FutureX · 记录未来如何发生

今日要点

· 英伟达"物理 AI"韩国战团成形：黄仁勋访韩一举与 SK 海力士、Naver、现代、LG、斗山达成内存、AI 工厂与机器人多线合作，并称人形机器人"非常非常接近"工业落地（金额未披露）。

· 人类视频正成为机器人数据的新源头：微软亚研院×清华 VITRA 用纯人类活动视频预训练 VLA（百万级片段、对未见物体零样本抓取约 70%），与今日多篇"从日常视频学操作"论文形成合流。

· 一级市场刷新纪录：千寻智能再获 15 亿元 A+ 轮、三个月四轮近 50 亿元、估值破 200 亿元，其 Spirit v1.6 称登顶 RoboArena；英伟达系 Generalist AI 融 4 亿美元、估值 20 亿美元。

· Robotaxi 攻入欧洲：Uber 携 Wayve 将于今夏在伦敦开跑并开放等候名单，欧盟表态加速放行。

· 世界模型再落一子：高德发布"3D 原生城市世界模型"ABot-Earth0.5，单图 10 分钟重建 3D 城市、覆盖 190 余国（"全球首个"为厂商口径）。

到底怎样用日常人类视频训练机器人操作策略？ · manipulation

"用互联网/人类视频补机器人数据"已是共识，但真正起作用的是哪些因素一直说不清。这篇用一套自采数据系统性拆解了"手部姿态质量""运动差距""网络是否按本体特化"等变量，是给这条热门路线立靠谱方法论的工作。

Richard Li et al. · arXiv 2606.06627 https://arxiv.org/abs/2606.06627 · 解读：具身纪元 原文

作者构建了含 532 段、28 小时高质量三角化手部标注与自然动作的人类视频数据集，逐项验证迁移条件。结论是：手部姿态精度确实影响迁移，但即便手部标注准确，固有的人-机运动差距仍会阻碍迁移，除非视觉与策略网络对各自本体做特化。据此提出的协同训练配方带来一致提升，在相应任务上取得约 29.7% 的绝对成功率增益。

机器人不止需要 VLA 与世界模型（立场论文） · vla

一篇有态度的 position paper：作者直言"多收数据、把 VLA 做大就能泛化"的叙事并不完整，真正的瓶颈是缺少把世界海量非结构化行为数据转成可用于机器人的"接地"监督信号的机制。今日热度居前（HF↑13），也正好为上面那篇实证工作提供了纲领性背景。

Elis Karcini et al. · arXiv 2606.06556 https://arxiv.org/abs/2606.06556

论文指出，人类动作、互联网视频、仿真 rollout 与交互演示都蕴含任务、目标、接触、失败与物理约束的信息，但因缺少本体相关的动作标签、任务语义与奖励结构，难以被机器人策略直接利用。作者据此点出当前范式所缺的若干"接地"机制，主张把研究重心从单纯扩大策略，转向打通"非结构化行为数据→机器人监督"的转化链路。

AnchorWorld：可定制的第一人称具身世界模拟 · world-model

交互式世界建模在"可控性"上仍欠火候。这篇以 3D 人体运动作为主交互模态，并引入"外部视角"辅助监督来补全第一人称视角里被截断/出画的身体部位，从而让模型对人-环境交互有更稳的空间接地。今日 HF 热度最高（HF↑23）。

Yu Li et al. · arXiv 2606.07326 https://arxiv.org/abs/2606.07326

AnchorWorld 通过增强交互完整性与灵活的世界定制机制推进 egocentric 模拟：以人体运动为主要交互信号，用与第一人称感知解耦的外源视点作辅助训练监督，使模型能观察智能体相对环境的全身位姿，提升交互的空间一致性，并支持对世界内容做按需定制演化。

AdaWAM：需要时才"做梦"的世界-动作模型 · world-model

现有 World Action Model（WAM）过度依赖视频预测作动作先验，且缺少自适应多模态推理，在长程复杂任务上吃力。这篇的观察很实用：任务切换时更需要文本推理来指导高层动作，精细操作时则更依赖视觉推理。

Yinzhou Tang et al. · arXiv 2606.07089 https://arxiv.org/abs/2606.07089

AdaWAM 引入一个轻量动态路由器，在任务执行中按需自主触发文本或视觉推理，赋予世界-动作模型自适应的多模态推理能力，从而在长程、多阶段任务上改善表现。这延续了近日 WAM/世界模型范式向"统一+可落地"收敛的趋势。

ActionMap：把 VLA 的动作解码器换成体素热力图 · vla

VLA 在骨干、训练配方、数据规模上飞奔，唯独"把隐状态转成连续控制信号"的动作解码器多年几乎没变，仍是把动作空间当无结构的单点预测。这篇直指这一被忽视的环节，做法可即插即用替换现有解码器。

Pei Yang et al. · arXiv 2606.06904 https://arxiv.org/abs/2606.06904

ActionMap 用体素热力图动作头替换 VLA 原生解码器：对每个新动作，在动作空间上预测一个体素热力图，每个体素直接存储动作信息，从而显式利用相邻动作的几何邻近性——这是自回归 token 分桶、L1 回归或 flow-matching 去噪等现有解码方式都未能利用的结构。

LIMMT：人形动作跟踪，少即是多 · locomotion

反直觉但有说服力的数据中心化研究：作者主张高质量动作数据能在训练早期把跟踪策略引向更好的优化轨迹，并给出"用不到 3% 的 AMASS 反而比用全量数据训得更好"的结果。今日热度居前（HF↑12）。

Yu Guan et al. · arXiv 2606.06953 https://arxiv.org/abs/2606.06953

这被作者称为首个面向物理人形动作跟踪的数据中心化研究：不止是剔除低质/错误片段，而是从物理可行性、多样性、复杂度三个维度定义动作数据质量，并对网络来源的估计 mocap 数据做清洗。大量实验验证了该框架的有效性。

Coarse-to-Control：在动作 token 空间里先规划再执行 · vla

多数 VLA 把观测直接映射为动作、缺显式中间规划，长程任务里早期小偏差会沿链条放大。这篇把"规划"原生地放进动作 token 空间——计划与执行共享同一套离散动作词表，使计划贴近控制流形、可直接执行而非抽象提示。

Jinhao Wu et al.（复旦、清华）· arXiv 2606.07107 https://arxiv.org/abs/2606.07107 · 解读：具身智能漫谈 原文

方法让策略先预测一段概括未来轨迹的粗动作 token，再据此生成可执行动作 token；在 LIBERO、SimplerEnv-WidowX 等基准上验证了对长程任务的增益。

TOAD：自动驾驶的测试时轨迹优化 · autonomy

端到端规划器通常"先生成候选轨迹再打分"，但打分器无法影响候选集本身——候选差，再好的打分也救不回来。这篇把打分器当作可学习的轨迹级奖励函数，在测试时直接搜索使其最大化的轨迹，免重训、可即插即用。

Yihong Xu et al. · arXiv 2606.07170 https://arxiv.org/abs/2606.07170

TOAD 在测试时运行交叉熵方法（CEM），以规划器自身的候选作热启动。在六个基础规划器上，于 NAVSIM-v1（94.7 PDMS）、NAVSIM-v2（56.3 EPDMS）及闭环 HUGSIM 基准上均取得提升。

千寻智能（Spirit AI）｜ A+ 轮 ｜ 15 亿元 ｜ 估值破 200 亿元 · embodied ⚠️ 榜单口径

6 月 3 日宣布完成 15 亿元 A+ 轮，三个月内连续四轮、累计近 50 亿元，刷新具身赛道融资速度纪录；4 月那轮由顺为资本与云锋基金联合领投、投后估值突破 200 亿元，股东含红杉中国、混沌投资、TCL 创投及多家国资。融资热度的直接催化是其自研具身基座模型 Spirit v1.6 据称以 1894 分登顶 RoboArena，力压英伟达 Cosmos 3 与 Physical Intelligence π0.5（榜单成绩为团队披露，宜结合后续独立复现看）。来源：21 世纪商业评论 原文；新浪财经 https://finance.sina.cn/stock/jdts/2026-06-08/detail-iniathzh5278322.d.html?vt=4&cid=76993&node_id=76993

Generalist AI ｜ 新一轮 ｜ 4 亿美元 ｜ 估值 20 亿美元 · embodied

由 Radical Ventures 领投，8VC、Union Square Ventures、Norwest、Hanabi Capital 及老股东英伟达、Bezos Expeditions 参与，雷军系（林斌）、李飞飞、Naval Ravikant 等天使跟投。公司 2024 年由前 Google、DeepMind、波士顿动力人员创立，做面向真实世界的通用机器人基础模型；为破解数据稀缺，向全球分发了数千个模仿机械手运动的"夹爪"，已采集逾 50 万小时真实物理数据——与今日"人类/日常数据驱动"主线高度一致。来源：新机探客 原文

星尘智能（Astribot）｜ B 轮 ｜ 超 10 亿元 ｜ 估值破百亿 · humanoid ⚠️ 单方口径

服务消费类人形与一体化仿生机器人研发商，本轮超 10 亿元、估值破百亿，投资方含梁溪科创母基金（博华资本）、中科创达、科德教育等产业与地方资本。结合千寻、普渡等同期大额融资，资金正密集涌向"具身整机+基座模型"一端。来源：圣驰资本 原文

蓝点触控 ｜ C+ 轮及 C++ 轮 ｜ 超亿元 + 数亿元 · adjacent

国内六维力传感器企业接连完成两轮融资，宁德时代、上汽、中芯系资本入局。力控传感器是人形机器人"神经末梢"环节，本轮与近日坤维科技 B++（已报）共同印证：上游核心零部件正成为资本最确定的下注方向之一。来源：策评网 原文

帕西尼感知（Paxini）｜ 推进港股 IPO ｜ 触觉芯片 · adjacent ⚠️ 媒体口径

主攻触觉芯片与全模态触觉数据，比亚迪、京东为其股东，媒体称估值已抬至百亿量级、正推进港股上市；公司在天津等地建有触觉数据采集工厂，年产出近亿条全模态触觉训练数据。估值与进度细节为媒体披露，尚待招股材料确认。来源：陌上镊公爵 原文

英伟达"物理 AI"韩国结盟：黄仁勋访韩签下内存、AI 工厂与机器人多线合作 · adjacent

黄仁勋本周访韩，与多家韩国巨头一次性敲定覆盖物理 AI 全栈的合作：SK 海力士将供应 HBM 等下一代 AI 内存、并签多年期协议；Naver 主导 GW 级全球 AI 工厂（规划 2027 上半年先在世宗运营 55MW、2028 年海外扩至 200MW）；现代、LG、斗山承接物理 AI 与机器人，LG 负责液冷、斗山以小型模块化反应堆与燃气轮机供电，SK 电讯与 Naver 负责云侧运营。黄仁勋同期表态人形机器人距工业落地"非常非常近"。各项合作金额均未披露；消息面下英伟达股价走高、部分内存股震荡。这是英伟达把"AI 工厂+物理 AI"叙事从美国向亚洲制造腹地全面铺开的关键一步。来源：The Korea Times https://www.koreatimes.co.kr/amp/business/20260608/nvidia-sk-hynix-sign-multiyear-deal-for-ai-factories；Stocktwits https://stocktwits.com/news-articles/markets/equity/jensen-huang-humanoid-robots-close-to-reality-nvidia-hyundai-alliance/cZ0vd26R7G9

微软亚研院×清华 VITRA：纯人类视频预训练 VLA，少量真机数据即可部署 · embodied

微软亚洲研究院与清华提出 VITRA，把海量无标注真实人类活动视频自动转成与机器人 V-L-A 训练对齐的数据：先用单目 SLAM 与手部重建恢复 3D 手部轨迹，按手部速度极小值做原子级动作切分，再用 GPT-4 结合轨迹生成祈使句指令，构出含 100 万片段、2600 万帧的手部 V-L-A 数据集。模型采用 PaliGemma-2 骨干＋扩散动作专家、因果注意力，纯人类视频预训练后对未见环境具零样本手部动作预测能力，仅用约 1.2K 条真机遥操作数据微调，即可在配备星动纪元 XHAND1 全直驱五指灵巧手的真机上完成抓取、倾倒、清扫等操作，对未见物体成功率约 70%（据论文，ICRA 2026 接收）。这与今日多篇"从日常视频学操作"论文及 Generalist AI 的数据路线相互印证。来源：量子位 原文

高德发布 3D 原生城市世界模型 ABot-Earth0.5 · world-model ⚠️ 厂商口径

6 月 8 日，阿里旗下高德发布 ABot-Earth0.5，称单张图 10 分钟即可重建一座 3D 城市，已建成覆盖 190 余个国家和地区的 3D 地图，并称把传统 3D 制图效率提升千倍、成本压至原来的百分之一，定位为无人机/具身导航的高保真闭环仿真训练平台（"全球首个 3D 原生城市世界模型"及上述倍数均为厂商口径）。同期世界模型榜单仍在快速易主：跨维智能称以 DexWorldModel 登顶 WorldArena、北大 EvoPhys 称登顶 WorldScore（均为团队披露的榜单成绩）。来源：高德地图 原文；新浪财经 https://finance.sina.com.cn/tech/it/2026-06-08/doc-iniatatn7027266.shtml

Uber 携 Wayve 今夏在伦敦开跑 Robotaxi，欧洲市场加速放行 · autonomy

Uber 与自动驾驶公司 Wayve 宣布今夏在伦敦推出自动驾驶网约车并开放等候名单，初期配备人类安全员、与人工车同价、用户可主动选 AI 车或一键切回人类司机。欧盟同步表态要加快为 Robotaxi 立法放行，文远知行进马德里、小马智行在克罗地亚等试点也在同期推进。需要提醒的是，巴克莱本周研报认为 Robotaxi 是特斯拉 AI 战略的核心，但规模化拐点"尚未到来"——欧洲开闸更多是政策与试点信号，距规模运营仍有距离。来源：Bloomberg https://www.bloomberg.com/news/articles/2026-06-08/uber-opens-london-waitlist-for-wayve-robotaxis-ahead-of-launch；Euronews https://www.euronews.com/business/2026/06/08/robotaxis-are-coming-to-europe-and-the-eu-wants-to-speed-things-up

仓储自动化加码：亚马逊语音控制机器人进欧洲仓，DHL 部署超千台卸货机器人 · industrial

亚马逊将语音控制的 AI 仓储机器人投入欧洲仓库，同时披露相应岗位调整；DHL 计划部署超 1000 台机器人用于卸货，单台每小时可处理多达 700 个箱体。物流仓储仍是具身/机器人最先规模落地、也最直接触发就业讨论的场景。来源：parameter.io https://parameter.io/amazon-amzn-stock-rises-as-voice-activated-robots-hit-european-warehouses/；CPG https://en.clickpetroleoegas.com.br/end-of-the-era-of-manual-labor-at-the-docks-dhl-will-deploy-over-1000-robots-to-unload-trucks-handle-up-to-700-boxes-per-hour-and-transform-vml97/

无人卡车开始送货：PepsiCo 已用数十辆自动驾驶卡车运输 · autonomy

据《华尔街日报》，无人驾驶重卡已进入商业运输，PepsiCo 运营约 41 辆自动驾驶卡车运送薯片等货物。干线货运因路况相对结构化、人力短缺明显，正成为 L4 自动驾驶较易跑通商业模型的细分赛道。来源：WSJ https://www.wsj.com/business/logistics/driverless-trucks-are-hereand-theyre-delivering-bags-of-doritos-ee4495f0

VinDynamics 与 Skild AI 结盟推进人形机器人 · humanoid

越南 Vingroup 旗下机器人公司 VinDynamics 与美国具身基座模型公司 Skild AI 达成战略合作，共同推进人形机器人——"本体制造方+通用具身模型方"分工的又一案例，与英伟达-宇树、现代-英伟达的协作逻辑类似。来源：USA Today https://www.usatoday.com/press-release/story/34219/vindynamics-and-skild-ai-form-strategic-partnership-to-advance-humanoid-robotics/

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻