在 AI 工具百花齐放的 2025 年，越来越多的产品尝试改变我们的工作方式。但大多数工具，不是聊天机器人，就是笔记软件，最终让人类不断陷入“复制-粘贴-整理”的循环。
这位乒乓球场上的机器人高手，出自清华姚班本科生苏智（师从吴翼教授）的最新论文——《HITTER: A HumanoId Table TEnnis Robot via Hierarchical Planning and Learning》。
刚刚，风头被中国机器人盖过的波士顿动力，又整了个大活！前后空翻我还能理解，这侧空翻？（不是哥们，你真会啊！）他们先在仿真环境中进行强化学习，一旦策略出现问题，那么他们就将其部署在真机上进行测试，观察问题，然后反复测试迭代，加强Spot的稳定性。
“让天下没有难落地的机器人。” 在这样解释定位和使命后，量子位大概感受到了逐际动力被投资的原因—— 至少是成为阿里第一个具身智能投资项目的原因。
大模型爆发以来，围绕AI陪伴、AI教育、AI玩具等领域的创业一茬接一茬。但对于什么是合适的硬件形态、交互模态，市场还未有一个PMF的成功样板。
“机器人运动会结束以来，公司的400咨询电话一直没有停过，比赛后第二周就有十几家酒店客户来公司参观。”优理奇（Unix AI）的创始人、CEO杨丰瑜告诉《智能涌现》。
人工智能正在吟诗作画，我们人类却在打扫卫生。 这句话几乎描述出了今天所有人对AI的困惑，一边是模型底层技术的突破，另一边却是AI进入真实世界后的无力感。一个验证码能摧毁一个压缩全世界知识的AI大脑，一个垃圾桶能绕晕一个拥有30多个自由度的人形机器人。
刚刚，面壁智能再放大招——MiniCPM-V 4.5多模态端侧模型横空出世：8B参数，越级反超72B巨无霸，图片、视频、OCR同级全线SOTA！不仅跑得快、看得清，还能真正落地到车机、机器人等。这一次，它不只是升级，而是刷新了端侧AI的高度。
Humain 作为沙特领先的人工智能公司，已推出一款面向阿拉伯和穆斯林群体的对话式 AI 应用，正值沙特寻求在该技术领域获得区域领导地位之际。
人形机器人的运动控制，正成为强化学习（RL）算法应用的下一个热点研究领域。当前，主流方案大多遵循 “仿真到现实”（Sim-to-Real）的范式。研究者们通过域随机化（Domain Randomization）技术，在成千上万个具有不同物理参数的仿真环境中训练通用控制模型，期望它能凭借强大的泛化能力，直接适应动力学特性未知的真实世界。
