Qwen-Drive-1.0：驾驶能力塞进视觉语言基础模型，通用能力不丢 · autonomy

HuggingFace 热度 297，当日论文里最高。端到端驾驶方案通常要拿通用视觉语言能力换驾驶能力，Qwen-Drive-1.0 的做法是架构一动不动，外挂一个 BEV 感知头同时做 3D 检测、语义占据预测和地图分割，再让 Planning Expert 从共享表征里生成自车轨迹。分阶段训练把驾驶监督与通用视觉语言数据混着喂，作者报告在开环、伪闭环、闭环三类设置下运动规划表现有竞争力，通用视觉语言能力大体保住。

Xin Zhou et al. · arXiv 2609.00111 https://arxiv.org/abs/2609.00111

ZimaBlue：喂进 12 万小时人类第一视角视频，真机零样本成功率从 36.1% 到 77.8% · world-model

动作标注的机器人轨迹贵且单调，第一视角视频便宜且量大，问题是没有动作标签。ZimaBlue 用三段式课程把视频变成控制能力：先在人类与机器人第一视角视频上做因果预训练，再用统一动作表征在异构机器人轨迹上做 video-action 中期训练，最后针对目标本体特化。真机零样本评测里，训练数据从只用目标机器人自身数据扩到 12 万小时视频，成功率由 36.1% 升到 77.8%；异步 Slow-Fast 双系统让轻量分支在 RTX 4090 上跑到 30 Hz。HF 热度 38。

Xionghao Wu et al. · arXiv 2609.00188 https://arxiv.org/abs/2609.00188

IMPACT：世界模型的监督信号被静态背景吃掉了 · world-model

物理上说得通的交互一直是世界模型的短板，此前的补救是外挂运动、几何或语义表征，而这些密集表征要靠额外估计器或人工标注，训练规模上不去。这篇回到训练目标本身，指出全局平均的 MSE 去噪目标存在监督分配错配：占画面大头的静态内容主导了梯度，真正决定交互质量的稀疏动态区域反而监督不足。IMPACT 拿被操作物体 token 的 cross-attention 当内部时空先验，采样候选区域后用局部预测误差校准成一张 interaction map，据此重新加权去噪监督，既不要外部表征也不改推理流程。机械臂与人手操作、多种 DiT 骨干上都稳定超过对应的 MSE 基线。

Rongze Tang et al. · arXiv 2609.00161 https://arxiv.org/abs/2609.00161

REFACTOR-VLA：给 VLA 建一个可复用的动作技能库，模型变大反而更差 · vla

OpenVLA、π0、RT-2、RDT-1B 这一批 VLA 都是单体式的，直接吐原始动作或短动作块，长程任务上退化且难解释。这篇搭了一套 wake/sleep 系统：睡眠阶段用学到的隐式世界模型跑 rollout，据此算行为等价核对动作片段聚类；清醒阶段发出带类型的 lambda 项，交给库条件化的 rectified-flow 解码器执行，抽象只有通过最小描述长度与回报保持两道门才被收进库里。两个结论都反直觉：世界模型从 188M 扩到 430M，LIBERO 四个 suite 全部变差；而加一项 InfoNCE 辅助对比损失做世界模型热身，聚类的 NMI 在四个 suite 上平均超过最强已发表基线 0.184。

Riyaaz Shaik, Chandru Venkataraman et al. · arXiv 2609.01215 https://arxiv.org/abs/2609.01215

DroneCATS：小模型飞得到目标，却不知道自己已经到了 · benchmark

把多模态大模型直接丢进无人机控制回路，动作空间全靠 prompt 声明，不微调也不用 function calling。四项能力测下来（接近可见目标、跟踪移动目标、转向搜索视野外目标、指挥多机编队），结论落在一个反差上：失败的不是飞行。参数量小到 2B 的开源模型进入成功半径的可靠性常常高于前沿模型，却输在过早宣布抵达或干脆不宣布；多机指挥时小模型会把同一个坐标盲目复制到不同视角上。空间感知过关，动作协议不过关。HF 热度 19。

Jaewoo Park et al. · arXiv 2609.01404 https://arxiv.org/abs/2609.01404

NegGrasp：让机器人"别抓这里"，它照抓不误 · manipulation

DextER 一类语言驱动灵巧抓取模型，指令说清抓哪儿时表现不错，一旦加上"抓把手但避开杯身"这种否定约束就系统性失灵。原因在训练语料，DexGYSNet 这类数据集里几乎没有回避型指令，模型学到的是"提到的部件都是接触目标"，于是把禁区当成另一个抓取点。这篇不加任何否定样本，在推理阶段用序贯蒙特卡洛配合 classifier-free guidance，一边引导采样奔向指定部件，一边剪掉朝禁区去的候选，禁区位置由一个冻结的 3D 部件定位模型从语言里读出。在配套构建的 NegGrasp 基准上，最强基线的违规率从 57.9% 降到 17.2%。

Geonho Kim et al. · arXiv 2609.00555 https://arxiv.org/abs/2609.00555

CoLT-Drive：长尾问题不是"认没认出来"，是"它改变了我能做什么" · autonomy

自动驾驶的长尾失效通常被当成罕见物体识别错误，这篇认为决策层面的问题是模型能否推断出该物体如何改变自车的可行高层动作。为让小体量 VLM 可部署，作者提出 KPA 框架，把结构化的感知到决策提示、基于 SLERP 的专家合并，以及一个按驾驶工况选路的 RegMoE LoRA 混合专家模块组合起来，目标是在适配长尾的同时不冲掉预训练模型的开放世界知识。

Zhengxu Tang et al. · arXiv 2609.00242 https://arxiv.org/abs/2609.00242

Lyte ｜ C 轮 ｜ 1.65 亿美元 ｜ 投后 16 亿美元 · hardware

Maverick Silicon 领投，管理合伙人 Andrew Homan 进入董事会。这家公司做的是机器人感知的底层：自研传感芯片、多模态传感器和空间软件，把 4D 相干视觉、高分辨率成像与惯性感知压到同一条同步时间线上，位置和运动直接测量而不是软件重建。创始团队来自 Apple 与 PrimeSense，做过 Kinect 与 Face ID 的 3D 感知。CEO Alexander Shpunt 的说法是"物理 AI 先有感知问题，才有模型问题"。公司今年 1 月才走出隐身，已进入量产并向检测、物流、制造行业的机器人客户出货。来源：Business Wire https://www.morningstar.com/news/business-wire/20260902093122/lyte-raises-165-million-series-c-led-by-maverick-silicon-to-give-robots-a-trustworthy-view-of-the-world

Locus Robotics ｜ G 轮 ｜ 4160 万美元 · industrial

继昨日传出这轮接近交割后，金额敲定：4160 万美元，全部来自现有股东，CEO Rick Faulk 说这轮仍未关闭，还在向老股东争取更多资金。这家仓储 AMR 公司上一次大额融资是 2022 年 11 月的 1.17 亿美元 F 轮，由高盛资产管理与 G2 Venture Partners 领投，当时估值接近 20 亿美元。本轮之前公司刚推出 Locus Array 并收购了 Nexera Robotics。来源：FinSMEs https://www.finsmes.com/2026/09/locus-robotics-raises-41-6m-in-series-g-funding.html

Wandercraft ｜ 洽谈中 ｜ 约 1 亿欧元 ｜ 投前约 7.5 亿欧元 · humanoid ⚠️ 传闻口径

彭博援引知情人士，高盛担任财务顾问。这家巴黎公司 2012 年从康复外骨骼起家，Atalante X 已进入全球 100 多家医院与康复中心；新的 Calvin 系列转向工业人形，首款 Calvin-40 从设计到造出用了 40 天，跑在 NVIDIA Isaac GR00T N1 与 Jetson 上，可反复搬起 40 公斤。雷诺既是股东也是首个商用客户，Calvin-40 已在法国杜埃工厂往产线上装轮胎，路线图是 2026 年底约 10 台、2027 年底 350 台铺到法国与西班牙工厂，配合单车装配时间下降 30% 的目标。Dealroom 的口径是人形机器人公司今年上半年已募到 86 亿美元，是 2025 年全年的 1.8 倍。来源：Tech Funding News https://techfundingnews.com/wandercraft-targets-e100m-funding-as-renault-prepares-to-deploy-350-humanoid-robots/

联合影像 ｜ 新一轮 ｜ 数亿元级 · hardware

敦鸿资产、杭州具身智能产业基金、富阳产投与智平方共同参与。这是一家在水下待了十余年的视觉方案商，客户名单包括宇树、智平方、自变量、Rokid、Pico，另一头还供着科沃斯、云鲸、追觅的扫地机与割草机，营收已到 20 亿元量级。创始人张枫 2014 年从手机摄像头模组做起，2018 年切进扫地机，2021 年转向端侧 AI 视觉。资金投向深度相机产品线、端侧视觉理解、数采与评测能力，以及杭州一个十亿元级智能视觉产业基地。来源：投资界 https://tech.sina.cn/2026-09-02/detail-iniqkzma1276296.d.html?vt=4&cid=76524&node_id=76524

迦智科技 ｜ 港股 IPO ｜ 更新招股书 · industrial

2026 年上半年营收 1.69 亿元，毛利 4983 万元，毛利率 29.4%，期内亏损 6370 万元。往前看三年营收分别是 7495 万、1.15 亿、2.66 亿元，期内亏损 1.14 亿、1.18 亿、9973 万元，亏损在收窄但没转正。收入结构上，标准 AMR 及全向重载 AMR 方案占 54.7%，叉取式 AMR 占 27.9%，机器人产品只占 10.2%。董事会主席熊蓉控制 29.61% 投票权，中控技术创始人褚健持股 3.67%，联想基金持股 5.80%。截至 6 月 30 日现金及等价物 2.18 亿元。来源：36 氪 http://www.36kr.com/p/3965963175845127

MirrorSpace 映界科技 ｜ 种子+ 轮 ｜ 超千万元 · hardware ⚠️ 汇编口径

海愿资本、奇绩创坛、松禾资本、金依力参与，信息源自天眼查公示整理。东莞这家公司做即插即用的空间感知模组，把 RGB、LiDAR、热成像等多源输入融成动态 4D 空间表征。来源：证券之星 https://m.sohu.com/a/1071079883_115377?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

现代摩比斯拿下 Atlas 人形机器人全部执行器订单，每台整机 31 个 · hardware ⚠️ 测算口径

执行器把能量变成物理动作，是人形机器人最贵也最难做的一环，现代摩比斯把 Atlas 的这部分全吃了下来，单台整机搭 31 个身体执行器。LS 证券当天把现代摩比斯列为韩国物理 AI 价值链首选股，维持买入、目标价 75 万韩元，测算年产 3 万台目标产能下机器人业务收入可达 1.04 万亿至 1.43 万亿韩元。这些收入数字全部出自券商模型，不是公司披露；摩比斯自身的机器人零部件收入预计 2027 年起才会显著体现。来源：CNMO https://m.sohu.com/a/1070918149_115831?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

云深处轮足机器人进吐鲁番葡萄园，搬运人力据称降七成 · industrial ⚠️ 厂商口径

机器不摘葡萄。云深处 Lynx M20S 干的是把摘好的葡萄筐从藤架行间运到集中点，顺带挪滴灌管、回传田间数据。单台载重 35 公斤，工作温区从 50 摄氏度到零下 30 摄氏度，吐鲁番八月采收季地表温度常年超过 50 度；机身能通过 50 厘米窄道且不用掉头。葡萄一摘下就开始失水，缩短从采到运的时间直接影响可售品质，这是园区愿意上机器的实际理由。报道口径为"减少七成以上人工搬运"，尚未说明单机成本，也未说明吐鲁番之外的推广规模。来源：Global Agriculture https://www.global-agriculture.com/mechanization-technology/robot-dogs-cut-grape-harvest-labour-by-70-percent-in-chinas-turpan-vineyards/

中国重汽交付 30 台黄河智驾牵引车，同步签下 200 台战略协议 · autonomy

8 月 31 日在江苏淮安交付，客户是深耕江苏中长途干线的雷杰物流。车上是 L2+ 级智能辅助驾驶，不是无人驾驶，卖点更多落在主挂一体化风阻系数 0.349、第三代 MC13 发动机 620 马力这类降本参数上。中国重汽今年上半年卖出重卡 18.85 万辆，同比增 26.69%，市场份额 28.5%。干线物流的智能化订单眼下仍以辅助驾驶为主，与矿区、港口的 L4 车队是两条节奏。来源：方得网 https://www.sohu.com/a/1070820794_122014422

滴滴 Robotaxi R2 标配 10 颗速腾聚创激光雷达 · autonomy

继 8 月 31 日 R2 在北京、广州开启全无人载客试运营后，供应链细节露出：整车标配 10 颗速腾聚创激光雷达。对上游而言，单车激光雷达用量比乘用车前装高一个量级，是 Robotaxi 规模化最直接受益的一环。来源：盖世汽车 https://autonews.gasgoo.com/articles/market-industry/standard-equipped-with-10-robosense-lidars-didi-robotaxi-r2-launches-passenger-services-2095127296498552832

Waymo 将在大辛辛那提地区启动 Robotaxi 测试 · autonomy

继 9 月 1 日丹佛、圣迭戈、坦帕三城同日开卖付费无人车之后，Waymo 把测试范围再往中西部推了一格。来源：The Business Journals https://www.bizjournals.com/cincinnati/news/2026/09/01/waymo-test-driverless-robotaxis-expansion-service.html

World Labs 发布 Atlas，一张照片生成可控三维世界 · world-model

李飞飞的 World Labs 放出新一代世界模型 Atlas，架构是多模态自回归扩散 Transformer，把文本、图像、相机位姿和 3D 深度图都当原生输入，每张输入图像被锚定到空间中的一个三维位置，共同构成"空间上下文"。它能做四件事：按像素级精准的相机控制生成图像与视频，最长 一分钟、1440p；从一到数十张图重建真实三维场景，输出点云或 3D 高斯泼溅；对输入视频联合建模空间与时间；以及按文本生成图像与 360 度全景。一个例子是斯坦福主方庭，只喂 25 张地面照片，模型直接生成了校园上空的飞行俯瞰路径。对机器人这条线，Atlas 给出的是 real-to-sim 的量产办法：团队用手机拍了两个大型环境、各取 24 帧重建，随后让不同构型的仿真机器人在其中行进，由 Atlas 实时生成机载相机应当看到的 RGB 与深度数据，任务跑完还能换物体、改位置、调光照做变量扩充。三台同步相机就能拼出"子弹时间"式的多视角定格。团队称 Atlas 遵循 scaling law，性能随训练算力稳步提升，并将驱动其 Marble 等产品的迭代。World Labs 至今融资 12 亿美元，出资方包括 NVIDIA、AMD 与 Autodesk。来源：智东西 https://zhidx.com/p/589823.html

Uber 裁 3300 人，把钱腾给逾 100 亿美元的自动驾驶投入 · autonomy

约占全球员工 10%，是 2020 年疫情裁员以来最大的一次。管理层规模砍掉约 20%，部分经理转做个人贡献者，只有一两个人的团队数量近乎减半，CEO 达拉·科斯罗萨西给出的理由是过去五年高速增长堆出了多余的层级、过多的协调需求和分散的责任归属。餐饮、零售、直送三个配送运营组合并，工程与科学团队也在归拢。公司预计未来几年在自动驾驶合作上投入超过 100 亿美元，今年 3 月宣布的 Rivian 合作最终要支撑至多 5 万辆全无人 Robotaxi，2028 年先在旧金山和迈阿密投放。消息公布后 Uber 盘前股价涨超 2%。来源：Analytics Insight https://www.analyticsinsight.net/news/uber-layoffs-cut-3300-jobs-in-major-restructuring-drive

具身数据缺口超 99%，上半年 25 家数采公司分走 170 多亿元 · adjacent ⚠️ 汇编口径

中国信通院《具身智能训练场研究报告（2026 年）》给出的判断是，全球可用高质量真实数据只有数十万至百万小时级，而具身基础模型要出现能力涌现至少需要数千万小时，缺口超过 99%。IT 桔子统计，2026 年上半年 25 家中国具身智能数据创业公司合计拿到超 170 亿元融资。智元孵化的觅蜂科技成立半年融了三轮，MEgo 系列无本体采集设备量产交付超 2 万套，累计产出超 100 万小时无本体数据；千寻智能在全国 100 多个城市铺了 40 多万个采集点。觅蜂董事长兼 CEO 姚卯青把话说得更明白：无本体数据适合预训练学通用表征，落到具体任务上"绕不开对应本体的真机数据"，互联网视频蒸馏只是"现阶段的拐杖"。行业的评判标准也在换，年初拿手机、运动相机采一采也能卖，下半年 60FPS、1080P、双目视觉成了共识指标，"盲目采集一百万小时其实并不难，重复做少数几类任务就可以实现，但这样的数据几乎没有价值"。工信部 8 月批准的《人工智能关键基础技术具身智能数据集质量要求及评价方法》将于 11 月 1 日实施，覆盖完整性、一致性、多样性、真实性等八个维度。来源：新浪财经 https://cj.sina.cn/articles/view/1651428902/626ece2601901jgo6

宇树上市第 11 个交易日股价腰斩，市值 2208.5 亿元 · humanoid

9 月 2 日收 546.02 元，跌 4.39%，较上市首日盘中最高的 1100 元正好腰斩，市值 2208.5 亿元。8 月 19 日登陆科创板当天涨 460%，发行市盈率 219.23 倍。基本面这边，2025 年人形机器人收入占比 51.78%，纯人形出货超 5500 台，四足销量合计超 3.3 万台。王兴兴在投资者交流中说，希望投资者是认同公司价值再买入而不是一味炒作，上市后"有压力更有动力"。同日公司回应网传员工吐槽"只有罚几乎没有奖""超 100 元报销需王兴兴审批"，称很多内容不实。注册资本已完成上市后工商变更，增至 4.04 亿元。来源：广州日报新花城 https://huacheng.gz-cmc.com/pages/2026/09/02/dd8006f83e0047a89096c22d29669961.html

全球首个腿式机器人国际标准发布，中国专家牵头制定 · humanoid

标准名为《机器人 —— 服务机器人性能规范及其试验方法 第 5 部分：腿式机器人运动》，覆盖人形机器人、机器狗这类靠腿行走、跑跳、爬坡、越障的机型，此前全球没有统一的评价体系。核心变化在测试环境和评价范围两处：不再只在平地上测能否移动，而是把楼梯、坡面、障碍等真实作业场景纳入；也不再只看运动指标，感知、交互、决策一并计入任务完成度。这类机器人已经在承担表演、巡检、搬运、搜救等实际工作，跨厂商的性能对比此前基本靠各家自报的演示。来源：国家标准委 https://www.digitimes.com/news/a20260902VL220/robot-performance-inspection.html

自变量发布 TwinDEX，一只手戴在人身上采数据，一只手装在机器人上干活 · embodied ⚠️ 厂商口径

一对孪生的三指九自由度灵巧手，其中七个主动自由度。采集端是可穿戴外骨骼，执行端装在机器人上，两端在运动学（自由度、关节轴、连杆比例）、接触力学（材料、几何、表面特性与触觉传感器）和视觉外观三个维度上对齐，目的是让无本体数据直接用于策略训练，不再靠真机数据对齐或微调。官方评测称无本体数据采集效率是真机遥操作的 5.3 倍，且在多任务基准上两类数据训出的策略随数据量以相同速率提升并最终收敛，无本体数据近乎可 100% 替代真机遥操作数据。这两个数字都出自厂商自测，尚无第三方复现。来源：IT 之家 https://tech.ifeng.com/c/8w62AzwI91Q

Zeroth 推出 Bridge 人形机器人与开源 OpenBridge 平台 · humanoid

苏州公司 Zeroth 发布紧凑型人形 Bridge，主打面向开发者的物理 AI 开发，硬件、运控系统与开发接口都按 AI 驱动的物理交互设计而非预设动作编排，出厂能力包括稳定行走、避障和一套拟人动作库，支持动捕与 VR 接入。同步开源的 OpenBridge 带公共 Skill Hub，让开发者互相调用和扩展彼此写的机器人技能。Builder 计划首期筛 500 名开发者，前 200 名免费拿到整机，其余 300 名获 Geek 版优先购买权与 SDK。创始人兼 CEO 郭仁杰说："世界从不缺墙，我们选择造桥。"Bridge 自 9 月 2 日起全球接受预订，Geek 版首批已开售，定价按地区不同。来源：The AI Insider https://theaiinsider.tech/2026/09/02/zeroth-launches-bridge-humanoid-robot-and-open-source-openbridge-developer-platform/

卡特彼勒与 FieldAI 合作，把机器人基础模型放进工地与工厂 · industrial

卡特彼勒出行业经验、工程能力和运营数据，FieldAI 出与本体无关的自主性与机器人基础模型，底层用上 NVIDIA 的技术栈。首批落地方向是自主巡检、工地与厂房的数字孪生、风险早期识别，以及靠仿真与自动化做运营优化。首席技术官 Jaime Mineart 的表述是"我们的行业未来取决于人的专长与 AI 机器如何有效结合"；集成部件事业部高级副总裁 John Tuntland 则把话落在自家工厂上，说这些技术让团队更清楚设施怎么运转、哪里能优化流转。卡特彼勒给出的选择理由是 FieldAI 已在传统自动化失灵的复杂动态工业环境里部署过。来源：PR Newswire https://sg.finance.yahoo.com/news/caterpillar-fieldai-advance-ai-powered-131500192.html