AI

科技新闻早知道

AI前沿与IT产业趋势洞察，60秒掌握科技未来

本期判断

多模态基础模型已开始接管仿真环境自动构建与动力学解算，使特定动作的 Video-to-Sim-to-Real 周期从数周压缩至数小时。然而，当前示范仍局限于高容错或离散动力学动作（如抛掷），若未来 30 天内无法在连续接触作业（如精密装配）中复现该转化效率，视频直接驱动仿真仍属于离线演示工具而非产线标准基础设施。

高信号事件

  1. Google DeepMind 与 Apptronik：Gemini 4 Argon 实现 Video-to-Sim-to-Real 跨模态驱动

    • 事实：Google DeepMind 机器人研究人员通过指令让 Gemini 4 Argon 观看人类玩沙包抛掷（cornhole）的视频。该模型在 MuJoCo 中自动构建了虚拟仿真环境，计算了物理参数与全身控制策略，并部署至 Apptronik 的 Apollo 2 人形机器人，在真实环境中完成了连续 7 次命中。官方表示该链路将数周的人工建模压缩至数小时。
    • 来源：Google DeepMind（via IEEE Spectrum）
    • URL：https://spectrum.ieee.org/video-friday-reconfigurable-robots

  2. 迪士尼研究中心（Disney Research）：发布 GPU 加速物理求解器 Kamino

    • 事实：Disney Research 发布名为 Kamino 的仿真软件。该软件为 GPU 加速的物理求解器，专用于解算具有运动学闭环（kinematic loops）的复杂机械系统（如并联机构、平面与空间连杆、耦合关节多肢机器人），无需使用简化近似模型。
    • 来源：Disney Research（via IEEE Spectrum）
    • URL：https://spectrum.ieee.org/video-friday-reconfigurable-robots

  3. 苏黎世联邦理工学院（ETH Zurich RSL）：发布户外开集导航系统 WildOS

    • 事实：ETH 机器人系统实验室（RSL）推出 WildOS 系统，结合几何安全约束与语义视觉推理，通过带视觉评分的导航图与超视距目标定位，使机器人在未建图的非结构化户外环境中执行长距离开集（open-vocabulary）目标搜索。
    • 来源：ETH Zurich Robotics Systems Lab（via IEEE Spectrum）
    • URL：https://spectrum.ieee.org/video-friday-reconfigurable-robots

  4. 波士顿动力（Boston Dynamics）：整合 Atlas 零件加工与内部装配线

    • 事实：Boston Dynamics 公布其 Atlas 车间进展，通过在内部自研机加工零部件并将组装与维修整合在同一厂区内，提升硬件迭代与组装制造速度（manufacturing velocity），推进复杂双足行走硬件的规模化试制。
    • 来源：Boston Dynamics（via IEEE Spectrum）
    • URL：https://spectrum.ieee.org/video-friday-reconfigurable-robots

  5. 云深处科技（DEEP Robotics）：M20S 四足机器人进入哀牢山野外科考

    • 事实：DEEP Robotics 的 M20S 四足机器人跟随研究团队进入中国哀牢山进行生物多样性野外科考，在崎岖地形中执行路径探索、科研设备搬运与野生动物图像采集。
    • 来源：DEEP Robotics（via IEEE Spectrum）
    • URL：https://spectrum.ieee.org/video-friday-reconfigurable-robots

技术链路

  • 数据到模型：数据输入形式发生变化。Gemini 4 Argon 将未经标定的单视角人类操作视频直接作为动力学理解和环境构建的输入，绕过了早期依赖高精度动作捕捉设备或人工标定关节轨迹的环节。
  • 仿真与求解：专用求解器与自动化建模分头演进。一方面，大模型承接了由视频到 MuJoCo 物理场景的自动定义；另一方面，底层物理引擎正针对复杂机械结构补齐短板，如 Disney Kamino 通过 GPU 加速专攻闭式运动链（kinematic loops）的非近似解析，解决并联机构仿真精度不足的问题。
  • 部署端验证：全身控制（Apollo 2 连续抛掷）与室外长程开集导航（WildOS 语义构图）均在真机上闭环，显示“语义认知+几何安全/物理全身控”成为目前移动与操作落地的标准架构。

商业与产业信号

  • 谁可能受益：
    • 人形机器人本体厂商（如 Apptronik）：
      • 为什么是现在：基础大模型（如 Gemini 4 Argon）展示了自动化生成 MuJoCo 仿真与全身控制策略的能力，推断可直接缩短机器人学习新动态技能的研发周期与人工试错成本。
      • 下一步看什么：看该技术方案能否向双臂协作、精密装配等连续接触类任务迁移。
    • 特种移动机器人集成商（如四足与户外轮足平台）：
      • 为什么是现在：WildOS 及哀牢山实地科考证明，基于语义引导与几何安全的多模态导航已能在无地图野外执行长程任务，有助于勘探和科考项目的商业化验收。
      • 下一步看什么：野外复杂气象条件下的传感器耐久性与通信中断容错方案。
  • 谁会被迫调整：
    • 传统仿真建模与调参外包团队：
      • 事实：视频直接转仿真（Video-to-Sim）已将原本以“周”为单位的手工物理环境建模压缩至“小时”级。
      • 基于事实的推断：单一从事标准刚体环境搭建和基础全身动力学调优的人工技术服务需求将被压缩。
  • 仍未解决的约束：
    • 制造与装配瓶颈：Boston Dynamics 明确强调需要通过在厂内自加工零件和流水线来解决“制造速度”，表明复杂人形机器人本体仍受制于非标零组件制造周期与精密装配工艺，供应链尚未进入通用标准化阶段。
    • 任务泛化性验证不足：Apollo 2 的抛掷命中属于具有确定空气动力学轨迹的弹道任务，不代表机器人已解决强交互接触场景中的冲击与摩擦力控难题。

接下来验证什么

  1. CoRL 2026 技术公开（2026年11月9–12日，奥斯汀）：验证 Google DeepMind 是否在即将召开的机器人学习大会（CoRL 2026）上披露 Gemini 4 Argon 生成 MuJoCo 仿真策略的完整技术报告、提示词工程与非弹道类动作的迁移成功率。
  2. Kamino 求解器适配性评测：验证 Disney Research 是否公开 Kamino 求解器的性能基准测试数据，特别是对比主流引擎（如 Isaac Gym、MuJoCo）在多闭环关节机器狗或并联双足结构上的实时帧率与显存占用。
  3. Atlas 内部试制产出效率：观察 Boston Dynamics 在整合加工与装配产线后，是否对外公布具体的 Atlas 硬件试制周期数据或向合作伙伴交付的整机批次规模。

本期基于 1 条近期公开信源生成；原始数据：data/embodied_ai/2026-10-17.json。