Key Takeaways National Security Drives Physical AI and Defense Integration The intersection of national security and automation is driving significant growth for the AI industry. Zeno Mercer, head of robotics & AI research, at VettaFi said on a recent call with investors that the Pentagon's autonomy budget request has surged from $250 million to $55 billion and includes $14 billion for autonomous systems Moreover, it includes significant partnerships with commercial pioneers. For example, aviation innovator ...

With a forward P/E of 30.95, Allient Inc. (NASDAQ:ALNT) is among the 10 Most Overvalued Quantum Computing Stocks According to Short Sellers. On May 26, JPMorgan upgraded Allient Inc. (NASDAQ:ALNT) to Overweight from Neutral and raised its price target to $80 from $65. The firm noted that the company has successfully transformed itself from a fragmented motion component supplier into a vertically integrated engineering platform that combines motion, control, and power technologies. JPMorgan believes Allient ...

News Summary: Drawing on 18,600+ engineering years of autonomous vehicle safety development, NVIDIA Halos for Robotics provides developers with a common safety architecture for building, validating and deploying physical AI systems. The system spans the key layers needed for robot safety: "As AI-enabled robotics moves into industrial environments, the industry needs standardized, internationally recognized frameworks to assess safety across increasingly complex systems," said Laurie E. Locascio, president a ...

香港交易及結算所有限公司及香港聯合交易所有限公司對本公告的內容概不負責， 對其準確性或完整性亦不發表任何聲明，並明確表示，概不對因本公告的全部或 任何部分內容而產生或因依賴該等內容而引致的任何損失承擔任何責任。 本公告乃由True Partner Capital Holding Limited（「本公司」，連同其附屬公司，統 稱「本集團」）自願發佈，以向本公司股東（「股東」）及潛在投資者提供有關本集團 業務最新進展。 業務最新進展 本公司董事（「董事」）會（「董事會」）欣然宣佈，於本公告日期，本集團已展開自主 移動機械人銷售（「移動機械人業務」），目標客戶涵蓋比荷盧地區（比利時、荷蘭 及盧森堡）及東南亞主要市場（香港、新加坡、馬來西亞、泰國、印尼及菲律賓）。 移動機械人業務提供來自中國知名製造商的高性能機械人，並結合以當地為基礎 的服務體系，著重數據管治、監管合規，以及端對端顧問服務。於本公告日期， 企業及專業機構如有意改善其於特定東南亞市場的業務，可選用移動機械人業務。 本集團預期移動機械人業務將於二零二六年七月或前後進軍比荷盧市場。 儘管本集團正探索進軍移動機械人業務以拓寬收入來源，但本集團仍將繼續經營 ...

Five artists across Atlanta, Chicago, Los Angeles, and Miami have reimagined the sidewalk robots in their own neighborhoods, with the first works debuting at Cannes Lions About Serve Robotics LOS ANGELES, June 22, 2026 (GLOBE NEWSWIRE) -- Serve Robotics (Nasdaq: SERV), a leading autonomous robotics company, today launched Moving Canvas, a cultural program that hands its delivery robots to local artists as a public canvas. Five artists in four cities designed original work inspired by the places they live, a ...

AUSTIN, Texas, June 22, 2026 (GLOBE NEWSWIRE) -- via IBN -- NetworkNewsAudio announces the Audio Press Release (APR) titled "AI Infrastructure Boom Drives Demand for Semiconductor, Pharmaceutical Automation," featuring Nightfood Holdings Inc. (OTCQB: NGTF). With its dual focus on owning hotel properties and offering Robotics-as-a-Service (RaaS), NGTF is strategically positioned to capitalize on the rapidly growing global service robotics market, which is expected to surpass $170 billion by 2030. This integr ...

文章核心观点 - 浙江大学研究团队提出了一种名为STTRL-DVO的全新强化学习框架，旨在解决微纳尺度下微型机器人自主导航的两大底层技术瓶颈：缺乏高效的观测表征和缺乏有效提取时空特征的神经网络[1] - 该框架通过构建“虚拟雷达”观测表征和引入具备时空建模能力的Transformer架构，赋予微型机器人预测性避障与动态追踪能力，使其能在极其混乱拥挤的动态环境中实现高鲁棒性的自主导航[1] - 研究成果已在机器人领域顶级期刊《IEEE Transactions on Robotics》上发表[1] 技术原理与创新 - 研究团队设计了“虚拟雷达”观测机制，利用全局视觉捕捉几何位置和轮廓，并将其转化为以机器人为中心的雷达扫描射线，从而剥离高维度冗余特征，将环境信息降维成精简数据[4] - 开发了时空Transformer强化学习算法，使机器人能够处理长达数个时间步的历史雷达扫描序列，具备“时空记忆”以捕捉障碍物运动轨迹并预判未来，实现预测性避障[7] - 提出了创新性的确定性速度障碍奖励模块，通过解析几何算法直接计算绝对无碰撞且指向目标的“最优确定性方向”，其计算速度比传统方法快了13.45倍，并显著提升了强化学习策略的收敛速度和质量[9][10] 仿真与实验验证 - 在仿真阶段采用了“课程学习”策略，先让机器人在动态障碍物中追踪静态目标，再让目标跑起来，有效防止算法崩溃并加速了强化学习策略的收敛[14] - 在仿真器中精准标定真实物理参数并注入各类感知噪声，使机器人在虚拟世界提前适应真实世界的复杂扰动，为实现零样本部署打下基础[14] - 在真实环境测试中，该算法的追踪成功率高达89.8%，超越了现有的最优基线算法7.4%[16] - 在活体生物实验中，算法面对游动速度快且不可预测的斑马鱼幼体以及身体柔软、游动时形变巨大的涡虫，无需任何真实数据微调，即展现出极强的鲁棒性，成功在活体生物间穿梭并抵达动态目标终点[16][17] 应用前景与意义 - 该研究证明通过“关键信息表征+时空融合提取+先验引导”的底层逻辑，微型机器人完全有能力在高度混乱、不可预知的生物流体环境中实现高鲁棒性的“自动驾驶”[18] - 这项技术为未来微型机器人在生物育种、单细胞操控及靶向递送等前沿生命科学应用扫清了导航层面的障碍[19] - 该研究也为光控、声控等其他所有多模态微尺度控制系统提供了一套启发性的通用智能导航范式[19]

文章核心观点 - 机器人产业商业化正从概念热度转向真实工业场景的工程验证，其价值在于能否稳定嵌入现有产线、与工艺流程协同并实现规模化交付[1][14][15] - 复合式移动机器人是工业自动化的关键发展方向，其核心挑战与价值在于“移动之后还能干活”，即整合移动、操作、感知与系统协同能力以完成复杂作业[4][6][9] - 坤达自动化作为复合式移动机器人及智能装配系统提供商，其A轮融资（数千万元人民币）将用于新一代智能装配系统研发、核心产品产能扩充及补充流动资金，标志着公司进入提升规模化交付与产业化落地能力的新阶段[1][3] 坤达自动化公司概况 - 公司聚焦先进复合式移动机器人的研发、生产与应用集成，为智能制造、柔性生产和复杂装配场景提供综合解决方案[2] - 业务不局限于单一设备，强调将移动底盘、机械臂、视觉感知、AI检测、任务调度与产线工艺结合，形成系统化能力[2] - 主要面向汽车、新能源、航空航天等高端制造领域，提供智能装配、上下料、特种巡检、AI检测等解决方案[9] 复合式移动机器人的技术特点与挑战 - 与传统AGV/AMR（主要解决物料搬运）不同，复合式移动机器人需在移动后进一步完成抓取、装配、检测等动作[4][5] - 系统由移动平台、机械臂、末端执行器、视觉感知、力控单元、AI检测模块及调度软件共同组成，强调多系统在工业现场的稳定配合[6] - 面临三大技术挑战：1) **定位精度**：需结合SLAM导航、视觉二次定位等方式解决底盘停靠偏差问题[8]；2) **手眼协同**：涉及相机标定、目标识别、位姿估计等，受物料形状、反光材质等影响[8][9]；3) **产线协同**：需与PLC、MES、WMS等系统联动，打通生产流程[9] 工业应用场景与商业化路径 - 在汽车、新能源、航空航天等领域，产线面临产品型号增多、工艺复杂、交付节奏加快等挑战，传统固定式机械臂灵活性受限，为复合式移动机器人创造了市场空间[10] - 以汽车制造为例，复合式移动机器人可从“运输工具”升级为“移动作业单元”，参与上下料、部件转运、螺栓拧紧、外观检测等任务[11] - 商业化成功的关键在于能否适配客户现场、打通产线系统、稳定运行并形成可复制的交付方案，从项目型应用走向规模化落地[13] - 行业竞争将转向系统集成能力、工程适配能力、供应链能力及规模交付能力的综合竞争[15] 行业发展趋势 - 机器人产业的落地第一站是工业产线，其核心评判标准是系统能否嵌入产线、协同工艺流程并保持长期稳定可靠，而非类人外观[1][14] - 复合式移动机器人处于连接机器人技术能力与工厂产线需求的关键位置，旨在解决“机器人在真实现场能持续完成什么”的工程问题[14] - 机器人最终需在需要稳定运行、持续交付且可量化回报的工业产线中证明价值[15]

文章核心观点 - 机器人行业正处于技术百花齐放、竞争格局未定的早期发展阶段，行业期待“具身智能的ChatGPT时刻”这一关键拐点[5][7][8] - 商业化落地呈现多层次特点：基于规则的工业机器人已成熟，而具身智能机器人尚处初期；特定场景（如特种作业、消费电子）的机器人商业化进程更快[9][10][11][12] - 投资逻辑聚焦于能够形成数据闭环的场景、产业链核心零部件与新材料、以及技术创新与产业落地深度结合的团队[12][13][14][16][17] 行业竞争格局 - 技术路线尚未收敛，处于“百花齐放”的早期阶段，参与者技术差距不明显，尚未形成行业巨头[5][6][7][8] - 科技巨头（如英伟达、谷歌）与具备自动驾驶经验的整车厂团队正涌入赛道，它们拥有软件技术、产业化经验及数据优势[5][8] - 基础设施（如端侧芯片、模型训练）成本大幅降低，为行业发展提供了基础[5] - 创业端异常火爆，有上百家世界模型公司蓄势待发，而大厂普遍处于“战略蓄力”阶段，等待拐点入局[7] - 竞争格局受国际博弈影响，国内拥有国资参与和供应链工程化的优势[8] 商业化与产业化方向 - 机器人商业化呈现光谱形态：从最左端高度专用、安全冗余高的汽车，到最右端最泛化的人形机器人，中间存在多种形态（如智能割草机、泳池机器人、eVTOL、自动驾驶轮椅）[9][10] - 具身智能机器人的商业化仍处初期，其突破依赖于更好的“大脑”（物理世界模型）和“小脑”（运动控制）技术[5][9][12] - 当前较成熟的商业化场景包括： - 消费类场景：扫地机、割草机、泳池机器人等[10][13] - 特种作业场景：水下机器人、空中机器人等替代危险或人力无法触及环境的作业[11] - 科教文化与物流场景：表演无人机、楼宇引导/送货机器人等[13] - 工业及家庭陪伴类场景被认为是未来方向，但面临泛化能力挑战[6][11][13] 投资逻辑与关注领域 - 关注能随机器人放量而同步爆发的核心零部件与新材料，例如关节磁传感器（某被投企业今年收入已达1-2亿元）、电子皮肤、全身传感等[12] - 寻找能够形成高效数据闭环的应用场景，借鉴智能电动车发展路径，利用中国在电动车（年销约1600万台）、外卖（日高峰约1亿单）、快递（日近6亿单）等领域的大规模数据优势[14][15] - 投资标准侧重： - 技术创新性：具备扎实技术功底，致力于模型架构创新、泛化能力提升和高质量训练数据积累的团队[16][17] - 产业结合度：对产业应用有深入理解，能解决具体行业痛点[11] - 政府与产业链协同：关注国家政策导向（如工信部2026年人形机器人实景实训专项行动）及地方产业链集群优势（如吴中区完整的机器人产业链）[17] - 同时布局支撑技术，如算力（特别是本地算力）、散热（液冷）及未来能源方案[13] 未来机遇与挑战 - 核心挑战在于物理世界模型的突破，以及如何高效生成与收集高质量数据以训练机器人[7][12] - 长期机遇在于数字世界与物理世界的打通，云端智能体（Agent）与机器人结合共同解决复杂问题[15][16] - 筛选项目需具备长远眼光，寻找能够引领未来五到十年技术浪潮、并能将技术门槛持续迭代提升的团队[16] - 地方政府通过搭建平台、整合应用场景与供应链，可促进产业健康发展并创造投资机会[17]

Point | The Point for Latin America Monday, 22 June 2026 Top Call | Company | Industry | Global | Key Rating and Target Price Changes Gustavo Schroden | Arnon Shirazi, CFA | Brian Flores, CFA M Dias Branco (MDIA3.SA) - Model Update: The Recovery Is Taking Longer We are updating our model post of 1Q26 results lowering our target price to R$21/sh from R$26/sh. The 19% reduction in our TP reflects lower earnings forecasts for 2026/2027 due to a slower path toward margin normalization than previously anticipate ...