这是我第二次在英伟达GTC大会上寻访机器人,这次遇到了几款首次亮相的产品。
刚走进圣何塞McEnery会展中心,一台来自IntBot的小型机器人就在人群中迎接我,它由AI聊天机器人驱动,并由附近的人工操作员进行安全控制。另一台更大的IntBot机器人则在信息咨询台后方,能够用多种语言为参会者指路。
来自英国的Humanoid公司带来了两台轮式HMND 01 Alpha机器人,展示了"集群控制"功能,这项技术可以让一个人轻松指挥多台机器人。我通过触摸屏订购了一杯饮料和一份零食,两台机器人立即开始工作,一台负责取饮料,另一台负责取零食。
这个演示虽然简单,但却证明了机器人行业多家公司都在同步研发的重要概念。一个指令激活多台机器人的能力对于那些与机器人密切合作的人来说无疑很有用。不过,这也让人联想到机器人军队可能带来的威胁和混乱。
Noble Machines展示了其笨重的Moby 3机器人,专门设计用于举起和搬运最多50磅的物品。它的演示与波士顿动力公司今年早些时候在CES展会上展示的内容非常相似。该机器人能够自主执行基本的工业任务,当遇到困难时,旁边待命的远程操作员会戴上VR头盔来协助机器人。附近的屏幕会实时向观众显示机器人是在自主运行还是受操作员控制。
Moby 3优先考虑成本效益,甚至使用1美元的狗咬玩具作为抓取装置,而不是其他机器人上更昂贵、工程更复杂的机械手。该公司表示,这些抓取装置能够完成所需的所有工作,使机器人更便宜且在需要时更容易更换。
我还试用了运行在DGC Spark上的OpenClaw AI助手,一台Reachy Mini桌面机器人为其增添了个性化特色,当AI智能体朗读答案时,这台小机器人会四处移动。英伟达CEO黄仁勋预测OpenClaw AI智能体将以某种形式进入机器人领域,这个演示似乎就是这种趋势的基础展示。
Q&A
Q1:英伟达GTC大会上展示了哪些机器人产品?
A:大会上展示了多款机器人,包括IntBot的AI聊天机器人、Humanoid公司的HMND 01 Alpha轮式机器人、Noble Machines的Moby 3工业机器人,以及搭载OpenClaw AI助手的Reachy Mini桌面机器人。
Q2:集群控制技术是什么?有什么用途?
A:集群控制是一种让一个人能够轻松指挥多台机器人的技术。通过一个指令就能同时激活多台机器人执行不同任务,这对与机器人密切合作的工作人员很有用,但也引发了对机器人军队潜在威胁的担忧。
Q3:Moby 3机器人有什么特殊的设计理念?
A:Moby 3机器人优先考虑成本效益,能举起和搬运最多50磅物品。为降低成本,它甚至使用1美元的狗咬玩具作为抓取装置,而不是昂贵的工程化机械手,既能完成工作又便于更换。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。