━━━━━ 正文从此处全选复制 ━━━━━

FutureX · 记录未来如何发生

Physical AI 日报 · 第 23 期 · 2026.06.10

今日要点

· 政策强力加码：工信部、国资委联合启动 2026 年度人形机器人与具身智能"实景实训"专项行动，提出年底前在一批代表性场景率先完成应用验证与常态化部署，并配套高质量数据集建设方案。

· 地缘风险升温：美国国防部更新 1260H"中国军事企业"清单，新增阿里、百度、比亚迪、宇树、禾赛、速腾等约 20 家中企（总数增至 188 家）；中文媒体称宇树与英伟达 GR00T 人形参考平台合作随之"搁浅"。

· 智元发布 AIMA 全栈生态与"元苼"计划，承诺五年投入 20 亿元、启动"蜂巢"物理 AI 数据网络，以"安卓模式"卡位具身智能生态。

· 资本两端：美国 AI 原生工业机器人公司 Standard Bots 完成 2 亿美元 C 轮、估值达 10 亿美元；国内灵巧手与家庭具身赛道密集落子（伯牙智能、黑漫科技、欧拉万象、微眸医疗等）。

· Robotaxi 加速出海欧洲：Bolt、小马智行、Stellantis 在卢森堡启动试点，欧盟 18 国共推跨境自动驾驶测试场；Waymo 以 2.2 亿美元接手苹果弃用的亚利桑那测试场。

▎ 一、论文进展

今日 arXiv 呈现两条清晰主线：一是"世界模型 + 记忆"持续收敛（多篇高热度工作围绕长时一致性与记忆机制），二是"从人类视频/示范学操作"——用第一视角人手数据破解机器人数据稀缺。

Mirage：视频世界模型的潜空间空间记忆 · world-model

维持跨帧 3D 一致性的视频世界模型，普遍要在 RGB 像素空间维护显式点云记忆——既要反复渲染 + VAE 编码、计算昂贵，又因往返像素空间丢失潜表征信息。把空间记忆直接搬进 diffusion 潜空间，是当前"长时一致世界模型"最受关注的工程化路径之一（HF 47↑）。

Weijie Wang et al. · arXiv 2606.09828 https://arxiv.org/abs/2606.09828

提出"潜空间空间记忆"（latent spatial memory），用一个常驻 3D 缓存直接在 diffusion 潜空间存储场景信息，避免像素空间重建。基于此构建 Mirage 框架：通过深度引导的反投影把潜 token 提升到 3D 来构建记忆，再用 novel-view 合成对其查询。相比点云记忆方案显著降低渲染与编码开销，并在长序列生成中更好保持场景与物体的一致性。

Echo-Memory：动作世界模型中记忆机制的受控对照研究 · world-model

动作可控世界模型最常见的失败不在单帧画质，而在"记忆"——镜头离开再回来，场景或关键物体会悄悄变样；但各家记忆设计因骨干、训练、检索差异而无法公平比较。这篇做了一项严格受控的对照实验，专门回答"哪种记忆机制真有用"（HF 27↑）。

Wayne King et al. · arXiv 2606.09803 https://arxiv.org/abs/2606.09803

固定"动作→视频"接口，共享同一视频 diffusion 骨干、优化器、相机-动作表示、采样器与评测管线，只改变历史如何被存储和读取，系统比较原始上下文、压缩式记忆、空间式记忆等方案在多段视频生成中的长程一致性表现，为记忆机制研究提供可复现的对照基准。

AHA-WAM：异步、可自适应时间跨度的世界-动作建模 · world-model

现有 world-action 模型把"世界预测"和"动作执行"绑在同一时间分辨率上，迫使视频分支去建模近期、冗余且信息量低的帧间变化，反而浪费了视频分支的潜力（HF 12↑）。

Jisong Cai et al. · arXiv 2606.09811 https://arxiv.org/abs/2606.09811

基于双 DiT 架构围绕"时间不对称"重组世界-动作建模：世界预测与动作执行采用异步、可自适应的时间跨度，并以观测引导的上下文路由按需调度，让视频分支去建模更有信息量的中长期动态。

Ego-Pi：用第一视角人手与机器人数据微调 VLA · vla

机器人操作没有互联网级数据集——这是它与语言/视觉研究的根本差距。第一视角人类视频更易大规模采集，是公认的破局路径；这篇以 Physical Intelligence 的 π0.5 为底座，系统研究"人手 + 人形五指手"跨形态学习的关键设计选择。

Ji Woong Kim et al. · arXiv 2606.08107 https://arxiv.org/abs/2606.08107

以 π0.5 模型为基础，研究在配备灵巧五指手的人类与人形本体之间联合学习的设计取舍。结果显示：仅靠人类数据，机器人就能在没有对应机器人数据的情况下学到新任务语义，并把已有技能组合成新行为。

EgoAERO：无需物体资产、从单段第一视角视频学灵巧操作 · manipulation

第一视角 RGB-D 视频是人类灵巧操作的天然来源，但既往方法依赖预扫描的物体资产或缺失的接触信息，难以直接用于机器人学习。

Yichen Niu et al. · arXiv 2606.08057 https://arxiv.org/abs/2606.08057

提出 EgoAERO，首个无需物体资产、仅从单段第一视角 RGB-D 人类示范学习灵巧操作的框架：经免资产的物体跟踪重建、ego 运动补偿与自适应接触优化，重建接触一致的手-物轨迹，再用两阶段残差学习转为机器人策略。同时构建含 430 万 RGB-D 帧的大规模数据集 EgoDex-R；仿真与真机实验显示，单段示范即可达到接近基于 CAD 重建的下游表现。

vla.cpp：统一的 VLA 推理运行时 · benchmark

VLA 策略通常以 Python/PyTorch 栈交付、默认假设工作站级 GPU，与机器人实际板载硬件错配。这篇把 VLA 推理搬到 llama.cpp 上的可移植 C++ 运行时，直击"模型上车难"的工程痛点，对一线落地意义很大。

Khanh D. Nguyen et al. · arXiv 2606.08094 https://arxiv.org/abs/2606.08094

提出 vla.cpp，基于 llama.cpp 的可移植 C++ 推理运行时，称是首个原生支持 flow-matching/diffusion 类 VLA 推理范式（缓存的视觉-语言前缀被交叉注意的 action expert 在多步求解中消费）的 ggml 级引擎。单一运行时以统一请求/响应协议服务 7 种架构（跨 5 个 backbone、4 类 action-head），每个模型打包为自包含 bundle；在 LIBERO-Object 上与 SOTA checkpoint 的差距，200 个 episode 中仅约 1 个。

MemoryVLA++：为 VLA 装上记忆与想象的时序建模 · vla

多数 VLA 主要依赖当前观测，难以应对长时序、时间依赖强的任务。这篇借鉴认知科学的工作记忆、情景记忆与内部模型三机制，为 VLA 补上"记忆 + 想象"。

Hao Shi et al. · arXiv 2606.09827 https://arxiv.org/abs/2606.09827 · 解读：具身智能漫谈 原文

用预训练 VLM 把当前观测编码为感知与认知 token 形成工作记忆，引入情景记忆保存过往经验、内部模型想象未来状态演化，构成完整时序建模框架以改善长程操作表现（据解读为清华、港大联合工作）。

SIMPLE：人形 loco-manipulation 的仿真学习与评测测试台 · benchmark

人形基座模型迭代速度已超过我们的评测能力；现有仿真基准多聚焦桌面或轮式机器人，缺一个可扩展、可复现的整身人形 loco-manipulation 评测。

Songlin Wei et al. · arXiv 2606.08278 https://arxiv.org/abs/2606.08278

提出 SIMPLE 统一仿真测试台，耦合 MuJoCo 的接触动力学与 IsaacSim 的真实感渲染，含 60 个整身任务、50 个室内场景与 1000+ 物体资产，并集成两条数据生成管线；在 SIMPLE 上采集数据训练的策略，可零样本迁移到相似设置的真实人形机器人。

其他今日论文：MotionWAM（单目第一视角驱动实时人形 loco-manipulation 的世界-动作模型，arXiv 2606.09215 https://arxiv.org/abs/2606.09215）；FAWAM（把六维力/力矩纳入感知-预测-闭环的力感知世界-动作模型，arXiv 2606.08555 https://arxiv.org/abs/2606.08555）；Dream-Tac（统一触觉世界-动作模型，arXiv 2606.08737 https://arxiv.org/abs/2606.08737）；iMaC（"图像即动作"，把动作翻译成运动与接触图像，arXiv 2606.09813 https://arxiv.org/abs/2606.09813）；Video2Sim2Real（单段人类视频→数字孪生→真机灵巧技能，arXiv 2606.08828 https://arxiv.org/abs/2606.08828）；PRISM（世界模型内先验引导的想象采样，Cube/PushT 成功率 +32~35 个百分点，arXiv 2606.07974 https://arxiv.org/abs/2606.07974）；Targeting World Models（揭示世界模型给机器人学习供应链引入隐蔽数据投毒入口，arXiv 2606.09499 https://arxiv.org/abs/2606.09499）。

开源·工具·评测：Real-IKEA（以物理保真为第一目标的关节物体仿真数据集，1079 个配置源自 83 件宜家把手/旋钮，arXiv 2606.08564 https://arxiv.org/abs/2606.08564）；IR-SIM（YAML 即可定义场景、可由文本生成的轻量导航仿真器，arXiv 2606.08729 https://arxiv.org/abs/2606.08729）；MuJoCo-Drones-Gym（GPU 加速多无人机 Gymnasium 环境，arXiv 2606.08039 https://arxiv.org/abs/2606.08039）；RAM（3×10¹⁰ 样本的跨形态可达性数据集与可微代理，arXiv 2606.09108 https://arxiv.org/abs/2606.09108）。

▎ 二、融资与交易

Standard Bots ｜ C 轮 ｜ 2 亿美元 ｜ 估值 10 亿美元 · industrial

总部位于纽约的 AI 原生工业机器人公司，以六轴协作臂切入"美国本土制造"自动化，本轮将用于扩张美国工厂产能、跻身独角兽。在中国工业机器人价格与产能优势凸显的当下，资本对"美国造工业机器人"加注，是供应链本土化叙事在一级市场的延续。来源：The Robot Report https://www.therobotreport.com/standard-bots-raises-200m-expand-u-s-manufacturing-footprint/

伯牙智能 ｜ 天使轮 ｜ 数千万元 · embodied

阿里前高管创立，主打"灵巧操作系统"；同日举办总部签约并发布新一代"高山 S1"灵巧手（融合腱绳驱动、齿轮直驱、丝杠连杆，搭配自研柔性力控绳驱模组，称攻克腱绳蠕变难题）。灵巧手是人形量产公认瓶颈，本轮反映资本对"手"这一环的持续加注。来源：甲子光年 原文

黑漫科技 ｜ 新一轮 ｜ 数千万元（累计近亿元） · hardware

杭州灵巧手企业，本轮由毅达资本领投，6 个月内连完成三轮、汇集乐聚、东方精工等产业方。马斯克曾称 Optimus 量产卡在"手部与前臂"，灵巧手正成为产业链最热的卡位点之一，多家 A 股上市公司集体押注。来源：行业趋势雷达 原文

欧拉万象 ｜ 天使轮 ｜ 超亿元 · embodied

家庭具身智能产品研发商，提出以"可养成"范式重构家庭场景的物理世界数据闭环。家庭数据稀缺且长尾，天使轮即过亿，显示资本对"家庭具身 + 数据闭环"路线的兴趣。来源：机器人圈 原文

微眸医疗 ｜ A 轮 ｜ 近亿元 · adjacent

眼科手术机器人公司，同期完成全国首个眼科手术机器人多中心随机对照注册临床试验。手术机器人是具身技术在医疗的高价值落点，临床注册推进是其商业化的关键节点。来源：第一机器人 原文

真健康 ｜ 港交所递表 ｜ 携 6.4 亿元融资 · adjacent

手术机器人公司冲刺港交所 18C 章上市，称连续三年市占率第一、估值两年涨约 170 倍。叠加宇树、乐聚、云深处、丰疆等密集排队，机器人企业正集中涌向二级市场。来源：Tech硬科技 原文

▎ 三、商业化落地与部署

Robotaxi 出海欧洲：Bolt × 小马智行 × Stellantis 卢森堡启动试点 · autonomy

出行平台 Bolt、自动驾驶公司小马智行与车企 Stellantis 联合在卢森堡启动 Robotaxi 试点，是小马智行欧洲本地化落地的又一子。同日，欧盟 18 国部长共同表态支持跨境自动驾驶测试场（testbed），为 Robotaxi 跨国运营铺设监管路径。继 Uber × Wayve 伦敦（已报）之后，欧洲正从"单点试点"转向"跨境协同"，成为中美之外的第三大 Robotaxi 战场。来源：ElectricDrives https://electricdrives.tv/bolt-pony-ai-and-stellantis-to-launch-robotaxi-pilot-in-luxembourg/；Future Transport-News https://futuretransport-news.com/eu-ministers-back-cross-border-autonomous-vehicle-testbeds/

普渡 × Robobee 联合 Denner，瑞士门店规模化部署清洁机器人 · adjacent

普渡机器人联合 Robobee 与瑞士零售商 Denner 达成战略合作，在其瑞士门店规模化部署清洁机器人。这是服务机器人在欧洲零售场景的真实商用落地，区别于单点演示。来源：bastillepost https://www.bastillepost.com/global/article/5920150-pudu-robotics-and-robobee-forge-strategic-partnership-with-denner-for-major-robotic-cleaning-deployment-across-swiss-stores

亚马逊加码新一代仓储机器人 · industrial

亚马逊披露新一代仓储机器人，继续扩大其全球仓网自动化。作为全球最大的机器人部署方之一，亚马逊的节奏是仓储自动化的风向标。来源：Zacks https://www.zacks.com/stock/news/2934623/amzn-intensifies-ai-push-with-latest-warehouse-robots-whats-ahead

中国机器人开进整车总装主线，相关出口同比增 42% · industrial

据报道，中国机器人正进入汽车工厂总装主线，相关机器人出口同比增长 42%。⚠️ 单方口径数字反映中国工业机器人"上主线"的产业化进度，但统计口径与样本范围未独立核实。来源：VOI.id https://voi.id/en/amp/579158

宝马在工厂试用人形机器人 · humanoid

宝马在其某工厂试用人形机器人参与产线作业。⚠️ 试点单点试用属能力验证，距规模化产线集成尚远——这也是当前人形"进厂"普遍所处的阶段。来源：Stuff South Africa https://stuff.co.za/2026/06/09/bmw-test-drives-humanoid-robots-in-one-of-its-factories/

北京人形：天工 3.0 下半年开启规模化量产 · humanoid

北京人形机器人创新中心称，天工 3.0 将于下半年开启规模化量产。⚠️ 厂商口径量产规模与时间为厂商规划，待落地验证。来源：投资东莞 原文

▎ 四、产业动态

政策：工信部、国资委启动 2026 年度"实景实训"专项行动 · adjacent

工业和信息化部、国务院国资委联合启动 2026 年度人形机器人与具身智能实景实训专项行动，核心目标是"推动人形机器人在真实生产生活中常态化部署应用"——提出到 2026 年底，人形机器人等重点产品在一批代表性场景中率先完成应用验证与常态化部署。配套层面，主管部门同步推出加快具身智能机器人数据集建设的工作方案，指向行业最大瓶颈之一的真机数据供给。叠加近日教育部新增本科专业、人形机器人与具身智能标准体系发布（均已报），政策面正系统性地把具身智能从"技术与资本叙事"推向"场景验证 + 数据基建"的建制化阶段。来源：人形机器人联盟 原文；Pandaily https://pandaily.com/miit-sasac-humanoid-robot-real-scene-training-2026-jun2026

地缘：美国 1260H 清单新增阿里/比亚迪/宇树/禾赛/速腾等约 20 家中企 · adjacent

美国国防部更新 1260H"中国军事企业"清单，新增阿里巴巴、百度、比亚迪、蔚来、药明康德、宇树、禾赛、速腾聚创、TP-Link、宁德系电池等约 20 家中企，清单总数增至 188 家；按规则，国防部本月晚些时候起不得直接与名单企业签约，2027 年 6 月起经第三方采购其产品/服务亦受限。对具身赛道直接相关的是人形整机龙头宇树，以及激光雷达双雄禾赛、速腾被纳入。多家中文媒体并称，宇树与英伟达 GR00T 人形参考平台的合作随之"搁浅"。⚠️ 媒体口径阿里等已公开否认涉军、称将采取法律行动。这把"硬件中国造、大脑美国造"的跨国协作，推到了地缘政策的不确定性之下。来源：华尔街日报中文网 https://cn.wsj.com/articles/u-s-expands-list-of-chinese-tech-companies-it-says-assists-beijings-military-c33e8abd；搜狐 https://m.sohu.com/a/1034350577_115495?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

智元推出 AIMA 全栈生态，五年投入 20 亿元建"安卓式"具身生态 · embodied

智元机器人发布致开发者公开信，推出其称为"行业首个开放且完整"的具身智能生态技术体系 AIMA（AI Machine Architecture），并启动"元苼"生态发展计划：未来五年投入 20 亿元专项资金用于科研、人才、伙伴与社区，今年率先投入超 1 亿元。同步启动"蜂巢"物理 AI 数据共创行动（称全球首个物理 AI 数据网络），目标 2026 年实现千万小时级数据产能。打法延续其"安卓模式"——不垄断硬件、定义底层标准与数据格式，以生态让利换规模。背景是其自研世界模型 GE 2.0 日前登顶 WorldArena（已报），GE-2 团队获总裁嘉奖（网传实习生奖金达 20 万元，⚠️ 网传）。来源：未来产业报 原文

英伟达物理 AI 生态向欧洲与韩国双线扩张 · adjacent

围绕英伟达的物理 AI 生态本周多线落子：Google 发文加码"欧洲机器人未来"，云厂商 Nebius 联合英伟达为英国及欧洲机器人初创推出"Physical AI Living Lab"，日立与 Google Cloud 扩大联盟、加速物理 AI 的现实部署，研华亦扩展与英伟达的工厂 AI 合作。韩国侧，继黄仁勋访韩（已报）后，LG 电子、KT 等牵头立项韩国版"物理 AI 大脑"，推进世界模型与机器人基座模型的本土化。物理 AI 正成为各国争抢的下一个"算力 + 机器人"交叉战场。来源：blog.google https://blog.google/topics/google-europe/powering-the-future-of-robotics-in-europe/；Nebius https://nebius.com/newsroom/nebius-launches-physical-ai-living-lab-for-uk-and-european-robotics-startups-built-with-nvidia-technologies；搜狐 https://m.sohu.com/a/1034248564_115831?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

自动驾驶资产再配置：Waymo 2.2 亿美元接手苹果测试场，丰田入股 Tier IV · autonomy

自动驾驶领域出现两笔标志性资本动作：Waymo 斥资 2.2 亿美元收购苹果造车项目终止后闲置的亚利桑那测试场，补强其闭环测试基建；丰田入股日本自动驾驶公司 Tier IV，深化车企与 AV 软件栈的绑定。苹果退场、巨头接盘与车企加注并行，AV 产业进入资产与产能整合期。来源：Electrek https://electrek.co/2026/06/09/waymo-buys-apple-project-titan-proving-ground-220-million/；日经中文网 https://cn.nikkei.com/industry/icar/62824-2026-06-09-14-04-37.html

MIT 超声腕带把"人手动作"变成机器人训练数据 · embodied

MIT 团队的超声腕带通过高频声波"看穿"皮肤、捕捉肌肉与肌腱运动，经 AI 解码为手部 22 个自由度，可在约 120 毫秒内让机械手镜像人手动作（含 26 个美式手语字母），且支持无线操作。研究者意在借此低成本、大规模地构建人手动作数据集，用于训练人形机器人的灵巧技能。该成果近日被十余家媒体集中报道，与当日多篇"从人类视频/示范学操作"的论文形成合流——"人类数据"正成为破解机器人数据稀缺的主攻方向。来源：MIT News／多家媒体 https://www.wral.com/news/ap/ed7ea-mit-researchers-channel-ai-to-turn-hand-gestures-into-robot-training-data/

二级市场上市潮延续 · adjacent

农机自动驾驶龙头丰疆智能闯关港股、乐聚智能冲刺创业板，叠加宇树、云深处排队，"国产机器人扎堆上市"成为本月主线之一。来源：capwhale http://www.capwhale.com/newsfile/details/20260609/ac876daba6624ceba197dd2ebb70ee54.shtml

行业冷思考：看多与"泼冷水"并存 · adjacent

SemiAnalysis 发研报称宇树将主导全球机器人产业；巴克莱实地走访机器人峰会后"泼冷水"，称"GPT 时刻"尚未到来、真正商业化仍远。⚠️ 机构观点两端判断并存，反映赛道在产业化拐点前的分歧。来源：SemiAnalysis https://news.futunn.com/en/post/74305510/semianalysis-in-depth-report-unitree-will-dominate-the-global-robotics

硬件·供应链：韩国万浩钢铁以 200 亿韩元收购 MH Dynamics、全面进军机器人本体业务 https://www.venturesquare.net/en/1090133/；AksIM-4 双同心编码器简化机器人关节集成 https://www.astutegroup.com/news/general/aksim-4-dual-concentric-encoder-reduces-robotics-joint-complexity/；谐波减速器随人形放量进入新一轮需求展望 https://www.openpr.com/news/4543361/humanoid-robot-harmonic-reducers-market-outlook-2026-key；NXP 提出 Neural Axis 架构、欲掌控机器人"神经系统"（车规芯片向具身延伸）https://futurumgroup.com/insights/nxps-neural-axis-architecture-a-blueprint-to-own-the-robotic-nervous-system/。

注：人形机器人价格持续"跳水"，新机降幅达三分之二，二手与租赁市场同步降温、日租金由万元级降至三千元档（已报，新增租赁端降温信号）。

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻