具身这个产业什么时候可以交卷呢？哪些产品会率先落地？2025年最火的莫过于人形机器人，也 是资本一直重点关注的本体。但产业落地，人形机器人能保证场景稳定部署吗？其实想一下，如 果一台人形机器人走路还不是很稳定，一旦摔倒、绊倒，会对本体有很大的伤害，在数据和算法 没有非常稳定前，B端和C端绝不敢大规模尝试。毕竟维修费用也是非常贵的，时间成本也比较 高，责任归属就有点说不清楚了。 相比之下，移动操作+机械臂反而更容易落地，比如银河通用的G1，在服务领域、家居、超市等场 景，表现出较好应用。 以及智元在工业领域应用的远征A2-W，较稳定的底盘能够保证较大的负载，保证工业施工的需 求。 除了本体，数据层面上亟需一个大规模数据来做基础模型的预训练。具体场景的数据采集效率和 质量也非常重要，这决定了是否可以上scale。sim2real方案解决了数据难采、数据贵的问题，但迁 移到真实场景如何保证性能也是领域非常关注的点，这个还在不断的去突破。 以上是我们在具身智能之心知识星球中的分享，更多干货欢迎扫码加入，和近200家具身公司、研 究机构成员一起交流！ 星球内部整理了许多为小白入门的技术栈和路线。 已经从事相关研究的同学 ...

最近有同学后台留言，马上秋招了，没时间自己准备了。去哪里找寻题目、面经、和各家面试题 目？各个岗位是啥情况？都有哪些面试流程？各家岗位的级别是怎么划分的？对于刚求职的小 白，这些非常重要，关乎后面3-5年的职业发展与成长。 每年到这个时候，我们都有收到类似的问题，而我们早已经为大家准备好了。做了3年多的技术自 媒体，我们一直想给大家这样一个平台，让需要就业的同学能够快速匹配到自己的岗位，事半功 倍！近半年的筹划，我们推出了AutoRobo知识星球，一个覆盖机器人、自动驾驶、具身智能方向 的求职社区！这也是国内首个以自动驾驶和具身为主要方向的社区。 AutoRobo知识星球 这是一个给自动驾驶、具身智能、机器人方向同学求职交流的地方，目前近1000名成员了，成员 范围包含已经工作的社招同学，如地平线、理想汽车、华为、小米汽车、momenta、元戎启行等公 司。同时也包含2024年秋招、2025年秋招的小伙伴，方向涉及自动驾驶与具身智能绝大领域。 星球内部有哪些内容？这一点结合我们已有的优势，给大家汇总了面试题目、面经、行业研报、 谈薪技巧、还有各类内推公司、简历优化建议服务。 招聘信息 星球内部日常为大家分享已 ...

随着大语言模型（LLM）和多模态模型的快速发展，如何提升模型效率、扩展知识能力以及增强推理性能已成 为当前人工智能研究的核心议题。我们联合业界知名大模型专家，为大家退出了大模型1v6论文辅导小班课！ ⼀、有关大模型核心的几个点⭐ 本课程系统性地探讨大模型的前沿优化方法，重点研究参数高效计算、知识动态扩展和复杂推理三大方向的关键 技术。我们将深入分析大模型优化中的核心挑战：在参数压缩方面，研究剪枝稀疏化和量化加速等轻量化方法； 在知识扩展方面，探索检索增强生成（RAG）和参数高效微调（PEFT）等动态知识注入技术；在推理优化方 面，研究链式思维（CoT）和强化学习优化（GRPO）等高级推理范式。同时，课程还将探讨多智能体协作和多 模态理解等前沿方向。 通过本课程的学习，你将掌握大模型优化的核心算法，包括但不限于：结构化剪枝、低比特量化、动态检索、角 色化智能体、多跳推理等关键技术。课程采用理论讲解与实验实践相结合的方式，使用主流大模型（如 LLaMA、GPT等）作为实验平台，重点培养学生在模型优化和推理增强方面的研究能力。 关键词：大模型优化；参数高效计算；检索增强生成；链式推理；多智能体协作；多模态理解 ⼆、 ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 GianlucaMonaci 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 研究背景与核心问题 图像目标导航（Image goal navigation）需要两种关键能力：一是核心导航技能，包括检测自由空间、障碍物 及基于内部表征做决策；二是通过比较视觉观察与目标图像计算方向信息。当前主流方法要么依赖专门的图 像匹配，要么预训练计算机视觉模块进行相对位姿估计。 研究聚焦于一个关键问题：该任务能否如近期研究所说，通过强化学习（RL）对完整智能体进行端到端训 练来高效解决？若答案为肯定，其影响将超出具身AI领域，有望仅通过导航奖励来训练相对位姿估计模型。 核心研究内容与方法 关键架构选择 研究探讨了多种架构设计对任务性能的影响，核心在于如何支持图像间的隐式对应计算，这对提取方向信息 至关重要。主要架构包括（figure 2）： 实验设计 Late Fusion ：分别编码观察图像和目标图像 ...

扫描下方 卡片 ，关注" 具身智能 之心 "知识星球 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要 的。 一、研究背景与出发点 关节目标操作是机器人领域的关键挑战，核心难点在于复杂的运动学约束和现有方法有限的物理推理能 力。传统方法中，端到端强化学习或模仿学习需要大量试错或演示数据，却常因缺乏物理知识（尤其是关 节运动学）导致动作违反约束，最终失败；而3D视觉方法（如GAMMA、RPMArt）虽能构建关节模型，但 点云固有的稀疏性和无序性，以及时间一致性不足，仍带来诸多挑战。 为此，提出ArtGS框架——通过扩展3D高斯溅射（3DGS），整合视觉-物理建模，实现关节目标的理解与交 互。其核心是利用动态、可微分的3DGS渲染，优化关节骨骼参数，保证物理一致性运动约束，提升操作策 略性能。 | cost; | -sint;cosß; | sinθ;sinß; | a;cosθ; | | --- | --- | --- | --- | | sinθ; | cost;cosB ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 说到机器人导航，技术路线已经逐渐从早期传统的建图定位导航，到后期基于大模型方案的导航演变。而 基于大模型方案的导航又分为视觉语言导航和目标导航！ 策略网络的学习过去集中在如何从标注的数据集中提取模式，数据增⼴在其中起到了关键作用。如今， LLM拥有了强大的先验知识，如何从中蒸馏有效的规划信息，成为了近期研究的热点。 再来看看目标导航 VLN更进⼀步，是目标导航任务（Object Navigation），目标导航要求智能体在陌生的三维环境中，仅凭目 标描述（如坐标、图片、自然语言）等，即可自主完成环境探索与路径规划。 如果说一句话说明这两个任务的区别，视觉语言导航是""听懂指令走对路"，目标导航是""看懂世界自己找 路"。 视觉语言导航是什么？ 视觉语言导航本质上是个指令跟随的任务。任务囊括了三个方面，理解语⾔指令、感知周围环境，规划运 动策略。一般来说，VLN机器人系统主要由视觉语言编码器，环境历史信息表征，以及动作策略三个模块 构成。 机器人从环境中获取语⾔指令和每⼀步的视觉观测，首先需要同时视觉语⾔编码器从中压缩出有效信息。 采用怎样的编码器，视觉和语言 ...

作者丨 视觉语言导航 编辑丨 视觉语言导航 点击下方 卡片 ，关注" 具身智能之心 "公众号 >> 点击进入→ 具身 智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有 你想要的。 主要贡献 研究背景 作者：Zhangyang Qi , Zhixiong Zhang , Yizhou Yu , Jiaqi Wang , Hengshuang Zhao 单位： 香港大学， 上海AI实验室 论文标题：VLN-R1: Vision-Language Navigation via Reinforcement Fine-Tuning 论文链接：https://arxiv.org/abs/2506.17221 项目主页：https://vlnr1.github.io/ 代码链接：https://github.com/Qi-Zhangyang/GPT4Scene-and-VLN-R1 提出VLN-R1框架 ：利用大型视觉语言模型（LVLM）处理第一视角视频流，从而实现连续环境中的视觉语 言导航。与以往基于离散导航图的方法不同，VLN-R1能够生成连续的 ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Xiaoxiao Long等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要 的。 出发点与工作背景 本综述聚焦具身智能在机器人研究中的前沿进展，指出实现强大具身智能的关键在于物理模拟器与世界模 型的整合。物理模拟器提供可控高保真环境用于训练评估机器人智能体，世界模型则赋予机器人环境内部 表征能力以支持预测规划与决策。 文中系统回顾了相关最新进展，分析了两者在增强机器人自主性、适应性和泛化能力上的互补作用，探讨 了外部模拟与内部建模的相互作用以弥合模拟训练与现实部署的差距。此外，还提及维护了一个包含最新 文献和开源项目的资源库，网址为https://github.com/NJU3DV-LoongGroup/Embodied-World-Models-Survey， 旨在为具身 AI 系统的发展提供全面视角并明确未来挑战。 一些介绍 随着人工智能与机器人技术的发展，智能体与物理世界的交互成为研 ...

职位描述 我们正在寻找一位杰出的研究员/科学家，加入我们的前沿探索团队，共同定义和构建下一代自动驾驶与机器人 的"大脑"。您将致力于突破性的具身基座模型 (Embodied Foundation Model) 的研究，该模型将深度融合视觉-语 言-行动 (VLA) 能力，并具备卓越的空间感知与空间推理能力。 核心职责包括 前沿算法研究与构建：负责设计和实现领先的具身多模态大模型。您的研究将不仅限于现有的VLA框架，更将 探索如何构建能够理解复杂三维世界、并进行长时序、多步骤任务规划的世界模型 (World Model)。 核心模型能力攻关：主导模型在以下关键能力上的突破： 多模态场景理解：融合视觉、语言、雷达等多源信息，实现对动态、开放环境的深刻理解和空间感知。 学习与适应机制：深入研究强化学习 (RL)、模仿学习 (IL) 及自监督学习方法，使模型能从海量数据和与环境的 交互中持续学习和进化。 技术愿景与路线图：主导构建可泛化、高效率的具身智能基座模型，为未来1-3年的技术演进提供核心支撑，并 探索其在自动驾驶和通用机器人领域的统一应用潜力。 复杂语义推理与决策：让模型能够理解模糊、抽象的人类指令，并结合对 ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Yaru Niu等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要 的。 出发点与工作背景 四足机器人虽在复杂环境中移动能力出色，但赋予其可扩展的自主多功能操作技能仍是重大挑战，为此本 文提出一种用于四足操作的跨实体模仿学习系统，该系统利用从人类和配备多种操作模式的四足机器人 LocoMan 收集的数据，通过开发远程操作和数据收集管道来统一并模块化人类和机器人的观察空间与动作 空间，同时提出高效模块化架构以支持不同实体间结构化模态对齐数据的联合训练和预训练，还构建了首 个涵盖单手和双手模式下各种家庭任务的 LocoMan 机器人操作数据集及相应人类数据集；实验在六个真实 世界操作任务中验证，与基线相比整体成功率平均提升 41.9%、分布外场景提升 79.7%，利用人类数据预训 练后整体成功率提升 38.6%、分布外场景提升 82.7%，且仅用一半机器人数据就能持续实现更好性能。 我们的代码、 ...