FutureX · 记录未来如何发生

今日要点

· Intel 与日立宣布物理 AI 战略合作，五大支柱覆盖晶圆厂工具、工厂自动化、能源优化与边缘 AI——西方"IT+OT"巨头正式切入此前由英伟达主导的物理 AI 工业战场。

· 小米机器人团队据披露在 CVPR 2026 与 ICRA 2026 两大赛事斩获双料冠军，ICRA 全身控制赛综合 99.2 分、成功率 94%，领先第二名约 10 个百分点。

· 论文侧世界模型范式继续整合：World-Language-Action（WLA）把"世界建模—语言推理—动作合成"统进单一自回归基础模型（HF↑5），Flash-WAM 用模态感知蒸馏把世界-动作模型压向实时控制。

· 具身一级市场延续活跃：Dexmal 原力灵机并购物流机器人公司 Atomix 并获战略融资，墨影科技完成超亿元 B 轮，六维力传感器龙头坤维科技完成 B++ 轮。

· 大晓机器人（ACE Robotics）发布并开源"全屋三维可交互世界模型"Kairos-HomeWorld 及配套全屋 3D 数据集，瞄准机器人仿真训练（"全球首个"为厂商口径）。

WLA：统一世界建模、语言推理与动作合成的具身基础模型 · world-model

本期社区热度最高的一篇（HF↑5）。它试图把过去分头发展的两条范式合一：世界-动作模型（WAM）能从海量第一视角视频学到物理动态，VLA 则擅长语言推理与长程任务分解——WLA 主张二者本可共用一个骨干，朝"既能想象世界、又能听懂指令并行动"的统一基础模型收敛。

Yi Yang et al. · arXiv 2606.05979 https://arxiv.org/abs/2606.05979

WLA 以文本指令、图像与机器人状态为输入，联合预测文本子任务、子目标图像与机器人动作。其核心是一个自回归（AR）Transformer 骨干（而非 WAM 常用的双向 diffusion Transformer），用"预测下一状态"统一建模语义层面的文本意图与细粒度的物理动力学；物理动态部分由视频信号监督，从而既保留 WAM 从海量 egocentric 视频学习的能力，又获得 VLA 的语言推理来求解复杂长程任务。

Flash-WAM：面向世界-动作模型的模态感知蒸馏 · world-model

世界-动作模型效果强但要数十步去噪迭代，根本无法实时控制。Flash-WAM（HF↑1）点出了一个被忽视的障碍：视频流与动作流用的是 SNR 错位的不同噪声调度，现成的单模态步数蒸馏直接套用会失效——这是把 WAM 推向真机闭环的关键工程瓶颈。

Arman Akbari et al. · arXiv 2606.05254 https://arxiv.org/abs/2606.05254

作者提出受一致性蒸馏启发的模态感知步数蒸馏框架：为视频和动作各自选择与其噪声区间匹配的一致性函数（视频用线性档、动作用另一档），从而在联合视频-动作生成中协调两条流的边际噪声分布差异，把原本数十步的去噪压缩到可实时控制的少数步。

LadderMan：人形机器人感知式爬梯 · locomotion

爬梯几乎集齐了人形运动控制最难的要素——抓握点与落脚点稀疏、需要全身手脚协调、对感知与控制误差极其敏感。作者阵容含 Pieter Abbeel、Rocky Duan，是把全身 loco-manipulation 推向受限真实场景的一次硬骨头尝试。

Siheng Zhao et al.（含 Pieter Abbeel、Rocky Duan） · arXiv 2606.05873 https://arxiv.org/abs/2606.05873

LadderMan 采用可扩展的两阶段学习：先用混合运动追踪从单条参考动作学出多个"爬梯专家"，再通过混合模仿与强化学习把这些专家蒸馏成统一的基于深度图的视觉-运动爬梯策略；结合视觉基础模型实现真机部署，使人形机器人能稳健攀爬多种梯子并在受限条件下完成操作。

MPCoT：奖励引导的多路径隐式推理，让 VLA 在推理期可扩展 · vla

VLA 在长程、高不确定任务下一遍解码就出动作，缺少"推理期再想想"的余地；显式 chain-of-thought 虽能加深推理却带来 token 延迟和"文本→动作"的间接接口。MPCoT 想要的是：增加推理深度但不增加 token、不改原动作接口。

Boyang Zhang, Lianlei Shan · arXiv 2606.06245 https://arxiv.org/abs/2606.06245

方法在隐空间初始化 M 个假设，进行 K 步权重共享的精炼，再软聚合后解码动作；训练期用一个路径偏好目标，以专家动作一致性、世界模型/VLM 给出的进度信号和成功反馈，把隐式路径打分器对齐到下游执行质量。它保留原有 8 步动作接口、生成零推理 token，把"测试时计算"用在了隐空间而非文本上。

Discrete-WAM：用统一离散视觉-动作 token 做自动驾驶世界-策略学习 · autonomy

端到端自驾大多是直接的状态→动作映射，捕捉相关性却没显式建模"自车动作如何改变周围世界"；而连续隐式世界模型又缺乏做反事实因果推理的组合结构。Discrete-WAM（HF↑1）想兼得二者。

Ziyang Yao et al. · arXiv 2606.05645 https://arxiv.org/abs/2606.05645

它把未来视觉状态与自车动作表示为对齐的离散 token，使模型能在多个备选未来之间做组合式因果推理；在此统一离散对齐之上，建立共享的离散 diffusion 框架，把世界建模、世界-动作策略等任务统一为生成任务联合求解。

DexFuture：面向双手灵巧工具使用的分层未来状态视觉-运动目标 · manipulation

双手灵巧用工具难在手部配置维度高、手-工具-物体的动力学与接触复杂。多数策略依赖示范提供的未来参考，或要靠慢速的在线规划——DexFuture 想绕开这两个枷锁，在不依赖特权状态、不做慢速反事实规划的前提下生成动态自洽的未来参考。

Runfa Blark Li et al. · arXiv 2606.05699 https://arxiv.org/abs/2606.05699

系统由高层的"未来状态视觉-运动目标预测器"和低层的"目标条件结构化灵巧策略"耦合而成：在第一视角 RGB、本体感知与几何历史条件下预测未来目标，再由低层策略据此生成接触丰富的双手动作。

RealDexUMI：可穿戴的通用操作接口，为灵巧手采集真机数据 · manipulation

灵巧操作的数据采集长期两难：要么经重定向/本体转换丢掉可部署的灵巧细节，要么靠针对特定机器人的遥操作，既贵又难规模化、且缺乏接触感知。RealDexUMI 给出一个"采集即部署"的硬件方案。

Chaoyi Xu et al. · arXiv 2606.06033 https://arxiv.org/abs/2606.06033

它以一个共享的灵巧末端模块为核心，集成轻量灵巧手、手内视觉与指尖触觉；掌侧的同构遥操作手套把人手手指输入映射到机器人手关节，实现实时、免重定向、直觉且精确的手部控制。共享的手与传感模块在采集端和部署端一致，从源头消除示范-部署的鸿沟。

VASO：为物理 AI 智能体打造可形式化验证的自进化技能 · benchmark

基础模型把"造技能"的成本打下来了，但"信任技能"的成本没降。作者尖锐指出：现有技能进化只靠执行反馈、单元测试或 LLM 自评，这些都只是"轨迹级证据"——证明在采样到的执行上能跑，却不能证明技能诱导的计划在未测条件下满足时序安全契约。

Yunhao Yang, Neel P. Bhatt 等（含 Zhangyang Wang，UT Austin） · arXiv 2606.05395 https://arxiv.org/abs/2606.05395

VASO 提出验证引导的自进化框架，把每个 LLM 生成的机器人技能表示为带两个耦合接口的语义契约（其一为形式化接口），通过验证而非仅靠执行反馈来精炼技能，使技能在未测条件下也对时序安全契约可检验。

Dexmal 原力灵机 ｜ 并购 + 战略融资 ｜ 金额未披露 · embodied

原力灵机宣布并购物流机器人公司 Atomix，并同步获得战略融资。原力灵机由前旷视团队于 2025 年 3 月创立，主攻具身 AI 软硬件，此前 A/A+ 两轮累计融资近 10 亿元（阿里巴巴、蔚来资本分别领投），并在 CVPR/ICRA 机器人挑战赛有过靠前成绩。此次合并补强其在智能物流、柔性仓储自动化的场景与落地能力，是具身公司"算法+硬件+场景"横向整合的又一例。来源：东方财富 https://finance.eastmoney.com/a/202606053761962825.html

墨影科技 ｜ B 轮 ｜ 超亿元 · industrial

移动操作（复合机器人）厂商墨影科技完成超亿元 B 轮融资。公司以"移动底盘+机械臂"的复合形态切入工业与商业场景的搬运、上下料等环节，处在工业自动化向具身操作过渡的中间地带。该消息与原力灵机并购 Atomix 在同一组产业快讯中披露，反映移动操作/物流机器人赛道近期交易密集。来源：电子工程专辑 https://www.eet-china.com/mp/a500625.html

坤维科技 ｜ B++ 轮 ｜ 金额未披露 · adjacent

六维力/力矩传感器厂商坤维科技完成 B++ 轮融资。六维力传感器是人形与灵巧手力控感知的核心零部件，也是当前被反复点名的国产化卡点之一；本轮融资指向其在机器人力控感知赛道的产能与量产爬坡。来源：MIR 睿工业 原文

青心意创 ｜ Pre-A 轮 ｜ 亿元级 · embodied

由剑桥博士创立的青心意创完成亿元级 Pre-A 轮融资，定位"具身角色智能机器人"，主打情绪陪伴方向、强调"会走路"的陪伴形态。情感陪伴是近期具身消费化叙事的高频落点（与优必选超仿生人形预售同属一类），但量产与真实用户留存仍待验证。来源：小满书简 Pro 原文

摩根大通上调特斯拉评级至"中性"，称其"处于 Physical AI 前沿" · autonomy ⚠️ 卖方观点

摩根大通将特斯拉评级由"减持"上调至"中性"并上调目标价，理由是 robotaxi 与 Optimus 的潜在价值，并把特斯拉框定为"物理 AI 前沿"。这是华尔街把具身/自驾叙事计入估值的又一信号；但属卖方研究观点，robotaxi 规模化与 Optimus 量产节奏仍是未兑现的前提。来源：TipRanks https://www.tipranks.com/news/j-p-morgan-upgrades-tesla-stock-tsla-to-neutral-says-tsla-is-at-the-forefront-of-physical-ai

早期融资一览：感知与执行环节种子轮持续密集 · embodied

AI 视觉机器人公司灵智无界完成千万级 Pre-A+ 轮（来源：品牌方舟 https://www.brandark.com/kx/NyngkUmB）；灵巧手相关的指尖智擎完成数千万元 Pre-A 轮（来源：第一电动网 https://m.d1ev.com/news/shichang/301935）；VAXOR MOTOR 完成数千万元 Pre-A 轮（来源：Gasgoo https://autonews.gasgoo.com/articles/market-industry/seeds-vaxor-motor-completes-tens-of-millions-yuan-pre-a-round-2062823205302255617）。本周更大额度的千寻智能（三月累计近 50 亿元）、戴盟机器人（亿元 A 轮）均为已报进展，不再展开。

Intel 与日立达成物理 AI 战略合作，西方"IT+OT"组合切入工厂与能源 · industrial

6 月 5 日，日立与英特尔宣布战略合作，面向制造、能源、出行等关键行业推进物理 AI、先进计算与下一代数字基础设施。合作围绕五大支柱展开：晶圆厂工具、量子计算、能源优化、定制芯片与边缘 AI 应用、工厂自动化。具体而言，日立汇聚其量测与刻蚀设备产生的数据做预测性诊断与维护优化；在英特尔晶圆厂内部署日立 HMAX Energy 能源系统，英特尔则向日立电力系统供应高压硅芯片。这把物理 AI 的竞争从"模型与本体"延伸到"工业 OT 数据×先进制造×能源"的纵深，是对英伟达 Cosmos 工业路线之外另一种巨头组合的回应。来源：Stock Titan https://www.stocktitan.net/news/INTC/hitachi-and-intel-announce-strategic-collaboration-to-accelerate-ai-tbgxqz17tll3.html；Seeking Alpha https://seekingalpha.com/news/4601027-intel-hitachi-team-up-to-advance-physical-ai-computing-across-industries

小米机器人团队在 CVPR 2026 与 ICRA 2026 斩获双料冠军 · embodied

据小米披露，其机器人团队在两大国际赛事夺冠：CVPR 2026 Workshops 中匿名模型"my16"以 40.89% 成功率排名第一，是该赛唯一突破 40% 的模型；ICRA 2026 全身控制（WBC）赛以综合 99.2 分、整体成功率 94% 居首，领先第二名约 10 个百分点。雷军表态称小米机器人的努力方向是"让机器人真正走进物理世界干实际的活"。同期由智元主办、在 ICRA 落地的 AGIBOT World Challenge 2026 结果亦揭晓，赛事正从仿真推进到真机测试。比赛成绩为团队自报口径，但有公开赛事与具体分数支撑。来源：搜狐 https://m.sohu.com/a/1032638542_121218495?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

大晓机器人（ACE Robotics）开源"全屋三维可交互世界模型"及配套数据集 · world-model ⚠️ 厂商口径

大晓机器人发布并开源 Kairos-HomeWorld，号称"全球首个"全屋生成、个体级物体全交互的世界模型，可从单条提示生成完全可交互的整屋 3D 场景，并同步开源面向中国家庭的大规模全屋 3D 数据集。其定位是为家庭服务机器人提供仿真训练环境，缓解真实数据稀缺。"全球首个"为厂商表述；该方向与今日 arXiv 的 HomeWorld、HomeWorld 类全屋场景生成研究呼应，仿真数据引擎正成为具身训练的共识基建。来源：搜狐 https://m.sohu.com/a/1032593797_100171209?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334；Malay Mail https://www.malaymail.com/amp/news/money/mediaoutreach/2026/06/05/ace-robotics-open-sources-kairos-homeworld-enabling-fully-interactive-whole-home-3d-scene-generation-from-a-single-prompt/468799

华为云将于 6 月内开放具身智能开发平台 CloudRobo 公测 · adjacent

华为云在 INSPIRE 大会发布数十款 AI 产品，并宣布具身智能开发平台 CloudRobo 将于 6 月内开放公测。云厂商把具身开发工具链产品化，意在卡位"具身基座+数据+仿真"的平台层。来源：AASTOCKS http://www.aastocks.com/en/stocks/news/aafn-news/NOW.1527741/2

法拉第未来交付 FF Master 人形机器人，称其首个真实医疗场景落地 · humanoid ⚠️ 厂商口径

法拉第未来（FF）宣布完成 EAI 机器人 FF Master 向洛杉矶 Wonderful Life Dental Group 的交付，称这是 FF 具身机器人首次在医疗场景的真实落地。属厂商单方发布，交付规模、实际工作内容与持续运行表现均未经独立核实。来源：Gasgoo https://autonews.gasgoo.com/articles/news/ff-completes-delivery-of-master-humanoid-robot-2062824259507011585

黄仁勋访韩：英伟达将设韩国 AI 技术中心，押注机器人为下一大赛道 · adjacent

英伟达宣布在韩国设立 AI 技术中心，黄仁勋访韩期间表示机器人将是韩国下一个重要产业方向，现代、LG 等本土制造巨头成为合作焦点。这延续了英伟达"算力+物理 AI 平台"绑定区域制造业的打法。来源：UPI https://www.upi.com/amp/Top_News/World-News/2026/06/05/korea-Jensen-Huang-Nvidia-robotics-next-sector-South-Korea/6141780646715/；Invezz https://invezz.com/news/2026/06/05/nvidias-jensen-huang-hints-at-koreas-next-trillion-dollar-ai-opportunity/

现代为世界杯营销训练 Atlas 人形机器人踢足球 · humanoid

现代汽车（波士顿动力母公司）公布了让 Atlas 人形机器人学习踢球（含 rabona 等动作）的训练过程，用于面向世界杯的品牌营销。属能力演示与品牌活动，非生产力指标。来源：Automotive News https://www.autonews.com/hyundai/an-hyundai-world-cup-robot-campaign-0605/

法拉利 CEO 明确拒绝全自动驾驶 · autonomy

在全行业押注自动驾驶的背景下，法拉利 CEO 表态不会制造自动驾驶汽车，称 L3 智驾不在产品蓝图，每款车都会保留方向盘——"如果车主不能亲自驾驶，买法拉利还有什么意义"。这是高端性能品牌对自驾叙事的一处明确反向选择。来源：汽车之家 https://chejiahao.autohome.com.cn/info/25632764；21 财经 https://www.21jingji.com/article/20260605/herald/1c28c767f1ce169eda47000b30d5e2cd.html

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻