作者识别出四类失效模式——捷径可解（shortcut solvability）、缺乏统计显著性、悄然过拟合、以及数据来源依赖，并为每一类配一项诊断工具，据此审计 LIBERO、CALVIN、SimplerEnv、RoboCasa、RoboTwin 2.0。结论颇具冲击：LIBERO 与 CALVIN 多项诊断不过关，而在近期进展宣称中出现频率低得多的 RoboCasa、RoboTwin 2.0 反而失分更少。在 LIBERO 上，一个不含语言编码器、仅 0.09B 的探针模型就能逼近所报 SOTA，且多数所谓增益在统计上并不可证。

OSCAR：跨本体的骨架条件世界—动作模型 · world-model

把"动作可控的视频世界模型"做成可跨不同机器人本体迁移、并能直接拿来做策略评估的工具，正面回应了当前视频世界模型在真机评测上的三大短板：场景多样性不足、动作跟随不准、跨本体泛化差。

Zhuoyuan Wu, Jun Gao · arXiv 2606.04463 https://arxiv.org/abs/2606.04463

方法分两步：先用一条大规模标准化数据管线，对广泛的机器人与第一人称人类数据做整理、过滤与去重，得到覆盖多任务、多场景、多动作、多本体的联合训练集；再以 2D 运动学骨架渲染作为统一的条件表示来驱动视频模型，从而在不同形态机器人间共享同一套动作条件接口，使生成的预测视频可用于策略评估而非仅作观赏。

CLAW：从无动作视频里学连续潜动作的世界模型 · world-model

不依赖任何动作标注、直接从"无动作视频"中端到端学出世界模型与连续潜动作表示，触及了具身数据规模化最现实的痛点——海量人类/网络视频没有动作标签却最易获取。

Tewodros Ayalew et al. · arXiv 2606.04130 https://arxiv.org/abs/2606.04130

CLAW 用对抗式潜空间正则化（adversarial latent regularization）配合 diffusion 视频生成，在没有动作标签的前提下捕捉结构化、语义化的动作表示，同时建模具备预测力的环境动力学。潜动作模型与世界模型联合训练，使系统能仅从视觉观察推断"被推断出的动作如何引发环境状态转移"，由此同时支持基于观察的模仿学习与目标导向的规划。

GRAIL：用 3D 资产与视频先验"生成"人形 loco-manipulation 数据 · manipulation

遥操作与动捕难以规模化，一直是人形全身操作数据的瓶颈；GRAIL 走"部署前全程虚拟"的路线，把数据采集成本从物理世界搬进生成管线，思路值得关注。

Tianyi Xie et al.（含 NVIDIA 研究者）· arXiv 2606.05160 https://arxiv.org/abs/2606.05160 · 信号 HF↑5

GRAIL 是一条数字化生成管线：它组合 3D 资产、可直接喂仿真器的场景，以及来自视频基础模型（VFM）的先验，来合成机器人可用的交互数据，而无需重建物理环境或真机遥操作。与其去重建无约束的野外视频，GRAIL 从完全指定的 3D 配置出发——物体几何、相机参数、度量尺度、环境深度与一个按机器人比例缩放的角色都被显式给定，从而产出跨多样物体、全身动作与场景几何的人形 loco-manipulation 演示。

VISTA：把 UMI 数据"对齐物理"后喂给 VLA 训练 · vla

UMI 让无需硬件特定遥操作的真实世界数据采集成为可能，但这些数据直接拿来训大模型有两道硬伤；VISTA 点出并系统性弥合了这道"双重落差"，对想用低成本 UMI 数据扩 VLA 的团队很实用。

Siyuan Yang et al. · arXiv 2606.04708 https://arxiv.org/abs/2606.04708

两个错配被明确指出：腕装鱼眼视角带强烈径向畸变、且以夹爪为中心，对预训练 VLM 而言属于分布外；人采轨迹常违反运动学约束、发生碰撞或超出控制器带宽，会教会 VLA 物理上不可行的动作。VISTA 用三个协同组件弥合——其一是 UMI-VQA，首个面向腕装鱼眼视角的大规模 VQA 数据集；配合视觉对齐与物理校验环节，使 UMI 数据在喂入 VLA 前先经过"视觉接地 + 物理可行性"两道清洗。

MapAgent：城市级车道级地图生成的工业级 agent 框架 · autonomy

车道级地图是自动驾驶与车道级导航的关键基建，但为成百上千座城市构建并维护标准化车道网络极度耗人工；这篇把"规范合规"显式纳入生成回路，针对的是落地中最贵的人工后编辑环节。

Deguo Xia et al.（百度）· arXiv 2606.04513 https://arxiv.org/abs/2606.04513 · 信号 HF↑10

现有端到端矢量化建图方法能直接从传感数据预测车道几何与拓扑，但通常把建图规范与交通法规当成隐式、依赖数据集的监督；在标线磨损/缺失、遮挡等复杂场景下，正确的车道配置仅凭视觉证据往往欠定，规范违例成为人工后编辑的主要来源。MapAgent 在矢量化骨干之上增设一个工业级 agent 架构，把规范与法规显式化，以产出合规的车道地图、压缩人工返工。

CoRe-MoE：多地形人形运动的步态自适应 MoE · locomotion

人类靠走和跑就能穿越复杂地形，不会动用花哨的运动模式；让单一策略同时搞定步态切换与多地形适应，长期受困于梯度干扰与地形相关的分布漂移，这篇给出一个清爽的两阶段解法。

Kailun Huang et al.（香港科技大学）· arXiv 2606.04718 https://arxiv.org/abs/2606.04718

朴素地联合训练 MoE 往往学不出清晰的专家分工，限制了多技能解耦的效果。CoRe-MoE 是一个两阶段强化学习框架，把步态切换与地形适应解耦：通过对比式重加权（contrastive reweighting）促使专家形成清晰特化，从而在行走与奔跑之间实现平滑过渡，同时在多种地形上维持自然、稳定的运动。

TransTac：用紫外编码透明弹性体打通"视觉—触觉"切换 · perception

视觉触觉传感器（VBTS）能恢复高分辨率接触几何，却普遍依赖不透明弹性体、挡住了视觉透视；这篇用一块透明 UV 编码弹性体把全局深度感知与标记式触觉重建塞进同一个紧凑器件，正中今日"触觉/灵巧手"热度。

Lingyue Yang, Bin Fang · arXiv 2606.04477 https://arxiv.org/abs/2606.04477

TransTac 在透明弹性体内嵌入 UV 反射标记，配合先验引导的 Delaunay 立体匹配做稀疏三角化；又设计了一个轻量检测器以稳定定位密集分布的半透明标记，在接触与形变下保持稳定。如此一来，近距离会显著退化的 RGB-D 全局深度，与近距离才精确的标记式触觉，被统一进单个双目透明器件，实现两种模态的平滑切换。

戴盟机器人（Daimon）｜ A 轮 ｜ 亿元人民币 · embodied

汇川产投与中国电信投资联合投资。戴盟由港科大教授级背景团队创立，主攻视触觉传感与灵巧操作，本轮披露阿里通义多模态负责人加盟、攻关物理世界模型方向，公司并称其视触觉传感器出货量行业第一⚠️ 厂商口径。同日戴盟还联合银河通用发布触觉与精细操作评测 RobOmni。在"传感器—操作—世界模型"被资本按技术栈重新切分的当下，触觉这条相对冷门的环节拿到产业资本（汇川）与运营商（电信）联手下注，信号意义大于金额。来源：量子位 原文；硬氪 原文

Generalist（美国）｜ 新一轮 ｜ 4 亿美元 ｜ 估值 20 亿美元 · embodied

Radical Ventures 领投，8VC、Union Square Ventures、Hanabi Capital 跟投，老股东英伟达与贝佐斯远征基金（Bezos Expeditions）继续加注。Generalist 主攻具身基础模型、感觉运动学习与灵巧操作，目标是让机器人处理日益复杂的物理任务。这是英伟达"以投代攻"具身布局的又一落子，也反映海外一级市场对"机器人基座模型"的估值仍在抬升。来源：TipRanks https://www.tipranks.com/news/nvidia-backed-generalist-ai-hits-2-billion-valuation-as-robotics-startup-secures-400-million-funding-round（彭博社亦报道）

Uber → Nuro ｜ 战略投资 ｜ 近 5 亿美元 · autonomy

据报道，Uber 对自动驾驶公司 Nuro 的承诺接近 5 亿美元，包含其在 Nuro 一轮 2.03 亿美元 E 轮（投后估值 60 亿美元）中的参与、一笔更大的后续投资，以及与开发/商业里程碑挂钩的后续分批注资。配套的是 Uber、Nuro、Lucid 三方合作，计划用 Lucid Gravity SUV 与即将推出的中型车型，结合 Nuro 技术与 Uber 平台部署 3.5 万辆 Robotaxi。Nuro 已达成首阶段目标、触发首笔里程碑资金，后续释放取决于年内无人化试运营与载客服务上线。来源：qz.com https://qz.com/uber-nuro-self-driving-investment-500-million-060426；just-auto

指尖智擎｜ Pre-A 轮 ｜ 数额未披露 · adjacent

深创投领投。这家具身赛道新晋独角兽潜力股主攻把"特微型轴向磁通电机模组"塞进灵巧手，直指当前灵巧手寿命短板——业内常以"百万次"开合为宣传，但按每秒一次高频作业，200 万次仅能维持约 200 小时。本轮是灵巧手核心部件环节资本热度的缩影。来源：机器人大讲堂 原文

普渡机器人｜ 拟赴港 IPO ｜ 累计融资超 20 亿 · industrial

CEO 张涛称正在筹划赴港上市，并称刚完成近 10 亿元融资、估值突破百亿⚠️ 单方口径。普渡以餐饮配送、清洁等商用服务机器人见长，赴港若成行将进一步充实"机器人第二股"梯队，与宇树科创板冲刺形成一二级市场的接力效应。来源：搜狐网 https://m.sohu.com/a/1032227068_121071031?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

千寻智能｜ 新签战略合作（融资此前已报） · embodied

三个月累计近 50 亿元、马云雷军入局一事此前已报（已报）；今日新进展是与全球零部件巨头舍弗勒签订战略合作协议、共推具身智能产业落地。值得并读的是另一面——有媒体提示其商业化落地仍存多重挑战，"力压英伟达与 Pi0.5"等说法多来自第三方评测口径⚠️ 评测口径。来源：美通社 https://www.prnasia.com/story/535887-1.shtml；每日经济新闻 原文

李飞飞给"世界模型"立功能分类法，撞上 CVPR 的 VLA-vs-世界模型之争 · world-model

李飞飞与 World Labs 发表长文《A Functional Taxonomy of World Models》，核心主张是：当视频生成、机器人、英伟达都自称"世界模型"时，与其用一个概念笼统指代，不如按"它到底干什么"拆成几类功能件。她给出三种功能角色——渲染器（Renderer，产出供人眼观看的像素，最看重视觉保真度，本身不含对三维结构的显式理解）、模拟器（Simulator，产出几何/物理/动力学上忠实、人和程序都能在其上计算与交互的状态）、以及面向智能体规划与决策的生成式模型。文章延续其"空间智能是 AI 下一个前沿、世界模型是通往它的路径"的论点，意在为被资本与营销抬到天价的"世界模型"划清边界。巧合的是，CVPR 2026 现场，小鹏智驾负责人刘先明同题发声："VLA 与世界模型并不对立，唯有基座模型才能通往 L4"——同一组词，产业与学界正各自给出定义。来源：机器之心 原文；DeepTech 深科技 原文；车东西 原文

比亚迪官宣自研人形机器人"尧舜禹"：团队超 4000 人、年内拟部署 2 万台 · humanoid

继此前"确认正研发"（已报）之后，比亚迪首次正式官宣入局人形机器人，代号"尧舜禹"，并披露规模细节：团队规模超 4000 人，计划年内部署约 2 万台，先在自家工厂"打工"，未来拟进入比亚迪 4S 门店销售⚠️ 规划口径。作为手握整车制造、电池与电机供应链和庞大产线场景的车企，比亚迪的入局延续了"车企造人"的趋势——车厂既有量产工程能力、又有现成的内部部署场景，年内 2 万台的目标若兑现，将是少见的自有场景规模化样本，但目前仍属企业规划而非已交付数据。来源：电子工程专辑 https://www.eet-china.com/mp/a499445.html；汽车之家 https://chejiahao.autohome.com.cn/info/25622730

亚马逊发布新一代全自主仓储机器人 Proteus，并砸 100 亿欧元扩张欧洲物流 · industrial

亚马逊推出新版 Proteus——一款可在仓库中自由移动的全自主机器人，新增"听懂语音指令"的对话交互能力，能承担更重的搬运。同时亚马逊官宣在欧洲投入 100 亿欧元扩张物流与机器人网络，并配套 10 亿美元员工再培训计划。这是当下最具说服力的"具身落地规模化"样本：不是 Demo，而是把会话式 AI 与移动操作直接嵌进已有数十万台机器人的物流体系。其叙事的另一面也立刻显形——多家媒体把它与"机器人替代人力 / 某英国连锁拟裁员千人由机器人顶替"并列报道，规模化部署与就业冲击是同一枚硬币。来源：About Amazon https://www.aboutamazon.com/news/operations/amazon-europe-robotics-delivery-investment；Engadget https://www.engadget.com/2187338/amazons-new-proteus-warehouse-robot-is-fully-autonomous/；路透社 https://www.bnnbloomberg.ca/business/artificial-intelligence/2026/06/04/amazon-unveils-new-ai-warehouse-robot-in-us12-billion-europe-push/

"平价时代"叙事升温：人形机器人价格大跳水 · humanoid

多家中文媒体集中报道人形机器人"价格大跳水"：一年前花近百万元还需排队预购，如今"不到 1 万即可入手"，甚至出现"5 万元一车打包清仓"的说法，归因于成熟供应链与国产替代⚠️ 媒体口径。需要区分的是：低价更多对应展演 / 教育型与清库存机型，与高端整机的量产降价并非一回事；同日优必选开启的"超仿生"人形预售定金 3000 元，乐聚等 8.99 万元绳驱 AI 机器人现货交付，价格带正在快速分层。趋势真实，但"万元人形"不等于能干活的通用人形。来源：界面新闻 原文；AING 硬迹 原文

特斯拉无安全员 Robotaxi 扩至奥斯汀全域 · autonomy

特斯拉将无监督（无安全员）Robotaxi 服务扩展到整个奥斯汀都会区，被部分媒体称为自动驾驶的"iPhone 时刻"。但同批报道也点明运营车队仍仅约 20 辆——服务覆盖面与实际运力之间差距明显，更像是覆盖范围的扩张而非运力的规模化⚠️ 规模有限。资本市场反应分化：受博通财报拖累，特斯拉股价当日不升反跌。来源：路透社 https://www.reuters.com/business/autos-transportation/tesla-rolls-out-unsupervised-robotaxis-austin-2026-06-03/

黄仁勋韩国行：与现代、LG 等洽谈机器人与 AI 基建合作 · adjacent

英伟达 CEO 黄仁勋在韩国密集会客，据报道正与现代汽车洽谈在韩设立 AI 技术中心，LG 集团将采购约 1 万块英伟达 GPU 用于 AI 与人形机器人研发⚠️ 洽谈口径。这是继 GTC 台北、与宇树联合发布人形参考设计之后，英伟达把"物理 AI 生态"向东亚制造业巨头延伸的又一步——绑定整车厂与电子巨头的算力与场景，是其平台战略的关键一环。来源：digitimes https://www.digitimes.com/news/a20260604VL213/nvidia-jensen-huang-south-korea-robotics-doosan.html；Meyka https://meyka.com/blog/lg-group-to-adopt-10000-nvidia-gpus-for-ai-and-humanoid-robot-development/

具身智能首个行业标准落地，地方加速铺"应用场景" · embodied

本周国内具身智能进入"立规矩"阶段：首个行业标准正式实施，自变量机器人完成"可信具身智能"基准测试（EAI-Bench）评测；广州印发具身智能机器人应用场景清单（第一批），一次性给出 142 项机会 + 52 项能力；成都启用全国首个央地共建的具身智能工程机器人平台。安全侧，BCS 2026 设具身智能安全论坛，提出"机器人的命门不在 AI、在安全"。政策从"喊赛道"转向"定标准 + 给场景"，是产业从概念走向交付的配套动作。来源：自变量机器人 原文；广东工业园区 原文；奇安信集团 原文

研报口径：投行看好"全链加速"，灵巧手市场规模被上调 · adjacent

中信证券在 2026 下半年策略中判断 "AI 与具身全链加速，通用与出海曙光初现"，强调国内外 AI 算力与具身产业将迎重要进展（属券商策略观点，非确证）⚠️ 单家观点。细分赛道方面，有机构预测机器人灵巧手到 2031 年市场规模或突破 100 亿美元，灵巧手被视为中美竞争的又一关键环节。需提示：此前高盛走访 14 家中国机器人公司给出的"规模化要到 2027–2029"判断（已报）仍在，乐观策略与谨慎时点表并存，各家口径分歧明显。来源：中信证券（富途牛牛 https://news.futunn.com/post/74093948/citic-securities-ai-and-embodied-intelligence-accelerate-across-the-entire）；51CTO https://www.51cto.com/article/845343.html

供应链瓶颈一：谐波减速器迎"第二股"，国产替代仍在爬坡 · industrial

谐波减速器（机器人的"关节"）本周热度集中：来福谐波冲刺港股 IPO，被称"谐波减速器第二股"，背靠联想、国开基金、紫金矿业等股东，据灼识咨询其 2025 年出货量份额 21.4%、居国内第二，仅次于已上市的绿的谐波。行业格局上，日本哈默纳科长期垄断全球、市占率约 82%，一台人形机器人需 14–16 个谐波减速器、单机价值量数万元⚠️ 第三方数据口径；另有数据称 2025 年全球谐波减速机出货约 245 万台、市场规模约 5.32 亿美元。一边是港股 IPO 与产能扩张，一边是龙头绿的谐波"拐点确认但毛利率仍在下行"——量起来了，但价格战与盈利能力的考验同步到来。来源：新识研究所 原文；慧投研 原文；LP Information 原文

供应链瓶颈二：行星滚柱丝杠是"最贵零件"，高端仍受制于人 · adjacent

行星滚柱丝杠把负载分散到多条滚柱的线接触上，承载力、刚性与寿命远超滚珠丝杠，是人形机器人线性关节的刚需件。以特斯拉 Optimus 拆解口径，行星滚柱丝杠约占单台零部件成本 19%、为单价最高的部件，一条腿需 10–14 根⚠️ 拆解估算口径。卡脖子主要卡在内螺纹精密磨削工艺与材料纯净度：截至 2026 年 6 月，国产化率约 35%–50%，高端领域仍由瑞典 SKF、日本 THK、德国舍弗勒主导。本周诺仕机器人等新势力获融资、入驻首钢具身智能生态园，国产正从"能做"向"做到高端"突围，但工艺良率仍是真实门槛。来源：核桃哥说产业 原文；懒回顾文 原文