Radar — 队列 / 观察列表¶
最终更新: 2026-08 · owner: Youngjin · volatility: 高 ← 返回 index
L0 TL;DR: 尚未通过纳入标准（2.5 THE FILTER）但值得关注的东西。每个条目一句话 —— 成熟度标签 + 为何受关注 + 为何待定。一旦通过门禁（4 项中 2 项），由负责的支柱 owner 用标准模板晋升。
⚠️ 不要把这里的条目当作"成熟能力"用于客户提案。 华丽的演示常常掩盖可部署性。
🔬 模型 / 算法（待验证）¶
| 条目 | 标签 | 要点 | 晋升条件 |
|---|---|---|---|
| Physical Intelligence π0.7 | 🔵 Research | ✨ 关注：以 π0/π0.5 领跑 VLA 的 PI 下一代旗舰传闻 —— 一旦发布可能再次刷新行业基准 ⏳ 待定：仅二手来源 [4]，无 PI 一手确认 |
PI 官方发布 + 性能验证 |
| GR00T N1.6 / N1.7 商业许可证 | 🟡→ | ✨ 关注：若允许商用属实，将成为可用于客户提案的罕见开放 VLA（N1.5 为非商业，无法用于提案） ⏳ 待定：允许商用的说法仅来自二手来源 [4]（N1.5 在模型卡上明确为非商业 [1]） |
在实时模型卡确定许可证 |
| World-action models（DreamZero → GR00T N2） | 🟡 Preview | ✨ 关注：被视为 VLA 之后一代的"同时生成动作的世界模型"方向 —— NVIDIA 路线图的方向指标 ⏳ 待定：GR00T N2 "计划年底"，DreamZero 为研究 |
GA + 实际部署案例 |
| Google DeepMind Genie 3（用于机器人学习的世界模型1） | 🟡 Preview | ✨ 关注：尝试把前沿级世界模型用作机器人策略学习的数据源 —— 若成立可绕过真实数据瓶颈 ⏳ 待定：世界模型本身为预览，用于机器人学习为研究 |
机器人策略学习验证案例 |
| 基于 VLM 的 SysID2（Vid2Sid, Swim2Real） | 🔵 Research | ✨ 关注：仅凭视频估计物理参数、自动完成仿真器校准 —— 有望消除 sim-to-real 的手工校准 ⏳ 待定：2026 预印本，单一实验室 |
peer-review + 复现 |
| VIRAL / VideoMimic / Real2Render2Real（visual sim-to-real3 at scale） | 🔵 Research | ✨ 关注：从普通视频重建仿真环境与演示的 visual sim-to-real —— 改变数据采集成本结构的候选 ⏳ 待定：CVPR/CoRL 研究，非生产 |
生产部署证据 |
| Robbyant LingBot-VLA / UnifoLM-VLA-0 | 🔵 Research | ✨ 关注：中国新兴开放 VLA 系列 —— 用于观察开放权重竞争格局 ⏳ 待定：二手来源，无验证 |
一手确认 + AWS 映射 |
🖥️ 仿真 / 工具（待成熟）¶
| 条目 | 标签 | 要点 | 晋升条件 |
|---|---|---|---|
| Genesis 物理引擎4 | ⚪ Hype | ✨ 关注：以"超高速通用物理引擎"之说引发热议 —— 若属实将改变 GPU 仿真的成本结构 ⏳ 待定："430,000 倍"已被反驳 [1]，接触操作中慢 |
独立基准 + 生产采用 |
| MuJoCo Warp | 🟡 Alpha | ✨ 关注：结合 MuJoCo 精度与 GPU 并行 —— Isaac 一家独大格局的替代候选 ⏳ 待定：PyPI classifier "3-Alpha" [1]，非生产 |
Beta/GA 转换 |
| NVIDIA Newton 物理引擎 | 🟡 Preview | ✨ 关注：与 Google DeepMind·Disney Research 共同开发的新一代开源物理引擎 —— Isaac 生态下一代标准的有力候选 ⏳ 待定：在 Isaac Sim 6.0 中为 experimental 后端 |
GA + Isaac Lab 3.0 正式 |
| Isaac Sim 6.0 | 🟡 Preview | ✨ 关注：包含 Newton 集成的新一代架构改造 —— 现行 5.x 栈迁移方向的指标 ⏳ 待定："Early Developer Release"，API 变动（最新 GA 为 5.1） |
6.x GA 宣布 |
| Cosmos 3 作为 sim-to-real 学习源 | 🟢 GA（模型）/🔵（实战） | ✨ 关注：用世界模型生成数据训练可实际部署策略的方向 —— 若成立将改写 SDG 管道格局 ⏳ 待定：模型 GA，但"用世界模型数据训练可实际部署策略"仅早期采用者。⚠️ AWS 未托管 |
强化 AWS 映射 + 学习验证 |
🤖 硬件 / 部署（路线图·演示）¶
| 条目 | 标签 | 要点 | 晋升条件 |
|---|---|---|---|
| Tesla Optimus V3 | ⚪ Hype | ✨ 关注：话题度最高的人形机器人量产计划 —— 客户提问频率最高的条目 ⏳ 待定：仅 Musk 的主张，生产未启动 |
经过验证的部署 |
| Hyundai·BD 全电动 Atlas | ⚪ 路线图 | ✨ 关注：现代汽车集团的量产路线图（2028 起 3 万台/年）—— 韩国客户触点上最直接的人形机器人赛道 ⏳ 待定：全电动 Atlas 产品版本公开（2026-07，BD 官方 [3]）。部署 2.5 万+台·产能 3 万/年均 2028 启动，当前实际运行 ~0。2026 仅小规模试点（现代 RMAC + Google DeepMind）。⚠️"第五代"为误称 |
实际运行出货启动 |
| Apptronik Apollo 2 + Robot Park | 🟡 试点 | ✨ 关注：Mercedes·GXO 实际运营试点 + Google DeepMind 数据合作 —— 人形机器人商业化最前线的指标 ⏳ 待定：Mercedes-Benz·GXO 运营试点 [3] + Google DeepMind Gemini Robotics 数据合作（9 万平方英尺）。自主·商用扩散未验证。AWS 映射为通用（数据→S3/SageMaker），合作本身属 Google [4] |
商用部署规模 + 自主成果验证 |
| 1X Neo 自主性 | 🟡 Preview | ✨ 关注：真正开售（$20k）的首批家用人形机器人 —— 遥操作混合运营模式的试验场 ⏳ 待定：自主 + VR 遥操作（Expert Mode）混合运行 — CEO 亲自承认（Engadget [3]）。"自主 60~70%" 的数字无一手来源 [4] |
真正自主的验证 |
| Figure 03 "8 小时自主班次" | ⚪ Hype | ✨ 关注：在已验证的 BMW 试点业绩之上的自主性主张 —— 若属实将刷新工业人形机器人自主性标准 ⏳ 待定：CEO 推文，无独立验证（Figure 02@BMW 为已验证试点） |
第三方自主性审计 |
| Cosmos 3 采用（Doosan/LG/Samsung） | 🟢 GA（公布） | ✨ 关注：韩国三大企业集团的采用公告 —— 韩国客户对话中随时被提及的参考案例 ⏳ 待定：采用为"公布"而非生产验证 |
公开生产案例 |
🔗 智能体 / 连接（早期）¶
| 条目 | 标签 | 要点 | 晋升条件 |
|---|---|---|---|
| MCP5 for robotics（ros-mcp-server 等） | 🔵 Research | ✨ 关注：将智能体标准协议接入机器人技能的实验激增（50+ 服务器）—— AgentCore 联动的切入角度 ⏳ 待定：有 50+ 服务器但为开源/演示，无生产（安全·延迟·确定性未验证） |
生产硬化案例 |
| ROS 26 + LLM 智能体7（NASA JPL ROSA, RAI） | 🔵 Research | ✨ 关注：NASA JPL ROSA 等实际组织的验证案例 —— 自然语言→机器人运维最现实的切入口 ⏳ 待定：ROSA(JPL) 为最强实例但为 mock-ops。现场部署有限 |
现场生产部署 |
| 智能体物理安全标准（RoboGuard 等） | 🔵 Research | ✨ 关注：LLM 语义层风险的标准空白地带 —— 可能上升为监管·采购要求 ⏳ 待定：ISO 只管物理，缺乏 LLM 语义风险标准 |
标准化进展 |
| AgentCore Payments / Agent Registry（首尔） | 🟡 Preview/未提供 | ✨ 关注：机器人智能体商务·注册基础设施的 AWS 原生方向 —— 首尔区域开放后可立即用于提案 ⏳ 待定：首尔区域未提供 —— Agent Registry 在东京 ✅，Payments 连东京也未提供（APAC 仅悉尼） [1] |
首尔区域扩展 |
🆕 最新扫描流入（2026-09-05 · 一手验证完成 2026-07-21）¶
| 项目 | 标签 | 要点 | 晋升条件 |
|---|---|---|---|
| Walden Robotics（Toyota Research Institute 分拆，Large Behavior Models9 人形机器人） | 🟡 试点 | ✨ 关注：曾执掌 TRI 机器人研究的 Russ Tedrake 的分拆公司 + 3 亿美元种子轮 —— LBM 商业化最前线，拥有 Toyota 工厂实际试点 ⏳ 待定：公司官方发布（2026-07-15） [4] —— 2026-01 从 TRI 分拆（创始人 Russ Tedrake，前 TRI SVP），Toyota·Deviation Capital 联合领投 + NVIDIA·Boeing·Samsung Ventures 等参与的 3 亿美元种子轮（估值 11 亿美元）。人形上半身+轮式移动底座，基于 Diffusion Policy10·Large Behavior Models 的策略，宣称自 2026-02 起在北美 Toyota 工厂实现试点→"量产转换"，无第三方验证 |
第三方审计·独立验证 + 部署规模扩大案例 |
| Xiaomi-Robotics-1（VLA8 基础模型，10 万+小时真实世界 UMI11 轨迹） | 🔵 Research | ✨ 关注：凭借 10 万+小时真实世界 UMI 轨迹的数据规模在四个基准上自报 SOTA —— 中国大厂正式加入 VLA 竞争的信号 ⏳ 待定：小米官方 arXiv 发布（2607.15330，2026-07-16） [4] —— 基于 Qwen3-VL 的 MoT（VLM+DiT）架构，在 RoboCasa365（57.4%，此前 SOTA 为 46.6%）等四个基准上自报 SOTA（与 RLDX-1·GR00T N1.6 等对比，无独立复现）。⚠️ 更正（2026-08-10）：已确认 2026-08-03 在 GitHub 实际发布代码与权重（5B 基础模型 + RoboCasa/RoboCasa365/VLABench 三个任务专用版本）—— Apache-2.0（与 RLDX-1 不同，明确允许商用，具备 AWS 映射可能性）。仓库自报的排行榜数据与 arXiv 论文的表述方式不同，需直接对照；独立复现与实际部署仍为零 |
独立基准复现 + 实际部署案例 |
| Gemini Robotics 2（Google DeepMind，全身控制 VLA） | 🟡 Preview | ✨ 关注：前沿实验室 VLA 从上半身操作扩展到全身（行走·双手协调）控制 —— 改变竞品栈格局的代际转换信号 ⏳ 待定：官方发布（2026-07-30） [4] —— 从此前仅上半身控制扩展为全身控制（行走·弯腰·双手协调），同时推出推理模型 Gemini Robotics ER 2 与端侧模型 On-Device 2。在 Apptronik Apollo 2 实机演示（拧灯泡 92% 成功率），自报基准，无独立验证。仅 ER 2 公开预览（AI Studio/Enterprise Agent Platform），VLA·On-Device 2 仅限早期访问合作伙伴。⚠️ pillar-2 中"Gemini Robotics"竞品栈章节为本次发布前的快照（确认于 2026-07，仅覆盖 ER 1.6/On-Device/1.5）—— 需 pillar owner 更新 |
早期访问结束·GA 公开 + 独立基准验证 |
| XYZ Robotics DEUX（以 BrainX·GloveX·TwinX 串联的"Physical AI Data Flywheel"为基础的双臂半人形机器人） | 🟡 Preview | ✨ 关注：韩国初创公司利用自家咖啡·配送机器人商业运营中产生的真实数据训练 BrainX，再串联遥操作采集设备 GloveX → 数字孪生 TwinX 验证 → 重新部署到实机的自建数据飞轮 —— 韩国客户接触点上可能直接被提及的本地 Physical AI 数据管道案例 ⏳ 待定：在首尔 LoungeX 城水旗舰店启动实地试验（2026-07-27） [4] —— 双臂 32 自由度+三指手，已完成 130 亿韩元 B 轮融资（2026-03）。DEUX 商业化上市（计划 2026 下半年）与 GloveX 对外销售（计划 2026 年末）均尚未落地。自主性能与部署规模尚未验证 |
扩大实地试验 + 自主性能独立验证 |
| ROBOTIS AI Sapiens K1（基于 DYNAMIXEL-Q 的开源人形机器人平台） | 🟡 Preview | ✨ 关注：韩国企业 ROBOTIS 的开源人形机器人 —— 仅凭智能手机视频学习 K-pop 舞蹈动作(视频动作捕捉→重定向→仿真 RL→sim-to-real)并演示，还集成 NVIDIA Kimodo 实现文本→动作生成的扩展 —— 韩国客户接触点上会直接被提及的本地开放人形机器人案例 ⏳ 待定：GitHub 官方仓库（ ROBOTIS-GIT/ai_sapiens，Apache-2.0）[4] —— ROS 2 软件包（机器人描述·控制器接口·sim2real 工具）已公开，但视频→动作生成完整流程的开源化仅是 ROBOTIS 自身的预告计划（时间表未确定）。K-pop 舞蹈演示为自报，无独立验证·实际部署案例 |
完整流程公开确认 + 独立验证 |
| AWS-NVIDIA Physical AI 基础设施扩展（Amazon Robotics × NVIDIA 合作） | ⚪ 路线图 | ✨ 关注：AWS 官方宣布将把物理 AI 基础设施（仿真·SDG12·机器人训练·功能安全·real-to-sim 验证，GPU 加速 EC2）投入 Amazon Robotics 下一代机器人开发 —— Radar 迄今最直接的"AWS 自家"物理 AI 案例 ⏳ 待定：2026-08-26 AWS·NVIDIA 联合公布 [4]（一手来源 press.aboutamazon.com/nvidianews.nvidia.com，多家二手媒体交叉确认）—— 属于新增 200 万张 GPU（2027~2028）计划的一部分。仅公开 Jetson·Omniverse·Isaac 平台的使用范围，Amazon Robotics 具体机器人·量化成果·服务名称均未公开 —— 路线图阶段，实际部署为 0 |
公开具体机器人/服务 + 确定 AWS 服务映射 |
| LG × NVIDIA 双足人形机器人 + CLOiD | ⚪ 路线图 | ✨ 关注：韩国大型企业集团（LG）与 NVIDIA 签署 MOU —— 基于 Jetson Thor·Isaac GR00T·Halos（机器人安全框架）的双足人形机器人计划 2027 年第一季度公开，配套的轮式 CLOiD 将在 2026 年内投入田纳西州洗衣机工厂实战验证 —— 韩国客户对话中可直接引用的本地大企业赛道（与现代·BD Atlas 角度类似） ⏳ 待定：2026-08-13 MOU 签署官方公布（LG Corp 具光谟会长与 Jensen Huang 出席） [4]。CLOiD 投入田纳西工厂在 2026 年内但仍属验证阶段（非商业规模），双足人形机器人样机尚未公开（计划 2027 年 Q1 公开）—— 当前实际运行为 0 |
双足人形机器人实机公开 + CLOiD 工厂验证结果公开 |
| GHOST（仅凭机载摄像头即可让 1 人同时操作 2 台机器人的 VR 遥操作系统） | 🔵 Research | ✨ 关注：Brown University（Tellex 实验室）在 Amazon 资金支持下开发 —— 无需外部动作捕捉，仅凭机载 RGB-D，1 名操作员即可通过 VR 同时遥操作 2 台 Boston Dynamics Spot，已在 IEEE RA-L 发表（通过同行评审）。实测新手成功率提升 1.6~4 倍、专家作业速度提升 1.47 倍 —— 有望降低基于遥操作的机器人数据采集管道成本的开源案例 ⏳ 待定：arXiv 2608.29080（2026-08-29，IEEE RA-L 2026-08 accept） [4] —— 专家评测者即论文作者本人 3 人（可能存在偏差），新手评测 n=15（9 项任务中仅完成 2 项），专用于 Boston Dynamics Spot 硬件·专用 Wi-Fi 环境（生产环境可靠性未验证） |
扩大独立用户评测 + 验证多样硬件·网络环境 |
| Perceptron Isaac 0.5（开源权重具身基础模型，360 亿参数） | 🔵 Research | ✨ 关注：将视频理解·具身推理·机器人控制统一到单一稀疏骨干网络中并开放权重 —— 使用 35 个以上机器人系统·10 万+小时机器人经验·100 万小时视频·3T 多模态 token 训练，自报优于 π0.5·GR00T N1.7，代码与权重同时公开（代码 Apache-2.0） ⏳ 待定：公司官方发布 + GitHub 官方仓库（2026-08-27/28，来自前 Meta 研究员创立的初创公司 Perceptron AI） [4] —— 自报基准，无独立复现·peer-review。权重本身的许可条款在 Hugging Face 仓库另有说明（此处未能访问核实） |
独立基准复现 + 实际部署案例 |
| ABEJA × 村田制作所 GR00T N1.7 双臂 PoC（基于 VLA 的物理 AI 技术验证） | 🟡 Preview | ✨ 关注：日本制造巨头村田制作所使用 NVIDIA GR00T N1.7（商业许可的开源 VLA）在真实硬件上验证双臂机器人的零件传递·姿态转换·插入连续动作 —— 真实制造企业验证商业许可开源 VLA 的早期案例，切入实验室自动化角度 ⏳ 待定：ABEJA·村田制作所官方公布（2026-08-31，PR TIMES） [4] —— 通过数百次遥操作示范进行模仿学习，在验证（测试）环境中于实机成功。尚无生产规模部署或自主性能的独立验证。⚠️ 链接为 PR TIMES 官方发布稿，但本次运行环境的出网限制导致未能执行人工 curl 200 检查（详见提交说明/issue） |
生产线部署 + 独立验证 |
⚰️ 已废弃 — 禁止提议（存档保留）¶
| 条目 | 状态 | 替代 |
|---|---|---|
| AWS RoboMaker | 🔴 终止 (2025-09-10) [1] |
EC2 G6e/G7e + Isaac Sim AMI + AWS Batch |
| SageMaker Edge Manager | 🔴 终止 (2024-04-26) [1] |
ONNX + IoT Greengrass V2 (+ SageMaker Neo) |
| IoT Greengrass V1 | 🔴 终止 (2026-06-01) [1] |
Greengrass V2 |
| Gazebo Classic 11 | 🔴 EOL (2025-01) [1] |
Gazebo Jetty/Harmonic |
| Trainium for VLA | ⚪ 无公开案例 [4] |
当前为 CUDA/NVIDIA（提议时明示风险） |
⚠️ 传闻警戒（并非事实）: "AWS IoT TwinMaker 废弃"是误信息 —— TwinMaker 是 GA·对新客户开放（低速度）。是与 SiteWise 维护混淆的第三方博客主张。禁止重复。→ pillar-3。
晋升流程（摘要）¶
- 捕获: 用指定频道/表情收集候选
- 过滤: 应用 2.5 门禁（4 项中 2 项以上）
- 通过时: 由负责的支柱 owner 用标准模板编入，并从 Radar 移除
- 未达时: 在此保留一句话，明示晋升条件
完整管道 → maintenance。
owner: Youngjin · updated: 2026-08 · volatility: 高（Radar 本质上快速变化 —— 建议月度评审）
-
世界基础模型（WFM, World Foundation Model） — 为预测·生成物理世界的下一场景而训练的大型模型。通过文本·视频提示生成物理上合理的视频·场景，用于增强机器人学习数据。🎥 NVIDIA Cosmos 介绍 ↩
-
系统辨识（SysID, System Identification） — 测量真实机器人的物理参数（摩擦·质量·电机响应），把仿真器校准到与实物一致的工作。 ↩
-
sim-to-real — 把在仿真中训练的策略迁移到真实机器人上，或指其方法论。由于仿真与现实的物理·视觉差异（域间差异），直接迁移会导致性能崩溃。🎥 NVIDIA sim-to-real 机器人展示 ↩
-
物理引擎（physics engine） — 数值计算刚体动力学·接触·摩擦·碰撞的仿真器核心软件。引擎的精度·速度权衡左右着仿真器的选择（Isaac/MuJoCo/Genesis）。 ↩
-
MCP（Model Context Protocol） — 连接智能体与工具·数据源的开放标准协议。常被比作"智能体的 USB-C"，把机器人技能暴露为 MCP 服务器的实验正在增多。 ↩
-
ROS 2（Robot Operating System 2） — 机器人软件事实上的标准开源中间件。传感器·控制节点通过话题（topic）通信的分布式架构，是工业·研究机器人栈的公共基础。 ↩
-
LLM 智能体 — 大语言模型自行制定计划、挑选并调用工具（API·机器人技能）、执行多步任务的软件。与简单问答不同，关键在于它有"行动"。 ↩
-
VLA (Vision-Language-Action) — 以相机图像（Vision）与自然语言指令（Language）为输入、直接输出机器人动作（Action）的基础模型。对它说"把杯子拿起来"，它就会生成关节运动。🎥 NVIDIA Isaac GR00T N1 介绍 ↩
-
Large Behavior Models (LBM) — LLM 的"机器人行为"版：Toyota Research Institute 用该术语指代用大规模示范数据训练、以单一模型执行多种操作任务的机器人基础模型。 ↩
-
Diffusion Policy — 用图像生成中的扩散（diffusion）模型来生成机器人动作序列的策略架构。它能稳定学习包含多种有效做法的示范数据，已成为模仿学习的事实标准。 ↩
-
UMI (Universal Manipulation Interface) — 无需机器人、由人手持带相机的便携夹爪采集示范数据的方式。可以在不投入机器人的情况下大量获取真实世界数据。 ↩
-
合成数据生成（SDG, Synthetic Data Generation） — 用仿真器自动生成训练图像与标注（标签）的技术。最大优点是标注成本趋近于零。🎥 Isaac Sim Replicator SDG 教程 ↩