具身智能日报｜Boston Dynamics×Google DeepMind 重塑人形机器人智能基础

Thu, 20 Aug 2026 17:10:00 +0800

追踪具身智能与人形机器人领域最新进展，每日更新。

今日要闻

🤖 Boston Dynamics × Google DeepMind：Gemini Robotics 赋能 Atlas 人形机器人

2026年1月CES展会上，Boston Dynamics 与 Google DeepMind 宣布重磅合作：Gemini Robotics AI 基座模型将整合进新版 Atlas 人形机器人，共同推进工业自动化。双方计划从汽车制造开始，让人形机器人完成多样化工业任务。

📌 核心看点：Boston Dynamics 以"运动智能"见长，DeepMind 以"认知智能"见长——两者结合意味着人形机器人首次有望真正打通"感知-理解-执行"全链路。

🧠 RoboEdit：将人类操作视频转为大规模机器人训练数据

斯坦福等机构提出 RoboEdit 框架，能够将人类手-物交互视频自动重定向为多本体机器人视频，无需昂贵的手动标注。已构建 RoboEdit-14M 数据集：174K 视频对、覆盖7种机器人本体、14M 帧。

📌 核心看点：机器人数据稀缺是具身智能最大的工程瓶颈。RoboEdit 证明了"跨本体视频迁移"的可行性，为"把互联网视频资源转化为机器人技能"打开了大门。

🖐️ ADEPT：预训练+强化学习加速多指灵巧操作

MIT 提出 ADEPT 框架，先在通用物体翻转任务上预训练多指机械手策略，再迁移到下游任务微调。解决了"从零训练多指灵巧操作样本效率极低"的问题，且 post-training 阶段不会遗忘已学到的技能。

📌 核心看点：预训练+微调范式在 NLP/CV 领域已成熟，在机器人操作领域这是又一次成功的迁移学习实践，指向"通用灵巧操作基础模型"的可能。

🗂️ LT-Mem：让机器人记住"物体去哪儿了"——跨会话长期记忆框架

机器人长期运行面临"时间遗忘"问题：每次重建地图都会丢失物体历史位置。LT-Mem 提出了"挥发感知记忆演化"框架，让机器人能回答"这把绿椅子之前在哪个房间"这类跨时间查询。

📌 核心看点：场景理解从"瞬时感知"走向"跨时记忆"，这是机器人在真实环境长期部署的必要能力，也是具身智能从demo走向product的关键。

🏠 RoomWright：让3D场景"功能性"服务于机器人任务

现有3D场景生成注重视觉真实性，RoomWright 提出了"使用驱动"（Usage-Driven）场景推理：给定任务，算法自动补全任务所需物体及其功能属性（如"切菜任务→需要砧板+刀+食材"），并建模物体间的因果依赖关系。

📌 核心看点：从"好看"到"好用"，RoomWright 代表了具身智能环境构建的新思路——场景不是静态布景，而是任务相关的功能集合。