情感大模型

🤖 【具身智能日报】| 2026-07-09 📰 优必选优世界U1系列上市：消费级人形机器人订单活动破13361台 原文：https://www.leiphone.com/category/robot/tQIVXjxe1BNMfJPg.html 时间：2026-06-30 摘要要点： • 6月30日，优必选发布全尺寸超仿生人形机器人优世界U1系列：U1 Lite（11.98万元）、U1 Pro（16.98万元）、U1 Ultra（99万元/男版；88万元/女版） • 优世界U1全渠道累计订单突破13361台，力争今年交付，成为全球唯一具备规模化量产能力的全尺寸超仿生人形机器人 • 搭载全球首个针对长期陪伴的情感大模型：识别20余种细粒度情绪，准确率超90%；仿生快慢脑架构实现500ms直觉反应与千亿级参数深度推理协同 • 跨时空记忆库Agent Memory OS构建数字生命系统，主动关怀引擎基于环境感知实现无唤醒词互动 • 88个自由度及独创双支点仿生颈椎，覆盖人类90%基础动作；语音-唇形延迟控制在20ms内，终结"机器人感" • 启动"人机伴独工程"，2026年计划捐赠100台定制仿生机器人，为空巢老人、失独家庭、英烈家属提供心理慰藉 • 6月18日商务部等8部门发布《关于加快"人工智能+消费"发展的实施意见》，明确支持养老机器人、陪伴机器人，人形机器人获政策背书 影响分析： • 直接：消费级人形机器人从概念走向规模化交付，11.98万元起的定价已触及大众消费心理门槛，万台订单验证市场真实需求 • 中期：陪伴机器人生态（情感大模型+记忆系统）将成为区别于工业机器人的差异化竞争核心，优必选"人机共生"战略率先卡位 • 风险：消费级场景对可靠性、安全性要求极高，万台量产背后的品控和售后体系是真正的考验 📰 RoboScience机器科学发布Visics大模型：VLOA架构首次完整披露，家具拼装"登月级"挑战告破 原文：https://www.leiphone.com/category/robot/Kwpq9tYiIohzAJ7f.html 时间：2026-06-24 摘要要点： • RoboScience机器科学发布Visics大模型，首次完整披露自研VLOA（Vision-Language-Object-Action）技术架构 • VLOA核心创新：引入Object Trajectory（物体3D点云轨迹）作为中间接口，将"认知"与"执行"彻底解耦——往上精确表示执行任务内容，往下精确表示机器人完成目的 • 具身世界模型（上层）：基于海量互联网视频数据预训练，负责认知和预演物理轨迹；通用操作模型（下层）：基于自研多模态物理引擎RoboMirage积累数百亿次操作轨迹，负责轨迹转化为物理控制信号 • "仿真+视频"双数据飞轮：单条数据获取成本降至传统方案的1/20~1/200，以每周数十万小时增速持续扩展；2026年目标构建超1T（1万亿次）manipulation操作轨迹数据集 • 全球最复杂具身操作任务家具拼装全程自主完成，毫米级精度抗干扰；涉及手内操作、双臂协同、毫米级插接、精细力控等几乎所有技术难点 • 首席科学家邵林团队连续两年获ICRA最佳论文奖/提名；T(R,O)Grasp支持5 FPS实时动态交互，以94.83%平均抓取成功率刷新全球SOTA • 已获京东集团、商汤科技、达晨财智、招商局创投等投资；计划今年实现工业与商业场景标准化机器人本体产品量产 影响分析： • 直接：Object Trajectory作为中间接口的思路，为"泛化能力差、精细操作难、长程任务误差累积"三大瓶颈提供了新的解决路径 • 中期：仿真+视频的混合数据路线正在成为行业共识，纯靠昂贵真机数据采集的模式将逐渐被边缘化 • 观察：RoboScience"不绑定自己硬件"的商业模式（纯软件授权+控制器方案）是否能在具身智能赛道复制"Android模式"，值得关注 💡 今日核心观察 第一性思考：消费级机器人时代的"数据悖论"如何破局？ 今天的两条新闻看似在讲不同的故事——优必选卖出了一万多台能陪伴的情感机器人、RoboScience解决了机器人在物理世界泛化操作的问题——但它们共同指向一个根本矛盾： 消费级机器人需要的数据，和工业级机器人需要的数据，是完全不同的东西。 工业机器人可以在受控环境中重复执行固定任务，数据采集相对简单。但消费级机器人面对的是开放存在大量随机性的家庭环境——每个家庭的家具摆放不同、物品形态各异、用户习惯五花八门。没有足够多样性的物理世界交互数据，再好的大模型也会在真实家庭场景中"失灵"。 RoboScience的VLOA架构尝试用"仿真+视频"双数据飞轮来解决这个问题——用海量互联网视频学习常识认知，用高精度物理仿真学习操作规律。这种"认知数据+执行数据"分离构建再融合的思路，某种程度上是在承认一个现实：短期内我们无法靠真实家庭场景采集足够的物理交互数据，必须借助合成数据。 ...