公司概况 - 专注于研发新一代具身智能和空间智能解决方案的企业 致力于突破机器人感知与导航技术边界 [2] - 推出全球首款具身感知导航模组 赋能人形机器人实现全自主移动避障、高阶空间推理和可泛化环境交互能力 [2] - 产品市占率高达80% 已服务数十家头部人形机器人厂商 [3] 技术实力 - 研发投入占比85% 团队核心成员来自华中科技大学、浙江大学、电子科技大学等高校 [3][4] - 在空间智能核心算法领域拥有超十年技术积累 [4] - 已获得数千万投资 投资方包括英诺天使、嘉道资本、奇绩创坛等头部机构 [4] 人才招聘 - 面向2026届本硕博应届毕业生招聘全职岗位 面向本硕博全日制在校生提供实习岗位 [9] - 实习日薪300-600元 要求可连续实习3个月以上 [9] - 招聘岗位包括SLAM算法工程师、AI视觉算法工程师、结构设计工程师和电子硬件工程师四大技术方向 [10][13][15][18] 技术岗位要求 - SLAM算法工程师需熟悉ROS1/2框架和C++编程 掌握LOAM、FAST-LIO、LIO-SAM、VINS等算法 [12] - AI视觉算法工程师需熟悉ResNet/ViT、YOLO/DETR、Mask2Former/SAM等模型 掌握PyTorch及模型开发部署 [15][16] - 结构设计工程师要求精通SolidWorks等3D设计软件及ANSYS仿真 熟悉机械原理和加工工艺 [17] - 电子硬件工程师需熟练使用Altium Designer等EDA工具 掌握硬件设计规范 [19] 发展机遇 - 处于具身智能爆发风口 有机会成为行业标准制定者 [5] - 提供固定薪酬+绩效奖金+核心人才期权激励的薪酬体系 [5] - 配备行业技术大咖1v1导师制 提供管理/技术双晋升通道 [5]

当前VLA模型局限性 - 主流视觉-语言-动作模型忽略时序context导致长周期任务表现不佳[2] - 机器人操作任务本质具有非马尔可夫性需依赖时序信息[2] - 现有模型决策过度依赖当前观测缺乏长期记忆机制[7] MemoryVLA框架设计 - 受人类工作记忆与海马体系统启发构建认知-记忆-动作框架[3] - 预训练VLM将观测编码为感知token与认知token形成工作记忆[3] - 感知-认知记忆库存储低层级细节与高层级语义实现信息巩固[3] - 工作记忆从记忆库检索决策相关条目并与当前token自适应融合[3] - 记忆条件化扩散动作专家生成时序感知动作序列[3] 技术实现机制 - 记忆库通过合并冗余条目实现动态更新[3] - 框架同时保留逐字细节与语义要点形成多层次记忆[3] - 检索机制增强模型对长周期时序依赖任务的适应性[3] 应用价值 - 解决长周期机器人操作任务中的时序依赖问题[2][7] - 为具身智能系统构建类生物记忆的认知架构[3][7] - 推动视觉-语言-动作模型向更接近人类决策机制演进[3][7]

明智能之川 th 利 #F 得 0.57 95 时间 9.1-9.14号 活动说明 499元限时超级折扣卡: 全课七折 E 具身课程七折优惠 (一年期) 具身智能之心知识 减66元 减 星球立减66 最高抵扣 具身智能论文辅导 新 1000登高抵扣10000 10000 课程和社区亮点 每次有小朋友问峰哥关于具身研究方向或者前景的时候，我都会给他们一个答案： 具身的市场规模和容 量，要比其它领域都大，但同样还有很多问题没有解决，需要大家一起努力。 所以这个基础上，大家如果感兴趣可以放开手做事情，数据、本体、算法都能大有所为。由于具身发展时 间较短，很多同学也苦于没有体系和路线，具身智能之心为了解决这类痛点，研发了几门具身领域的教 程，还有一个很不错的具身社区供大家学习。 开学季大额优惠 又到了九月的开学季，实验室里已经可以陆续听到敲代码的声音了。还记得之前通宵调试机器人小车的校 园时光，转眼间机器人算法也从传统的pipeline方案发展到端到端。最近有个小朋友找峰哥，保研马上要开 学了，导师让我自己去看具身智能方向，不知道这个领域怎么样...... 从技术上来说，具身算法对全局的感知能力有进一步提升。一个抓取 ...

扩展定律的历史溯源 - 扩展定律（Scaling Laws）的核心观点是将模型性能与算力等资源投入相关联 成为构建先进大模型的重要参考标尺[2] - 康奈尔大学博士生Jack Morris指出扩展定律的真正探索者是贝尔实验室 其研究可追溯至1993年[3] - OpenAI联合创始人Greg Brockman认为贝尔实验室的研究结果跨越多个数量级和数十年时间 揭示了深度学习的根本[7] 贝尔实验室的扩展定律研究 - 1993年NeurIPS论文提出通过预测分类器性能来优化算力分配 避免高成本训练过程[12] - 研究证明模型错误率与训练数据量在对数曲线上呈现规律性 并适用于单层和多层网络[12] - 实验显示经过12000种模式训练后 新网络性能优于旧网络 证明模型规模扩大可提升智能水平[16] 论文作者贡献 - 一作Corinna Cortes论文引用量达104,248次 与Vladimir Vapnik共同提出支持向量机（引用77,000+次）并参与构建MNIST数据集[19][21] - 二作Lawrence D Jackel曾与Yann LeCun合作完成高引用研究 包括反向传播论文[23] - 三作Sara A Solla最高引用论文《Optimal brain damage》运用信息论优化神经网络规模[25] - 四作Vladimir Vapnik引用量335,349次 提出统计学习理论VC理论[27] - 五作John S Denker涉足多个领域 包括量子物理 计算机安全及神经网络 并拥有多项专利[29][30] 扩展定律的早期探索 - 心理学领域最早研究学习曲线概念[36] - Vladimir Vapnik在1960年代已研究样本大小的扩展定律[37] - Frank Rosenblatt在1958年感知器论文中清晰描述学习曲线[38] - 日本学者甘利俊一1992年论文证明学习曲线渐进行为 显示预测熵收敛规律与参数数量相关[40][41] 研究脉络总结 - 扩展定律的发展是跨学科跨时代的累积过程 从心理学 感知器到系统化研究 最终通过大规模实验验证[43] - 该定律并非突发顿悟 而是数十年理论与实践反复印证的结果 体现科学探索的长期积累[43]

产品定位与核心功能 - Xdog是一款低成本多功能四足机械狗+机械臂开发平台 专为具身智能开发者设计 涵盖机器狗二次开发、仿真强化学习和sim2real迁移部署等技术栈 [1] - 平台已实现语音控制、目标识别与跟踪、机械臂自主抓取、强化学习步态控制等核心功能 支持ROS1开发环境 [2] - 机械狗与机械臂通过ROS通信 机械臂和总系统由PC控制 正上方抓取高度达0.85米 基座周围抓取范围0.4米 [6][7] 硬件配置参数 - 机械狗采用蔚蓝品牌 尺寸25cm×20cm×30cm 总重7kg 配备Allwinner H616四核1.6GHz主控芯片 4G内存和32G存储 [3][4][11] - 单腿自由度3个 电池能量93.24Wh 综合续航120分钟 最大前进速度7.2公里/小时 最大旋转速度450度/秒 [5][11] - 配备SO101机械臂 采用20KG总线舵机 搭配9-12.6V输入驱动板和12V/7A电源适配器 [12] - 深度相机采用主动双目红外+结构光技术 深度分辨率1280×800@30fps 工作距离0.2-10米 RGB分辨率1080p@30fps [14] 软件与控制系统 - 支持语音控制（TCP协议）、键盘控制、视觉控制和强化自主运动等多种控制方式 [15] - 开发语言以Python为主 系统基于ROS1 推荐使用2080ti及以上显卡进行推理 [16] - 集成主流大模型实现低延迟高准确性语音交互 支持二次开发 [17] - 实现机械臂MuJoCo仿真映射、目标跟随算法协同控制和自主抓取（ACT）功能 [18][19][20] 课程体系与技术支持 - 课程涵盖ROS基础、Mujoco仿真、IsaacGym环境配置、强化学习算法（PPO/DreamWaQ）和YOLO目标识别等核心内容 [22][23] - 配备5人专业讲师团队 涵盖硬件设计、视觉算法和强化学习等领域 含港大博士生技术支持 [22] - 提供增值课程包括乐鑫开发板应用和机器人大模型语音控制系统开发 [23] 配套服务与交付 - 配套赠送专用遥控器和充电器套装 开发接口包含千兆以太网、WiFi/BT和USB2.0等 [5] - 建议配置为2080ti及以上GPU和i7及以上CPU进行二次开发 [24] - 付款后3周内完成调试交付 提供1年售后服务期 视频和源码在硬件收货后立即提供 [25][26]

点击按钮预约直播 点击下方 卡片 ，关注" 具身智能 之心 "公众号 >>直播和内容获取转到 → 具身智能之心知识星球 通用具身智能的发展长期受限于一个核心难题："视觉到行动的鸿沟"（seeing-to-doing gap）。这一鸿沟源于两大挑战： （a） 数据稀缺 ，有限的机器人数据难以将语言和视觉与物理动作充分关联； （b） 形态异构 ，多样的机器人形态阻碍了知识的有效迁移。 尽管现有的视觉-语言-动作（VLA）模型在模仿专家演示方面表现出色，但在新环境中，其性能往往会急剧下降。无论是端到端模型存在的知识遗忘问题，还是 模块化模型易于出现级联故障的弊端，都未能有效解决这一根本性问题。如何让机器人真正"理解"它所看到的，并将其转化为精准的物理操作，是推动通用机器 人发展的关键。 在机器人研究中，如何让"看到的"顺利转化为"做到的"，一直是一个难题。虽然近年来的视觉语言模型（VLM）和视觉语言动作模型（VLA）大幅提升了机器人 理解场景与指令的能力，但当机器人真正要操作物体时，性能常常大打折扣。VLM本身具有强大的环境感知和视觉理解能力，但基于VLM进行继续训练的端到 端VLA却几乎完全失去了零样本的操作能力 ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Zhixuan Liang等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 当机器人看到 "把勺子放在毛巾上" 的指令，如何精准理解图像中的物体位置、解析语言含义，并生成连贯动作？视觉 - 语言 - 动作（VLA）模型正是解决这一问 题的核心技术，但当前方案却陷入两难：自回归模型像 "念课文" 一样逐字生成动作，速度慢还改不了错；连续扩散模型虽能处理复杂动作，却要在主模型外 "外 挂" 模块，训练难、兼容性差。 Discrete Diffusion VLA 提出的 "离散扩散视觉 - 语言 - 动作模型"，直接打破了这一困局！它把离散扩散技术首次引入 VLA 动作解码，用一个 Transformer 就统一 了视觉、语言、动作三模态——既不用额外训练扩散模块，又能像 "做拼图" 一样并行解码动作，还能通过 "先拼简单块、再补复杂处" 的策略修正错误。 在 Franka Panda 机械 ...

社区概况 - 具身智能之心知识星球是国内首个具身全栈技术社区 集视频、图文、学习路线、问答、求职交流为一体 目前规模近2000人 目标未来2年内达到近万人规模 [4][16] - 社区成员分布包括头部具身公司、互联网企业具身实验室、顶级高校实验室和传统机器人公司 形成工业界与学术界互补的态势 [1] - 社区内部分享大量技术内容 涵盖VLA、强化学习、世界模型、VLN、数据采集、遥操作、仿真等主流方法论 并形成系统技术路线 [1] 技术内容体系 - 社区汇总近30+技术路线 包括benchmark、综述和学习入门路线 覆盖具身智能感知、交互、强化学习、VLN、VA/VLA、多模态大模型、Diffusion Policy等方向 [5][17] - 提供近40+开源项目、60+具身智能相关数据集、行业主流仿真平台汇总 包括机器人仿真、抓取、控制、交互、感知等领域 [17][31][39] - 汇总国内外具身智能高校实验室和公司 涉及教育、宠物、工业、救援、物流、交互、医疗等多个方向 [19][21] 前沿技术研究 - VLA模型方向包括交错图文指令框架、泛化差解决方法、安全建模框架 BridgeVLA方案在CVPR夺冠且真机性能提升32% [6] - 具身世界模型与空间智能包括跨实体世界模型、首个具身4D世界模型EnerVerse 以及空间泛化ScalingLaw研究 [6] - Sim2Real与泛化方向包括具身视频基座模型Vidar、真实-仿真-真实统一框架 以及世界增强助力小模型规划方案 [6][7] 多模态与感知技术 - 多传感器融合感知包括视-触/力觉融合的模仿学习框架RDP 触觉感知涵盖仿真平台及视触语言动作大模型初探 [6][7] - 视觉语言导航（VLN）包括新的记忆表征方法和高效3D视觉定位方案TSP3D [6] - 协同感知方向推出协同具身智能基准数据集RoboTwin [6] 机器人系统与模型 - 机器人模型包括人形机器人运动智能与通用感知 全球最大的双臂机器人扩散大模型 以及面向具身推理的强化微调框架Reason-RFT [6] - 机器人操作系统涵盖具身大小脑协同解密、异构多机器人系统EMOS 以及基于时空约束的错误检测新范式 [6] - 灵巧手技术包括硬件与结构设计、触觉传感器、自由度设计以及夹具与灵巧手集成方案 [8] 人才招聘与职业发展 - 多模态大模型岗位base北京/深圳 月薪40k-80k 方向包括移动操作、导航、VLA 要求硕士以上学历且具机器人感知/导航/操作经验 [9][10] - 强化学习岗位base北京 月薪40k-80k 方向包括强化学习、VLA 参与研发下一代智能机器人 [11] - 社区与多家具身公司建立内推机制 第一时间对接简历 涵盖学术进展、工业落地、求职交流等多领域闭环服务 [5][7] 行业资源整合 - 汇总具身智能研报 包括大模型、人形机器人等行业研究报告 第一时间了解行业发展与工业落地情况 [24] - 汇总机器人相关书籍 覆盖导航、概率机器人、动力学与运动学、路径规划、视觉控制等多个方向PDF资源 [27] - 汇总机器人零部件品牌 包括芯片、激光雷达、相机、IMU、底盘等知名制造厂商技术资料 [29] 技术交流与案例 - 社区定期举办圆桌论坛和直播 分享本体、数据到算法全链路内容 探讨人形机器人模仿学习、VLA难点、VLA+RL融合等前沿问题 [5] - 实际案例解答包括自动驾驶SLAM转型具身智能的建议 推荐视觉语言导航、端到端导航等过渡方向 强调技术栈通用性 [76][78][79] - 提供具身智能课程学习路线 帮助从业者系统提升 覆盖从基础到进阶的全栈技术内容 [17][78]

文章核心观点 - 提出TOFRA框架将具身导航过程分解为状态转移、环境观测、信息融合、奖励策略构建和动作执行五个关键阶段[2] - 首次系统性整合计算机视觉、经典机器人和仿生学三大领域在具身导航方面的研究成果[2] - 指出领域面临的四大核心挑战：自适应时空尺度、联合优化、系统完整性和数据任务泛化性[2] - 详细总结具身导航相关平台工具和评估指标，包括仿真环境和真实硬件平台[2] 研究背景 - 具身智能源于图灵理念，强调通过自我感知和交互获取知识，是通向人工通用智能的重要途径[2] - 具身性体现在以自我为中心的感知方式和分布式计算能力，区别于传统基于全局地图的导航方式[2] - 人工智能进步推动导航从"路径驱动"向"智能驱动"转变，形成具身导航新范式[2] 具身导航核心特征 - 具备三类智能：感知智能通过多模态自我中心感知获取空间认知[3] - 运动智能支持高度自由度的运动技能和适应性物理交互[10] - 社会智能能够理解人类高层语义指令，支持复杂任务执行[10] 现有研究局限 - 计算机视觉方向侧重社会智能但忽视真实感知不确定性[5] - 机器人学方向聚焦感知智能但缺乏高级语义理解[6] - 神经形态方向模仿生物机制但覆盖不足社会智能和运动智能[6] - 现有综述未能统一涵盖感知、社会与运动三个维度[6] TOFRA框架详解 状态转移(Transition) - 利用动力学模型、运动认知和端到端神经网络推算下一状态[14] - 方法包括IMU积分、零速检测和活动识别等技术[21][22][23] - 发展趋势从单节点到高自由度、从几何推算到认知增强[26][29] 环境观测(Observation) - 通过外部传感器(RGB、深度、LiDAR等)感知环境[17] - 包括低层次特征提取、高层次语义认知和多智能体协作感知[27][31][39] - 多智能体协作可扩大感知覆盖范围，克服单传感器局限性[40] 信息融合(Fusion) - 经典贝叶斯方法包括卡尔曼滤波器和基于优化的方法[47][49] - 神经融合方法采用多层网络和Transformer架构[50] - 混合方法结合经典方法可解释性和神经网络学习能力[51] 奖励策略构建(Reward) - 单任务导航包括点目标、图像目标、物体目标和探索任务[54][55] - 多任务导航通过持久记忆机制减少重复探索[56] - 视觉语言导航利用大型语言模型处理自然语言指令[58] 动作执行(Action) - 基础动作技能包括轮式机器人和足式机器人的运动控制[64] - 组合技能涉及顺序技能组合和腿臂协同操作[66] - 形态协作包括轮腿机器人、陆空机器人和空陆水机器人[68] 应用场景分析 具身自动驾驶 - 依赖外部GPS和地图信息，重点学习端到端策略[76] - 输入包括环视摄像头、3D激光雷达和雷达等多模态数据[75] - 输出为车辆控制，系统隐式建模复杂OFRA流程[80] 具身室内导航 - 完全依赖自身传感器，无GPS支持[77] - 使用语义特征或神经辐射场构建世界模型[80] - 需要更强大的感知和决策能力应对复杂环境[80] 复杂地形导航 - 专注于穿越不平坦地形，通常使用四足机器人[78] - 输入包括关节传感器数据和地形深度图[75] - 输出为速度命令或直接关节控制命令[80] 平台与评估体系 仿真平台 - AI2-THOR专注于社交/语言任务和操作[83] - Habitat系列支持建筑尺度导航和语言指令[83] - ThreeDWorld扩展户外场景并提供力反馈[83] 真实硬件平台 - 标准轮式平台包括TurtleBot系列和Clearpath Robotics产品[82] - 复杂地形平台包括Boston Dynamics Spot和ANYbotics ANYmal[82] 评估指标 - 社交维度采用Success Rate和SPL等指标[84] - 感知维度包括Absolute Trajectory Error和Map Accuracy等[85] - 运动维度评估Energy Consumption和Path Deviation等[86] 发展趋势 - 从固定模型转向自适应进化智能[88] - 从专门组件转向集成系统优化[88] - 从工程解决方案转向语言引导行为[88] - 平台向高保真"数字孪生"和可微分环境发展[87] - 评估指标从单一任务扩展到多维度平衡计分卡[87]

课程讲师招募 具身智能之心课程讲师招募开始啦！如果您是大模型/多模态大模型、Diffusion、VLA、VLA+RL、sim2real、 端到端、具身交互、视觉语言导航、强化学习、机器人运动规划、机器人框架、抓取点预测与位姿估计、导航 建图、触觉感知、大模型部署与量化感知推理、机器人仿真等方向，欢迎加入我们； 主要工作：开发具身相关的视频课程，负责群内答疑等； 待遇丰厚（底部添加微信了解），除了现金激励，我们共享全行业具身资源、职位等。 科研辅导老师 待遇优厚，高于行业水平，既能发论文，又能赚零花钱！ 机器人硬件开发合伙人 如果您正在从事机械臂抓取系统、双足机器人、四足机器人、轮式机器人、大模型部署等软硬件的开发工作， 期望和我们一起推动具身教育的发展，欢迎联系我们； 我们将会提供合伙人的身份，一起开创更大的具身教育场景，推动行业发展。 联系我们 具身智能相关方向科研辅导老师招募开始啦！如果您是diffusion policy、VLA、VLA+强化、sim2real、强化学 习、具身仿真、具身感知、具身交互、视觉语言导航、目标导航、触觉感知、大模型/多模态大模型、大模型 量化、机械臂抓取、位姿估计、大模型部署 ...