标签
本文提出DissipNet，一种深度离散时间耗散循环神经网络，通过结构约束显式地强制执行耗散性，以确保耗散系统的稳定建模，优于传统的循环神经网络和物理信息神经网络。
Microsoft Research的发现表明，将AI推理从机器人卸载到边缘或云系统可以提高物理AI应用的任务成功率、效率和电池寿命。
PhysAI-Bench是一个用于评估自主无人机系统中基于LLM的自主决策能力的基准，包含超过10,000个标准化实例，并对29个基础模型进行了评估。
Aaron Edsinger 在 TechCrunch Disrupt 2026 上演示 Hello Robot 的 Stretch 4 家庭辅助机器人，突出其为行动障碍用户设计的实用功能。
本文强调了大规模部署物理AI（如自动驾驶汽车和机器人）时全面安全措施的必要性，并介绍了NVIDIA Halos作为解决这些挑战的全栈安全系统。
Vantora（前身为UP.Labs）从Silversmith Capital Partners获得了1亿美元融资，并将重心转向为企业客户构建专有物理AI初创公司。
Nvidia的Les Karpas将在TechCrunch Disrupt 2026上演讲，探讨机器人领域的挑战与机遇，等待类似ChatGPT的突破时刻。
机器人世界模型通过生成模拟视频来实现更快更便宜的训练，例如LTX-2.5，以使机器能够实现高级的物理导航。
本文探索使用LLM构建自适应物理AI代理，以零样本方式管理长周期任务，并展示与强化学习代理相比，它们能有效适应环境变化。
OpenArm 是一款为具身人工智能研究设计的开源七自由度仿人机械臂，具有高反向驱动能力、柔顺性和实际负载能力，可实现安全的人机交互和可重复的实验条件。
文章强调了从2015年到2026年人形机器人技术的快速进展，展示了如跑步和工业任务等高级能力，并推测了到2036年的未来发展。
本文识别并校准了物理AI中能力形成的七个非排他性来源，例如记录经验和体现耦合，采用重建性归纳设计建立一个可证伪的能力分析词汇表。
Skild AI 宣布，在开始部署其物理AI机器人仅10个月后，就达到了1亿美元的年度经常性收入（ARR），突显了AI在改造制造业和物流等大规模行业方面的日益增长的影响。
Skild AI 推出了 S1 机器人基础模型，该模型利用 NVIDIA Physical AI 使机器人能够从单个视频演示中学习新任务，提高了在动态工业环境中的适应性。
NVIDIA为AI训练、仿真和车载计算提供的开放平台，正助力全球机器人出租车领导者扩大自动驾驶车队规模，推动物理AI的商业突破。
有人给了GPT-6 Astra一个机器人、画笔和相机，它自学绘制Golden Gate Bridge，并在每次尝试中不断改进，形成一段惊艳的延时视频。
人形机器人在IFA Berlin上被突出展示，消费电子公司现在将它们与电视和手机等传统设备一起纳入主要技术展览。
Antioch Robotics 在 A 轮融资中筹集了 3200 万美元，用于构建仿真基础设施，使 Physical AI 团队能够像软件团队一样测试版本，将仿真集成到 CI/CD 中，实现可重复且可扩展的测试。
Actor Labs和Physical Intelligence正在举办act-athon，一场在加利福尼亚州山景城的物理AI黑客马拉松，团队将在36小时内将像pi 0.7这样的模型部署到机器人化身中
一篇观点文章指出，机器学习研究中的可复现性正濒临失效，原因在于实体AI需要昂贵硬件、科技巨头发布了难以验证的性能数据，以及竞争压力使得作者不愿分享代码。