<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"><channel><title>uPrivate Robotics Intelligence · 中文</title><description>Tracking the technologies powering the next generation of intelligent machines.</description><link>https://blog.uprivate.top/</link><language>zh-cn</language><item><title>当 VLA、SLAM 和 navigation 挤进一颗 SoC，问题才刚开始</title><link>https://blog.uprivate.top/insights/ambarella-physical-ai-workload-integration/</link><guid isPermaLink="true">https://blog.uprivate.top/insights/ambarella-physical-ai-workload-integration/</guid><description>一颗芯片承载多种机器人 workload，带来了新的集成可能，也留下了资源共享和持续运行的问题。从 N1-655 的展示到 X7 的增量加速路径，追问平台能力怎样走到客户交付。</description><pubDate>Mon, 05 Oct 2026 00:00:00 GMT</pubDate></item><item><title>Weekly Intelligence · 2026-W40（部分覆盖）</title><link>https://blog.uprivate.top/weekly/2026-W40/</link><guid isPermaLink="true">https://blog.uprivate.top/weekly/2026-W40/</guid><description>本周这 3 条已验证样本，把关注点带到了模型之外：芯片上的多任务协同、策略学习怎样走到部署，以及手部操作的设计取舍。把它们放在一起，是为了找出下一步该验证什么。当前覆盖不完整，也没有足够的上期基线，不能据此宣布行业拐点。</description><pubDate>Mon, 05 Oct 2026 00:00:00 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-31</title><link>https://blog.uprivate.top/daily/2026-10-31/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-31/</guid><description>OpenFlyV2 作者介绍了一种共享视觉语言架构，配有用于飞行航点的紧凑动作专家和时序记忆。他们报告训练使用约 7 万条仿真导航轨迹和 6 万条指令响应对。据称，系统在 NVIDIA Jetson Orin NX 上以 10 Hz 完全在机载端生成包含 12 个航点的动作块。作者称，在不使用真实空中训练数据的情况下，系统零样本迁移至四个真实环境，导航成功率为 48%。这是研究结果，并非经过认证的产品或跨芯片基准。模型规模、功耗、内存占用和时延分布未披露；代码发布尚属承诺，未获确认。</description><pubDate>Sat, 31 Oct 2026 00:40:13 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-30</title><link>https://blog.uprivate.top/daily/2026-10-30/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-30/</guid><description>据 The Robot Report 报道，AGIBOT 提出 Worken 指标，以活跃机器人数量、自主工作小时和产出效率比衡量机器人生产力；这仍是持续完善的框架。活动还展示宣称支持全双工和端侧部署的 WITA-Omni 1.0，以及具有 21 自由度、最高 40 kg 双臂搬运能力、工作高度 0.1 至 2.5 米的 G2 Max。AGIBOT 称第 20,000 台机器人已于此前一个月下线，但下线数量不等于客户有效部署或已验证的生产率；Worken 实测、芯片型号、端侧时延和功耗均未披露。</description><pubDate>Fri, 30 Oct 2026 00:40:13 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-29</title><link>https://blog.uprivate.top/daily/2026-10-29/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-29/</guid><description>The Robot Report 援引 A3 数据称，北美客户订购了 10,989 台机器人，价值 $723.5 million，统计期为 Q3 2026，订单台数和金额同比分别增长 24.8% 与 26.1%。协作机器人订单为 1,831 台，占总台数 16.7%，其订单台数同比约增长 56%。A3 报告前九个月共订购 28,984 台机器人，价值约 $1.89 billion。这些属于订单统计，不能据此证明已完成安装或需求能够持续增长。</description><pubDate>Thu, 29 Oct 2026 00:40:31 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-28</title><link>https://blog.uprivate.top/daily/2026-10-28/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-28/</guid><description>研究人员在预印本中对 18 个开放 VLA 模型进行性能分析，测试硬件为 Jetson AGX Thor 和 AMD Ryzen AI Max+ PRO 395。在测试配置中，Jetson 的时延差异达到 82x，AMD 达到 157x，而参数量最多只能解释 15% 的时延差异。在受支持的 Jetson 场景下，4-bit 权重结合算子融合，使 pi0.5 和 GR00T N1.7 比 PyTorch torch.compile 快 2.6–2.9x。优化后，CPU 预处理占比由 12% 升至 39%，这里指 GR00T N1.7 单次调用。这些是作者根据摘要报告的结果，功耗、绝对吞吐量及完整测试表尚不可得。</description><pubDate>Wed, 28 Oct 2026 00:40:11 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-27</title><link>https://blog.uprivate.top/daily/2026-10-27/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-27/</guid><description>The Robot Report 报道，Bedrock Robotics 完成 $600 million C 轮融资，估值达 $4.1 billion，累计融资接近 $1 billion。其自动化改装设备已在真实工地运行，包括与得克萨斯州承包商 Haydon 的合作。CEO Boris Sofman 的目标是在 2027 年让全美自主设备达到三位数规模。Haydon 计划测试自动化沟槽施工；矿业与农业仍是更长期的可能方向，而非当前部署。估值、部署与未来机队目标均属报道中的主张，尚非经审计的利用率或商业回报。</description><pubDate>Tue, 27 Oct 2026 00:40:13 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-26</title><link>https://blog.uprivate.top/daily/2026-10-26/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-26/</guid><description>据 The Robot Report 报道，Teradyne Robotics 与 Sereact 正合作拓展零售、物流和制造领域的具身 AI。报道指出，数百台 UR 机器人已组成双臂系统，交付欧洲客户现场，其中包括在德国和波兰处理 Zalando 退货的 CEVA Logistics 场地。按该报道，Sereact 的 Cortex 使用 NVIDIA Isaac Sim 和 Cosmos 进行训练，使用 Isaac Lab 进行强化学习后训练，并在机器人工作单元使用 Jetson Thor 推理；DGX Spark 支持现场开发和更新。Teradyne 还正向 Hugging Face 上的资源库贡献 UR 和 MiR 的 SimReady OpenUSD 资产。这些是报道中的部署及架构选择，并非经过独立验证的吞吐量或功耗基准。</description><pubDate>Mon, 26 Oct 2026 00:40:14 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-09</title><link>https://blog.uprivate.top/daily/2026-10-09/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-09/</guid><description>Long-WAM 的 arXiv 摘要报告，RoboCasa GR-1 成功率从无上下文时的 63.3% 提升至使用 19.2 秒上下文时的 78.7%。在 RTX 5090 上，包含未来视频潜变量预测在内的每个动作块耗时为 107.4 ms。作者列出 RTX 5090、DGX Spark 和 Jetson AGX Thor 上的部署，但摘要没有分别披露各平台的时延或功耗。作者还报告在实体 Unitree G1 和 YAM 上进行操作，并在动态叠杯任务中达到 95% 成功率；所述对照方法在 20 次试验中有 0 次成功。这些是作者报告的研究结果，而非独立的端侧硬件基准测试。</description><pubDate>Fri, 09 Oct 2026 00:40:46 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-08</title><link>https://blog.uprivate.top/daily/2026-10-08/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-08/</guid><description>OpenWAM 论文描述了一套统一的因果机器人视频基础模型：从 Wan2.2-5B 出发，使用超过 10,000 小时视频进行预训练，并通过共享的 Mixture-of-Transformers 集成动作专家。作者报告称，经过机器人视频因果适配后，LIBERO-Long 的 VTA 成功率从 68.4% 提升至 97.8%；一个冻结的局部上下文逆动力学模型在四项留出的 LIBERO-90 任务上达到 84.0% 的平均成功率。论文还报告，反事实监督使 RGB 预测误差降低 34.5%，并使 16 种相同状态结果中的结果识别率从 21.1% 提升至 71.3%。摘要称真实世界双臂任务取得了较高成功率，但未量化这些真实世界结果。</description><pubDate>Thu, 08 Oct 2026 00:40:55 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-06</title><link>https://blog.uprivate.top/daily/2026-10-06/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-06/</guid><description>EvoMem-VLA 预印本将成对观测之间的状态变化编码为 token，并让共享 VLM 在直接生成动作与先生成可执行子任务之间切换。作者报告 RMBench 成功率 80.7%、RoboMME 82.0%，以及两种机器人、四项现实任务中的 83.8%。这些数字属于论文自身的评测范围；部署延迟、功耗和内存需求未披露，保留时间证据的工程成本仍待验证。</description><pubDate>Tue, 06 Oct 2026 11:51:05 GMT</pubDate></item><item><title>Daily Intelligence · 2026-10-02</title><link>https://blog.uprivate.top/daily/2026-10-02/</link><guid isPermaLink="true">https://blog.uprivate.top/daily/2026-10-02/</guid><description>Ambarella 自述：N1-655 在移动操作机器人展示中运行 SmolVLA、SLAM、navigation 与 pick-and-place；另介绍 X7 standalone accelerator。展示未披露持续运行性能、功耗或客户量产证据。</description><pubDate>Mon, 05 Oct 2026 00:00:00 GMT</pubDate></item><item><title>选择机器人端侧计算平台，先问这五个问题</title><link>https://blog.uprivate.top/insights/edge-ai-evaluation-framework/</link><guid isPermaLink="true">https://blog.uprivate.top/insights/edge-ai-evaluation-framework/</guid><description>一份面向机器人计算平台研究的入门框架：从任务约束、延迟预算、内存和热设计到软件工具链，建立比单一峰值算力更完整的评估方法。</description><pubDate>Thu, 01 Oct 2026 00:00:00 GMT</pubDate></item></channel></rss>