文章核心观点 - 千寻智能研究人员提出一种名为State-free Policy的视觉运动策略，该策略在输入中完全移除机器人自身状态信息，仅依赖视觉观察，从而显著提升机器人的空间泛化能力 [1][3][10] - 该方法基于两个关键条件：动作在相对末端执行器空间中表示，以及确保视觉输入能够覆盖任务所需的完整观察范围 [11][13] - 实验证明State-free Policy在夹笔、叠衣服、取饮料等任务中展现出强大的空间泛化能力，高度泛化测试成功率从0提升至0.98，水平泛化测试成功率从0提升至0.58 [14][17] - 该方法还具备更高的数据利用效率和更快的跨本体泛化优势，在数据量减少时性能下降幅度远小于基于状态的策略 [20][21] State-free Policy技术原理 - 策略输入中完全移除状态信息，仅依赖视觉观察，状态信息包括末端执行器位置、关节角度等自身感知数据 [10][11] - 采用相对末端动作空间，模型预测末端执行器应进行的相对移动而非绝对位置，降低对全局位置信息的依赖 [11] - 通过配备更广阔的视野确保完整的任务观察，相机系统由头顶主摄和腕部广角相机构成，提供末端执行器上下方视野 [13] - 研究发现移除顶置主摄可进一步提高空间泛化能力，仅使用双广角腕部相机的策略在挑战性情景下成功率更高 [22][23] 真机实验成果 - 在夹笔放入笔筒任务中，State-free Policy高度泛化测试成功率从0提升至0.98，水平泛化测试成功率从0提升至0.58 [14] - 在叠衣服任务中，State-free Policy水平泛化能力达到0.834，远高于带状态模型的0.183 [17] - 在全身机器人取饮料任务中，State-free Policy水平泛化能力达到0.784，远高于带状态模型的0.117 [17] - 实验数据收集有严格标准，物体摆放均受严格控制，确保空间泛化能力来自模型本身而非数据多样性 [14] 额外技术优势 - State-free Policy展现出更高数据利用效率，在300、200、100、50条演示数据下均保持较高成功率，而基于状态策略随数据量减少性能迅速下降 [20] - 在跨本体微调中收敛更快，叠衣服任务微调5k步成功率0.700，微调10k步成功率0.967，优于带状态模型的0.333和0.767 [21] - 方法支持更高效跨平台迁移，只需在相似相机配置下适应图像偏移，无需重新对齐状态空间 [21] - 为未来传感器设计提供新思路，双广角腕部相机已能覆盖完整任务观察，顶置相机可能成为性能瓶颈 [22][23]

行业宏观前景 - 柔性电子技术凭借"轻薄柔透"特性，在航空航天、国防军工、健康医疗等国计民生关键领域展现出广阔应用前景[1] - 该技术为培育新质生产力提供重要技术支撑，并在未来信息芯片、高端智能装备等战略方向有望催生突破性创新[1] - 预计到2028年，中国制造的柔性电子在泛物联网领域应用规模将突破3000万美元，占未来10-15年柔性电子整体市场的40%份额[1] 清华大学磁驱动柔性电池集成机器人 - 研发的磁驱动柔性电池集成机器人，其抗形变柔性电池在200次循环后容量保持率达57.3%[5] - 柔顺电池可在机器人本体上实现44.9%的大面积部署，并通过垂直集成将额外刚度降至最低[5] - 该执行器–电池–传感器的柔性垂直集成方法在仿鳐鱼软体机器人中实现，具备感知、通信和稳定供能能力[6] 上海科技大学柔性生物电子与机器人触感 - 团队通过3D打印技术制备多模态传感柔性生物电子，结合自适应机器学习算法，实现从控制、手势识别到机器人触觉感知反馈的完整交互路径[9] - 集成柔性传感阵列的气动软体手可区分触碰物体材质，并通过电子皮肤反馈给人体，在14种复杂手势识别任务中平均准确率高达98%以上[10] - 系统延迟低至0.1秒，且机器学习算法仅需数次动作校准即可完成新用户的个性化适配[10] 中国科学技术大学仿生声学换能器 - 团队受蝉肋骨膜结构启发，制备出具有仿生软硬交替结构的全有机复合薄膜，其硬质层承担机械负荷，软质层通过大变形能力延缓裂纹扩展[13] - 该仿生薄膜同时具备高拉伸强度、韧性和耐疲劳性能，其基本共振频率和振幅均优于现有商业化薄膜[15] - 研究成果为设计兼具高效声能输出与长期稳定声传播性能的高性能声学换能器提供了新思路[15] 清华大学三维网状电子器件组装方法 - 提出一种拉伸屈曲驱动的三维网状材料组装方法，可兼容单晶硅等高性能无机电子材料，解决了三维网状电子器件的工艺限制[16] - 采用数据驱动的拓扑优化方法优化平面多层结构的面外变形能力，制造的三维网状材料能模拟猪胸主动脉等生物组织的拉伸特性[17] - 基于该方法开发的体三维显示器件可动态显示三维图案，并能通过改变构型调整显示空间分辨率[17] 西安交通大学心血管监测技术 - 研发的皮肤自适应聚焦柔性微加工超声换能器阵列，可共形贴附于人体皮肤表面实现血压、心率等血流多参数的非侵入实时检测[19] - 该超声阵列的聚焦声束深度和宽度范围可随皮肤表面曲率变化，波束宽度为2.1至4.6毫米，穿透深度为3.3至53毫米[21] - 相对单阵元检测方法，该技术声压提高10.8倍、信噪比提高19.5分贝，兼顾了结构和性能优势[21]

2025 年世界机器人大会期间，亦庄机器人产业园的机器人研究院聚集了大量观众。除了餐厅机器人服务员在 现场服务，机器人乐队的现场演奏更是让其成为餐厅里最亮眼的部分，键盘手机器人指尖在琴键上飞速跳跃， 吉他手机器人的拨弦动作流畅自然，整个乐队配合默契，奏响的乐曲既饱含科技感又充满感染力。那些曾经仅 存于科幻场景下的机器人乐队，如今正逐步走进现实。 ▍ 机械臂弹扬琴、灵巧手敲架子鼓！第三代和璇机器人乐队成 2025WRC显眼包 今年 8月 在北京举行的 2025 世界机器人大会上，来自杭州的第三代和璇机器人乐队成为全场焦点。在机器 人城市会客厅的体验空间内，三位机器人乐手分别执掌钢琴、扬琴与架子鼓，默契合奏《青花瓷》等曲目，悠 扬旋律与精准演奏吸引众多观众驻足鼓掌，更获央视新闻频道《新闻 1+1》等主流媒体重点关注。 这 个备受瞩目的机器人乐队 ， 来自 杭州海创人形机器人创新中心。该创新中心由浙江大学与杭州市余杭区 联合共建，与浙江大学机器人研究院实行 "两块牌子、一套班子" 运营模式，自 2024 年 8 月揭牌以来，便 以场景智能为核心推进技术研发与产业化落地。此次亮相的第三代和璇机器人，正是其科艺融合探索 ...

2025 年具身智能行业投融资热度持续攀升，行业内已形成明确共识：要实现从 L1 特定任务具身智能到 L2 组合任务具身智能的技术跨越，乃至向更高阶通用能力迈进，数据采集是必须突破的核心环节。 不同于语言、图像等低维数据的获取，具身智能需要的是物理世界绝对坐标系下的精确测量数据，其获取难 度、成本投入与标注周期，都远超传统模型训练需求。 具身智能的核心目标，是让机器人在物理世界中具备 "举一反三" 的常识理解能力，面对未曾接触过的物体和 任务，能像人类一样依托过往经验推导操作逻辑。而这一能力的构建基础，正是高质量、多模态的交互数据。 当前国内头部企业仍处于 L1 前期发展阶段，可完成特定环境下的单工位操作任务；而 π0.5 模型通过融合操 作数据、网络数据、语言指令等多源信息的预训练方式，在家庭真实环境长程任务中的准确率已突破 60%， 接近 L2 水平。 行业普遍认为，预训练是具身智能技术进阶的核心，而预训练效果直接取决于数据的 "量" 与 "质"：一方面， L1 级模型已需 1 万小时 + 的数据量支撑训练，且 Scaling Law 规模定律在具身智能领域仍未见顶，数据规 模的扩大仍能持续推动模型性能提 ...

融资情况 - 公司近日完成超亿元人民币A轮融资，由金鼎资本、博原资本、TCL创投共同领投，苏创投、东运创投、财通资本、银杏谷资本等多家机构参与投资[1] - 融资资金将主要用于工业自动化及通用机器人领域核心零部件的研发、实验室建设以及产能扩充[1] - 今年4月，公司完成一轮股权转让，投资方包括讯飞创投和智元机器人，其中讯飞创投通过苏州科讯园丰天使创业投资基金合伙企业持股1.8%，智元机器人直接持股0.8%[3] 公司背景与资质 - 公司成立于2015年，技术积累可追溯至2011年，最初作为上市公司博众精工的研发部门，专注于智能制造装备相关零部件开发[3] - 公司隶属于江苏博众智能科技集团，是一家集研发、生产、销售及服务于一体的智能制造核心零部件供应商[3] - 公司入选首批工信部《工业机器人行业规范条件》企业，并获得省级专精特新中小企业称号，承担了苏州市通用机器人核心零部件重点实验室等项目建设[3] 核心团队与研发实力 - 公司创始人兼董事长董浩负责技术创新战略规划，提出将神话元素融入工业自动化解决方案的理念[5] - 公司员工总数超过400人，其中研发人员超过200人，已在苏州、深圳及美国硅谷设立研发中心[5] - 公司建立了完善的管理体系，通过ISO9001认证及安全生产三级标准化认证，并引入IPD流程，自建了可靠性、EMC电磁兼容、光学ISP等实验室[7] 产品布局与业务战略 - 公司依托自主研发的视觉感知与运动控制技术，开发了机器视觉、直驱电机、工业机器人、移动机器人等产品[5] - 产品广泛应用于3C电子、半导体、汽车与新能源、通用机器人等行业[5] - 公司形成“工业自动化+具身智能”双轮驱动的业务路径，具备为全球通用机器人及具身智能客户提供可规模化交付的一站式整机ODM解决方案的能力[6] 市场拓展与未来规划 - 公司在上海、深圳、郑州、成都等地设有分支机构，销售网络覆盖全国，并进入东南亚、欧洲和北美等海外市场，累计服务客户超过800家[8] - 未来3至5年，公司将继续以研发创新为驱动，着力攻克关键核心零部件的自主研发，推进“产学研用”协同合作[8]

文章核心观点 - 机器人技术与人工智能的深度融合是提升生物制药行业新药研发效率、应对公共卫生危机的关键驱动力 [1] - 智能机器人在生化实验室中通过自动化液体处理、样品分析和实验操作，展现出在高精度、高通量作业方面的巨大潜力 [3] - 当前技术在多机器人环境感知、任务规划与协同控制方面仍存在局限性，但深度学习、跨模态感知和大模型等前沿技术正推动该领域向全面智能化发展 [1][3][7] 生化实验室发展概述 - 生化实验室发展历经人工操作、初期自动化、综合自动化及智能化四个阶段，当前正进入大模型技术赋能的全新智能化时期 [5][7] - 智能化阶段的核心特征是大模型赋予机器人更强的推理与决策能力，例如ChemCrow模型使得机器人能够独立完成驱虫剂和有机催化剂的合成任务 [7] - 多机器人协同操作成为应对复杂实验需求的新解决方案，通过各类设备在同一流程中各司其职，显著提升实验效率和精准度 [10] 机器人环境感知关键技术 - 环境感知技术分为三个层次：目标识别、对象关系识别和区域关系识别，其核心支撑技术包括单模态数据位姿估计、多模态数据融合和大模型推理 [14][15][17] - 基于深度学习的实例级方法（如PoseCNN）和类级方法（如NOCS）显著提升了6-D位姿估计的精度和鲁棒性，为视觉引导机器人抓取提供新方案 [21][23] - 多模态数据融合通过早期融合、特征融合和后期融合三类方法，结合RGB、深度、触觉等传感器数据，增强机器人在复杂非结构化场景下的感知能力 [26][27][28][29] - 大模型推理技术，特别是视觉语言模型（如CLIP），通过开放词汇三维物体识别、语义分割和场景图构建，极大扩展了机器人在动态环境中的认知范围 [31][32][35] 多机器人任务与运动规划技术 - 多机器人协同作业流程包括任务分解、联合体形成、任务分配和执行，可简化为任务规划与运动规划两个层面，以应对生化实验室中协调调度、安全交互和动态优先级调整的核心需求 [45] - 任务规划技术主要分为基于预先定义（如PDDL、LTL）、基于强化学习（合作型与竞争型）和基于大语言模型（直接与间接方法）三类，各类方法在规则明确性、动态适应性和任务理解能力上各有优势 [46][47][48][51][52] - 运动规划技术涵盖传统路径规划算法（如图搜索类的A*算法和随机采样类的RRT）、模仿学习算法（如行为克隆和逆强化学习）以及基于具身智能的方法（如RT系列和CLIPORT），以解决静态环境路径优化、复杂任务轨迹学习及动态环境下感知与运动决策的适应性问题 [57][58][59][60][62] 多机器人交互控制技术 - 多机器人交互控制分为集中式与分布式两类方法，集中式控制依赖于对系统动力学模型的精确构建或从数据中学习全局控制策略，而分布式控制则强调各机械臂的自主决策和局部信息协调 [63][65][68][71] - 基于模型驱动的集中式控制方法（如阻抗控制和时间延时估计与自适应模糊滑模控制相结合的方法）在复杂接触任务中提供高可解释性和鲁棒性 [65][66] - 数据驱动的控制方法（如基于深度Q网络和深度确定性策略梯度的算法）通过试错学习使机器人自主适应复杂任务与环境，显著提升系统灵活性和适应性 [69][74] 智能生化实验室典型案例 - 学术界案例包括利物浦大学光催化剂实验室（Kuka移动机器人在8天内发现活性高6倍的光催化剂混合物）、中国科学技术大学火星制氧催化剂实验室（从超过300万种组合中快速识别最佳催化剂配方）以及湖南大学生物疫苗研发实验室（共融机器人系统实现无菌药物配制与检测一体化），这些案例展示了机器人在提升研发效率方面的巨大价值，但在任务泛化和多机器人协作方面仍有优化空间 [77][80][82] - 业界案例涵盖IBM的RoboRXN生化实验室（云计算与AI算法预测合成路径）、晶泰科技的IChemArtTM系统（智能计算与机器人技术结合，在2天内完成151个反应的建库平行反应）以及英矽智能的Life Star实验室（Pharma.AI平台进行多组学目标发现），这些系统在数字化和算法优化上表现突出，但在全流程自动化和系统深度集成方面存在提升潜力 [83][85][86] 智能生化实验室发展趋势 - 生化实验室正经历从传统操作到智能化、从人工干预到机器人自主决策、从单机器人到多机器人共融协同作业的根本性转变 [88][89] - 具身智能结合大语言模型的推理能力与实时感知，使机器人能动态调整操作参数并优化任务执行方案，大幅提升实验室操作效率与精确度 [89] 智能生化实验室未来挑战 - 当前机器人系统存在感知与理解能力弱、自主泛化作业能力差的问题，尤其在处理多样化生化容器和动态障碍物时表现不足，且大模型在整合触觉、温度等多模态数据方面尚存挑战 [92][93] - 多机器人系统在高度耦合的复杂实验流程中面临任务规划调度冲突和运动干涉问题，如何实现实时任务调度、知识复用和冲突预测的融合是当前重要挑战 [94] - 双臂机器人在执行精细操作时（如涂板操作），对力度协调控制要求极高，现有系统在操作柔顺性和实时力协调方面仍存在不足 [95][96][97]

机器人快慢双系统架构核心观点 - 机器人领域借鉴人类认知的"双系统理论"，采用快慢双系统架构以解决高频精准控制与复杂高层任务规划难以在单一系统中兼顾的核心矛盾[1] - 快慢系统解耦实现独立升级AI算法而不改动底层稳定控制框架，降低系统开发复杂性[1] - 该架构将长链条端到端模型拆分为视觉语言模型和动作执行两个模型，实现功能解耦与真异步并行，避免机器人因思考而卡顿[4] - 机器人快慢双系统架构已成为实现高级别机器人智能的主流范式，但在具体实现上呈现百花齐放局面[5] 代表性企业技术方案 - **Figure AI Helix**：采用系统1（快思考）和系统2（慢思考）双系统架构，系统1为8000万参数Transformer模型以200Hz频率执行闭环控制，系统2为70亿参数预训练视觉语言模型以7-9 Hz频率传递潜在向量[6][7] - **PI Hi Robot**：分层交互式机器人学习系统通过协同训练技术融合多机器人知识源，慢系统视觉语言模型理解复杂指令全局意图并分解子步骤，生成可解读中间指令[9][10] - **智平方 GOVLA**：由空间交互基础模型、慢系统和快系统组成，慢系统基于大规模参数视觉语言模型负责高层次语义理解，快系统实时生成可执行动作，首次实现机器人全身协同控制和移动轨迹端到端输出[12][13] - **星海图 G0**：构建全球首个开放场景高质量真机数据集涵盖500小时时长、150个任务、50个场景，采用三阶段渐进式课程学习策略，仅需不到100条特定任务演示数据即可快速掌握复杂新技能[15][16] - **擎朗智能 KOM2.0**：慢系统基于视觉语言模型通过K-Infinity数据集实现服务场景环境感知，快系统采用动作专家模型利用大量真机数据训练，开创性提出岗位化垂域模型KEENON ProS实现快速落地[18][19] - **星动纪元 ERA-42**：采用高层次规划与低层次控制双系统架构，慢思考世界模型使用70亿参数视觉语言模型进行任务预演生成未来动作预测，快思考高频执行系统使用4000万参数Transformer模型实现抗干扰能力[21][22] - **节卡 JAKA EVO**：慢系统实现快速任务解析与规划，通过轻量模仿学习机制在交付后能通过少量示教快速迁移适配新场景，打破传统机器人需要数周调试困境[25][26] - **微亿智造**：通过云、边、端三层技术架构实现快慢思考，基于超过15TB、包含超过10亿条精标数据点的真实工业场景数据库，实现开箱即用[28] - **魔法原子 原子万象**：快系统基于高效动作专家模型处理毫秒级实时控制，慢系统由参数规模更大

人形机器人丝杠技术挑战与现状 - 人形机器人腿部线性执行器和灵巧手是丝杠主要应用部位，分别采用反向行星滚柱丝杠和微型滚珠丝杠 [1] - 传统磨床制造的微型滚珠丝杠生产时间达数十分钟，产品运行寿命普遍仅20万次，对于每天工作12小时、每分钟抓放10次工件的机器人而言，最晚1个月就会报废更换，导致落地成本过高 [1] - 反向行星滚珠丝杠设计难度在于需紧凑适配关节、制造公差小、可传大载荷扭矩，且球轴承存在磨损精度衰减和动态响应滞后问题 [2] - 人形机器人多需P5级精度，对应ISO标准的C5级，即300毫米行程误差在±0.01毫米内 [2] - 部分企业考虑放弃线性执行器方案改用旋转式，或将滚珠丝杠替换为寿命更长的行星滚柱丝杠，但后者面临加工难度高、效率低和成本高的问题 [4] 冷镦工艺解决方案 - 冷镦工艺被视为解决微型行星滚柱丝杠成本问题的重要方案 [4] - 冷镦成形锻造是通过锻压机械对金属坯料施加压力使其产生塑性变形的加工工艺，主要有分序冷精锻、多工位冷精锻和单工位多动作冷精锻三种模式 [6] - 冷精锻技术优势在于能快速成型螺母和丝杠轴，减少切削加工形成的金属废屑，节约原材料成本，且工件形状尺寸易控，表面质量和精度较高 [8] - 该工艺兼具加工效率高、材料损耗率低、绿色环保等优点，在汽车零部件加工中渗透率逐步提升 [8] 新坐标公司技术突破与优势 - 新坐标发布冷镦工艺微型行星滚柱丝杠，精度可达C3，丝杠齿形一次成形精度达IT4级，效率为5分钟/根，高于市面平均效率5-10倍 [5] - 公司手部微型丝杠加工已成熟并送样，正在研发冷镦工艺腿部大丝杠，丝杠滚压工艺取得突破，预计十月底推出0.5mm及7.5mm导程丝杠 [5] - 公司自研自制内螺纹滚压设备及热成型设备，结合引进的多工位冷镦机和"平板卷制"工艺，材料利用率达91%，远高于行业平均的65%，成本直降42% [10] - 内螺纹可3～5分钟成型C3精度，设备成本仅几十万元 [10] - 为三花智控提供的汽车热管理项目阀芯阀柱采用类似工艺，10月底月产能达2万套，明年3月底达3万套，12月底达4万套 [10] 新坐标业务拓展与财务表现 - 公司从汽车零部件制造拓展至汽车用驻车丝杠和机器人用丝杠研发制造，有望打造第二成长曲线 [11] - 2025年4月联合浙江陀曼智能成立杭州九月八精密传动，持股77%，聚焦滚柱丝杠、滚珠丝杠生产 [11] - 公司在欧洲（捷克）和北美（墨西哥）设立制造基地，海外工厂陆续投产业绩持续增长 [11] - 2020-2024年收入复合年增长率为16.0%，2024年海外收入同比增长47%，海外收入占比从2020年的17%迅速提升至2024年的43% [11] - 客户方面绑定欧洲大众、通用等高端客户 [11]

技术突破核心 - 西湖大学赵世钰实验室研发的FlyingToolbox系统在国际上首次实现多架旋翼无人机的空中工具交换，解决了近距离飞行与高精度操作不可兼得的关键技术难题[3] - 该研究成果发表于Nature期刊，是中国在多旋翼无人机领域的研究成果首次登上Nature[3] - 技术突破点在于实现了"叠式"飞行状态下的高精度协同作业，使无人机从"单兵作战"迈向"群体协作"[3] 技术挑战与解决方案 - 核心技术挑战是两架无人机垂直距离接近至0.6米时会产生达13.18米/秒的下洗气流，相当于6级强风，严重干扰稳定性[6] - 研究团队设计了三个核心模块：柔性电磁对接机构实现自动吸附对接，气流扰动估计与补偿方法通过神经网络实时预测并抵消气流影响，高精度对接与操作控制技术确保亚厘米级精度[10][11][13] - 对接精度要求机械臂底部与工具顶部之间的水平位移必须小于1.5厘米[10] 系统性能与实验验证 - 实验显示FlyingToolbox能成功实现不少于20次连续对接，平均误差为0.80厘米，相较于无机械臂补偿系统6-8厘米的精度有接近一个数量级的提升[15] - 系统展示了双机协作完成空中剪彩、抓取、放置等动作，以及更复杂的三机协作任务，全部基于机载算法自主完成[16][17] - 系统具备运动中对接能力，即使工具箱无人机处于移动状态，操作无人机仍能顺利完成工具抓取，拓展了应用范围[18] 行业应用前景 - 空中作业机器人将多旋翼无人机和高自由度机械臂结合，能代替人类在难以抵达区域进行危险物品抓取、高空建筑清洁、接触式检修等作业[5] - 该技术处于低空经济和具身智能两大领域的交汇处，具有广阔的产业化前景，FlyingToolbox被视为一个"空中乐高平台"，通过模块化设计使无人机能完成更复杂任务[19] - 技术发展将使空中作业机器人帮助人类在更高更远的地方完成复杂危险任务，推动行业向更高水平发展[19]

行业愿景与贡献 - 机器人行业从业者正通过代码和机器人技术为国家发展贡献力量 [4] - 行业创新被寄望如国庆烟花般璀璨夺目 [4] - 行业项目被寄望如“中国红”一样稳步推进且势不可挡 [4] 行业精神与祝福 - 机器人从业者以科技之名向祖国献上硬核贺礼 [4] - 祝愿机器人从业者与家人国庆快乐 [4] - 祝愿国家与家庭共同安宁，事业与梦想共同进步 [4]