总部位于德国慕尼黑的Agile Robots公司周二宣布与谷歌DeepMind达成战略研究合作伙伴关系,成为最新一家与这家人工智能研究实验室合作开发机器人的公司。
这项合作涉及Agile Robots将谷歌DeepMind的Gemini机器人基础模型集成到其机器人产品中,同时机器人收集的数据将用于改进底层的Gemini人工智能模型。
两家公司将共同合作,在电子制造、汽车、数据中心和物流等行业的工业应用场景中,测试、优化和部署使用Gemini基础模型的机器人。
Agile Robots联合创始人兼首席执行官陈照鹏在合作协议的新闻稿中表示:"Agile Robots已在全球安装了超过20000套机器人解决方案,证明了大规模智能自动化的可行性。未来的巨大机遇在于能够变革整个行业的自主智能生产系统。将谷歌DeepMind的Gemini机器人模型集成到我们的机器人解决方案中,使我们站在了这个快速增长市场的最前沿。"
一位发言人表示,这项协议是长期合作,但拒绝透露有关合作期限或定价的更多细节。
Agile Robots成立于2018年,已从包括软银愿景基金、中国硬件公司小米和美达集团等投资者那里筹集了超过2.7亿美元的风险投资资金。
这只是最新一家与谷歌DeepMind建立合作关系以推进其技术的机器人硬件公司。
今年早些时候,现代汽车旗下的波士顿动力公司,也就是著名类狗机器人Spot的制造商,宣布与谷歌DeepMind建立合作关系,使用该公司的AI基础模型来帮助开发即将推出的人形机器人Atlas。波士顿动力此前在2013年至2017年期间曾归谷歌所有。
总体而言,机器人合作伙伴关系在今年呈上升趋势。德国机器人初创公司Neura Robotics在3月初宣布与高通建立合作关系,涉及Neura Robotics使用高通最近发布的IQ10处理器系列作为未来机器人的参考设计,该处理器系列专为移动机器人和人形机器人设计。
机器人在硬件和软件方面都极其复杂,因此这些合作关系非常有意义。随着公司努力开发能够自主运行的机器人,具有特定优势的公司——无论是硬件、灵活性还是软件——与拥有不同专业知识的其他公司合作是合理的。
正如包括英伟达首席执行官黄仁勋在内的许多行业人士认为,物理AI是AI市场的下一个前沿领域,这些合作关系不仅将继续,而且很可能会加速发展。
Q&A
Q1:Agile Robots与谷歌DeepMind的合作具体内容是什么?
A:Agile Robots将谷歌DeepMind的Gemini机器人基础模型集成到其机器人产品中,同时机器人收集的数据用于改进底层的Gemini人工智能模型。双方将在电子制造、汽车、数据中心和物流等行业测试和部署使用Gemini基础模型的机器人。
Q2:Agile Robots目前的规模和背景如何?
A:Agile Robots成立于2018年,总部位于德国慕尼黑,已在全球安装了超过20000套机器人解决方案。公司已从包括软银愿景基金、小米和美达集团等投资者那里筹集了超过2.7亿美元的风险投资资金。
Q3:为什么机器人公司纷纷寻求与AI公司合作?
A:机器人在硬件和软件方面都极其复杂,不同公司有不同的专业优势。随着物理AI被认为是AI市场的下一个前沿领域,具有特定优势的公司通过合作能更好地开发自主运行的机器人,这种趋势预计将继续加速发展。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。