Industry 3176 articles · 32 matching

2026年9月2日，由灵心巧手与星源智共同发起，联合奥比中光、法奥机器人、福莱新材、禾赛科技、华威科、览沃科技、朗毅机器人、灵猴机器人、珞石机器人、迈尔微视、钕娲创造、泉智博、森云智能、速腾聚创、他山、无问智科、讯飞机器人超脑平台、鑫精诚、移远通信、知行具身、纵贯线等20余家产业链核心企业组成的“中国具身智能Tier1产业联盟”正式成立。 联盟成员完整覆盖具身大脑、灵巧手、语音交互、视觉感知、激光雷达、机械臂、移动底盘、无线通信、热管理、传感器等关键环节。作为联盟创始成员，灵心巧手将与联盟企业，围绕跨硬件适配、跨本体部署、场景验证三大主轴，推动具身智能从“单点领先”迈向“系统领先”。 产业浪潮已至，中国具身智能Tier1产业联盟应势而生 具身智能正加速走出实验室，步入工业制造、物流仓储、商业服务等千行百业的真实场景。然而，产业的规模化落地从来不是某一项单点技术的胜利，而是感知、决策、执行等软硬件链条的全栈协同。 雷峰网观察到，当前行业正面临一系列共性挑战：灵巧手、视觉模组、激光雷达、机械臂、移动底盘等关键部件来自不同厂商，硬件接口不统一，集成适配成本居高不下；真机操作数据、视觉感知数据…

S²-VLA 引入信念状态和自适应动态门控，仅用2B参数、7GB显存，长程操控超越7B模型。 作者丨张 璐 编辑丨幸丽娟 过去一段时间，Scaling Law 在具身智能里被看得很重。为了让机械臂完成复杂的搬运、对准和组合，多数工作把视觉-语言-动作（VLA）模型做到 7B 甚至 8.5B。参数变大后，语义理解和场景识别确实更强了，但长程操控里的不稳定问题并没有随之消失。 很多大参数量 VLA 在执行到第 10 步或更后面时会出现突然失败。核心原因是累积误差放大（Cumulative Error Propagation）：早期哪怕只有毫米级定位偏差，也会在后续步骤中逐步放大，最终导致抓取失败或动作中断。参数量大了，语义理解确实更强，但模型在动作后半程还是很难及时纠正偏差。 华东师范大学与上海交通大学团队提出的 S²-VLA 针对这个问题做了改进。工作由谢志鹏、韩宗益（共同一作）、赵静（通讯作者）和孙仕亮等完成。 他们没有继续堆参数，而是加了信念状态和自适应动态门控，让模型能按当前阶段调整注意力。结果是：2B 参数量的模型在 LIBERO-Long 上达到 96.4% 成功率，超过了多数…

Gemini 领跑，GPT表现平平，国立清华、英伟达提出双奖励孪生网络，告别算力焦虑。 作者丨张 璐 编辑丨幸丽娟 VLM大模型（VLM）在静态视觉与推理任务上已展现出强悍能力。然而在具身智能领域，当模型需要面对复杂的动态交互与机械臂控制时，它们能否准确评估智能体的动作与画面变化，依然是一个待检验的问题。 过去不少人以为，能“看懂画面”就意味着能“当好教练”。但对具身智能来说，从识别场景到精准评估动作进展，完全是两码事。 为了厘清各大模型在真实动作评估中的底细，国立清华大学与 NVIDIA 联合团队在最新研究《VLM-AR3L: Vision-Language Models for Absolute and Relative Rewards in Reinforcement Learning》中，把 Gemini 2.0、GPT-4.1 等主流大模型拉进同一个考场，对它们的视觉裁决能力做了一场综合评估。 论文链接:https://arxiv.org/pdf/2607.00483 01 考场设计：四大仿真套件、 10 大场景与“看图判进展”规则 研究团队选用的 10 个典型任务，涵盖了具…

NexCOBOT, which provides functional safety and motion controllers, discusses how physical AI benefits from 'Big Tech' and where it will grow. The post NexCOBOT discusses physical AI market hurdles and acceleration appeared first on The Robot Report.

Leaders at Amazon Robotics, Teradyne Robotics, and Cobot will discuss how they're applying physical AI to robots operating in customer environments. The post Learn how physical AI is being used to do real work at RoboBusiness appeared first on The Robot Report.

8 月中旬，新加坡的一场公开演讲上，南洋理工大学副教授、Ropedia 首席科学家刘子纬抛出了一个问题：为什么读过整个互联网的 AI，进了物理世界，却连一杯咖啡都冲不好？ 他的回答是：“AI 读过一切，却几乎没有经历过任何事情。它从未真正冲过一杯咖啡，自然也不知道该怎么做。” 刘子纬教授在新加坡演讲的现场照片 这种分裂在今天的 AI 身上随处可见：感知模型能把冲咖啡的教程讲得头头是道，生成式模型能合成一段以假乱真的冲咖啡视频；可一旦真的伸出机械臂，同样的智能常常连一次可靠的抓取都完成不了。能听懂，能想象，就是做不好。这道裂缝，此刻正卡着整个具身智能行业。 AI 科技评论了解到，就在这场演讲之后不久，由联合创始人兼 CEO 陈昭熹与联合创始人兼 CTO洪方舟共同创办的 Physical AI 公司Ropedia，正式发布了新一代多模态采集系统HOMIE Gen2。这套关于“经验”的判断，最终落到了一台约 380g 的头戴设备上：让 AI 从人类真实行为中，补上它缺失已久的“经验”这一课。对于这台设备要做的事，CEO 陈昭熹有一个很形象的说法：“学做一道菜，只看别人做的视频，可能知道最后成…

399美元的Microduck只有25厘米高、不到800克，便宜到“摔得起”。开放SDK与MuJoCo仿真后，可同时跑4096个虚拟环境训练步态再部署回真机。若英伟达129亿美元收购成行，这条开源路径还能否保持中立，值得观察。 Hugging Face又造机器人了，并且爆火到每4秒就卖出一只。 这一次，它造了一只“鸭子”。 近期，Hugging Face旗下机器人团队Pollen Robotics发布一款名叫Microduck的机器鸭：25厘米高、不到800克，它拥有两条短腿，一张可以开合的鸭嘴，售价399美元，约合人民币2800元。 这只看起来有些像电子宠物的小机器人，会走路、踢球、滑旱冰，也能弯下身体，用嘴把地上的东西“叼”起来。 但Hugging Face显然不只是想卖一只更便宜、更可爱的机器人。 过去两年，这家以AI开源社区闻名的公司，已经从机器人训练框架LeRobot，一路做到低成本机械臂、机器人模型，再到接连推出两款几百美元的机器人。 一家原本做AI开源社区的公司，为什么越来越认真地造起了机器人？ 答案或许就藏在这只399美元的小鸭子里。 01 一只可以被反复训练的“鸭子”…

Anthropic's Model Hardware Standard (MHS) gives AI agents a unified interface to physical devices like robotic arms and lab instruments. In early tests, integration time dropped from weeks to hours. But Claude sometimes failed to grasp physical cause and effect, so human oversight remains essential for now. The article Anthropic wants to do for physical hardware what its Model Context Protocol did for software appeared first on The Decoder.

MHS把一场新药研发实验速度提升3倍。 作者丨高允毅 编辑丨岑 峰 这是Anthropic第二次发布全行业统一协议。 第一次，它发布了MCP，它统一了 AI 代理调用外部工具、数据源与 API 的方式，如今满世界的 Agent 都靠它连数据库、接浏览器、调 API。这一次，它把完全相同的逻辑延伸到了物理世界，Agent可以和不同的物理设备之间对话了。 这是一套面向物理设备的 AI 代理接口标准，叫Model Hardware Standard（MHS），此次发布的是预览版本，已经在全球顶尖实验室的显微镜、机械臂和量子计算机上使用起来了。 它解决的，是整个科研与工业领域头痛了二十年的问题：硬件接口碎片化。 01 二十年未破的困局： 标准追不上硬件的多样性 这是一个所有实验室从业者都心照不宣的困境。 在一间自动化实验室里，成像相机可能基于 Python 开发，探测器运行在 MATLAB 环境中，电生理设备采用 C# 架构，而机械臂、共聚焦显微镜、移液工作站更是各有各的专属驱动、私有数据格式和封闭控制软件。多数情况下，哪怕是相邻的两台仪器，都无法感知彼此的运行状态。 如果研究人员想实现 “相…

对人来说，推门近乎是一种下意识动作。对移动操作机器人来说，这是一道把感知、移动、操作和控制绑在一起的综合题。 机器人需要找到并靠近把手，完成接触与旋转，在门体移动时协调底盘、机械臂和夹爪，还要避开门框、连续穿过狭窄门口。任何一步出现误差，都可能让整段任务中断。 近日，由纽娲机器人、上海交通大学和山东大学研究人员共同完成的 Video2DoorTraversal 预印本公开发布。上海交通大学博士生唐心诚为第一作者， 纽娲机器人创始人、上海交通大学特聘教授杨睿刚为论文通讯作者。 论文提出了一套面向轮足移动操作机器人的单视频 Real-to-Sim-to-Real 框架：用一段普通 RGB 视频重建真实门的数字孪生 DoorTwin，在仿真中生成并筛选可执行轨迹，再训练机器人完成从接近、开门到穿越的连续任务。 需要说明的是，五扇门的主实验并非用一段视频训练一个策略后直接覆盖全部对象。研究针对每扇目标门分别采集一段 RGB 视频，在论文指定的轮足移动操作平台上每扇各测试 35 次，共完成 175 次测试，其中成功 169 次，平均成功率为 96.57%。在三扇结构相似、训练阶段未见过的门上，策…

当 VLA 模型理解语言、感知环境并直接生成机器人动作，一个更基础的问题开始浮现：机器人如何理解一个持续变化的物理世界？物体从哪里移动而来、杯子此前遮住了什么、机械臂正在接近还是远离目标——真正决定下一步动作的信息，往往不只存在于当前一帧，而存在于连续的时间之中。 近日，大晓机器人联合香港大学发布全新的连续物理智能研究成果 StreamPI（Streaming Multimodal Temporal Modeling for Vision-Language-Action Models），直指 VLA 长期存在的“单帧智能”瓶颈，为其补上关键的“时间维度”。不同于传统 VLA 主要依据当前观测独立决策，StreamPI 为模型建立持续的多模态时序上下文，使机器人能够记住过去、理解状态变化、判断任务进程，并利用跨帧信息增强精细空间感知与动作决策。它推动 VLA 从“识别当前状态”，进一步走向“理解一个正在发生的物理过程”。 更重要的是，StreamPI 并未依赖额外参数堆叠换取时序能力，而是基于现有 VLA 骨干，通过指令持续锚定、历史信息流式缓存与随机时间间隔训练，实现从单帧决策到连续时…

Claude觉醒超体

机器人世界模型的下一场竞争，可能不是画质，是架构。 作者｜Li Yuan 编辑｜郑玄 一只机械臂的夹爪明明没有夹住杯子，杯子却像被磁铁吸住一样，跟着夹爪升了起来。这个看似荒诞的问题，正在困扰机器人世界模型，业内甚至将其称为「磁铁式抓取」。 视频生成模型只要让画面看起来合理，就算完成任务；但世界模型不能只追求「像真的」。机器人训练数据大多来自成功演示，模型容易形成捷径：与其理解动作的细微差别，不如按照画面，直接生成最可能的结果。 可在真实世界里，夹爪位置偏移几毫米，就可能让结果从抓起变成碰倒杯子甚至抓空。世界模型真正需要理解的，是动作与结果之间的因果关系。 8 月 27 日，自变量机器人发布下一尺度自回归世界模型 WALL-SS，试图让世界模型从「能用」走向「好用」。WALL-SS 不是一次性生成整个画面，而是通过由粗到细的方式描绘未来，让不同动作真正对应不同结果；同时结合长时记忆机制，实现最长 60 秒连续推演。 测试显示，WALL-SS 连续推演 60 秒后，画面和运动轨迹仍更接近真实视频，动作跟随得分达到 0.29，而 Cosmos3-Nano 为 0.044，其他测试模型干脆为 …

近年来，中国清洁电器品牌加速进入欧洲市场，市场竞争也从价格比拼逐步转向技术、品质与本地化能力的综合较量。2026年上半年，追觅洗地机欧洲区域营收同比增长超过50%，并在德国、意大利、瑞士、波兰等多个欧洲国家取得市场份额第一。 波兰是追觅洗地机高效切入欧洲市场的代表。自2024年底进入当地市场后，追觅洗地机仅用半年时间便超越飞利浦，跃居当地市场份额第一；截至2026年上半年，其市场份额进一步提升至60%以上，已连续18个月保持行业第一。从进入市场到实现领先，追觅洗地机在波兰的快速增长，背后是产品创新与本地化布局的共同作用。 产品创新是市场突破的关键。以旗舰机型T16 Pro Heat为例，其将90℃高温热水、机械臂边角清洁与超薄躺平等功能融合，针对深度清洁、边角清洁及狭窄空间清洁等需求提升产品体验，并获得德国CONNECT、法国Les Numériques等欧洲专业媒体认可，并成为当地市场的热销产品。 （追觅T16 Pro Heat洗地机获得德国科技媒体CONNECT「Outstanding」评级） 产品力之外，本地化渠道也成为增长的重要支撑。近年来，追觅持续进入欧洲核心商圈，布局德国慕…

将动作从输出端搬到调度端，推理速度提升1.79倍。 作者丨邓哲敏 编辑丨齐铖湧 机器人想要真正走进千行百业、千家万户，有一道绕不开的坎：它得足够快。 不说快到能打羽毛球那，至少得快到让人觉得这玩意儿能用。一个机械臂每动一下都要停顿两三秒，哪怕成功率再高，在工业场景里算下来的投入产出比也很难说服人。 VLA 模型是当前具身智能领域最受关注的技术路线之一。它把视觉感知、语言理解和动作生成整合进一套模型，让机器人能够依据语言指令完成复杂操作任务。但 VLA 模型有一个部署层面的老大难问题：推理太慢。 每个控制时刻，模型都要把一个庞大的视觉语言骨干网络跑一遍，计算量极大，导致延迟居高不下，实时控制频率难以保证。 这个问题并不新鲜，学界已经有不少人在尝试解决。今年 IJCAI 收录的一篇论文认为，现有的大多数方案都走偏了一步。AI科技评论（雷峰网公众号）联系到一作于闻达，围绕高效 VLA 方法进行交流。 论文原文：https://arxiv.org/abs/2601.19634 01 大家都在剪视觉， 但问题真的在这儿吗 现有的高效 VLA 方法，主流路线是在视觉侧做文章，剪掉“不重要”的视觉 …

告别理想仿真，中国学术团队用物理工程方案回应落地挑战。 作者丨张璐 编辑丨岑峰 过去一年多里，具身智能似乎按下了快进键。 从 Physical Intelligence 发布的π₀到开源社区追捧的OpenVLA，VLA大模型一路高歌猛进。在各种标准基准测试和精心搭建的实验室 Demo 中，机械臂叠衣服、拿取物品流畅得宛如人类，动辄刷出 90% 甚至 95% 以上的成功率。 然而，当全行业都在欢呼“机器人的 GPT 时刻”到来时，前沿学术界与产业界却爆发了一场剧烈的反思：这些动辄数十亿参数的具身大模型，真的学会“举一反三”了吗？还是在“死记硬背”？ 在主流学术视角中，VLA 大模型像是给机器人装上了具备常识与规划能力的“大脑”。但要让机械体真正干好精细活，仅有一个聪明的大脑远远不够。 最新实验数据表明，面对物品位置的随机挪动或新指令组合时，纯端到端大模型往往会受到“空间过拟合”的约束，末端执行成功率会出现剧烈衰减。 这恰恰说明：具身智能要真正走出实验室，不仅需要大模型提供常识和高层决策，更需要扎实的工程技术去打造精准、稳健的“小脑”。 下面雷峰网盘点入选 IJCAI 2026 的 6 项…

当机器人行业的大量叙事还停留在融资轮次与概念发布时，越疆科技已经交出了一份由产线验收单写成的中期答卷。 8月24日，越疆科技发布2026年上半年中期业绩。报告期内，公司实现营业收入约人民币3.2亿元，同比增长106.6%，经营规模实现翻倍增长；毛利约人民币1.5亿元，同比增长约100%，毛利率稳定维持在47.4%。研发投入约人民币1.0亿元，同比增长148.4%。具身智能机器人业务收入突破人民币4,500万元，同比增长超20倍，占营收比例提升至14.3%。 在工业机器人行业产量同比增长28%的产业背景下，越疆以远超行业均速的表现，印证了“协作机器人+具身智能”双轮驱动战略的强劲动能。 一、深度锚定工业主场，协作机器人筑牢全球龙头地位 2026年上半年，工业制造领域收入约人民币2.0亿元，同比增长142.4%，占产品销售收入的62.8%，为公司第一大收入来源。协作机器人实现收入约人民币2.4亿元，同比增长79.1%。 根据灼识咨询报告，按2025年销量统计，越疆协作机器人全球市占率达13.2%，位列全球第一。全球累计出货量突破10万台，业务落地100余个国家和地区，长期服务80余家世界5…

arXiv:2602.14255v2 Announce Type: replace Abstract: Industrial robots are increasingly deployed in construction and manufacturing tasks, where the deployment of end-to-end visuomotor policies is challenged by the observation-execution gap induced by observation, inference, and execution latencies. This gap is often significant on industrial robotic arms due to high-level control interfaces and slower closed-loop dynamics, making execution timing a dominant system-level concern. This paper presen…

arXiv:2608.22629v1 Announce Type: new Abstract: Transferring reinforcement learning policies from simulation to Real-World robots remains a major challenge, particularly when dealing with low-level torque control, where even small modelling inaccuracies can lead to unstable or unsafe behaviours. In this work, we propose a Real2Sim2Real pipeline that improves Sim2Real transfer for torque-controlled robotic arms by combining trajectory matching, parameter optimization via genetic algorithms, and d…

北京，2026年8月19日—23日，2026世界机器人大会（WRC）在北京举行。 本届大会，智身科技以"真正干活的机器人"为核心定位，通过五大展区集中展示从核心关节、整机本体、机械臂到运动控制（小脑）、智能决策（大脑）的全栈技术能力，回答行业之问：机器人什么时候能真正创造社会价值？ 01.展台即现场：从零件到整机，从表演到干活 走进智身科技展台，五大区域构成一条清晰的"干活能力"展示链路。 表演舞台区三大亮点集中呈现：智身银毅NE01人形机器人上演《功夫女足》多机协同舞蹈，单关节峰值扭矩达 180N・m；智身钢镚 L2 四足机器人展示镂空楼梯感控一体通行与 7:1 极限负载自重比。 台面操作演示区，智身科技带来首款行业级可组装教育四足机器人，从通识启蒙、专业实训到工程应用，支撑不同阶段的具身智能教育建设；MATRiX 2.0开放世界仿真训练平台提供手柄虚拟对战体验，打通从虚拟训练到真实部署的链路，现已开源。 地面操作演示区，智身铜锤M1搭载铁臂TA01机械臂展示VLA操作能力，即使智身铜锤M1腿部、本体持续运动时，智身铁臂 TA01 末端依然能保持稳定。系统能够根据动作与负载变化实时协…

一、90% 的工厂，机器人还进不去 具身智能这两年很热，但热的地方大多不在工厂。 人形机器人在展会上跳舞、倒酒、叠衣服，视频传播量惊人；可一旦走进真实的工业车间，话题就迅速冷下来。原因很简单，工业现场不是实验室，它要求机器人在油污、粉尘、温差和来料不一致的环境里，连续、稳定、可核算地干活。而这恰恰是当前具身智能最薄弱的环节。 传统工业机器人其实已经很强了。高速、高精、大负载，在汽车焊装线、3C 装配线上可以做到毫秒级节拍；在防爆、喷涂等特种场景也有成熟方案。但它的强，是 "确定性" 的强 —— 程序写死、轨迹固定、来料一致，一旦条件发生变化，它就无所适从。 这正是问题所在。全球工业机械臂年增量大约五十万台，听起来不少，但放在整个制造业体量里只是一小部分。在汽车和 3C 之外的通用制造领域，工业机器人的渗透率至今不到百分之二十。剩下那八成以上的场景，不是不需要自动化，而是 "用不起"。 这些场景有一个共同特征：多品种、小批量、高度差异化。工件每一批都不太一样，焊缝位置会变，喷涂件的姿态会变，物流分拣的物料种类上百种。传统机器人的应对方式是，每换一种工件，工程师重新示教、重新编程、重新调试…

经典的“吉列刀架与刀片”模式，正在具身智能领域上演？ 编辑丨岑峰 过去两年，具身智能行业掀起了一场激烈的“硬件军备竞赛”：能后空翻的人形机器人、刷新奔跑速度纪录的机械腿，以及在精密设定下倒水、叠衣服的机械臂层出不穷。 但在这些炫酷的展示背后，一个极其现实的问题摆在了所有从业者面前：具身智能到底该怎么赚钱？ 目前，行业的主流玩法依然是“卖机器”：将昂贵的硬件本体搭配针对特定场景写死的工作流软件卖给 B 端客户。但硬件制造天然受制于供应链和规模效应，毛利率在残酷的价格战下不可避免地会走向极度微薄。 如果具身智能真的是继智能手机之后的下一代计算平台，它的商业终局，绝不可能仅仅是一家“硬件设备制造商”。 在正在进行的 2026 世界机器人大会（WRC）上，星海图联合创始人高继扬，指出，具身智能的商业模式最终将彻底颠覆，走向以“物理世界 Token”的销售为主体。 高继扬认为，在未来的终局里，机器人硬件（整机）甚至可能沦为“负毛利”的载体，其唯一目的就是把更多的终端铺到真实世界中去。而产业真正的价值核心，将100%向“具身大脑”迁移。 就像今天的 OpenAI 按大语言模型吐出的“文本 Toke…

阿里巴巴：2027财年第一季度营收2,689.5亿元，同比增长9%；网易Q2净收入301亿元，营业利润121亿元；台积电1.6nm级A16工艺完成开发验证，目标Q4量产；奇瑞汽车：上半年实现收入1432.80亿元，同比增长1.2%；谷歌旗下Waymo为其无人出租车自研定制芯片；三星晶圆代工技术蓝图调整，1.4纳米延后至2029年量产；《2026年人形机器人产业发展报告》8月20日发布；国家药监局批准2款创新药上市；三星据悉将公布超100万亿韩元股东回报计划；中基协：7月新备案私募证券投资基金1763只，新备案规模728.09亿元；许家印被判处无期徒刑，恒大集团、恒大地产等案一审宣判；免部署一键调用，国家超算互联网上线GLM-5.3 API

NASA 和 Katalyst Space Technologies 公司联合宣布放弃 Swift 伽马射线望远镜的拯救任务。这意味着轨道高度衰减中的 Swift 天文台将于今年晚些时候重返大气层。NASA 是在去年 9 月授予了 Katalyst Space Technologies 一份 3000 万美元的合同，用于开发和发射一艘与 Swift 对接并提升其轨道高度的卫星 LINK。LINK 于 7 月 3 日成功发射，原计划尝试用其三个机械臂抓住 Swift 启动推进器，将其送回 600 公里高度的安全轨道。然而 LINK 卫星自己也出现了问题，三个反作用轮中有两个没有正常工作。Katalyst 称持续存在的姿态控制问题导致 LINK 无法完成拯救任务。Katalyst 表示将充分利用 LINK 的剩余能力，尝试接近 Swift，演示其近距离导航系统。

记者探访机器人初创 Generalist AI:机械臂观看短视频即可学会叠杯、清扫等新任务且无需针对训练,工具被拿走还会即兴换用簸箕;三位创始人出自 Google DeepMind 与 Boston Dynamics。AI summary

清晨，一台具身智能机器人正在执行实验任务。 它需要完成数百次实验操作，包括试剂取放、试剂配置、自动分液、细胞毒性检测等流程，并实现多个实验设备之间的协同运行。整个过程中，实验室内无需人员操作，由机器人自主完成任务。 这个场景并非科幻小说，而正在国家级科研平台实验室真实发生。 科学智能（AI for Science）的产业革命 今年7月中旬，国家级科研平台实验室迎来了第一批人形机器人。这批名为Monte2的人形机器人，由源络科技与国家级科研实验室联合研发。它的外形并不科幻：两条机械臂、一个简洁的躯干，但执行的操作却比外表看起来精细得多——精准转移微量试剂、精准抓取仪器、自主调动工具，并完成核酸提取预处理、细胞毒性培养实验。与常见的六轴工业机器人不同，Monte2能够在实验台上完成长序列、灵活的实验操作，并复现人类实验员的操作逻辑。 像细胞毒性检测等实验涉及大量重复性操作、流程调试和实验检测，需要投入大量人力和物力。国家级科研实验室主任表示，通过引入人形机器人，科研人员无需持续值守实验现场，可以有效缓解人工操作带来的通量瓶颈和一致性问题。计划到2027年底，实验室将机器人数量扩展至约百台规…