Physical AI 2026-06-19 · 中文

━━━━━ 正文从此处全选复制 ━━━━━

FutureX · 记录未来如何发生

Physical AI 日报 · 第 33 期 · 2026.06.20

今日要点

· 现代汽车拟以约 3.25 亿美元收购软银所持波士顿动力剩余约 9.65% 股权、实现全资控股，软银行使 put option 退出，为 Atlas 量产与赴美上市铺路（董事会本周审议，媒体报道口径）。

· 银河通用发布"通用小脑"基座 AstraBrain-WBC 0.5，用约 20 亿帧人类动作数据在全身实时运控上首现 GPT 式 scaling law（成功率 83.3%→92.6%），宣称超越英伟达 SONIC（厂商口径）。

· 自动驾驶公司 Momenta 港股 IPO 获中国证监会境外发行备案放行——美股受挫后转战港交所，拟发行不超过约 4375 万股、募资约 10 亿美元。

· 论文：Richard Sutton、John Carmack 等推出 Physical Atari，把实时强化学习从仿真搬上操作真实游戏手柄的物理机器人本体。

· 世界模型"冷思考"与吸金并行：新基准 WRBench 指出当前世界模型缺乏"持久状态内核"；同期 General Intuition（贝索斯、施密特参投）洽谈约 3 亿美元、估值破 20 亿美元。

▎ 一、论文进展

Physical Atari：把实时强化学习搬回物理世界 · benchmark

这是把强化学习"请回真实世界"的一次硬核尝试——团队不依赖仿真，而是造了一台真机器人去拨弄真实 Atari 手柄、用摄像头读屏幕，逼算法直面物理世界的延迟、磨损与噪声；作者阵容里既有 RL 奠基者 Sutton，也有 id Software 创始人 Carmack。

Khurram Javed et al.（含 Richard S. Sutton、John Carmack）· arXiv 2606.19357 https://arxiv.org/abs/2606.19357

系统由操作 CX40+ 手柄的机器人 Robotroller、在屏幕上渲染游戏画面与奖励信号的 Atari Devbox、一台现成相机和台式机组成，复刻 Arcade Learning Environment 的实时交互回路。为提升鲁棒性，Robotroller 全部运动经轴承传动以降低磨损，并以高频监控舵机状态、必要时介入限位。论文重点在工程上让这套实时 RL 平台"皮实、可复制"，把街机 RL 基准从纯软件迁到真实本体上研究。

当前世界模型缺乏"持久状态内核"（WRBench） · world-model

在世界模型被捧为通往 AGI 关键一步的当口，这篇直指其集体盲区——现有评测只奖励"画面好看、运镜可控"，却从不问镜头移开后世界是否还在自洽演化。

Jinpeng Lu et al. · arXiv 2606.20545 https://arxiv.org/abs/2606.20545 · HF 6↑

作者主张真正的世界模型需要一个与观测解耦、持续演化的内部状态，使物体在无人观看时依然留存、事件自行推进。为此提出 WRBench，首个把相机运动当作"对可观测性的干预"的系统性诊断基准，检验生成世界在脱离观测后能否保持状态一致。结果显示当前主流世界模型普遍缺乏这种持久状态内核。

ImageWAM：世界-动作模型真需要视频生成吗 · world-model

给世界-动作模型(WAM)泼了盆冷水又指了条近路：与其用昂贵的视频生成预测多帧未来，不如把问题降维成"图像编辑"。

Yuyang Zhang et al. · arXiv 2606.19531 https://arxiv.org/abs/2606.19531 · HF 7↑

作者指出视频式 WAM 有三重耦合代价——多帧未来 token 推理昂贵、容量浪费在与动作无关的时序与外观细节、长程想象误差会误导动作预测。ImageWAM 转而复用预训练图像编辑模型做机器人动作预测，只需建模"当前帧→目标帧"的变换，提供与动作更匹配的先验。

World Engine：自动驾驶进入"后训练"时代 · autonomy

端到端自动驾驶最缺的是真实数据里几乎采不到的"长尾险情"，这篇把训练重心从"喂更多日志"转向"后训练造险情"。

Tianyu Li, Li Chen et al. · arXiv 2606.19836 https://arxiv.org/abs/2606.19836

World Engine 从真实路测日志重建高保真可交互环境，再系统性外推出逼真的安全攸关变体（罕见的强交互场景），用这些合成险情对预训练驾驶模型做后训练。作者认为长尾交互划定了所学策略的实际安全边界，而它们难以在现实中大规模采集，合成后训练正可补上这一短板。

HumanScale：第一视角人类视频可反超真机数据 · vla

给"用人类第一视角视频替代真机数据"这一路线补上了关键对照实验——结论是人类视频不仅更便宜，在具身预训练上还可能反超遥操真机数据。

Juncheng Ma et al. · arXiv 2606.20521 https://arxiv.org/abs/2606.20521 · HF 3↑

遥操真机轨迹因动作监督精确、本体对齐好，长期是具身预训练主力，但采集成本高、行为与环境多样性低。作者系统比较第一视角人类视频与遥操真机数据作为预训练源，发现同等条件下，更易规模化、更廉价、更多样的人类视频可达到甚至超过真机数据的预训练效果。

SWAP：等变对称世界模型刷新四足跑酷纪录 · locomotion

把"对称性"这一几何先验直接焊进世界模型与策略网络，省去重复编码左右对称交互的学习负担，让四足跑酷跑出新的真机纪录。

Kaixin Lan et al. · arXiv 2606.19928 https://arxiv.org/abs/2606.19928

纯数据驱动的隐世界模型会把左右对称的交互当作彼此独立的模式重复编码，加重学习负担、削弱几何规律的捕捉。SWAP 提出端到端等变对称世界模型，将对称性嵌入世界模型与 actor-critic 网络。真机测试中机器人跨越 2.13 米沟壑、攀上 1.63 米平台，并对未见的镜像地形展现零样本泛化。

从人类演示直接"生成"机器人手 · manipulation

机器人学界擅长学控制，却很少"学身体"；这篇用 400 多万帧人手动作，把灵巧手的形态本身优化出来。

Sha Yi, Carmelo Sferrazza, Michael T. Tolley et al.（UC San Diego / UC Berkeley）· arXiv 2606.20549 https://arxiv.org/abs/2606.20549

联合搜索设计与控制是巨大的组合难题。作者不为每个候选设计单独学复杂控制器，而是用制造后同款的简单策略（逆运动学匹配指尖位置）来评估设计，借 400 万帧日常操作的人类指尖运动，优化树状结构的灵巧手以复现目标动作，产出了 6 自由度通用手等多种设计。

Playful Agentic Robot Learning：先"玩耍"再做任务 · manipulation

让具身编码智能体在正式任务到来前先"自由玩耍"积累技能，把机器人学习从"被指令驱动"推向"自主探索"。

Junyi Zhang et al. · arXiv 2606.19419 https://arxiv.org/abs/2606.19419 · HF 31↑

现有 agentic 机器人能写可执行的 Code-as-Policy 并多次试错修正，但仍以任务驱动、需显式指令才习得技能。作者提出在下游任务前用自主玩耍做持续技能学习：RATs（机器人智能体团队）在玩耍中提出新颖又可学的探索任务、规划执行代码策略、自检进度、诊断失败并带稠密步级反馈重试，把成功执行蒸馏进持久代码技能库供测试时复用。

其他今日论文：Scaling Self-Play for End-to-End Driving（Gigapixel 高吞吐仿真器，纯像素自博弈训练端到端驾驶，arXiv 2606.19641 https://arxiv.org/abs/2606.19641）；Sensorimotor World Models（Schölkopf 等，JEPA 式隐世界模型 + 逆动力学正则防表征坍缩，arXiv 2606.20104 https://arxiv.org/abs/2606.20104）；EquiVLA（首个 SO(2) 等变 VLA 通用框架，arXiv 2606.19784 https://arxiv.org/abs/2606.19784）；MemoryWAM（带持久记忆的高效世界-动作模型，arXiv 2606.20562 https://arxiv.org/abs/2606.20562）；Finetuning VLA Requires Fewer Layers（训练-free 压缩 π0/GR00T-N1.5，arXiv 2606.20246 https://arxiv.org/abs/2606.20246）；One Demo is Worth a Thousand Trajectories（Toyota Research，动作-视角增强，arXiv 2606.19586 https://arxiv.org/abs/2606.19586）；ENPIRE 智能体策略自改进论文上线（HF↑7，进展已报）。

开源·工具·评测

· WorkBenchMark：受 RoboCup 智能制造联赛启发的乐高 Duplo 装配基准，400 个任务分四档难度，附开放词表感知 +"拆解反推装配"基线，作者称该规划式基线在各档均胜过现代 VLA；基准、仿真环境与基线将开源（arXiv 2606.19358 https://arxiv.org/abs/2606.19358）。

· CRAX：基于 MuJoCo XLA(MJX) 的安全 RL 基准，向量化 + 硬件加速较 CPU 基准提速约 100×，含六套环境与三类智能体任务（arXiv 2606.20376 https://arxiv.org/abs/2606.20376）。

· ForEnt：用低成本 Unitree Go2 在英国八处林地采集的四足"被困"多模态数据集，覆盖约 1.7 km、11 段序列，专门刻画藤蔓缠绕等失稳失败模式（arXiv 2606.19675 https://arxiv.org/abs/2606.19675）。

▎ 二、融资与交易

现代汽车 × 波士顿动力｜并购（全资化）｜约 3.25 亿美元｜软银退出 · humanoid ⚠️ 媒体报道口径

据每日经济新闻等报道，现代汽车集团拟以约 3.25 亿美元收购软银所持波士顿动力剩余约 9.65% 股权，使其成为全资子公司；现代系（含郑义宣及现代汽车、起亚、摩比斯、Glovis）此前已持股逾九成，软银则行使 2020 年出售时约定的 put option 退出。董事会预计本周（6/22 前后）审议。波士顿动力 Atlas 人形机器人计划 2026 年量产，首批供现代自有工厂与 Google DeepMind；外界普遍解读此举为其赴美上市扫清股权障碍。来源：TipRanks 等 https://www.tipranks.com/news/hyundai-takes-full-control-of-boston-dynamics-in-325m-deal-to-deepen-robotics-push

General Intuition ｜新一轮（洽谈中）｜约 3 亿美元｜估值逾 20 亿美元 · world-model ⚠️ 据报道

据 TechCrunch、SiliconANGLE，从游戏剪辑平台 Medal 拆分、成立约八个月的纽约公司 General Intuition 正洽谈约 3 亿美元新融资，估值较半年前 1.34 亿美元种子轮翻约四倍。公司用其平台上千万月活、每年约 20 亿条第一视角互动游戏片段训练具身 AI 与世界模型，第一视角、可交互是其数据价值所在；新一轮据称有贝索斯、埃里克·施密特与既有股东 Khosla、General Catalyst 参与，计划扩算力并于今夏末发布产品。来源：TechCrunch https://techcrunch.com/2026/06/18/general-intuition-in-talks-to-raise-300m-at-around-2b-valuation/

临界点 AGILINK ｜新一轮｜数亿元｜估值破 10 亿美元 · hardware

由智元拆分、专注灵巧操作的灵巧手公司临界点（AGILINK）再获数亿元融资，头部互联网大厂领投，BV 百度风投、云锋等跟投，老股东蓝驰、高瓴超额认购，成立约半年即跻身独角兽。与众多停留在 demo 的同行不同，临界点已多款灵巧手量产出货、季度销量达数千台——灵巧手正从"演示部件"走向真实出货量。来源：36氪 https://m.36kr.com/p/3678179258425990

Momenta ｜港股 IPO（证监会备案获批）｜拟募约 10 亿美元 · autonomy

自动驾驶公司 Momenta 港股 IPO 获中国证监会境外发行备案放行，拟在港交所发行不超过约 4375 万股，这是其美股上市受挫后转战香港的关键一步。据报道其城市 NOA 在第三方市场份额约 65%，背后有丰田、奔驰、上汽、通用等产业股东。来源：新浪财经 https://finance.sina.cn/stock/jdts/2026-06-19/detail-inicxqkw2897994.d.html?oid=800&vt=4

百奥几何｜战略融资｜数亿元 · world-model

主打生命科学"微观世界模型"的百奥几何完成数亿元战略融资，把"世界模型"范式从物理空间延伸到分子/生命科学领域。来源：36氪 https://m.36kr.com/p/3839626642344454

▎ 三、商业化落地与部署

沃尔沃自动驾驶卡车在德州为 AVI-SPL 开始承运 · autonomy

Volvo Autonomous Solutions 的自动驾驶卡车开始在德州为 AVI-SPL 实际运货，干线自动驾驶物流由测试转入真实承运阶段。来源：Truck News https://www.trucknews.com/technology/volvo-autonomous-trucks-begin-hauling-freight-for-avi-spl-in-texas/1003217208/

傅利叶千万级康复机器人订单落地东南亚 · embodied

傅利叶拿下千万级机器人订单落地东南亚，加码全球高端康复机器人市场——是真实订单而非意向，落点在医疗康复这一相对成熟的具身场景。来源：新浪财经 https://finance.sina.cn/stock/jdts/2026-06-19/detail-inicxcux4926791.d.html?vt=4&cid=76993&node_id=76993

通用汽车在裁员超千人的工厂新增约 50 台机器人 · industrial

据 Carscoops 报道，通用汽车在一座近期裁撤逾 1000 名工人的工厂新增约 50 台机器人，自动化与岗位的此消彼长被摆到台前；规模本身不大，新闻价值在于"减人增机"的对照。来源：Carscoops https://www.carscoops.com/2026/06/gm-factory-zero-cobots/

Mars Auto × LX Pantos 建成横跨美洲约 7000 公里往返自动驾驶物流线 · autonomy

韩国自动驾驶公司 Mars Auto 与物流商 LX Pantos 合作，建立横跨美洲大陆约 7000 公里的往返自动驾驶货运路线，瞄准跨境干线物流。来源：벤처스퀘어 https://www.venturesquare.net/zh/1092412/

机器人在工厂测试中以 99.5% 准确率插接移动中的线缆 · industrial ⚠️ 测试口径

Interesting Engineering 报道一款机器人在工厂测试中对移动中的线缆完成 99.5% 准确率插接——这是一项高难度操作的能力演示，距规模化量产与稳定生产线指标仍需验证。来源：Interesting Engineering https://interestingengineering.com/ai-robotics/robot-plugs-wires-with-99-5-accuracy

▎ 四、产业动态

银河通用发布"通用小脑"基座 AstraBrain-WBC 0.5 · world-model ⚠️ 厂商口径

银河通用发布其人形机器人全身实时运控基座 AstraBrain-WBC 0.5，参数约 8040 万，用号称全球最大规模的 2 万小时人类动作数据（约 20 亿帧）训练。公司给出的核心结果是：把训练数据从 200 万帧扩到 20 亿帧，零样本全身动作跟踪成功率从 83.26% 升至 92.58%，并称这首次在机器人运控领域验证了类 GPT 的 scaling law。相较英伟达此前的 SONIC（MLP 架构、约 1 亿帧），AstraBrain 改用 Transformer 架构并把数据量级拉高一个数量级，宣称在跟踪精度与泛化上超越之。需说明的是，"全球首个""超越 SONIC"均为厂商自报、未见独立复现，当前以演示与内部指标为主、未公布开放权重。来源：投资界 https://news.pedaily.cn/202606/565361.shtml

韩国发力"物理 AI"：LG CNS 与斗山结成广泛联盟，物理 AI 联盟启动二期 · adjacent ⚠️ 战略口径

LG CNS 与斗山签署涵盖 AI、机器人与数据中心的广泛技术联盟；同日韩国官方启动"Physical AI Alliance"二期，副总理称"必须在全球物理 AI 竞争中取胜"，重心转向执行落地与国产全栈建设。多为战略/合作框架层面表态，具体里程碑待落地。来源：조선일보 https://www.chosun.com/english/industry-en/2026/06/19/STHX32GWIRCMNGNZMT6HF2SGGE/

ABB Robotics 与 PSYONIC 合作推进 AI 驱动灵巧操作 · embodied

ABB Robotics 宣布与仿生假肢/灵巧手公司 PSYONIC 合作，以"类人"数据推进 AI 驱动的机器人灵巧操作，工业机械臂厂商进一步向灵巧末端延伸。来源：Machine Maker https://themachinemaker.com/news/abb-robotics-and-psyonic-partner-to-advance-ai-powered-robotic-dexterity-with-human-inspired-data/

RLWRLD 推出灵巧手数据驱动评测平台 · embodied

韩国 RLWRLD 发布面向灵巧机械手的数据驱动评测平台，为快速增多、规格各异的灵巧手产品提供横向评测工具。来源：TipRanks https://www.tipranks.com/news/private-companies/rlwrld-launches-data-driven-platform-for-evaluating-dexterous-robotic-hands

硬件·供应链

· 灵巧手销量：机构预计 2026 年灵巧手销量或达 7.02 万只，需求随人形量产预期升温原文。

· 微型关节模组：一家微型关节模组企业获深创投领投、完成数千万元融资，押注人形小型化关节模组 https://m.36kr.com/p/3837650456430851。

· 出货结构：业内梳理称人形机器人出货近九成在中国，但减速器、六维力传感器等最贵环节仍主要在海外原文。

· 仿生灵巧手：有团队发布称全球自由度最高的 38 自由度仿生灵巧手（厂商口径），自由度数对标并宣称超过特斯拉方案原文。

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻