AI for Science 周报

2026年5月13日，Figure AI 公开展示旗下人形机器人在 Helix-02 AI 系统驱动下完成全天候 8 小时全自主工作班次，期间全程无人工干预。演示内容涵盖厨房清洗、卧室整理（两台机器人协同叠衣、铺床、归置家具）以及精细操作（开瓶盖、推注射器、从杂乱料仓中拣取金属零件）等任务。

- Helix-02 是统一神经网络模型，将视觉、触觉、本体感知与全身运动控制整合为单一系统

- 同步发布的 System 0（S0）全身控制器由逾 1000 小时人体动作数据训练，替代了原有 109,000 行手工编写的 C++ 代码

- 在洗碗机装卸任务中，单台机器人可持续运行超过 4 分钟而无需重置

- 两台机器人协作，可在 2 分钟内完成卧室环境还原

Helix-02 的发布标志着人形机器人从"演示场景"向"生产级长时运行"的关键跨越；能否在多样真实环境中保持同等表现，将是下一阶段的核心验证指标。

来源：Interesting Engineering（https://interestingengineering.com/ai-robotics/figure-helix02-humanoid-robots-8-hour-shifts）

时间：2026年05月13日

Figure AI 宣布其位于圣何塞的 BotQ 高产能制造设施在不到四个月内将 Figure 03 人形机器人的产量从每天 1 台提升至每小时 1 台，总下线量已突破 350 台，成为人形机器人领域迄今最快的量产爬坡纪录之一。

- 产线覆盖逾 150 个工位，配备自研制造管理软件

- 首次合格率（first-pass yield）超过 80%，10 余种执行器变体合计生产超过 9,000 个

- 每台机器人出厂前须通过 80 余项功能测试，包括深蹲、慢跑等压力验证

- 已下线机器人被分配至内部研发、数据采集及商业用例开发，所有机器人持续为 Helix 模型贡献真实世界训练数据

产能规模的突破不仅是制造成就，更是数据飞轮的加速器——机器人数量越多，Helix 获得的实地数据越丰富，模型能力提升的速度也随之加快。

来源：The AI Insider（https://theaiinsider.tech/2026/05/01/figure-ai-ramps-up-production-to-one-humanoid-robot-per-hour/）

时间：2026年05月01日

日本航空（JAL）旗下子公司 JAL Ground Service 与 GMO AI & Robotics 于 2026 年 5 月正式在东京羽田机场启动日本首个机场人形机器人示范试验项目，为期至 2028 年。机器人将承担行李装卸、货物转运及机舱清洁等体力密集型工作，以应对日本劳动力短缺与入境旅游持续增长的双重压力。

- 部署平台基于宇树科技（Unitree Robotics）的人形机器人，单台售价约 240 万日元（约合 1.54 万美元）

- 机器人身高 132 厘米，重 35 公斤，具备 23–43 个自由度，最高移动速度 7.2 km/h

- 当前电池续航仅 2–3 小时/充电周期，仍是实际部署的主要制约因素

- 2026 年日本前两个月入境旅客已超 700 万人次，2025 年全年达创纪录的 4,270 万

此次试验是全球航空业首个多年期人形机器人地面服务承诺，对于人口老龄化加速的日本而言，机场场景兼具标准化程度高与劳动强度大的特点，是验证具身智能实用性的理想切入口。

来源：CNBC（https://www.cnbc.com/2026/05/01/japan-airlines-humanoid-robots-haneda-labor-shortage.html）、JAL 官方新闻稿（https://press.jal.co.jp/en/release/202604/009502.html）

时间：2026年05月（试验正式启动）

美国塔夫茨大学（Tufts University）Matthias Scheutz 团队发布研究，证明将符号推理与神经网络结合的神经符号架构（neuro-symbolic AI）在结构化长时序机器人操作任务中，大幅超越当前主流的 Vision-Language-Action（VLA）模型，同时大幅降低能耗与训练时间，论文将于 2026 年 6 月 ICRA 大会在维也纳正式发表。

- 在汉诺塔（Tower of Hanoi）标准任务中，神经符号系统成功率为 95%，最优 VLA 模型仅为 34%

- 面对训练中未见过的更复杂任务版本时，神经符号系统仍保持 78% 成功率，VLA 模型失败率为 100%

- 训练时间从逾 36 小时压缩至 34 分钟；训练能耗降至 VLA 的 1%，推理能耗降至 VLA 的 5%

- 论文编号：arXiv:2602.19260（预印本，已接收于 ICRA 2026）

这一结果对"更大模型 = 更强能力"的行业共识提出了实质性挑战：在任务结构明确的场景中，架构选择可能比算力规模更关键，为能效约束场景下的机器人 AI 研发提供了重要参考路径。

来源：Tufts Now（https://now.tufts.edu/2026/03/17/new-ai-models-could-slash-energy-use-while-dramatically-improving-performance）、ScienceDaily（https://www.sciencedaily.com/releases/2026/04/260405003952.htm）

时间：2026年03月17日发布（5月持续引发广泛引用）

《自然》（Nature）于 2026 年 5 月 12 日发布深度报道，指出过去五年间具身智能的一系列突破使人形机器人在 2026 年进入实质性拐点：以 NVIDIA Isaac Sim 为代表的高保真仿真平台大幅降低了机器人训练成本，大语言模型的兴起则赋予机器人多步规划与语言推理能力；中国工厂已开始批量引入人形机器人，但许多高自由度任务仍依赖人工协同操作。

- 深圳 UBTECH 旗下 Walker S1 人形机器人已在中国汽车流水线上与人类工人并肩作业，具备实时姿态调整与跨工厂技能迁移能力

- 宇树科技（Unitree Robotics）H1 在 2026 年春节联欢晚会上完成武术表演，标志着人形机器人的公众形象从实验室走向主流媒体

- NVIDIA Isaac Sim、Stanford BEHAVIOR 等仿真平台被认定为推动具身智能拐点的关键基础设施

《自然》对该领域的系统性关注本身即是行业信号；报道同时指出当前人形机器人"演示能力"与"稳定量产部署"之间的落差，并非所有工序都已实现完全自主，这是行业在乐观情绪中值得保持清醒的关键信息。

来源：Nature（https://www.nature.com/articles/d42473-026-00119-z）

时间：2026年05月12日

美国埃默里大学（Emory University）Justin Burton 团队开发针对等离子体物理定制的机器学习模型，对"尘埃等离子体"（dusty plasma，即物质第四态）进行分析，发现了现有理论未曾预测的物理行为——尘埃等离子体对磁场的敏感程度远超此前估计——研究结果发表于《美国国家科学院院刊》（PNAS）并于 4 月下旬起引发广泛关注。

- 研究采用"物理感知机器学习"（physics-tailored machine learning），将领域先验知识嵌入模型，而非使用通用神经网络

- 新发现挑战了对复杂系统中集体相互作用的长期假设

- 研究人员认为，所揭示的动力学规律在活体生物系统中可能同样适用

- 研究由美国国家科学基金会等离子体物理项目及西蒙斯基金会资助（预印本，已发表于 PNAS）

这一研究是"专用 AI for Science"路径的典型案例——放弃通用性、拥抱领域知识注入——为 AI 驱动物理发现提供了一种与 LLM 路径截然不同的方法论参考。

来源：ScienceDaily（https://www.sciencedaily.com/releases/2026/04/260422044635.htm）

时间：2026年04月23日（论文首发）；2026年05月11日起大量媒体引用