NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式模拟器
NVIDIA 发布 Cosmos-H-Dreams,一个面向手术机器人的实时、动作条件生成式模拟器,将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型,并通过 FlashDreams 加速推理库提供服务,在单张 NVIDIA RTX PRO 6000 GPU 上从约 10 fps 提升到约 160 fps 的交互运行。
NVIDIA 发布 Cosmos-H-Dreams,一个面向手术机器人的实时、动作条件生成式模拟器,将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型,并通过 FlashDreams 加速推理库提供服务,在单张 NVIDIA RTX PRO 6000 GPU 上从约 10 fps 提升到约 160 fps 的交互运行。
Hugging Face 与 Pollen Robotics 发布开源系统 Grabette,用手持夹爪录制人类演示并自动生成机器人可用数据集,无需机器人、实验室或遥操作设备。
Mistral AI 发布首个面向具身导航的 8B 模型 Robostral Navigate,仅用单个普通 RGB 相机(无深度传感器或 LiDAR)即可让机器人自主导航,在 R2R-CE validation unseen 上取得 76.6% 成功率,validation seen 为 79.4%,比最佳单相机方案高 9.7 点、比使用深度或多相机的最佳系统高 4.5 点。
LeRobot v0.6.0 发布,围绕机器人学习闭环引入世界模型策略(VLA-JEPA、FastWAM、LingBot-VA)、新一批 VLA(GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT)以及统一的奖励模型 API(Robometer、TOPReward)。
推荐理由:原文系统梳理了机器人学习闭环各环节的新增能力,读者可据此了解开源机器人栈的当前边界。
本期 Import AI 介绍了 NVIDIA 的 ENPIRE 系统,让编码智能体驱动实体机器人完成自主试验与自我改进闭环,在 PushT 等灵巧操作任务上达到 99% 成功率,同时指出多机器人并行时资源利用率下降的挑战。
Hugging Face 官方博客介绍了 AWS 开源 SDK Strands Robots 与 LeRobot 的集成,用一个 Strands agent 串起从 Hub 数据集到实体机器人的完整流程。
Google DeepMind Accelerator: Robotics 项目本周在伦敦启动,从欧洲遴选 15 家早期机器人初创公司加入为期 3 个月的计划,入选者可使用 Google DeepMind 的 AI 技术栈、技术专家支持和 Gemini robotics 模型。
Reachy Mini 对话应用现在可以通过 MCP 调用托管在公开 Hugging Face Spaces 上的远程工具,一条命令即可为机器人添加查天气、网页搜索等能力,工具仍在 Space 内运行,无需下载代码到本地。
Mistral AI 在 AI Now Summit 2026 发布面向工业工程的一体化 AI 堆栈,与 Airbus、BMW、ASML 合作优化设计、仿真与生产流程,同时保障数据安全与知识产权控制。
Mistral AI 本周签署最终协议,收购 Physics AI 公司 Emmi AI,以强化其作为工业企业 AI 转型伙伴的地位。Emm i AI 成立于奥地利,其团队开发大型工程模型,可将多天计算替换为实时仿真并构建数字孪生;其联合创始人及 30 多名研究人员和工程师将于 5 月加入 Mistral AI 的 Science 和 Applied AI 团队。
Google DeepMind 发布 Gemini Robotics-ER 1.6,作为机器人高层推理模型,可通过 Gemini API 和 Google AI Studio 调用,并原生调用 Google Search、VLA 及第三方函数。
推荐理由:原文说明了仪器读数能力的实现路径,读者可了解具身推理如何结合代码执行解决真实巡检问题。
Hugging Face 发布《State of Open Source on Hugging Face: Spring 2026》报告,用平台数据梳理过去一年开源 AI 在竞争、地域、技术趋势与社区上的变化。
推荐理由:报告用下载、派生模型等多维数据刻画开源生态一年变化,可帮助读者理解竞争与地域格局的迁移。
LeRobot v0.5.0 发布,自 v0.4.0 起合并 200 多个 PR、新增 50 多位贡献者,新增完整 Unitree G1 人形支持(含运动、操作、遥操作与全身控制)、OpenArm 与 Earth Rover 等硬件,以及 Pi0-FAST 自回归 VLA、Real-Time Chunking、Wall-X、X-VLA、SARM 和 PEFT 支持等六项策略。
推荐理由:原文逐项列出了硬件、策略、数据与环境四条线的能力变化,读者可据此判断这次版本更新会怎样扩展可支持的机器人与训练流程。
NXP 在 Hugging Face 博客发布在 i.MX 95 SoC 上部署 VLA 模型的实践指南,覆盖数据录制、ACT 与 SmolVLA 微调以及端侧优化。
Google DeepMind 发布 D4RT(Dynamic 4D Reconstruction and Tracking),一个统一的4D场景重建与跟踪AI模型,采用编码器-解码器 Transformer 架构和基于查询的机制,通过回答“视频中给定像素在任意时间、指定相机视角下位于3D空间何处”这一问题,用单一接口完成点跟踪、点云重建和相机位姿估计等任务。
NVIDIA 发布 Cosmos Reason 2,一款面向物理 AI 的开源推理视觉语言模型,在 Physical AI Bench 和 Physical Reasoning 榜单上位居开源模型第一。
Hugging Face 发布教程,讲解如何用 NVIDIA DGX Spark 和 Reachy Mini 搭建可本地运行的个人 AI 机器人,复现黄仁勋在 CES 2026 主题演讲中的演示。
AMD 与 Hugging Face、Data Monsters 联合举办 AMD Open Robotics Hackathon,12 月 5-7 日在东京、12 月 12-14 日在巴黎各办一场线下赛,每队最多 4 名 18 岁以上成员,3 天内完成 LeRobot 开发环境搭建与自由项目开发。
NVIDIA Isaac for Healthcare v0.4 提供端到端 SO-ARM 手术助手工作流,通过 LeRobot 采集数据、微调 GR00T N1.5、在 IsaacLab 评估并部署到硬件。
NVIDIA Isaac for Healthcare v0.4 提供基于 SO-ARM 的端到端入门工作流,用 LeRobot 采集仿真与真实数据、后训练 GR00T N1.5、在 Isaac Lab 评估并部署到硬件,构建具身手术助理机器人。
LeRobot 发布 v0.4.0,推出 LeRobotDataset v3.0(分块 episode 格式、Parquet 统一元数据,支持 OXE 级 >400GB 数据集)、lerobot-edit-dataset CLI 编辑工具,以及面向模型和硬件的两类 Processors 数据处理管线。
推荐理由:原文逐项列出了数据集、仿真、训练与硬件接入的改动,读者可据此评估开源机器人学习工作流会如何变化。
Hugging Face 发布 LeRobotDataset:v3.0,将多个 episode 合并进单个文件并用关系型元数据检索单集信息,解决 v2 每集一文件在百万级 episode 时的文件系统限制。
Hugging Face 官方博客介绍异步推理方案,将策略推理与动作执行拆分到 PolicyServer 和 RobotClient 两个进程,通过 gRPC 通信,让机器人在推理期间继续执行当前动作队列,消除空闲等待。
Hugging Face 与 Pollen Robotics 推出开源桌面机器人 Reachy Mini,提供 $399 的 Lite 版和 $499 的无线 Compute 版,后者搭载 Raspberry Pi 4、电池与无线连接。
NVIDIA 发布教程,演示如何用单个开源 LeRobot SO-101 机械臂的遥操作数据对 Isaac GR00T N1.5 做后训练微调。
Hugging Face 发布 SmolVLA-450M,一款 450M 参数的开源视觉语言动作模型,可在消费级硬件上运行,仅用 lerobot 标签下的社区共享数据集预训练,在 LIBERO、Meta-World 仿真及 SO100、SO101 真实任务上超过更大的 VLA 和 ACT 基线。
推荐理由:原文给出了训练数据规模、架构取舍和异步推理收益,读者可据此评估小模型 VLA 在消费级硬件上的可行性。
LeRobot 官方博客把机器人泛化定义为数据问题,介绍社区数据集在 Hugging Face Hub 上快速增长的现状,并指出当前数据集在任务标注、特征命名、episode 完整性和动作维度上的常见问题。
Hugging Face 宣布收购成立 9 年的开源机器人公司 Pollen Robotics,这是继 Gradio、XetHub 之后其第五次收购,并将开售首款开源人形机器人 Reachy 2,售价 $70,000,已在 Cornell、Carnegie Mellon 等实验室使用。
推荐理由:梳理了 Hugging Face 从 LeRobot 到收购 Pollen Robotics 的完整布局,便于理解其开源机器人路线。
NVIDIA 在 GTC 大会上发布三项面向物理 AI 开发者的开源成果:世界基础模型 Cosmos Transfer、开源数据集 Physical AI Dataset,以及首个通用人形机器人推理开源模型 Isaac GR00T N1。
推荐理由:梳理了三项开源发布的具体规格与架构细节,便于开发者评估可直接复用的模型与数据资源。
Hugging Face LeRobot 团队与 Yaak 联合发布 Learning to Drive(L2D)开源自动驾驶数据集,R4 版本包含 90+ TB 多模态数据、5000+ 小时驾驶、来自德国 30 个城市的 6 路环视摄像头与完整车辆状态。
推荐理由:对比表和分阶段发布计划让读者能直接评估该数据集相对现有开源数据集的规模与可用性差异。
Hugging Face 将 Physical Intelligence 开发的 π0 和 π0-FAST 两个 Vision-Language-Action 模型移植到 LeRobot 仓库,提供模型集合与 PyTorch 版本。
推荐理由:原文同时给出模型架构细节与可直接运行的命令,读者可据此在 LeRobot 中复现和微调。
Hugging Face 官方博客介绍 LeRobot 团队为机器人数据集提出的 LeRobotDataset 格式,用视频编码替代逐帧 PNG 存储视觉模态,数据集平均体积降至原始版本的 14%,最好情况低至 0.2%,同时保持完整训练能力。
Pollen Robotics 开源了 pollen-vision 库,为机器人提供零样本视觉模型的统一接口,首版聚焦 3D 物体检测,输出物体在 3D 空间的 (x, y, z) 坐标,无需训练即可开箱使用。
Hugging Face 详解 3D Gaussian Splatting 这一光栅化技术,它能用少量图像样本实时渲染照片级场景,其流程包括用 COLMAP 做运动恢复结构(SfM)生成点云、转为高斯并用随机梯度下降训练可微光栅化。
Hugging Face 宣布启动 2023 年实习计划,开放 7 个岗位,涵盖 Accelerate、Text to Speech、Embodied AI、Fast Distributed Training Framework。
OpenAI 训练了一对神经网络,让类人机器人手解开魔方。训练完全在模拟环境中进行,使用了与 OpenAI Five 相同的强化学习代码,并结合一种名为 Automatic Domain Randomization (ADR) 的新技术。系统能应对训练中未见过的情况,例如被毛绒长颈鹿戳碰,表明强化学习可解决物理世界中要求极高灵巧度的问题。
推荐理由:原文点明训练完全在模拟中完成并迁移到物理世界,读者可据此理解强化学习在真实机器人上的可行性路径。
OpenAI 于 2019 年 4 月 27 日举办了首届 OpenAI Robotics Symposium。
OpenAI 宣布训练出一只类人机器人手,能够以前所未有的灵巧程度操作物理物体。
OpenAI 开源了八个模拟机器人环境和 Hindsight Experience Replay 的 Baselines 实现,均为过去一年内部研究所用。这些环境已被用于训练可在实体机器人上运行的模型,OpenAI 同时发布了若干机器人研究方向的请求(requests for robotics research)。
OpenAI 的最新机器人技术让完全在仿真中训练的机器人控制器部署到实体机器人后,能在完成简单任务时对环境中的意外变化做出反应。研究人员用这些技术构建了闭环系统,取代此前的开环系统。