FutureX · Physical AI

今日要点

· Kodiak 签下首份无人驾驶重卡供货合同，75 辆卡车 2028 年起交给 DTL

· Waymo 在 5 座城市一次加开近 250 平方英里无人驾驶服务区

· 宇树科技上市后首份季报：三季度营收增 69.93%，扣非净利润降 17.42%

· 北美三季度机器人订单 10,989 台，汽车零部件订单增 90.4%

· Rollback 在世界模型里倒回决策点重试，训练 8 小时后两项真机任务超过人类玩家平均成功率

· 谷歌 Genie 4 让同一场景连贯模拟 2 分钟，是上一代的两倍

PDRVLA：无需生成视频，VLA 也能学到物理动力学 · vla

这篇论文在 HF 上获得 134↑，是今天社区热度最高的一篇。如果给 VLA 配上视频世界模型，控制回路就要多等一段生成未来视频的时间，带来延迟。PDRVLA 的做法是换成一个轻量的物理动力学模块：它从视觉语言特征中提取"物理 token"，并把这些 token 直接作为生成动作的条件。训练阶段，该模块要预测未来的 RGB、深度和光流特征，监督信号来自一个冻结的视频世界模型，所用数据全部取自公开数据集。在四个仿真基准上，它在 LIBERO 的成功率为 99.3%，在 RoboTwin 2.0 上为 93.6%。^[1]

Rollback：回到世界模型中的决策点，换个动作再试一次 · world-model

现实环境无法倒带，世界模型却可以做到。Rollback 先回到关键的决策点，从那里分出多条分支去尝试不同的动作，再比较各分支的结果，从而把成功或失败归因到某一个具体决策上，所以不必再单独训练价值模型。机器人在真机上执行后产生的数据，会通过 LoRA 反过来校正世界模型的动力学。在三项真机任务中，它的成功率比最强的基线高出 10.67 到 11.85 个百分点。训练的起点是水平远低于人类的遥操作示范，经过 8 小时训练，它在掷球和桌面冰壶两项任务上超过了人类玩家的平均成功率。该论文在 HF 上为 50↑。^[2]

ThinkWorld：没有动作标注的人类视频，也可以直接用来监督 VLA · vla

这篇论文在 HF 上为 45↑。ThinkWorld 把每一步"动作思考"表示成一串离散的运动 token，称作 Chain-of-Dynamics，用来描述当前状态怎样变成未来状态，不同本体都使用这一套表示。模型首先用带动作标注的示范完成初始化，然后预测每段 CoD 会导向怎样的未来；和实际观测吻合得更好的那一段会得到强化。因此，人类视频和机器人数据可以用来训练同一个推理空间。仿真和真机实验的结果都表明，从人到机器人的迁移是有效的。^[3]

E0.5：以 3D 基础模型作主干的世界动作模型 · world-model

世界动作模型（WAM，即同时预测未来与动作的模型）大多采用视频模型或 VLM 作主干，3D 几何信息只是辅助输入。Era AI Lab 的 E0.5 则直接以 3D 基础模型为主干，同时预测未来的 3D 状态和动作。在不做具身预训练的情况下，它在 RoboTwin 2.0 干净设置中的成功率为 89.90%。用 AgiBotWorld-Beta 的 16 万多条轨迹做预训练后，AgileX Piper 和 Zerith H1 两台真机的平均成功率分别提高了约 15 和 7 个百分点。^[4]

JAM：把 VLA 与 WAM 的争论拆成三个可以分别选择的问题 · vla

两个阵营争论的焦点，是策略应当继承视觉语言模型的知识，还是视觉生成模型的知识。作者把争论拆成三个选择：主干如何初始化，针对未来观测采用什么训练目标，以及推理时是否保留这部分结构。按此拆分得到的 JAM 只额外增加一项"预见"损失；预测头在训练结束后即被丢弃，因此训练和推理都不需要生成画面。与 FastWAM 比较，JAM 在 LIBERO-Plus 上的成功率由 55.3% 提高到 64.5%，在线训练时每个样本的 FLOPs 估计减少 73%。该论文在 HF 上为 3↑。^[5]

OmniBrain-0：小米让同一个决策模型同时负责操作与导航 · vla

这项工作来自小米的具身智能团队。任务理解、规划、进度跟踪和失败恢复，都由一个高层模型来承担。训练分为两步：先把强教师模型的交互经验蒸馏给操作和导航两位专家，再用多教师 on-policy 蒸馏把这两位专家合并进一个小模型。此外还有一个 Meta-Agent，它把执行记录改写成评分细则和经过校验的轨迹，并不断回灌到训练中。研究者在 LIBERO-Pro、RoboCasa365、R2R-CE 等五个基准以及真机任务上评测了该模型，结果是它的推理与执行开销远低于其闭源教师。^[6]

GAWM：参数不足 1 亿的世界动作模型，胜过十亿级对手 · manipulation

GAWM 的参数量不到 1 亿，也没有经过机器人或视频预训练。它在 RoboTwin 2.0 上胜过十亿参数级别的 WAM，在 LIBERO 上则与十亿级 VLA 表现相当。其方法是在冻结的 DINOv3 潜空间中预测两个时间尺度上的未来，再根据当前 token 和预测出的 token 直接回归出动作块。消融实验表明，当训练数据或训练时间有限时，潜空间世界模型带来的提升最为明显。该工作的代码已经开源。^[7]

示范数从 12 条到 200 条：四种常用策略在低成本机械臂上的真机比较 · benchmark

这篇论文只有一位作者。作者在 SO-101 机械臂上进行了 1340 个真机评分回合，对比了 ACT、Diffusion Policy、SmolVLA 和 π0.5 四种策略。示范数据较少时 π0.5 表现最好，用 12 条示范时，40 次中成功 16 次。示范增加到 100 条后，从零开始训练的 ACT 在 40 次中成功 37 次，反过来超过了 π0.5。对 π0.5 而言，微调方式的影响比数据量更大：采用 LoRA 微调时，110 个回合仅成功 4 次；改为微调动作专家时，200 个回合成功 130 次。另外，同一个检查点连续测试两组、每组 10 个回合，成功次数平均相差 2 次。^[8]

Physical Intelligence ｜ 新一轮（早期洽谈）｜ 至少 10 亿美元 ｜ 估值约 200 亿美元 · world-model ⚠️ 传闻口径

据彭博社援引知情人士的说法，老股东 Lux Capital 和 Avenir 正在洽谈领投。该公司今年早些时候的估值为 115 亿美元，这一轮的估值将接近翻倍。公司目前没有收入，本月刚刚向外部开发者开放其最新机器人模型 beta 版的微调权限。竞争对手 Skild AI 在 1 月的估值为 140 亿美元，其年度经常性收入近期已超过 1 亿美元。若这一轮以 200 亿美元成交，没有收入的 PI 估值就会高于 Skild AI。^[24]

艾利特机器人 ｜ D++ 轮 ｜ 2 亿元 ｜ 估值未披露 · industrial

这一轮由建信股权领投，战略股东跟投。各家媒体对轮次的说法并不一致：新浪财经写作 D++ 轮，DoNews 写作 D+ 轮；智东西引用企查查的信息称，公司今年上半年已经完成了 6 亿元的 D+ 轮。艾利特成立于 2016 年，起步于控制器，主营协作机器人，曾拿到比亚迪一次 3000 台协作机器人的订单，客户还包括立讯和蓝思。这轮资金将用于开拓光通信、AI 服务器产线等场景，并扩建新工厂的产能。2025 年，出口销量占其总销量的 33%。^[25]

杉宇·创计划（红杉中国 × 宇树科技）｜ 早期投资计划 ｜ 金额未披露 · adjacent

在宇树发布季报的当天，红杉中国与宇树科技宣布共同发起这一计划，投资对象是具身智能、机器人应用及其上下游关键技术领域的早期项目，尤其看重年轻团队。王兴兴表示，红杉自 2019 年起就是宇树"最早和最重要的支持者之一"。资本规模以及双方的出资比例均未披露。^[26]

理格万物 ｜ 首轮（"亲友轮"）｜ 金额未披露 ｜ 传两轮估值约 7000 万、2 亿美元 · world-model ⚠️ 传闻口径

此前有消息说 DeepSeek 参投了逐际动力前人形基础模型负责人俞涛的新公司，如今公司名称和出资方都有了进一步的说法：理格万物的首轮融资来自红杉中国、砺思资本和 DeepSeek。雷峰网·鲸犀报道称，这一轮由梁文锋本人发起，他邀请了红杉，红杉又介绍了砺思。公司还没有官方公告。其官方定位是"大语言模型＋具身智能"；具身之家则依据俞涛的论文推断，该公司做的是人形行为基础模型。^[27]

潜行创新 ｜ C+ 轮 ｜ 近亿元 ｜ 估值未披露 · adjacent

深圳广聚投资、浙江云创启真等机构参与了这一轮，距离 3 月那笔近亿元的 C 轮仅过去半年多。公司的三位创始人都来自HW。其业务包括行业级水下机器人、泳池清洁机器人和垂钓装备，海外业务长期占到八成五以上；赣州基地的设计产能为每年 25 万台。^[28]

Kodiak 拿到首份无人驾驶卡车供货合同，75 辆将交付 DTL · autonomy

Kodiak 将从 2028 年开始，向加州承运商 DTL Transport 交付 75 辆自动驾驶卡车。TechCrunch 报道称，这是 Kodiak 的第一份有约束力的商业合同，内容是在公共高速公路上运行无人驾驶重卡。9 月，两家公司刚在加州 99 号公路上试运行生鲜运输，当时驾驶座上仍有人。DTL 起步先跑两条线路，即达拉斯至埃尔帕索，以及 I-20 上的达拉斯至亚特兰大；Kodiak 此前已在这两条线路上测试并运营过。Kodiak 计划在 12 月撤掉驾驶室里的安全员，并先在达拉斯至休斯敦的 I-45 上为宜家运货。创始人兼 CEO Don Burnette 表示："我们认为这对整个自动驾驶行业是一个真正的转折点。"现有客户 Charger、Roehl、Werner 采用的是 TaaS 模式，由 Kodiak 自己的车队代为运输，Burnette 本人也承认这些业务仍处于试点阶段。Kodiak 最终希望转向 DaaS，也就是由客户自行购车运营，Kodiak 收取技术费。该公司的股价目前比上市首日的开盘价低 87%。^[29]

Waymo 一周之内在 5 座城市新增近 250 平方英里服务区 · autonomy

新增的服务区分布在洛杉矶、纳什维尔、奥兰多、圣迭戈和旧金山湾区，合计近 250 平方英里，这些都是 Waymo 已经在无人运营的城市。洛杉矶的服务区沿海岸向南延伸到 Torrance。圣迭戈的服务区向北扩到 La Jolla，而该城市是在 9 月 1 日才向公众开放的。湾区的服务从旧金山出发，沿半岛一直连到圣何塞和 Campbell，并接通了 BART 的 Berryessa 站。Waymo 没有按城市分别给出面积，也没有说明为此增加了多少车辆。Electrek 报道称，Waymo 目前在美国 15 个都会区运营，每周的付费出行超过 50 万次。同一周，Robotaxi Tracker 统计到特斯拉的休斯敦服务区扩大到约 254 平方英里，但在运行的车辆只有 34 辆。^[30]

特斯拉在得州登记的 Robotaxi 增至 1,080 辆，Cybercab 首次超过 Model Y · autonomy

10 月 27 日，得州车管部门登记表上，Tesla Robotaxi, LLC 名下获授权的车辆为 1,051 辆，其中 Cybercab 为 544 辆，Model Y 为 507 辆，Cybercab 首次占到多数。几个小时之后，又新增了 29 辆 Cybercab，总数达到 1,080 辆。10 月 9 日，这张表上共有 739 辆，其中 Cybercab 为 319 辆。登记表只列出车架号和车型，所以无法看出车辆位于哪座城市，也看不出是否在载客。特斯拉已经确认，Cybercab 的产量比投放速度快，产线有时会停工，以避免库存积压。^[31]

Otto 集团在波兰物流中心试用 Sereact 的双臂系统处理退货 · embodied

试点的第一阶段，是在 Otto 集团位于波兰的物流中心部署 10 套双臂系统，负责检查和分拣退货；第二阶段将根据效果再增加 15 台机械臂，总数达到 25 台。只有第二阶段取得成功，Otto 才会评估是否推广到整个物流网络。Sereact 的 Cortex 模型借助英伟达的 Isaac Sim 和 Isaac Lab，把退货线上的真实抓取扩展成大量仿真变体，再用 Cosmos 更换服装状态、包装和光照，重新渲染画面。公司称，机器人遇到抓取效果不好的物品时，修正后的策略几天内就能下发。在此之前，Sereact 已经在 CEVA 的仓库里处理 Zalando 的退货，并与 Teradyne 结成了合作联盟。此次在 Otto 的部署仍然是试点规模。^[32]

华能伊敏露天矿的近百台无人电动矿卡全天候编组运行 · autonomy

伊敏露天矿位于内蒙古呼伦贝尔，冬季最低气温可降到零下 40℃，近百台无人电动矿卡在这里昼夜编组运行。每辆车载重 90 吨，装有 5 个激光雷达和 4 个毫米波雷达，感知数据实时传送到 6 公里外的云端进行调度。首批百台车的出勤率保持在 90% 以上，日运输量超过 10 万吨。电量不足时，车辆会自行驶入换电站，由机械臂在 6 分钟内换好电池。矿区布设了 12 个可移动的 5G 基站，并在 9 月完成了露天矿场景下 5G-A 千兆上行的验证。^[33]

宇树科技发布上市后首份季报：三季度营收增长 70%，利润下降 17% · humanoid

三季度，宇树的营收为 6.65 亿元，同比增长 69.93%。归母净利润为 1.13 亿元，下降 17.37%；扣非归母净利润为 1.05 亿元，下降 17.42%。单季研发投入 1.27 亿元，增长 249.58%，占营收的 19.1%；公司解释说，这主要是因为具身大模型的研发和算力投入大幅增加。前三季度营收为 18.17 亿元，增长 55.71%；归母净利润为 3.87 亿元，增长 270.54%，增幅如此之大，主要是因为去年同期一次性确认了大额股份支付费用。南华早报给出的数据是，前三季度扣非净利润同比下降 18.78%，营业成本增长约 78%，达到 8.36 亿元，增速快于营收。上半年营收增长 48.54%，扣非净利润下降 19.34%。三季度的营收增速比上半年高出 20 多个百分点，但扣非利润仍然出现两位数的下滑。IPO 募集的资金到账后，公司的现金及现金等价物从去年底的 14.19 亿元增加到 73.54 亿元。财报发布之前，公司股价当天上涨 8.74%，收于 695.90 元。^[34]

谷歌 DeepMind 推出 Genie 4，单个场景可连贯模拟 2 分钟 · world-model

Genie 4 目前以研究预览的形式，只向受信任的测试者开放；之后会依次开放给 Google AI Ultra 订阅用户，以及 Gemini API 和 AI Studio 的早期合作方。TechCrunch 报道称，同一场景最长可保持连贯 2 分钟，是 Genie 3 的两倍。画面更加写实，还会同步生成音乐、环境音和人物对白。模拟进行时，用户可以用文字修改天气、移动镜头、加入人物或物体，再由 Gemini 把这些指令融入场景。即使用户没有输入，Gemini 也会监控场景，让它连贯地向前推进。DeepMind 表示，由 Gemini Omni 负责让模拟更贴近真实世界的外观和行为。在一项与 Gemini Robotics 有关的实验中，Gemini 模型把任务拆成若干步骤，Genie 4 则实时模拟每一步，以便在真机执行之前预演机器人的场景。谷歌研究总监 Tejas Kulkarni 说："未来会越来越多看到这种混合世界模型，Gemini 写代码和文本，Genie 实时读入，在不同抽象层级上模拟现实。"^[35]

北美三季度机器人订单达 10,989 台，同比增长 24.8% · industrial

据 A3（美国自动化促进协会）的数据，北美企业在三季度订购了 10,989 台机器人，金额为 7.235 亿美元。台数同比增长 24.8%，金额增长 26.1%，是今年表现最强的一个季度。前九个月合计订购 28,984 台，金额约 18.9 亿美元，分别增长 9.6% 和 13.3%。汽车零部件订单增长 90.4%，半導體与电子/光子订单增长 97.6%。整车厂的订单在上半年下滑，三季度回升 7.5%，但前九个月仍比去年同期低 17%。食品与消费品订单下降 23.7%。^[36]

LG 电子把今年的机器人训练数据目标由 10 万小时上调到 50 万小时 · adjacent

LG 电子的机器人战略负责人 Lee Jae-mo 在三季度业绩会上表示，公司今年内要结合真实数据与虚拟数据，累计获得约 50 万小时的训练数据。8 月时公司定下的年底目标是 10 万小时，这次提高到了原来的 5 倍。数据来自位于首尔良才洞的机器人数据工厂。CFO Kim Chang-tae 称，这座工厂将在四季度正式投入运行，建成后会是韩国最大的机器人训练与数据采集基地。LG 与英伟达的合作涵盖仿真、世界模型和机器人开发平台。对外收费试点和数据销售被安排在中长期，Lee 说目前"优先内部使用"。⚠️ 计划口径^[37]

通用汽车：2028 款 Escalade IQ 将支持高速公路自动驾驶，雷达与激光雷达都会保留 · autonomy

通用汽车首席产品官 Sterling Anderson 在接受采访时表示，仅靠摄像头的话，按最基本的物理规律，在某些工况下总会出现识别失效；雷达的价格已经很低，没有必要为了节省成本而去掉冗余的传感器。按照通用的规划，2028 款凯迪拉克 Escalade IQ 将搭载新版 Super Cruise，雷达、激光雷达和摄像头这三类传感器会同时保留，高速公路自动驾驶功能最迟在 2028 年推出。^[38]

韩国计划在 2027 年向公共部门投放约 1700 台 AI 机器人 · adjacent

这是韩国产业通商资源部的一项计划：在 2027 年投放约 1,700 台机器人，以四轮和四足机器人为主，用于科研、安保、警务和农业，运行数据则回流给机器人企业。10 月 28 日至 29 日，对接会在首尔举行，国防部、陆军本部、消防厅、警察厅等 9 个部门和机构，与 Rainbow Robotics、Robotis、现代汽车、Newbility 等 11 家企业面对面商谈需求。配套的指南将在年底前定稿。^[39]

Tensor 与慕尼黑出租车中心签署意向书，拟在德国投放至多 500 辆 Robocar · autonomy

Tensor 与慕尼黑出租车中心 MTZ 签署了意向书：初期在德国城市投放至多 500 辆 Robocar，前提是双方签订正式协议并取得 L4 审批。车辆由 MTZ 以自有品牌运营，乘客数据同样归 MTZ 所有。双方还提出，车辆进入欧洲后的 24 个月内，要与欧洲的车队运营商共同落地 1 万辆；公告本身也说明，这并不是确定的订单。⚠️ 计划口径^[40]

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻