上交所官网显示，宇树科技的科创板IPO审核状态已更新为“提交注册”，有望成为国内“人形机器人第一股”。其IPO进程高效，从受理到过会仅用时73天，刷新了2026年以来科创板的审核纪录。根据招股书，公司本次拟募集资金总额为42.02亿元，将用于智能机器人模型研发等四大项目。招股书数据显示，公司已实现规模化盈利，2025年营业收入达16.99亿元，净利润2.78亿元。美团、腾讯等公司参与了战略投资。

北京人形机器人创新中心与百度智能云发起具身智能黑客松大赛，设运动控制与VLA模型微调双赛道，面向全球征集真机可部署方案。提供百万奖金、天工3.0本体及世界人形机器人运动会直通名额。天工Ultra曾夺半马冠军（2:40:42）及百米冠军（21.50秒）。

截至2026年5月，宇树科技单款双足人形机器人累计生产下线约11000台。该公司于2026年6月1日科创板IPO上会，拟募资42.02亿元用于智能机器人模型研发等项目。财报显示，宇树科技2025年实现营收约17亿元，主营业务毛利率达60.13%，核心部组件自研自产率超过90%。

星海图发布双足人形机器人 Kengo，拥有三款配色，搭载“运动小脑+具身大脑”，仅用两款核心模组覆盖全身关节，单关节扭矩超 130N·m。演示视频显示，Kengo 可完成空翻踢腿、鲤鱼打挺等高难度动作，并能在家庭场景中执行清洁、搬运物品等任务。官方暂未公布具体参数和价格。

本文提出了RoboSemanticBench，一个用于诊断视觉-语言-动作模型在动作预测中是否具备语义对齐能力的具身基准测试。在该测试中，机器人需要解决多选题，并根据语义理解抓取对应正确答案的方块。测试覆盖了算术、数学理解和常识理解等多种任务。评估发现，在控制抓取成功率后，许多模型选择语义正确方块的能力接近或低于随机水平，揭示了模型骨干网络的语义能力与最终动作预测之间存在持续差距。

SEAOTTER提出一种结合学习型潜在空间与标准JPEG格式的压缩框架，用于云机器人系统。相比AVIF，在200:1压缩比下编码速度快7倍、解码快3.5倍，ImageNet top-1准确率提升8%，同时保持与JPEG基础设施的兼容性。框架通过可学习的JPEG色彩与量化变换，提升全局、密集及视觉语言感知任务的精度，并支持通用与任务感知的转码流水线。代码已开源。

RobotValues 是一个包含1万个价值观冲突场景的基准，用于评估家庭机器人规划器在任务成功与自主性、效率、社会恰当性等人类价值观冲突时的行为选择。该基准通过LLM辅助场景生成、利益相关者导向的价值提取、图像生成和自动质量控制构建。使用RobotValues评估视觉语言模型（VLM）发现，模型默认偏向安全和包容，较少优先隐私保护。当指令要求优先与自身偏好冲突的特定价值观时，模型在80%的情况下无法覆盖默认动作，选择了错误行为。这表明家庭机器人评估应衡量价值观冲突中选择合理动作的能力。

Nvidia在GTC台北大会上发布了一系列面向机器人、自动驾驶和视频系统的模型。核心发布包括升级版世界模型Cosmos 3、显著扩展规模的驾驶模型Alpamayo 2 Super，以及一个开源的人形机器人参考平台。这些产品共同推进了其在物理AI领域的布局。

优步（Uber）与以色列AI出行公司Autobrains达成战略合作，计划在德国慕尼黑推出自动驾驶出租车服务。该项目整合了Uber的网约车平台与英伟达的Hyperion平台，并将采用无OEM限制的模式，允许不同车辆平台加入服务。Autobrains的战略投资者包括BMW i Ventures等。

宇树科技IPO首发过会，拟募资42.02亿元，资金将用于智能机器人模型研发、机器人本体研发、新产品开发及制造基地建设四个项目。公司2025年营收约17亿元，主营业务毛利率达60.13%，核心部组件自研自产率超过90%。此外，宇树科技于5月12日发布了全球首款量产版载人变形机甲GD01，官方指导价390万元起。

OpenAI重新组建了机器人团队，该项目脱胎于其世界模拟研究计划。团队重启距离五年前部门解散已过去五年。首席执行官Sam Altman的长期愿景是让每个人都拥有一个能完成任何需求的个人机器人。在近期，机器人的应用将首先聚焦于帮助建设基础设施。

英伟达CEO黄仁勋预计将于本周四晚抵达首尔，与SK集团会长崔泰源、LG集团会长具光谟、Naver创始人李海珍等韩国主要企业负责人举行会谈，旨在推进AI与机器人等领域的合作。现代汽车集团执行会长郑义宣也可能参与。三星会长李在镕预计不会出席。此外，Naver正与英伟达协商安排黄仁勋于下周一访问其第二办公大楼。

英伟达推出 NVIDIA Isaac GR00T 人形机器人参考设计，整合了宇树 H2 Plus 人形机器人、Sharpa Wave 触觉五指灵巧手及 Jetson AGX Thor T5000 计算平台。机器人身高约1.8米，重68千克，全身拥有75个自由度。其计算核心为 Blackwell GPU，AI性能达2070 FP4 teraflops。该参考设计由宇树推出，预计2026年底发布，并将扩展支持宇树 G1 机器人。

英伟达推出全球首款全开源全模态物理AI大模型Cosmos 3。该模型基于混合Transformer架构，可在单一系统中融合文本、图像、视频、音效及动作内容的理解与生成，将物理AI的训练与评估周期从数月缩短至数日。Cosmos 3在Artificial Analysis、Physics-IQ等多个评测基准上排名第一，提供Super和Nano版本用于机器人与自动驾驶的训练与实时推理，Edge版本即将推出。

NVIDIA 发布 Cosmos 3，基于 Mixture-of-Transformers（MoT）架构的开源全能模型，统一世界生成、场景理解、因果推理和策略生成。该模型通过自回归与扩散子序列联合注意力，在单一前向过程中处理文本、图像、视频、音频和动作等多模态。本次发布包含两个版本：Cosmos 3 Nano（16B 参数，8B 推理器 + 8B 生成器，面向工作站级 GPU）和 Cosmos 3 Super（64B 参数，32B + 32B，面向 Hopper 和 Blackwell GPU，用于大规模合成数据生成与研究）。两者均已上架 Hugging Face，并提供 Diffusers 集成、GitHub 后训练脚本和开源合成数据数据集。

小鹏集团5月交付新车32158辆，环比增长4%。5月20日上市的GX车型上市12小时大定达24863辆，Ultra旗舰版订单占比超八成。同月，其全球首款全栈自研L4级Robotaxi基于GX原型车量产下线，搭载4颗自研图灵AI芯片，算力达3000TOPS，计划三季度在广州示范运营。此外，一季度财报显示毛利率为20.6%，研发投入29.1亿元，二季度交付量指引为10万至10.6万台。截至5月底，其自营充电站已覆盖430+座城市，累计超3600站。

英伟达开源了 Alpamayo 2 Super 视觉-语言-动作（VLA）模型，参数规模从 100 亿增至 320 亿。该模型支持 360 度感知与推理式自动标注，专为研发 L4 自动驾驶设计。模型可通过知识蒸馏压缩，部署于 DRIVE AGX Thor 芯片。代码与权重将在夏季于 GitHub 和 Hugging Face 开源。

深圳市文旅产业发展有限公司与一家机器人公司达成战略合作，将在深中通道西人工岛联合打造全流程机器人服务的智慧酒店，计划于2027年初试运营。酒店将提供覆盖宾客接待、行李引导等七大核心场景的全天候智能服务，并将与西岛整体文旅生态打通。

宇树科技科创板IPO于6月1日上会，拟募资42.02亿元，用于智能机器人模型研发等四大项目。公司2025年营收约17亿元，主营业务毛利率达60.13%，核心部组件自研自产率超过90%。此外，宇树科技于5月12日发布了全球首款量产版载人变形机甲GD01，官方指导价390万元起。

FF创始人贾跃亭透露，5月EAI机器人终端销售出货量达69台，超过3、4月总和。公司计划首个交付季出货200台，全年目标1500台。FF同时向SEC提交线索函，持续打击非法做空行为。公司旗下产品包括Futurist、Master、Aegis等系列的具身智能机器人。

KITScenes Multimodal是一个欧洲自动驾驶多模态数据集，传感器套件包含高分辨率全局快门相机、探测距离超400米的激光雷达、4D成像雷达及冗余GNSS/INS定位系统。其HD地图首次在公开数据集中将所有驾驶相关交通元素（含红绿灯）以3D形式映射至重投影精度并附带完整拓扑连接。数据采集自街道布局不规则、混合交通模式的城市，补充地理多样性。同时推出四个基准：在线HD地图构建、长距离深度估计、新视角合成和端到端驾驶。项目页面已公开。

NVIDIA 发布 Cosmos 3 全模态世界模型家族，基于统一混合 Transformer 架构，联合处理与生成语言、图像、视频、音频和动作序列。该模型将视觉-语言模型、视频生成器、世界模拟器及世界-动作模型整合为单一框架，在多项理解与生成任务上达到新 SOTA。技术报告撰写时，后训练版本被 Artificial Analysis 评为最佳开源文生图与图生视频模型，被 RoboArena 评为最佳策略模型。代码、模型权重、合成数据集及评测基准已开源（Linux Foundation OpenMDW-1.1 许可）。

WALL-WM 是一种世界动作模型，将视频-动作学习从固定长度块优化转向基于语义事件的视觉-语言-动作（VLA）预训练。它把语义一致的动作事件作为基本学习单元，解决了语言、视觉与动作在时间粒度上的不匹配。WALL-WM 结合事件级描述与聚类平衡采样构建数据生态，并从同一预训练主干支持两种推理模式：事件模式（变长执行块）和统一模式（使用 VLM 与阶梯解码）。依托 Muon 优化器的大规模预训练基础设施，WALL-WM 在跨语言、场景与任务的真实世界泛化评估中达到当前最优性能。

本研究将视觉-语言导航与物体目标导航视为同一物体中心语义流形的不同接口，并提出一个免训练的框架PlatonicNav。该框架构建柏拉图拓扑地图，融合自监督视觉编码器的几何与语义节点距离，并通过盲目匹配来定位语言目标，无需任何配对的视觉-语言数据。在HM3D-IIN、OVON及MP3D上的R2R-CE等模拟基准测试以及Unitree Go2机器人上的部署表明，PlatonicNav在无需显式跨模态训练的情况下，实现了跨任务、跨模态和跨具身的泛化能力。

旧金山机器人初创企业The Bot Company（估值20亿美元）被指控秘密租用多处爱彼迎（Airbnb）房源作为机器人测试场地，导致房屋严重损坏。房东肖恩·多诺万索赔12383.50美元并起诉该公司。该公司由前Cruise首席执行官凯尔·沃格特于2024年创立，首轮种子轮融资1.5亿美元。其原型机器人具备机械臂和双夹爪，可自主整理物品。公司尚未推出正式产品，租用短租房源模拟居家环境进行测试，但未告知房东真实用途。

特斯拉FSD（监督版）系统已获得爱沙尼亚批准，使其成为欧洲第三个允许该系统上路的国家。爱沙尼亚交通局直接采信了荷兰道路运输管理局的车型认证数据。软件即将推送，但初期仅限搭载AI4硬件的新款车型，使用3.0版旧硬件的车主需等待特斯拉计划于夏末推出的FSD 14精简版。欧洲用户将使用针对当地法规定制的版本。由于特斯拉已在欧洲终止一次性买断，该功能今后将采用按月订阅模式提供。

CARVE是一个无预测的交互驾驶认证层，基于有限格点上的合作包络B_j(s)=β(π_j)α_j^max(s)，对被否决操作进行修复认证。在589个INTERACTION回放片段中，CARVE-Greedy接受了98.64%的初始否决动作，恢复了370/378个人工假否决，同时保持了589/589路权尊重、零优先级智能体假阳性与400/400负应力否决。CARVE不依赖预测或要求其他驾驶员合规，仅认证提议交互是否有界、可归因且符合规范。

Genesis AI 发布 Genesis World 1.0 仿真平台。该平台包含物理、渲染、编译、工具四大组件，其仿真与真实机器人部署的相关性达 0.8996。策略评估时间从超过 200 小时缩短至不足 0.5 小时。