具身智能发展围绕数据采集与模型优化的闭环不断提升，目前形成了四条数据路线：遥控真机（真实但昂贵）、仿真合成（高效但存在领域差距）、人类视频（廉价但需真实数据支撑）和UMI数据（通用可扩展）。国内已初步形成以智元、银河、它石、鹿明为代表的"四小龙"格局，分别在不同路线上深耕。随着行业从可行性验证转向长期能力迭代，数据体系正从算法支撑转变为发展节奏的决定因素。其中UMI路线因能兼顾

具身智能发展围绕数据采集与模型优化的闭环不断提升，目前形成了四条数据路线：遥控真机（真实但昂贵）、仿真合成（高效但存在领域差距）、人类视频（廉价但需真实数据支撑）和UMI数据（通用可扩展）。国内已初步形成以智元、银河、它石、鹿明为代表的"四小龙"格局，分别在不同路线上深耕。随着行业从可行性验证转向长期能力迭代，数据体系正从算法支撑转变为发展节奏的决定因素。其中UMI路线因能兼顾

星源智机器人是一家成立不到半年的具身智能公司，已完成超亿元天使+轮融资，累计融资近3亿元。该公司由京东前高管刘东和北大研究员穆亚东联合创立，专注研发机器人"通用大脑"RoboBrain和2070 TOPS算力平台，实现跨机器人平台的即插即用。其产品已应用于智元机器人G2，并与亦庄机器人科技园签订5亿元订单，还与中力机械合作开发具身装卸方案。核心优势在于整合算法、算力和场景解决方

第 1 章 创办一流大学人工智能教育的思考第 2 章 南京大学人工智能学院本科培养方案2.1 专业方向简介2.2 培养目标和专业特色2.3 培养毕业要求2.4 培养规格路径2.5 课程体系设置第 3 章 数学基础课程教学大纲3.1 “数学分析（一）”教学大纲3.2 “数学分析（二）”教学大纲3.3 “高等代数（一）”教学大纲3.4 “高等代数（二）”教学大纲3.5 “离散数...

RoboOS-NeXT 的出现，打破了 “多机器人协作要么终身适应差、要么扩展能力弱、要么鲁棒性低” 的僵局 —— 它没有陷入 “局部优化” 的误区，而是通过 “STEM 统一记忆 + 脑 - 小脑分层架构” 的简洁逻辑，实现了 “跨任务、跨机器人、跨环境” 的通用协作。对于追求 “规模化落地” 的工业场景（如仓储物流）或家庭服务场景（如智能家居机器人团队），这种 “兼顾通用性与实用性” 的方案，

我们在Diffusion VLA方向上长期的尝试，在今年三月就探索了Parallel VLA的一种形式PD-VLA（uniform的迭代形式），它通过并行且多次迭代输出action，可以视作diffusion VLA的最早期探索，基于PD-VLA，我们进一步探索了Diffusion VLA的推理加速，通过一致性蒸馏的方式将基于OpenVLA的模型速度提升了四倍。

近期，研究团队提出了，一种基于能量模型（Energy-Based Model, EBM）的新型策略架构。该方法在模拟与真实机器人任务中均表现出色，显著提升了训练和推理效率，并展现出独特的「零样本重试（zero-shot retry）」能力。⚙️ 在模拟与真实环境中均优于 Diffusion Policy⚡️ 训练与推理所需计算量大幅减少（最高可节省 50 倍）🔁 无需额外重试数据，即可在失败后自

视觉-语言-动作模型已成为强大的通用机器人操作策略，这得益于大规模多模态预训练。然而，在分布外的部署场景中，这些模型往往无法可靠地实现泛化，因为在这些场景中，观测噪声、传感器误差或执行扰动等不可避免的干扰现象十分普遍。虽然近期基于强化学习的后训练为适配预训练的VLA模型提供了一种实用方法，但现有方法主要强调奖励最大化，却忽视了应对环境不确定性的鲁棒性。RobustVLA是一种轻量级的在线RL后训练

多年来，机器人基础模型始终以视觉语言预训练作为规模化发展的基石，这使得我们能够将现有大的多模态模型的语义泛化优势迁移至机器人领域。

低成本视觉-语言-动作（VLA）系统，匹兹堡大学研究团队通过300美元级6DOF机械臂搭配自适应视野集成器，解决传统VLA硬件昂贵、泛化性差的痛点，在真实场景中实现超越现有方法的性能，推动机器人基础模型的普及。