核心观点 - 银河通用人形机器人“小盖”在2026年春晚的表演，标志着中国具身智能产业从“技术炫技”向“实干兴业”的深刻转变[2] - 公司通过“沿途下蛋，仰望星空”的发展理念，在真实场景中打磨技术，实现了从专用到通用的跨越，并找到了具身智能可行的商业化发展路径[18][19][23] 春晚亮相与市场反响 - 银河通用机器人“小盖”在2026年春晚微电影中，通过盘核桃、捡玻璃碎片、叠衣服等生活化细腻动作完成实景互动表演，展示了其自主决策能力[1][3] - 机器人不依赖预编程或遥控，而是搭载自研具身大模型“银河星脑”，能在毫秒级时间内根据环境自主决策[6] - 春晚亮相后，公司产品迅速走红，近70万元的机型在24小时内订单激增数百台，高端型号G1在除夕线上开售后数分钟内售罄[6] 技术能力与核心优势 - 硬件采用“可折叠躯干+轮式底盘”构型，在保证操作泛化能力的同时，提升了工业场景的稳定性与投入产出比[10] - 软件首创虚实结合数据管线，构建了全球最大的百亿级具身智能数据集，并打造了全球首个集成“大脑-小脑-神经控制”的端到端大模型“银河星脑”[12][13] - 该技术使机器人具备货架存取、叠衣物、食品加工等多项精细操作的应用能力[13] 商业化落地与订单情况 - 在工业制造领域，公司与宁德时代、博世、丰田、北汽、上汽等头部工厂合作，累计订单达数千台[14] - 公司与精密制造企业百达精工签署协议，将在其生态体系内部署超过1000台具身智能机器人，跨过千台级订单门槛[8] - 近期发布了具身智能重载机器人Galbot S1，双臂最大负载达100斤，突破行业负载上限，并已在宁德时代等企业产线落地[14] 多元场景应用拓展 - 商业服务领域：开创了以人形机器人全流程自主运营的“银河太空舱”智能零售方案，已在20多个城市、数十个核心商圈实现100家零售店的常态化运行[16] - 医疗康养领域：与成都高新区、四川大学华西第二医院签署协议，共同打造具身智能医疗机器人中试平台和应用示范区[16] - 即时零售仓储领域：在全球率先实现百台机器人7×24小时自主运营零售店和仓库，并已稳定运行超过一年，打破了人形机器人自主持续工作的世界纪录[16] 发展路径与行业意义 - 公司发展路径揭示了通用能力与落地实践的辩证关系：通用能力在真实落地场景中“磨”出来，而落地价值在于用同一套技术底座的泛化能力覆盖千行百业[19] - 真落地能获取打磨通用能力所需的“真数据”，应对仿真环境无法模拟的极端情况；真通用则能让落地从单点项目变为规模生意，实现跨场景技术复制与降本增效[20][21] - 春晚表演从展示“能动”到证明“能用”，是中国具身智能产业从“技术秀”向“实干派”整体跃迁的缩影[24]

公司核心技术与产品 - 公司旗下银河通用人形机器人“小盖”作为特邀演员，在2026年央视春晚微电影中完成实景互动表演，标志着中国具身智能技术从实验室走向大众视野的关键一步 [2] - 机器人在微电影中展示了盘核桃、捡玻璃碎片、货架取物、叠衣服、串烤肠等一系列精细且生活化的操作，所有技能均实现100%自主决策与执行，无需人工干预 [3] - 公司的核心竞争力源于首创的“虚实结合、数据驱动、端到端”技术范式，并基于全球最大的百亿级具身智能数据集，打造了全球首个集成“大脑-小脑-神经控制”的全身全手端到端大模型“银河星脑AstraBrain” [7] - AstraBrain大模型通过“人类少样本示范、仿真数据合成、强化学习闭环、真实世界见习”四步修炼逻辑，使机器人掌握可迁移的通用能力，实现“举一反三”，而非死记硬背特定动作 [33][34][36][37][39][41][42] - 公司构建了名为“银河星坊”的虚实融合数据基建，其数据金字塔包括：基石层的人类数据、中间层的海量仿真合成数据、塔尖层的少量高质量真机实战数据 [44][45] - 在盘核桃这一灵巧操作上，技术关键点在于：在仿真环境中基于强化学习进行大规模并行训练获得基础策略，并引入基于真实世界数据学习的神经动力学模型驱动的残差策略网络来弥合仿真与现实的差异 [47][48] - 公司已实现从“百亿数据集”到“具身大模型”再到“机器人本体”的全栈自研，在操作大模型、导航技术、灵巧操作等多个技术领域实现全球领先突破 [49] - 公司面向零售场景的具身大模型GroceryVLA是全球首个该场景的端到端模型，实现了“边看边做”的自主闭环控制；导航基座大模型NavFoM实现了复杂场景下的小时级长程自主导航 [49][50] - 公司自主研发的灵巧手神经动力小脑模型实现了革命性突破，使具身智能能够赋能工业精密应用，支撑了春晚“盘核桃”表演，该表演结合了来自Sharpa的灵巧手硬件 [50] 市场反响与商业化 - 春晚亮相后，公司机器人迅速走红，其70万元人民币机型在24小时内获得数百订单；除夕当晚在京东平台上线后，数分钟内多款机器人售罄，其中两台近70万元的GALBOT通用机器人G1被抢购一空 [5] - 面对激增的市场需求，公司已紧急调配产能并加班赶工以保障交付 [5] 行业影响与定位 - 此次春晚微电影首秀实现了“科技+文化”的融合，以前沿技术以接地气、有趣味性的方式触达人心，证明了通用机器人的能力是基于通用技术模型的真实能力展现 [51] - 公司在春晚另一个节目《山海寻梦》中，其最新产品工业重载机器人Galbot S1与航天卫星、C919等一同亮相 [51] - 文章末尾列出了包括该公司在内的机器人行业产业链众多企业名单，涵盖了工业机器人、服务与特种机器人、人形机器人、具身智能企业、医疗机器人及上游产业链等多个细分领域 [56][57][58][59][60][61][62]

核心观点 - 宇树科技的人形机器人在2026年央视春晚舞台上完成了全球首次全自主人形机器人集群武术表演，其运动性能、集群控制与定位技术实现多项全球首次突破，标志着人形机器人在爆发力、灵活性、协调性与可靠性方面达到新高度，为未来复杂场景应用奠定基础 [2][3][9][12][16] 运动性能突破 - 实现了全球第一次连续花式翻桌跑酷、弹射空翻（空翻最大高度超3米）、单脚连续空翻、两步蹬墙后空翻以及Airflare大回旋七周半等高难度动作 [3] - 实现了全球第一次集群快速跑位，最快任意跑位速度可达4米/秒 [5] - 机器人搭载全新自研灵巧手，支持武术道具的快速更换与稳定抓持 [5] - 这一系列突破刷新了人形机器人运动表现的技术边界 [9] 集群控制与定位技术 - 演出使用全新升级的高并发集群控制系统，实现了几十台机器人实时协同动作，动作同步误差严格控制，达成超低同步延迟 [10] - 采用AI融合定位算法，通过AI处理本体感知数据并与3D激光雷达数据深度融合，每秒处理上百次环境信息，保障机器人在剧烈运动后仍能精准定位，防止传统算法在空翻等动作下丢失跑飞的问题 [12] - 通过对通用预训练控制模型的微调，使机器人在武术运动同时具备位置调整能力，配合AI融合定位算法，攻克了长序列表演中运动误差累计难题，确保表演动作整齐划一 [12] - 定位算法与控制算法的结合，促成了全球首次全自主人形机器人集群武术表演（带集群快速跑位） [12] 产品应用与文化融合 - 在主会场，H2人形机器人以“剑宗大师”形象压轴登场，在表演剑法后牵起少年武者的手共同行礼，寓意武术精神的代际传承与人机共融的未来 [13] - 在义乌分会场，H2身披大圣重甲、手持金箍棒，脚踏由B2W机器狗扮演的“筋斗云”穿梭，最终从天而降落于巨蛋剧场，展示了科技与传统文化的深度交融 [16] - 此次表演是中国功夫与科技携手共赢的例证 [16] 行业生态 - 文章末尾列举了广泛的机器人行业相关企业名单，涵盖工业机器人、服务与特种机器人、人形机器人、具身智能企业、医疗机器人企业及上游产业链企业，显示了行业生态的活跃与完整 [19][20]

文章核心观点 - 由KAIST和UC Berkeley团队提出的HAMLET框架，通过为现有视觉-语言-动作模型添加轻量级历史记忆模块，显著提升了机器人在长时操控任务中的性能与成功率，且具备高效率与跨任务迁移潜力 [3][5][17] 现有VLA模型的局限性 - 当前主流VLA模型遵循“单帧假设”，仅依赖当前画面与指令决策，缺乏历史记忆，导致其在需要上下文的长时任务中表现不佳 [4] - 在“盖方块叠杯子”任务中，因物体被遮挡后缺乏历史记忆，GR00T N1.5模型成功率仅为37.5% [4] - 简单堆叠历史帧的方法效率低下，例如增加4帧历史画面会使模型推理速度减慢35%，峰值内存占用暴涨3.6倍 [4] HAMLET框架的技术原理 - HAMLET框架包含两大核心组件：时刻令牌与轻量记忆模块，通过微调而非从头训练的方式为VLA模型添加记忆系统 [5] - **时刻令牌**：作为可学习向量，对每个时间步的场景信息进行压缩存档，并通过时间对比学习初始化，使其聚焦于动态变化的关键区域，忽略静态背景 [6][8] - **轻量记忆模块**：采用两层Transformer架构处理历史时刻令牌，通过因果自注意力机制筛选整合对当前决策重要的历史信息，输出融合历史特征的特征向量 [9][11] HAMLET的性能表现 - 在真实场景的长时任务测试中，HAMLET大幅提升成功率：在“两次拾取放置”任务中，将GR00T N1.5的成功率从12.5%提升至66.7%；在“交换方块”任务中，成功率从37.5%跃升至83.3% [13][14] - 在多项任务平均成功率上，HAMLET达到76.4%，比基线模型高出47.2个百分点 [13][14] - 在通用仿真基准测试中，HAMLET也提升了性能：在RoboCasa Kitchen数据集上将成功率从64.1%提升至66.4%；在LIBERO数据集上将成功率从95.6%推高至97.7% [13][15] - HAMLET在提升性能的同时保持了高效率：当历史长度为8时，其推理速度仅增加7%，内存占用仅增加1倍；而简单堆叠历史帧的方法会使推理速度变慢2.4倍，内存占用暴涨7倍 [15] HAMLET的跨任务迁移能力 - HAMLET的记忆模块具备跨任务迁移能力，在LIBERO数据集上训练后，直接迁移到RoboCasa Kitchen数据集测试，仍能使模型成功率提升1.9个百分点，接近在目标数据集上训练的效果 [16] - 这表明其记忆模块学习到的是通用的“历史信息处理能力”，可降低在不同机器人操控任务中的部署成本 [16] 行业影响与未来展望 - HAMLET解决了VLA模型缺乏历史记忆的核心痛点，无需重构大模型架构或海量数据，即可让现有模型快速具备历史感知能力 [17] - “记忆”能力是机器人迈向通用化、理解复杂人类指令并完成挑战性长时操控任务的关键一环 [17]

文章核心观点 - 哈佛大学研究团队提出了一种名为旋转多材料3D打印（RM-3DP）的全新制造范式，解决了快速、高效制造结构复杂、功能可编程软体机器人的难题 [1][2] - 该技术通过将复杂的内部气动网络直接打印进软体机器人身体，并集成算法路径规划，实现了对机器人形变的亚体素级别动态编程，极大地拓展了软体机器人的设计和制造边界 [2][12][25] 旋转多材料3D打印（RM-3DP）技术原理 - 技术核心在于一个特殊设计的3D打印喷头，可挤出核-壳结构（core-shell）长丝 [6] - “壳”由光固化弹性体墨水构成，形成软体机器人的身体；“核”由温敏性凝胶“牺牲墨水”填充，打印后可用0°C冰水冲走，留下中空的气动通道 [7][8] - 通过精确设计喷头内部几何形状（如角度φ），可制造出不对称的通道截面，从而实现充气时的定向弯曲驱动 [10] - 打印喷头可一边挤出材料一边高速旋转，从而在打印过程中任意改变内部不对称通道的朝向，实现直线、S形或螺旋形等不同形变 [11] - 通过控制“牺牲墨水”的挤出流速（Qf），可动态改变通道横截面积，从而控制形变大小或制造“惰性”连接段 [11] 可编程复杂形变能力展示 - **一维（1D）长丝**：单根长丝充气后可精确弯曲成预设曲率，实验结果与模拟高度吻合 [13] - **周期性弯曲**：通过多次180度旋转打印，长丝充气后像波浪一样周期性向不同方向弯曲 [15] - **螺旋扭转**：通过连续旋转打印（w* = -1），长丝在83kPa压力下驱动时扭转成紧密螺旋线圈，末端角位移高达880度 [15] - **局部铰链**：通过在一小段打印粗通道（高Qf）两侧连接细通道（低Qf），形成“铰链”，充气时弯曲角度可超过180度，实现“对折”效果，并可用一根长丝打印出充气后自动折叠的线框立方体 [16] - **二维（2D）表面**：将多根长丝并排打印构建表面，通过编程“棋盘格”图案中相邻区域气动通道方向相反（如θf = 0°和180°），实现充气时区域化形貌控制（有的向上拱起，有的向下弯曲） [17][18] 算法集成与复杂结构制造 - 引入基于费马螺线（Fermat spirals）的连续打印路径规划算法，可将任意二维矢量图像（如花朵或手轮廓）自动转换成一条连续不断的打印路径 [21] - 使用该算法和RM-3DP系统制造出“机器花朵”，充气时花瓣优雅地向中心卷曲，模拟绽放 [21] - 制造出拥有5个独立气路输入的软体机器手，算法自动生成覆盖手掌和五指的连续路径，并在手指“关节”位置通过程序化改变挤出流速预设“铰链”结构，可独立控制每一根手指弯曲 [23] - 将该机器手固定在机械臂上，成功围绕泡沫小球实现保形抓握并将其从桌上提起，展示了技术的实用性 [25] - 该技术是一套集设计、路径规划、材料打印于一体的自动化工作流程，能将复杂仿生设计快速转化为功能强大的实体机器人 [25] 研究发表与行业关联 - 这项重磅研究已发表在材料科学领域国际顶级期刊Advanced Materials上 [5] - 文章末尾列出了大量工业机器人、服务与特种机器人、人形机器人、具身智能、医疗机器人及上游产业链的相关企业名称，显示了该技术与机器人行业的广泛关联 [29][30]

文章核心观点 小鹏汽车与特斯拉在人形机器人领域的竞争，是两种技术哲学与商业逻辑的碰撞，其胜负将深刻影响全球人形机器人产业的发展格局[1] 小鹏凭借“车机同源”的技术复用和跨生态协同，在硬件拟人化、算力效率、量产节奏和商业落地上建立了先发优势[1][27] 特斯拉则延续“纯自研+重投入”的路径，虽具品牌与规模优势，但在量产、成本控制及生态协同上面临挑战[1][27] 硬件架构 - **关节自由度与灵巧手**：小鹏IRON拥有82个全身关节自由度，远超特斯拉Optimus Gen2的50个[3] IRON的灵巧手有22个自由度，采用1:1人手尺寸与最小谐波减速器，能完成拧螺丝等高精度工业任务，而Optimus灵巧手仅11个自由度，仅满足基础抓握[3] - **形态设计与拟人化**：小鹏提出了首个通用人形设计系统，通过参数化规则调整身体比例与关节，实现外形协调与动作自然[5][7] 采用仿人脊椎、全包覆柔性皮肤和仿生肌肉驱动系统，实现了优雅拟人的猫步步态[8] - **重量、续航与电池**：IRON搭载能量密度大于500Wh/kg的固态电池，实现全天续航[10] Optimus采用2.3kWh锂电池，续航仅4-8小时，难以脱离固定场景使用[10] - **算力配置与AI模型**：IRON搭载3颗自研图灵芯片，总算力突破2250TOPS，支持30B参数规模的物理世界大模型，实现“视觉-语言-动作”全链路协同[10] 特斯拉Optimus采用FSD+Dojo算力平台，缺乏专用大模型支持，仍停留在单一任务执行层面[10] 技术路线 - **研发效率与复用**：小鹏采用“车机同源”路线，将智能汽车积累的感知、决策、控制技术直接迁移至机器人，研发到量产仅用5年，远快于行业平均8-10年的周期[12] - **自研路径与迭代**：特斯拉坚持“从零到一”的纯自研，Optimus的执行器、电子电气系统均为全新开发，研发周期拉长[14] 特斯拉跳过了四足阶段的技术验证，而小鹏通过四足机器人“小白龙”完成了早期技术积累[14] - **智能交互架构**：小鹏的VLA架构实现了从“感知-理解-动作”的端到端闭环，源于汽车端智能驾驶模型迭代[14] 特斯拉仍依赖传统的“感知-决策-执行”三段式架构，信息传递存在损耗[14] 生态协同 - **跨载体生态构建**：小鹏构建了“智能汽车-人形机器人-飞行汽车”的物理AI生态，图灵芯片作为多端通用AI芯片，同时支撑汽车、机器人、飞行汽车的算力需求，形成“一芯多端”的成本优势[16] - **数据与供应链协同**：智能驾驶算法在汽车端积累的数据通过数据飞轮反哺机器人[16] 机器人的电机、传感器等核心部件可与汽车零部件共用供应链，大幅降低采购成本[16] - **制造体系与量产准备**：IRON与汽车共线生产，肇庆工厂的高精度制造能力直接迁移至机器人装配，2025年3月已进入工厂实训[19] 特斯拉Optimus的生产尚未与汽车产线协同，2025年仍处于内部测试阶段，2026年仅计划有限生产[19] 商业落地 - **量产时间节点**：小鹏已明确2026年底规模量产的目标，且已完成工厂实训、SDK开放等前置工作[20] 特斯拉Optimus的量产时间多次推迟，2026年仅计划有限生产，大规模交付无明确时间表[20] - **价格策略与成本**：小鹏提出IRON“与汽车同价”的目标，终端定价有望控制在20-30万元区间[22] 特斯拉宣称Optimus目标售价2-3万美元（约14-21万元），但实际售价可能大幅高于预期[22] 小鹏核心部件与汽车业务共享供应链，采购成本降低30%以上[22] - **场景布局策略**：小鹏采取“工业先行、商业跟进、消费补位”的梯度落地策略，2026年底量产首年进入汽车门店、宝钢工厂等场景，2030年冲击100万台年销量目标[22] 特斯拉则聚焦家庭场景，短期内难以形成规模化订单[22] 长期竞争 - **生态壁垒与复利效应**：小鹏的“物理AI”生态已形成闭环，跨载体技术复用使研发投入实现倍数效应，例如机器人与汽车业务可相互反哺数据[24] 特斯拉各业务线技术壁垒明显，协同效应有限[24] - **技术迭代速度**：小鹏依托汽车业务的快速迭代机制，建立了“研发-测试-量产”的闭环，技术升级能与汽车业务同步推进[24] 特斯拉的技术迭代更依赖单一业务突破，缺乏跨场景数据支撑[24] - **生态合作伙伴**：小鹏已与宝钢等工业客户达成合作，开放IRON的SDK接口，并计划将机器人部署至自有汽车门店与办公园区，形成“自产自销+外部合作”模式[25] 特斯拉尚未披露明确的合作伙伴计划，仍以自建场景为主[25]

行业技术瓶颈与机遇 - 当前主流手术机器人存在“视觉依赖”困境，高度依赖高清摄像头和深度学习算法识别解剖结构，但缺乏人类外科医生般的“触觉感知”能力，在面对变形组织、视野遮挡、术中出血等真实手术场景时，其适应性和安全性受到严重限制[4] - 香港中文大学任洪亮教授团队在《Nature Reviews Bioengineering》发表评论文章，系统性提出“人工动觉”分层框架，为解决上述核心难题提供了全新思路，为下一代智能手术机器人的研发奠定了基础[4] 人工动觉框架核心内容 - 人工动觉框架旨在构建一套涵盖“物理感知 - 算法解读 - 协同控制”的分层系统，让机器人不仅能“看见”，更能“感知”和“理解”手术过程中的物理互动，以复刻人类外科医生的多感官协同能力[5] - **物理感知层**：核心是让手术器械具备“感知能力”，通过集成形状传感技术实现“本体感知”，以及借助仿生触觉感知技术实现“外感受”，以捕捉器械与组织的接触力、顺应性动态等丰富物理信息，打破单纯依赖视觉的数据局限[8][9] - **算法解读层**：需要突破传统的“信号纠错”思维，构建类似人类的分层处理机制，不仅对力和运动数据进行实时调整，更要从中提取语义信息，真正实现对器械-组织互动的“理解”[10] - **协同控制层**：提出将连续的力和运动信号离散为“动觉tokens”，构建“视觉-动觉-语言-行动”多模态模型，通过高层模型负责复杂任务规划和语义推理，低层控制器负责高频运动执行，形成闭环控制，实现离散认知与连续物理交互的协同[11] 技术发展前景与影响 - 人工动觉框架的提出，为自主手术系统的发展指明了方向，未来的手术机器人将不再是“视觉主导的执行者”，而是具备多感官协同感知能力的“智能伙伴”[12] - 随着人工动觉技术的不断发展，手术机器人将真正实现从“视觉依赖”到“多感协同”的跨越，为智能微创手术带来革命性变革[13] 相关研究团队与产业生态 - 该评论由香港中文大学电子工程系刘唐有博士、袁思申博士、任洪亮教授共同完成，研究得到国家自然科学基金、香港研究资助局、香港中文大学等项目支持[12] - 文章末尾列举了广泛的机器人产业生态企业，涵盖工业机器人、服务与特种机器人、人形机器人、具身智能企业、医疗机器人企业及上游产业链企业，显示了该技术所处的广阔产业背景[21][22][23][24][25][26]

公司融资与估值 - 公司于2025年创立，在短时间内完成超2亿元天使+轮融资，第三轮融资已接近完成，累计融资额将达8亿元 [1] - 融资由老股东红杉中国、线性资本、高瓴创投、华业天成、中金资本旗下基金、BV百度风投持续追投，并新增深创投、创新工场、普华资本、钧山资本、雅瑞资本等顶级机构加入 [1] - 融资资金将用于加速机器人通用大脑和硬件本体的研发，并推动产品在海内外客户场景中的规模化部署 [1] 团队背景与商业化进展 - 公司核心团队拥有在智能驾驶领域引领十年产业发展完整周期的经验，展现出从产品研发到商业落地的综合能力以及拓展全球市场的突破力 [1] - 自研的首代机器人平台已进入客户场景实际应用，与多家国内外头部企业达成战略级合作，并已完成第一阶段交付验证，同步启动海外市场部署 [1] - 公司机器人已进入国际客户的工业产线，正式开启量产交付落地的新阶段 [7] 核心技术：算法与模型 - 公司构建了内嵌隐式世界模型的端到端多模态大模型，通过数据驱动内化环境动态与物理规律，使机器人具备持续进化的3D感知理解、历史记忆建模、未来环境预测和细腻动作生成能力，同时构建反思、纠错等高阶能力 [4] - 该模型已在工业装配、柔性物体操作、清洁整理等多项任务上实现泛化性与成功率的同步突破，获多家客户认可 [4] - 公司与清华大学、上海交通大学等顶级高校开展深度合作，推动在世界模型、VLA、仿真重建等领域的创新，多项成果登上CVPR、ICCV、NeurIPS、ICLR等国际顶会 [5] 核心技术：硬件与平台 - 公司机器人硬件平台已完成多次迭代升级，基于软硬结合、拟人化和轻量化理念进行深度优化，包括紧凑构型、快速补能、安全防撞等设计 [7] - 公司已完成超1100 TOPS的大小脑一体的国产大算力计算平台的全栈自研，并在其人形机器人上实现标配部署，全面支撑大模型的高效推理和包含影子模式的端侧双系统运转及数据闭环 [7] 战略合作与市场定位 - 公司正与包括全球汽车被动安全领导者ZF LIFETEC在内的多家全球顶级企业联合，通过在真实场景的深度共创，在工业制造、商业服务等高价值领域打磨“通用操作大脑”能力 [7] - 公司致力于引领具身智能技术在全球规模化应用的新标准和新范式，推动解决方案在多元核心场景中的规模化部署 [7] - 公司战略是“立足中国，服务全球”，通过技术研发与商业应用的双重驱动，将前沿技术转化为各行业客户的实际价值 [8] 行业生态概览 - 行业生态涵盖工业机器人企业，如埃斯顿自动化、埃夫特机器人、法奥机器人、越疆机器人等 [9] - 行业生态涵盖服务与特种机器人企业，如亿嘉和、晶品特装、七腾机器人、史河机器人等 [9] - 行业生态涵盖人形机器人企业，如优必选科技、宇树、云深处、星动纪元、伟景机器人等 [9] - 行业生态涵盖具身智能企业，如跨维智能、银河通用、千寻智能、灵心巧手、睿尔曼智能等 [10] - 行业生态涵盖医疗机器人企业，如元化智能、天智航、思哲睿智能医疗、精锋医疗等 [11] - 行业生态涵盖上游产业链企业，如绿的谐波、因时机器人、坤维科技、脉塔智能、青瞳视觉等 [12]

公司产品在顶级学术研究中的应用 - 公司产品作为核心研究工具，其应用成果被机器人领域顶级期刊《Science Robotics》（影响因子27.5，JCR/中科院双1区）收录并登上期刊封面[1] - 该研究由康奈尔大学团队完成，利用公司myCobot机械臂，创新研发软体机器人叶片夹持器，实现自动化压印加压渗透，将纳米颗粒与遗传物质精准注入叶片，成功率超91%且损伤极小[4] - 2025年，公司产品在康奈尔大学、东京大学、首尔国立大学、密歇根大学、纽约大学、滑铁卢大学、早稻田大学、华中科技大学、华南理工大学、香港理工大学等海内外前沿学府和研究机构中实现规模化应用[6] - 公司通过提供模块化、开源且经济实惠的机器人硬件平台，支持跨学科团队快速搭建实验系统、迭代算法并验证创新思路[6] - 从近百篇学术论文中遴选的10项代表性研究，共同验证了公司产品在高精度运动控制、环境适应性等方面的卓越性能[6] - 公司的开源生态与兼容性设计降低了研究门槛，促进了多元场景的快速原型开发与成果共享[6] 代表性学术研究案例 - **东京大学研究**：开发机器人前发造型系统，采用协作机械臂myCobot 280 M5构建，能够实现稳定的3D轨迹执行和可重复的精细头发束操作，为机器人服务和美容领域提供技术路径[7][9] - **首尔国立大学研究**：介绍动态不可听频移通信方法，使用18-22 kHz频段声音信号实现分散机器人交互，通过自主移动机器人myAGV和协作机械臂myCobot 280 Pi验证，在距离高达4米范围内通信准确率超过97.5%[10][12] - **密歇根大学与纽约大学研究**：提出多模态可解释性框架整合视觉语言模型和热图可视化技术，以提高机器人导航透明度，该系统在myAGV上测试，在30名参与者的用户研究中，提供实时解释后信任度、理解度、偏好度更高[13][15] - **滑铁卢大学研究**：提出基于多层波纹管型软体气动执行器的软硬复合关节，基于该关节构建的三指软硬复合夹爪集成于myPalletizer 260协作机器人末端，实验表明该回转关节在13.1kPa气压下可达90°转角，最大输出力4.93N，经15000次循环仍保持稳定性能[16][18] - **蒙特雷科技大学等机构研究**：提出协作式异构微型机器人3D打印机，将协作机械臂myCobot 280 M5作为机器人操作器的一部分，解决多材料食品打印中的挑战，改善对食品墨水流速的控制[19][21] - **早稻田大学研究**：提出基于动态手势的人机交互系统，实验在Unitree Go1四足机器人及myCobot 280机械臂上进行，系统平均推理延迟为29.77毫秒，抓取任务成功率达86.7%[22][27] - **特伦托大学等机构研究**：提出基于软体气动夹持器与视觉伺服的自主采摘系统，集成myCobot Pro 320机械臂、YOLOv8检测模型与内窥镜视觉反馈，视觉检测成功率高达98.4%，抓取成功率为76.6%[28][30] - **福建工程学院等机构研究**：针对异构三机器人系统的协同搬运柔顺性问题，使用myCobot 280与myPalletizer 260以及另一台六轴协作机械臂，提出基于近端策略优化（PPO）的强化学习控制方法，结果表明强化学习方法显著提高了轨迹跟踪精度和运动平滑度[31][33] - **爱荷华州立大学研究**：聚焦复杂农业环境中机器人操作挑战，利用双臂半人形机器人myBuddy 280，开发了一个能够与可变形植物灵活交互的端到端深度强化学习（RL）框架，使机器人能够通过学习操纵枝叶来发现隐藏的水果[34][36] - **德比大学研究**：介绍基于深度模仿学习（DIL）的医疗辅助自学习机器人系统（SLRS），以myCobot 280 Jetson Nano为实验平台，该系统能够自主观察并模仿人类动作，从而有效辅助医疗专业人员[37][39] 公司产品与行业定位 - 公司产品在精准农业、软体机器人、可解释导航、人工智能、食品制造、医疗辅助等多个前沿研究领域得到应用，验证了其高适配性与性价比[39] - 公司通过提供极致性价比且触手可及的开源机器人解决方案，赋能全球尖端科研与教育实践[39] - 公司推动工业、农业、物流、医疗等多场景预研落地，持续加速科学发现与现实应用进程[39] - 在行业分类中，公司被归类为“人形机器人企业”，与优必选科技、宇树、傅利叶智能等企业并列[44]

文章核心观点 - 北卡罗来纳大学教堂山分校和西湖大学团队在《Science Robotics》封面发表突破性成果，开发了一种基于液态金属的仿生自适应瞳孔反射视觉系统，实现了硬件层面的代际跨越 [2][11] - 该系统能模拟多种动物瞳孔形状，并可根据光照强度自主调节，将强光下的图像识别精度从68.38%提升至83.56%，提升15个百分点，且响应速度达到0.5秒，接近生物瞳孔反射的下限 [3][9] - 该技术的核心价值在于通过液态金属的电化学变形，同时解决了光学调节和神经编码两个问题，使机器视觉从“看得见”迈向“看得懂”，具备生物级的自适应能力 [12] 技术原理与突破 - **仿生瞳孔设计**：系统利用液态金属在碱性溶液和电压控制下的表面张力变化实现变形，通过独立控制8个液态金属单元，可在2秒内编程模拟出猫的竖瞳、羊的横瞳或乌贼的W形瞳孔等多种形状 [5] - **神经信号模拟**：液态金属在电极间因光照强度变化产生频率线性变化的尖峰电流，物理复刻了生物神经元传递信息的方式 [5] - **视觉记忆功能**：系统采用氧化铟和Y6有机材料的异质结作为感光单元，被紫外线照射后具有持续光电导特性，同一图案被照射10次后，光电信号可持续20秒不消失，模拟了从短时记忆向长时记忆转化的过程 [7] 性能表现与测试 - **图像识别测试**：在MNIST手写数字集测试中，为图片添加150%模拟噪声以模拟强光过曝场景，未经瞳孔调节的系统识别率为68.38%，开启自适应调节后识别率提升至83.56% [8][9] - **自动驾驶场景测试**：在模拟隧道进出场景中，系统能在0.5秒内完成闭环调节，出隧道时液态金属瞳孔迅速收缩至0.6cm孔径以抑制强光，进隧道后则反向扩大，保持画面中车标轮廓清晰锁定 [9] 应用场景与产业影响 - **自动驾驶**：解决车辆进出隧道时的强光过曝问题，在逆光条件下也能清晰识别行人 [12] - **安防与特种机器人**：使机器人在白天强光下瞳孔自动收缩以保持画面清晰，在夜晚暗光下瞳孔放大以保留更多细节，适用于巡逻与搜救等复杂光线环境 [12] - **仿生与通用机器人**：一套硬件即可根据任务需求切换不同的视觉模式，例如模拟猫的专注瞳孔或羊的全景瞳孔，为仿生机器人和各类工业、服务机器人提供更强大的环境感知能力 [12] - **产业链相关企业**：文章列举了包括工业机器人、服务与特种机器人、人形机器人、具身智能以及上游产业链在内的大量相关企业，表明该技术具有广泛的产业应用前景和潜在的商业化合作空间 [13][14][16]