11月4日，苹果研究团队公布了一项人形机器人实验；
研究人员先用计算机生成1000个虚拟家庭，让机器人在这些环境中学习走路、坐下、绕过障碍物、推动箱子等动作。整个训练过程没有使用真实家庭的数据。
随后，研究人员把训练好的系统装到宇树G1机器人上，在6个此前没有接触过的真实环境中进行了360次单项任务测试，平均成功率达到91%。
但当研究人员把几个动作连起来，让机器人连续完成一组任务时，成功率下降到了70%。
11月7日，国金证券发布《物理AI：巨头新战场》，分析了苹果、OpenAI、谷歌、特斯拉和国内机器人企业最近的技术进展。
这份报告讨论了一个问题：AI模型已经能处理文字、图片和视频，接下来能不能进一步学会真实世界里的动作，让机器人更快掌握新技能？
一、机器人看一遍示范，就能学新动作了？
今年8月19日，美国机器人公司Generalist发布了GEN-1.5模型。
研究人员让机器人观看一段3至12秒的操作示范，随后尝试完成相同任务，包括拧开罐子、拉开拉链、使用刷子清扫物品等。
测试了10项任务以后，模型的平均成功率达到59%。
整个过程中，研究人员没有针对新任务重新训练模型，只把示范过程放进模型的输入信息里，机器人就开始尝试操作。
这种方法被称为物理提示。
我们平时使用大模型，可以给它一段文字示例，让模型按照示例完成新的工作。Generalist现在尝试把这种方法用在机器人身上，输入内容变成摄像头记录的操作过程，以及对应的动作轨迹。
如果让机器人多看一些示范，再进行少量训练，表现还能继续提高。
Generalist公布，使用大约5分钟、50次操作示范的数据，经过10次参数更新后，GEN-1.5在同一组任务上的平均成功率提高到了83%。
这会改变机器人学习新任务的方式。
以前给机器人增加一项操作技能，往往需要采集专门的数据，再训练和调试控制程序。现在同一个模型已经能够利用短时间示范完成部分新任务，后续训练可以集中在提高操作成功率上。
Generalist能取得这样的结果，与此前积累的大量机器人操作数据有关。
2025年发布GEN-0时，公司已经使用超过27万小时的真实操作数据进行训练。今年4月推出GEN-1，预训练数据规模进一步扩大到50万小时以上。
这些数据来自家庭、仓库、工厂等环境，记录了机器人如何接触物体、完成动作以及处理操作过程中出现的变化。
二、训练机器人，开始不需要真实场地了
苹果HALO实验采用了另一种方法。
研究人员先在计算机里设计住宅布局，再生成机器人完成任务时需要的画面和动作数据。桌椅的位置、房间结构、行走路线，都可以不断调整。
机器人在这些虚拟环境中学习以后，再把训练好的控制系统放到真实机器上。
这样做可以减少人工采集操作数据的工作量，还能让机器人提前接触大量不同的房间布局。
谷歌也在开发类似的虚拟环境技术。
10月27日，Google DeepMind发布了Genie 4世界模型。用户可以通过文字改变虚拟环境，比如调整天气、移动视角、添加人物或物体，模型会根据变化继续生成后面的场景。
Genie 4还可以实时生成环境声音和人物动作。
对于机器人研发，这类技术可以用来制作训练场景。例如让机器人在模拟环境中遇到突然出现的障碍物，观察它如何调整动作，再把测试结果用于改进控制系统。
苹果HALO更侧重生成符合机器人运动规律的训练数据，Genie 4主要展示实时交互式环境生成能力。两者提供的技术可以用于不同的研发环节。
三、OpenAI开始直接参与硬件设计
11月3日，OpenAI公布了一项硬件设计实验。
公司让GPT-6 Astra参与设计一款可以通过语音与Codex交流的小型设备，从外壳结构、电路板布局，到内部元件选择和软件连接，都交给模型处理。
两名团队成员用了不到一周完成设计，代工厂随后花不到一个月制作出一小批原型机。
不过，进入制造环节后，工程人员还是进行了几轮审查和修改。因为模型设计时没有完全考虑代工厂的生产限制、零部件公差和实际装配要求。
这项实验已经从单纯生成设计图，推进到了实物制造环节。
OpenAI今年1月还发布了美国硬件制造合作征询文件，将消费设备和机器人列入合作范围，涉及机器人执行器、精密轴承、谐波减速器、电机，以及消费电子设备的组装测试。
公司此前已经参与机器人企业1X的融资，并整合了Jony Ive团队旗下的io Products业务。
从目前公开的项目来看，OpenAI正在同时推进两类工作：利用模型帮助工程师设计实物产品，以及寻找能够生产机器人和消费设备的制造伙伴。
四、机器人开始接受连续工作的考验
11月6日，智元机器人公布了一项新测试。
11月2日上午10点至3日上午10点，6台智元G2机器人在上海徐汇区一家正常营业的便利店里连续工作24小时，累计执行1730项任务。
其中包括683次顾客服务、369次商品取放和配送、147次咖啡制作、126次早餐供应，以及货架检查补货和清洁工作。
最终6台机器人中，有4台通过了考核。
这次测试安排了午间客流高峰、晚间营业、夜间作业和第二天早餐等不同时间段。机器人需要根据现场情况切换工作，有时还要处理抓取失败、障碍物变化等问题。
例如补货机器人会检查货架上的空缺，发现商品不足时进行补货；负责清洁的机器人需要分辨台面上的污渍和花纹，再选择清洁工具。
智元还在测试中使用Genie Master系统，记录机器人执行任务时出现的问题，并根据现场反馈继续调整操作策略。
相比只展示机器人完成某个动作，24小时营业环境能记录更多连续作业的数据，包括任务切换、操作失败以及后续恢复过程。
五、特斯拉开始生产，Meta也在做机器人
10月21日，特斯拉在第三季度业绩报告中披露，Optimus已经在弗里蒙特工厂启动早期生产。
公司表示，这条生产线已经制造出首批达到生产质量要求的机器人，接下来还会继续修改硬件和制造工艺。
马斯克在业绩会上谈到，Optimus目前比较困难的部分包括机器人手部设计、整机可靠性和AI软件。
尤其是灵巧手，既需要足够灵敏地操作不同物品，也要经受长时间重复使用。
特斯拉计划在2027年4月左右把AI5芯片集成到Optimus，并以2027年底开始向外部企业客户交付为目标。
Meta也开始参与人形机器人开发。
据The Information今年10月31日报道，Meta与傅利叶合作，花约三个月开发出一款名为Max的人形机器人原型，并在9月开始改进第二代产品，重点包括双手操作、躯干结构和上下楼梯能力。
与此同时，Meta还在上海、深圳招聘机器人供应商开发、产品设计及量产规划等相关人员。
苹果已经公布了HALO的真实环境测试结果，OpenAI做出了由模型参与设计的硬件原型，特斯拉启动早期生产，智元则把机器人放进便利店测试连续作业。
目前这些项目的商业化进度各不相同。接下来一年，特斯拉能否按计划开始外部交付，智元能否把便利店和工厂中的操作流程复制到更多客户现场，将提供更具体的经营数据。
六、产业链重点公司
1、本体：特斯拉、智元、上纬新材、宇树科技。
2、北美链：科森科技、斯菱智驱、岱美股份、世运电路、福赛科技、蓝思科技、浙江荣泰、三花智控、恒立液压、北特科技、拓普集团、科达利、万向钱潮等。
3、机器人大脑相关：摩尔线程、协创数据、道通科技、索辰科技、仙工智能、群核科技、智微智能、爱芯元智、五一视界等。
4、具身数据采集相关：领益智造、海天瑞声、利亚德、仙工智能、宝通科技、世纪恒通、奥比中光、绿的谐波、禾赛、速腾聚创、海康威视等。
以上为行业及产业链资料梳理，仅供交流，不构成投资建议。
