Physical AI 日报
统计时段：2026-05-19 09:00 至 2026-05-20 09:00（北京时间）
一、论文进展
RoboVLMs：通用机器人 VLA 设计指南——Nature MI 重磅
原名：What matters in building vision–language–action models for generalist robots
作者/机构：Xinghang Li, Peiyan Li, Long Qian, Minghuan Liu, et al.（清华大学、字节跳动研究院联合团队，通讯：Tao Kong / Hanbo Zhang / Huaping Liu）
发表：Nature Machine Intelligence, Vol. 8, Feb 2026, pp. 158–172（在线 2026-02-11）
摘要：通过 600 组对照实验、8 类主流 VLM 骨干、4 种策略架构，系统回答 VLA 的三大设计难题：骨干选型、架构范式、跨实体数据接入时机。结论：KosMos / PaliGemma 为最优骨干；连续动作空间 + 策略头融合历史信息显著优于离散动作；跨实体数据"共预训练 → 目标数据后微调"两阶段优于联合训练。CALVIN/SimplerEnv 长时序任务较 SOTA 平均多完成 1.19 项，5 连任务成功率提升 30.3%。
看点：VLA 设计长期"百家言"，本文是首次以 Nature 量级实证拉出的标准化指南——可视作行业从经验工程跨入科学范式的分水岭。框架（robovlms.github.io）已开源，对正在选型的产业团队尤其有参考价值。
CoWorld-VLA：多专家隐式思维链的自动驾驶世界模型
原名：CoWorld-VLA: Collaborative World VLA with Multi-Expert Latent CoT for End-to-End Driving
作者/机构：阿发智能驱动、电子科技大学、上海交大（坊间亦报道吉利/清华参与，存在版本归属差异，⚠️ 以预印本署名为准）
摘要：针对自动驾驶 VLA 三短板（无中间推理 / 文本 CoT 丢失时空几何 / 单一隐世界表征不完备），提出语义交互、几何结构、动态演化、自车轨迹四类专家 Token 构成的潜式思维链（Latent CoT），并通过分层多专家融合扩散规划器（HMEF）把世界表征显式作为规划条件。三阶段训练：视频世界模型预训练 → 多专家表征对齐 → 扩散规划。
看点：NAVSIM 闭环综合得分 PDMS=89.8 登顶（单相机方案，无 LiDAR），视频生成 FVD 32.7。把"VLA vs 世界模型"的路线之争收敛为"用世界表征作为 VLA 显式规划条件"的实用合流，对国内智驾后续架构设计具有较强指导性。
DAM-VLA：手臂-夹爪解耦的动态动作模型
原名：DAM-VLA: Dynamic Action Model for Vision-Language-Action Robotic Manipulation
作者/机构：多机构联合（论文 ID：arXiv:2603.00926，⚠️ ID 异常待复核）
摘要：传统 VLA 把手臂连续移动与夹爪离散操作混在统一 Token 流中端到端预测，忽视空间几何与时间粒度差异。DAM-VLA 引入双流动态动作解耦：手臂模型走粗粒度长时序轨迹（5–10 Hz），夹爪模型走细粒度高频接触控制（20–50 Hz），通过 action routing 按上下文自适应分流。
看点：SIMPLER 基准聚合成功率 81%，FurnitureBench 精细操作成功率 91%（较前期工作几乎翻倍）；超越 OpenVLA、RT-2-X、Octo 等基线。是 VLA 落地工业精装配的重要工程范本——回答了"为什么端到端 VLA 在精细任务上抖"的根因。
HoloMotion-1：地平线开源 4B 机器人小脑模型，端侧 300 FPS
原名：HoloMotion-1: A 4B-Parameter Cerebellum Model for Humanoid Whole-Body Control
作者/机构：Horizon Robotics（地平线机器人）
来源：Pandaily 报道
摘要：地平线开源 40 亿参数机器人"小脑"模型，专攻人形机器人全身实时运动控制，端侧推理可跑到 300 FPS。
看点："大脑 VLA + 小脑 motion control"双模型架构正成为行业共识，地平线选择把小脑开源是少见的资源型贡献——可显著降低中小团队人形机器人本体开发门槛。⚠️ 具体基准与对比数据待官方技术报告。
FLARE：让机械臂"想清楚再动手"的预见式控制
原名：FLARE: Future-conditioned Latent Action REasoning for Robotic Manipulation
作者/机构：NVIDIA
来源：具身之道 解读
摘要：在 VLA 输出动作前先生成"未来潜在表征"作为条件，让模型"动作还没做，就已知道后果"，再据此修正动作策略，缓解 VLA 在动态环境的脆性。
看点：属于近期 VLA + 隐式世界模型的同一思路（与 CoWorld-VLA 异曲同工），NVIDIA 内部资源加持下值得关注其与 GR00T 等系列的协同。
Agora-1：全球首个实时多智能体世界模型
原名：Agora-1: A Real-Time Multi-Agent World Model
作者/机构：Odyssey
来源：笔悟 解读
摘要：突破此前世界模型仅支持单一活跃参与者的限制，首次实现多 agent 实时联机在生成式虚拟世界中交互（已演示多人 FPS 联机），整个画面与物理无传统引擎、无渲染代码。
看点：世界模型从"单人 demo"走向"多人交互"是范式跨越——对机器人多机协同仿真有直接迁移价值；同时也是李飞飞 World Labs 同赛道上一次明显的抢节奏。
机器人世界模型综述：从 10+ 顶尖机构联合发布
原名：A Survey on World Models for Robotics
作者/机构：南洋理工、UC Berkeley、Stanford、Harvard 等 10+ 机构
来源：具身智能前沿 解读，宝利翔源投资 解读
摘要：43 页综述明确界定"机器人世界模型"不仅是预测未来画面，更应能描述"智能体—环境"动态演化——即"当前状态 + 动作 → 未来状态"的可调用模型。系统拆解能力边界：自动驾驶仿真（已落地）、机器人策略评估（前景可期）、直接机器人控制（尚未充分验证）。
看点：当下"凡能预测几帧视频就自称世界模型"乱象的清场之作，对企业内部立项与对外宣传都有标尺意义。
视觉世界模型综述（VWM Survey）
原名：A Survey of Vision World Models
作者/机构：北京交通大学团队
来源：学术头条 解读
摘要：把"机器开始学会预判未来"的视觉世界模型分类为生成式建模、表征学习、具身智能三大方向，梳理 VWM 与 LLM/VLM 范式差异。
看点：与上一篇综述形成互补——上一篇从机器人侧、本篇从视觉侧切入，两篇合读可形成对世界模型的完整认知图。
其他今日论文/解读：ReconVLA（动作前先输出目标边界框的"思维链式"VLA，敢敢 AUTOHUB）；StarVLA 统一开发框架（敢敢 AUTOHUB）；健康调节 VLA（让模型感知自身"受伤"并自适应，肉身算法）；银河通用合成大数据驱动 VLA（智能机器人科技）；3D+VLA 重塑具身物理直觉（大模型技术探究）。
二、融资与交易
临界点（AGILINK） | 新一轮数亿元人民币 | 估值突破 10 亿美元（约 68 亿人民币）
领投/跟投：腾讯旗下上海启善投资、BV 百度风投；产业方均胜电子、龙旗科技、上汽金控加持
业务：智元机器人 2026 年 1 月分拆独立的灵巧手公司（智元持股 67% 控股），主打 OmniHand 3 Ultra-T 工业级灵巧手——镁合金骨架、整机 <500g、25 自由度、额定输出力 300N、开合 0.3 秒；融合绳驱+直驱。bucket：humanoid（核心部件）
意义：成立 4 个月即破独角兽门槛、累计交付灵巧手 8000+ / 夹爪 1 万+ 台（公司披露，⚠️ 数据未经第三方核实）。资本与产业从"整机内卷"集体转向"核心执行器攻坚"的明确信号
来源：具身涌现，机器人大讲堂
RoboParty 萝博派对 | 天使+轮 | 数千万美元 | 估值未披露
领投/跟投：顺为资本领投，小米战投追加（小米资本一月内连投三次）
业务：00 后哈工大背景团队，全开源双足人形机器人；距上一轮不足一个月。bucket：humanoid
意义：小米系明显加注全开源路线，瞄准"机器人开源生态卡位"
来源：盖世具身智能
贝塔无限 | 种子轮 + 种子+轮连续完成 | 累计数亿元
领投/跟投：投资方未完全披露（⚠️）
业务：前华为、字节高管联手创业，定位消费级具身智能（明确避开工业流水线，押注大模型驱动的家用场景）。bucket：embodied / consumer
意义：少见的"消费级具身"路线募资量，与主流的工业/人形大额融资形成对照
来源：DeepTech 深科技
深度机智 | 新一轮 | 超亿元
领投/跟投：中关村资本、诚通科创基金、北京熙诚致远等国资平台；普华资本、东方富海、蓝湖资本；中科大校友基金、未来光锥前沿科技基金
业务：国内最早布局"人类学习"路线的具身公司——以人类第一视角数据训练机器人。bucket：embodied / data
意义：国资 + 头部财务 + 校友基金的"全栈"投资人结构，反映人类数据范式的资本关注上升
来源：江苏博研院
璇玑动力 | 新一轮 | 数亿元（成立仅一年）
领投/跟投：产业资本（具体未披露 ⚠️）
业务：大疆系四足机器人公司，主打"能扛活的机器狗"，已实现规模化量产与多场景批量落地。bucket：embodied / quadruped
意义：四足赛道在 humanoid 风口下仍有产业资本买单，证明"实用导向四足"仍有独立市场
来源：机器人生态产业链
脉塔智能 | Pre-A + A 轮 | 合计超 5000 万元
领投/跟投：国内领先市场机构 + 海外资本 + 产业资源（具体未披露 ⚠️）
业务：机器人关节模组厂商，本轮同步披露产能扩张与校企合作。bucket：humanoid（核心部件）
来源：未来机域
灵御智能 | 新一轮 | 超亿元
业务：把机器人本体定位为"高质量真机数据生产机器"，走"数据采集工厂"路线。bucket：embodied / data
意义：与深度机智同为"数据是 VLA 瓶颈"逻辑下的产业回应——本体玩家正集体转向数据基础设施
来源：机器人大讲堂
乐聚智能 | IPO（创业板）| 拟募资 26 亿元
领投/跟投：不适用（IPO）
业务：国内人形机器人厂商，宇树早期最强对手之一。bucket：humanoid
意义：招股书披露预计最早 2028 年盈利——人形机器人 IPO 浪潮中首次以官方招股材料形式公开"盈利远未到来"的口径，给二级市场对赛道的预期定调
来源：新浪财经报道，搜狐转载（⚠️ 多源报道一致，但盈利预测属公司前瞻披露）
三、产业动态
3.1 自动驾驶 / Robotaxi
小鹏首台量产 Robotaxi 在广州下线，纯视觉、自研 3000 TOPS
Bucket：autonomy
内容：5 月 18 日，小鹏 GX Robotaxi 首台量产车下线，宣称为"中国首款全栈自研、前装量产 L4 Robotaxi"。基于旗舰 GX 打造，搭 4 颗自研图灵 AI 芯片（有效算力 3000 TOPS）、第二代 VLA 大模型，不依赖激光雷达与高精地图；今年 1 月已取得广州智能网联汽车道路测试许可，路测数月，预计下半年在广州开启示范运营。
来源：盖世具身智能，Interesting Engineering，electrive.com
核查：✅ 已证实（多源 + 公司官宣 + 路测视频）；但"L4 级自动驾驶能力"为厂商口径，量产即 L4 尚需运营时长与介入率数据验证，⚠️ 实际能力不应仅据宣传定论
吉利远程 Robotaxi 前装量产推进，单车下线节拍从 1 小时压到 10 分钟
Bucket：autonomy
内容：吉利远程称已为 Robotaxi 做"底层架构定制"，工厂前置安装整套无人驾驶套件，单车下线节拍由 1 小时缩至 10 分钟，整车成本进一步压低；据称 2000 台前装量产交付在即，配 600 米探测距离传感器。
来源：远行你我他
核查：⚠️ 单方声明，2000 台交付节奏与 10 分钟节拍均为公司披露，未见第三方实地核实
曹操出行 Eva Cab 原生 Robotaxi 战略：2027 量产 / 2030 累计投放 10 万辆
Bucket：autonomy
内容：原生（非改装）Robotaxi 单车每公里运营成本宣称可降至传统改装版（2.5–4 元）以下；战略上 2026 年在杭州、苏州试运营基础上扩城。
来源：世界无人车经济博览会
核查：⚠️ 投放规划与成本结构为公司战略陈述，非已落地数据
Waymo 召回近 3,800 辆自动驾驶车，涉洪涝积水风险
Bucket：autonomy
内容：NHTSA 召回登记显示 Waymo 因车辆在积水路面存在安全隐患召回近 3800 辆 robotaxi 车队车辆。
来源：Yahoo Autos，Backfire News
核查：✅ 已证实（NHTSA 公开记录）
现代汽车与 Kakao Mobility 联手开发自动驾驶 AI 模组
Bucket：autonomy
内容：LG Innotek 与 Kakao Mobility 合作开发自动驾驶解决方案，将共同研发传感模组。
来源：Chosunbiz，아시아경제
核查：✅ 已证实（多源）
3.2 人形机器人 / 具身智能
现代汽车集团计划在韩国车厂部署 25,000 台波士顿动力 Atlas
Bucket：humanoid
内容：韩媒报道现代汽车将在韩国汽车工厂部署 25,000 台 Atlas 人形机器人；同期 Atlas 展示抗约 50 斤冰箱的 180° 转体动作。
来源：Chosunbiz，아시아경제，新浪财经（×3 共振）
核查：⚠️ 部署规模为目标/计划，并非已签订单或已下线交付；冰箱演示属能力 demo，非生产力指标。这一规模若属实将是全球人形机器人最大单一商业部署，建议持续观察落地节奏
智元 WITA（硅光动语）大模型获全国首个具身智能交互大模型合规备案
Bucket：humanoid / 具身大模型
内容：5 月 18 日上海市网信办发布生成式 AI 服务备案清单，智元 WITA 成为全国首款完成合规备案的具身智能交互大模型，标志"具身大模型"进入合规商用阶段。
来源：名企参访直通车，上海市先导产业促进中心
核查：✅ 已证实（监管登记 + 多源转载）
李强总理调研智元机器人
Bucket：humanoid / 政策
内容：5 月 18 日，国务院总理李强在北京调研，强调"积极促进智能机器人迭代升级，大力推进人工智能全方位、深层次赋能制造业"。智元展示灵犀 X2 自主打乒乓（无遥控、纯自主）与全尺寸远征 A3 高精度舞蹈控演。公司披露 2025 年营收已突破 10 亿元。
来源：智元 AGIBOT 官号，科技 Nice
核查：✅ 调研事件已证实（新闻联播 + 官号）；2025 年营收 10 亿元为公司单方披露，⚠️ 未经审计
矩阵超智发布 MATRIX-3 旗舰人形机器人，58 万元起，年产规划 1 万台
Bucket：humanoid
内容：上海张江孵化企业矩阵超智 5 月 18 日发布 MATRIX-3（25 个月迭代第三代）：身高 170 cm / 体重 65 kg，自研直线关节峰值推力 5000N / 半吨级负载，27 自由度灵巧手，NVIDIA AGX 端侧推理；MFH 工厂一期规划年产 10,000 台。同步发布 WAVE 物理基座模型。标准版 58 万 / PRO 版 68 万。Pandaily 报道 2027 年目标 10 万台。
来源：机器人全球资讯，Pandaily
核查：⚠️ 产品参数与售价已发布；产能与销量目标（10,000 / 100,000）为公司规划，非订单/交付
宇树科技发布载人变形机甲，售价 390 万元起
Bucket：humanoid / 跨界
内容：宇树科技推出载人变形机甲，定位民用交通工具，售价 390 万元起；同日还公布 G1 机器人"语音驱动实时生成任意动作"一镜到底演示。
来源：搜狐，新浪财经
核查：⚠️ 价格已公开，但是否已具备交付能力、是否已完成相应载人设备的法规许可未明示
Figure AI：机器人 vs 实习生分拣比赛
Bucket：humanoid
内容：Figure AI 安排其机器人与一位人类实习生在包裹分拣任务上比赛。
来源：Business Insider（×2 多源）
核查：⚠️ 营销性能力演示，胜负与具体口径（时长 / 准确率 / 任务类型）需阅原文判断，非可量化的生产力对比
JAL 在东京羽田机场部署宇树 G1，同期美国国会推动将供应商列入黑名单
Bucket：humanoid
内容：日本航空在羽田部署宇树 G1 机器人提供服务；与此同时美国国会正在推动以国家安全为由将供应商列入黑名单。
来源：Tech Times
核查：✅ 部署事件已证实；制裁风险为国会立法动议进程，最终结果未定
3.3 世界模型 / 大模型
Google I/O 2026 发布 Gemini Omni 世界模型
Bucket：adjacent / 大模型
内容：Google 在 I/O 2026 大会发布 Gemini Omni——其定义为首个真正意义上的"世界模型"：能从任意输入模态（文本/图像/视频/音频）生成任意输出模态样本（MIMO），核心宣称是理解物理世界——重力、流体、动能、因果交互。
来源：Mashable，AIGC 创意猎人
核查：✅ 发布已证实；"理解物理世界"的能力深度为厂商定性表述，⚠️ 实际泛化能力待第三方评测
DeepMind Genie 3 融合 Street View，可基于真实街景生成可交互 AI 世界
Bucket：adjacent / 世界模型
内容：Google DeepMind 将 Genie 3 世界模型与 Google Street View 融合，输入真实街道图像即可生成可交互的虚拟世界。
来源：TechCrunch，Bitcoin World
核查：✅ 已证实（DeepMind 官方 + 多源科技媒体）
地平线开源 HoloMotion-1：4B 机器人小脑，端侧 300 FPS
Bucket：humanoid / 模型
内容：Horizon Robotics（地平线）开源 40 亿参数机器人小脑模型，可在端侧达到 300 FPS 推理。
来源：Pandaily
核查：⚠️ 已发布；基准对比与硬件配置依官方技术报告
3.4 数据 / 生态 / 其他
京东宣布形成全链路具身智能生态，将建全球最大具身数据采集中心
Bucket：embodied / data
内容：京东宣布已形成涵盖大模型（超脑）、本体（异狼机械臂）、场景（物流仓储）的全链路具身智能生态，并将建设全球最大具身数据采集中心。
来源：驱动之家，搜狐
核查：⚠️ "全球最大"为公司口径，需待建成与规模公开披露后核实
Andrej Karpathy 离开 OpenAI 加入 Anthropic，领导 Claude 预训练研究
Bucket：adjacent / 人才
内容：OpenAI 联合创始人 Andrej Karpathy 确认加入 Anthropic，领导 Claude 预训练研究。
来源：Washington Times，Blockonomi，The Eastern Herald
核查：✅ 已证实（多源 + 本人公开）。⚠️ 与 Physical AI 关联较弱，但其早期 Tesla Autopilot 与端到端范式的影响仍可能传导
香港首个全端具身智能实验室成立
Bucket：embodied / 区域
内容：香港首个全端具身智能实验室成立，聚焦五大方向，推动实际场景应用。
来源：中国新闻网，jwview.com
核查：✅ 已证实
Rivian 创始人 RJ Scaringe 新公司专注人形机器人
Bucket：humanoid
内容：电动车制造商 Rivian 创始人发起新公司，目标推进人形机器人。
来源：Yahoo News，Yahoo Finance UK
核查：⚠️ 单一头部媒体报道，公司细节、融资、产品方向待披露
✅ 已证实 / ⚠️ 单方声明待核实｜本简报基于过去 24 小时 arXiv（今日 0 篇）/ 5 篇 Tier 1 公众号 / 146 篇关键词搜索 / 149 条 Google News 数据聚合编写