今日 Top 5
1. Qualcomm 拟收购 PickNik：MoveIt 从开源操控框架进入芯片平台生态
Qualcomm 9 月 23 日宣布拟收购 PickNik。PickNik 长期维护 MoveIt，并提供商业版 MoveIt Pro。Qualcomm 表示 MoveIt 1/2 将继续保持开源、社区驱动并支持第三方硬件；交易金额未披露，完成仍取决于常规成交条件。
图：MoveIt Pro 双臂机器人演示。来源：PickNik MoveIt Pro。
技术拆解
MoveIt 建立在 ROS 之上，核心能力覆盖运动规划、逆运动学、碰撞检测、操作、感知与轨迹执行；MoveIt Pro 进一步加入数字孪生、行为树、遥操作、数据采集和生产级运行时。
Qualcomm 计划把 MoveIt / MoveIt Pro 与 Dragonwing 机器人平台深度整合，并从 Arduino VENTUNO Q 开始。VENTUNO Q 使用 Dragonwing IQ-8275 与 STM32H5 MCU 的“双脑”架构：前者面向本地 VLM/LLM/视觉推理，后者负责低延迟实时控制。IQ-8275 官方标称最高 40 Dense TOPS，并提供独立实时 MCU 子系统。
技术与产业意义
这一收购把“AI 推理芯片”和“机器人操作软件”向同一平台拉近。VLA/VLM 输出的高层意图必须经过运动规划、碰撞约束、逆运动学和实时控制才能落到真实机械臂；MoveIt 正处在这一中间层。
如果整合顺利，Qualcomm 可以提供从边缘 AI、连接、实时控制到 manipulation runtime 的更完整开发路径，减少机器人公司在 SoC、ROS、规划器和驱动层之间的集成工作。但这也意味着机器人软件生态与算力平台可能绑定得更紧。
仍待验证
- 收购尚未完成，交易金额也未披露；
- Qualcomm 已承诺 MoveIt 继续开源并支持第三方硬件，但收购后的路线图、资源投入和商业版/开源版边界需要长期观察；
- “更快从模型到真实控制”目前主要是平台整合逻辑，尚缺收购后的生产项目数据来量化开发周期和性能收益；
- Dragonwing 优化不会自动解决机器人安全、实时性和硬件差异问题，应用层仍需要独立的约束和验证。
来源：
- Qualcomm｜收购 PickNik 官方公告
- Qualcomm｜Dragonwing IQ-8275
- PickNik｜MoveIt Pro
2. XPENG 首开机器人供应链大会：关节、执行器和结构件进入指定与排产阶段
XPENG 9 月 23 日披露，其首届机器人供应链合作伙伴大会已于 9 月 22 日举行，参会企业覆盖关节模组、执行器和精密结构件。公司称机器人业务已与供应链伙伴签署“指定合作”协议，并开始进行产线排产；IRON 计划在 2026 年底进入量产阶段，2027 年在中国及海外正式上市交付。
图：XPENG IRON 资料图。来源：Maginative。
技术拆解
本次新增信息主要发生在制造层，而非单一算法升级。XPENG 9 月初已经启用机器人生产线，并称核心工序自动化率超过 80%；本次进一步把上游关节、执行器与精密结构件供应商纳入量产体系。
Next-Gen IRON 的既有官方资料显示，其采用高度拟人化本体、82 个全身自由度、22-DoF 灵巧手，并由 XPENG 自研 Physical AI 模型与 Turing AI 芯片驱动。但 9 月 23 日的供应链公告没有重新披露 BOM、具体供应商名单或关节参数。
技术与产业意义
“供应商指定 + 产线排产”比单纯发布机器人样机更接近量产阶段。人形机器人真正放量后，上游需要同时满足扭矩/精度、寿命、热管理、批次一致性、交付周期和成本曲线，汽车式供应链管理能力会直接影响整机可制造性。
XPENG 的另一项优势是可以复用汽车业务已有的质量体系、自动化产线和供应商管理经验。机器人是否能从原型跨到规模交付，很大程度取决于这套制造体系能否适应关节数量更多、装配精度更高、硬件离散性更敏感的人形产品。
仍待验证
- “指定合作”和“排产”不等于已完成大批量采购或形成终端订单；
- XPENG 尚未公开本次供应链伙伴名单、单机 BOM、关节自产/外采比例、供应商份额和目标良率；
- 2026 年底量产、2027 年海内外交付属于公司时间表，仍需以真实下线量、交付量和场景利用率验证；
- 当前公开的自然跟随、多语言和身份记忆等演示为公司展示，未提供标准化自主任务 benchmark。
来源：
- XPENG / PR Newswire｜首届机器人供应链合作伙伴大会
- XPENG｜IRON 生产线启用
- XPENG｜Next-Gen IRON 技术资料
3. Black Forest Labs 发布 FLUX 3 Action：7B 世界动作模型开放权重并接入 LeRobot
Black Forest Labs 9 月 23 日发布 FLUX 3 Action：一个 7B 参数、开放权重的 World Action Model（WAM）。模型输入摄像头画面、机器人状态和文本指令，同时预测未来视觉帧与动作；官方报告其 DROID 微调版在 RoboLab-120 上取得 42.92% 总成功率，高于其列出的 16B Cosmos3-Nano-Policy 的 36.8%。
图：Hugging Face LeRobot SO-101。FLUX 3 Action 已发布 SO-101 策略检查点并接入 LeRobot。来源：Hugging Face。
技术拆解
FLUX 3 Action 使用 7B diffusion transformer；冻结的视频 VAE 编码视觉帧，冻结的 Qwen3-VL-4B 编码文本指令。动作 token 与视频 token 进入同一序列并共同去噪，因此模型不仅预测“下一步做什么”，还学习“动作之后画面会怎样变化”。
每次调用可输出 32 个动作，并可选解码 32 帧未来画面；实际控制时执行前几个动作后重新观测和规划。BFL 还提供 DROID 与 SO-101 检查点、LeRobot 集成和 PEFT 微调方案。SO-101 演示策略使用约 200 个遥操作 episode 做任务适配。
技术与产业意义
WAM 与传统 VLA 的区别之一，是把未来视觉状态与动作放在同一个预测过程中。它让策略学习不仅拟合动作，还显式利用“执行后世界会如何变化”的结构，这对接触操作、恢复和多步规划具有潜在价值。
开放权重、LeRobot 接入和参数高效微调也降低了二次开发门槛。对于机器人团队，比单纯排行榜名次更实用的部分是：能否以已有机器人数据快速适配到自己的本体与任务。
仍待验证
- 42.92% 为 BFL 在 RoboLab-120 上披露的结果，需要第三方复现和统一评测确认；
- 约 200 个遥操作 episode 只对应 SO-101 的一组相关 pick-and-place 任务，不能外推到通用操作的数据需求；
- 模型卡明确说明输出的是关节目标，模型本身不限制关节速度、力或工作空间，真实部署仍必须由控制器、安全限位与急停系统提供约束；
- 不同机器人需要各自的 action head，说明“跨本体通用”仍需要 embodiment 适配。
来源：
- Black Forest Labs / Hugging Face｜FLUX 3 Action
- FLUX 3 Action Base Model Card
- LeRobot｜FLUX 3 Action 文档
4. Robot.com × Grubhub 再扩 10 所校园：自主配送从试点进入多年期运营
Robot.com 与 Grubhub 9 月 23 日宣布，将在 2026–2027 学年新增 10 所大学部署自主配送，使双方合作中的活跃校园超过 20 所，并续签三年协议。University of Southern Indiana 的现有车队已完成超过 25,000 次配送；Robot.com 称其全球已部署 500+ 台机器人、累计完成 250 万+ 次任务。
图：University of North Dakota 的 Grubhub / Kiwibot 校园配送车队。Kiwibot 后续品牌升级为 Robot.com。来源：UND Dining。
技术拆解
Robot.com 的 Kiwi 配送机器人官方规格包括 Level 4 autonomy、约 12 小时电池和 18 lb 载荷。车队由 REMI 平台统一管理，把自主导航、远程接管、任务派发、诊断和数据回流放进同一控制层。
一个关键细节是其远程运营模式：Robot.com 官方明确写明，每名监督员通常覆盖 5–10 台自主机器人，只有 edge case 时才接管。这说明当前商业化的“自主配送”依然依赖人机协同，而非完全无人后台。
技术与产业意义
校园配送已经越过一次性试点阶段，开始用多年合同、跨校园复制和重复运营来验证商业价值。校园地图相对稳定、订单密度高、用户集中，是轮式配送机器人较容易形成规模经济的场景。
真正决定单位经济性的变量会是每名远程操作员能管理多少机器人、机器人在线率、每车日单量、故障恢复和充电占比。5–10 台/监督员的公开口径也使“远程接管效率”成为可直接跟踪的商业指标。
仍待验证
- 25,000 次配送、500+ 台部署和 250 万+ 次任务均为公司披露，未看到独立审计；
- 公司没有公开每百公里/每千单人工接管次数、单次配送成本、平均利用率和车队毛利；
- Level 4 是厂商对其受限场景自主能力的描述，不能理解为所有城市道路条件下无需远程支持；
- 本次扩张公布的是校园数量，没有披露每个校园的机器人台数。
来源：
- Robot.com / PR Newswire｜与 Grubhub 扩展 10 所校园
- Robot.com｜Robotics / REMI
5. 新加坡 HTX 首批启用 NVIDIA GB300：为公共安全机器人建设“主权 AI”训练底座
新加坡 Home Team Science and Technology Agency（HTX）9 月 23 日披露，已成为新加坡首个部署 NVIDIA GB300 的机构。GB300 将用于其 NGINE 主权 AI 基础设施，以训练更大的多模态与 embodied AI 模型，并进行规模化推理；HTX 正同步推进 Home Team Humanoid Robotics Centre（H2RC），面向消防、危化品和搜救等公共安全任务。
图：HTX 在 NVIDIA AI Day Singapore 介绍公共安全 AI 能力。来源：The Straits Times。
技术拆解
这里的 GB300 不是装在机器人本体上的边缘芯片，而是用于中央训练与推理基础设施。HTX 的目标是把视频、文本、音频等多模态数据留在自有主权计算环境中，同时训练 embodied AI / multimodal models，再向机器人系统提供能力。
HTX 现有公开机器人路线仍包括 telepresence 与 whole-body control：先由远程操作者在高危环境中控制人形机器人，再逐步增加模型自主能力。H2RC 获得约 1 亿新元投入，重点针对“dull, dirty and dangerous”公共安全任务。
技术与产业意义
公共安全机器人天然涉及敏感视频、位置、通信和任务数据，因此“数据是否出域”“训练基础设施由谁控制”会直接影响部署。HTX 把高性能训练集群与机器人研发放在同一主权 AI 体系中，说明公共部门的机器人竞争不只有本体，还包括数据治理、模型训练和安全隔离。
这种路线也体现出一种较现实的自主化路径：先用遥操作建立任务流程和真实数据，再逐步训练更高自主度模型，而不是直接要求机器人在消防和危化场景中完全自主。
仍待验证
- 9 月 23 日新增的是计算基础设施能力，并不代表公共安全机器人已经实现新的自主任务水平；
- HTX 尚未披露 GB300 集群规模、训练模型参数量、机器人控制延迟或具体任务 benchmark；
- H2RC 的机器人型号、硬件供应商和量产计划仍未公开；
- 全自主消防、危化和搜救机器人仍属于后续目标，需要真实高风险场景的安全验证。
来源：
- The Straits Times｜HTX 部署 GB300 用于公共安全机器人
- HTX｜主权 AI 与 H2RC
- HTX｜Humanoid Robot Telepresence System
今日供应链观察
过去24小时出现了两类明确的供应链信号。
第一类来自量产 BOM。XPENG 已把关节模组、执行器和精密结构件供应商纳入指定与排产流程，说明人形机器人供应链开始从“样机采购”进入一致性、成本、良率和交付节拍的工程化阶段。后续最有信息价值的数据将是供应商名单、定点份额、单机用量和真实产线良率。
第二类来自机器人数据采集硬件。Skyworth XR 9 月 23 日披露，其头戴/腕戴第一视角数据采集设备从 4 月开始交付，到 8 月已累计交付超过 10,000 台；公司称头部和腕部设备无线协同时可把同步误差控制在 50 μs 内。产品覆盖双目、六相机和九相机形态。若这些出货口径得到持续验证，XR 的多相机同步、SLAM/VIO、6DoF 和可穿戴硬件制造能力正在直接进入具身 AI 数据供应链。
同时，Qualcomm 对 PickNik 的收购说明“供应链”已不只包括机械和电子 BOM：操控规划软件、ROS 中间件与开发工具也开始与芯片平台发生资本层面的整合。
补充来源：
- Skyworth XR / Auganix｜IROS 2026 Egocentric Data Capture
今日技术主线
过去24小时的进展呈现出一条完整的机器人产品化链路：Qualcomm/PickNik 在操控软件层做平台整合，FLUX 3 Action 在策略模型层尝试把未来视觉与动作联合建模，XPENG 则把人形机器人推进到供应商指定和产线排产。
应用端，Robot.com 的多年校园合同说明规模运营仍依赖 自主系统 + 远程接管 + fleet management；HTX 则从主权计算基础设施出发，为高风险公共安全机器人建立训练和数据治理底座。
今天的技术主线可以概括为：
边缘算力 × 操控中间件 × 世界动作模型 × 量产供应链 × 人机协同运营。
评论 (0)
登录 后参与讨论
加载评论中...