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
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。