10 Ken Goldberg：机器人、AI 和艺术

讲者是谁

主页与社交媒体见下表。个人主页已于 2026-10-25 核对。

职位

伯克利工业工程与运筹学教授，craigslist 新媒体杰出讲席教授，William S. Floyd 工程杰出讲席；兼任电子工程与计算机系、艺术实践系教职；在 UCSF 医学院做医疗机器人^1,2

实验室

AUTOLab 负责人；伯克利 BAIR 实验室指导委员会主席²

学历

1984 年宾夕法尼亚大学电气工程和经济学双学位，1990 年卡内基梅隆大学硕士、博士；1995 年起在伯克利¹

成果

论文 400 多篇，美国专利 9 项；联合创办《IEEE 自动化科学与工程汇刊》并任主编¹

公司

联合创办 Ambi Robotics（伯克利，包裹分拣）和 Jacobi Robotics（Emeryville）；机器人学习基金会主席²

荣誉

2026 年 2 月当选美国国家工程院院士；IEEE 会士，更多见“背景：AUTOLab 实验室”部分⁸⁶

艺术

伯克利新媒体中心联合创办人，艺术、技术与文化系列讲座创始主任¹

主页和社交媒体

X 上的内容这次没有逐条读取，上面的帖子内容取自检索结果和转引，帖子原文以 X 为准。

他的演讲"A Tale of Two Cultures: Can Agentic Coding Close the Gap?" plenary by Ken Goldberg at ICRA 2026（YouTube，2026-06）；Ken Goldberg: Good Old-Fashioned Engineering Can Close the 100,000 Year “Data Gap” in Robotics（YouTube，2026-04）；Why Don’t We Have Better Robots Yet? | Ken Goldberg | TED（YouTube，2024-03）

复习图解与概念

先看机器人怎样接受控制与检查，再按灵巧、电商、家庭、手术、农业和智能体阅读课堂内容。

灵巧

机器人在物体和环境变化时，仍能完成操作的能力。手指数量不能单独证明灵巧程度。

VLA

视觉、语言、动作模型。模型把视觉信息与语言任务连接到动作输出。

仿真与真实部署

仿真用计算环境测试策略。真实部署还要面对传感误差、硬件限制与环境变化。

遥操作

人通过远程控制设备操作机器人。演示中是否使用遥操作，会影响对自主能力的判断。

任务成功率

在明确任务和测试条件下，成功次数占测试次数的比例。不能脱离任务范围比较。

课堂笔记

讲者把上午的内容分成六部分：灵巧（dexterity）、电商、家用机器人、手术、农业、智能体机器人（agentic robotics）。笔记按这个顺序整理。

依据两段飞书录音转写：第一段从开场到课间休息，第二段从课间之后到 12 点下课^18,121。转写有识别错误，人名和数字按上下文校正；数字都是讲者口述，末尾有核对表。课程手册里“课堂笔记”部分课“未知智能：艺术与机器人”的内容，两段录音里都没有讲到，上午两节都讲了机器人。

开场：咆哮的 2020 年代

他先放了宇树（Unitree）人形机器人跑步、跳高的视频，问“机器人是不是已经接管了”，然后说今天要挑战大家的这个想法。他的实验室有约 30 名研究生。宇树邀请他踢自己的机器人，他踢倒了一次，机器人又站了起来。

他回顾 100 年前：1918 年大流感之后，1920 年代出现了航空、空调、胰岛素（1921）、有声电影、电视，“robot”这个词也在 1920 年由捷克剧作家造出来。美国叫“咆哮的 20 年代”。他认为新冠之后的 2020 年代是第二个“咆哮的 20 年代”，中心是 AI。

他列了 AI 在数字世界的四个例子：每人一个定制的家庭教师（去机场路上要一节 20 分钟的量子力学课）；用一句话生成视频（他妻子是电影人，以前要找设计师做半年）；即时翻译（他说人类译员仍然最好）；写代码，尤其是最近一年多个 AI 代理协作。然后转到“物理 AI”：机器人、自动驾驶、工厂设备，甚至带 AI 的空调。他引用英伟达的估计：物理 AI 是每年 50 万亿美元的市场，约等于全球一半的劳动力市场，他称之为“大胆的说法”。

一、灵巧

他从“灵巧”讲起：操作物体的能力。小时候看《杰森一家》，他想要一个会做家务、还会陪他玩的机器人，60 年后还在等。家里最普及的机器人是扫地机器人，“不是我期待的那种”。

当心视频：机器人还是木偶

• 他认识一个后空翻视频的作者，问试了多少次。回答是 200 次，前 199 次都失败了。
• 中国有约 100 家公司在做人形机器人，但特斯拉的生产线上还没有人形机器人干活。
• 马斯克 2021 年发布 Tesla Bot 时，台上是一个穿机器人服装的人。
• 一段“机器人管家”视频里，机器人只拎了袋子、拿了瓶子、擦了桌子、放下钥匙，背后有人遥控。他的定义：自己干活的才叫机器人，被人遥控的叫“木偶”（puppet），也叫遥操作机器人。
• 250 年前欧洲有一台下棋机器，巡回各国，赢了大多数人，后来发现里面藏着一个会下棋的人。
• 他给大家的口诀是一句拉丁文式的“当心视频”（转写不清，原意是 beware of videos）。看视频时问三件事：试了几次？场景是不是摆好的？背后有没有人？

莫拉维克悖论和 AI 的冬天

莫拉维克悖论：对人难的事（举重物）对机器人容易，对人容易的事（婴儿都会搭积木）对机器人难。他的解释是进化时间：人练灵巧手已经约 3 亿年，会思考最多 300 万年，下棋和围棋约 1 万年，说话约 10 万年。灵巧练的时间是思考的约 100 倍，所以人觉得它轻松。

AI 的历史不是一路向上：1950 年图灵测试；1970 年代一个数学证明说某类 AI 行不通，经费枯竭，进入第一次“AI 冬天”；1980 年代专家系统热潮，他正好读研究生，后来又失望，第二次冬天；之后长期平台期；2022 年 11 月 ChatGPT 出现，他认为它基本通过了图灵测试。他的问题是：机器人的“ChatGPT 时刻”什么时候来？

二、电商

疫情让电商一下子长大，之后一直在长。他放了自家门口堆满快递的照片：妻子下单一瓶指甲油和一把电动螺丝刀，仓库要从货架上找出这两件，放进箱子发出。他说这一步在中国和美国几乎都还是人在做。工作枯燥、流动率高，适合交给机器人，但机器人做得不好。

抓取为什么难

他说“拿起一个东西”至今是机器人学的大难题。一个月前他参加的会议上，关于抓取的论文超过 100 篇。

硬件：中国有约 50 家公司在做五指灵巧手。关节越多，电机越多，每个电机都有小误差，误差会累加；电机重，手臂用来托手的力气就多了；一只手 2 万到 10 万美元，还要两只。他主张简单的两指夹爪（一个自由度）。证据有三个：达芬奇手术机器人的两个夹钳能做很精细的动作（但那是医生遥控的）；地球上一半人每天用筷子夹又滑又软的食物；SpaceX 用机械臂夹住回收的火箭。他特别说明，接火箭靠的是控制理论，不是 AI。最简单的是吸盘，工业上常用。

软件有三种误差，最后都叠加在指尖上：

他让大家想象自己是机器人去收拾餐桌：传感器有噪声，动作不准，物理不确定。“现在你们对机器人有点同情了吧。”

Dex-Net 和 Ambi Robotics

2011 到 2012 年的深度学习突破靠三样东西：数据、GPU 算力、新算法。数据的代表是李飞飞的 ImageNet，大量带标签的图片。他受此启发，和博士生 Jeff Mahler 做了 Dex-Net（灵巧网络）：

1. 从网上收集 3D 打印爱好者分享的模型，统一尺寸，攒到约 1 万个物体。
2. 每个物体由很多小三角形组成，两指夹爪各选一个三角形，一个物体约有 100 万种抓法。
3. 对每种抓法，在模拟里加入感知、控制、物理三种误差，反复试，算出成功率。例子：一种抓法成功率 22%，另一种 92%。
4. 再模拟深度相机看到的带噪声图像，得到“图像加抓法加成功率”的样本，共几百万个。约 500 万个用来训练，100 万个留作测试。
5. 训练好的网络对没见过的物体也有效。机器人每次在吸盘和夹爪之间选一个，选成功率最高的抓法。

他研究这个问题约 30 年，说没见过这么好用的系统。论文上了机器人顶刊封面，也上了《纽约时报》。贝索斯的助理来电，请他们把系统运到亚马逊仓库演示。演示中助理脱下一只鞋扔进料箱，训练数据里没有鞋，机器人把鞋抓了起来。他说这是他一生最好的时刻。贝索斯说要和他们合作。

2018 年他和三位同时毕业的博士生创办 Ambi Robotics，做电商包裹分拣。疫情期间因为属于必要行业，获准继续在实验室工作。要点：

• 实验室里的算法只占 1%，另外 99% 是电机、传感器、布线、安全和界面的工程。
• 产品 AmbiSort 在美国各地分拣包裹，客户包括亚马逊。他说中国也有很多公司做得很好。
• 他们建了一个看板，实时监控每台机器每小时的抓取次数，出问题自动发邮件和短信，派附近的人去修。客户很喜欢，因为问题在客户发现之前就被发现了。
• 看板同时在收数据。第一台机器约 2023 年上线，不到 3 年攒下相当于 22 年的真实运行数据，他称之为数据的“金标准”。
• 最初没训练过塑料袋。袋子有褶皱，吸盘吸在褶皱上会掉。他们用一小部分运行数据训练，学会了吸在哪里。
• 同一批数据做出第二个产品 AmbiStack：把包裹码得尽量紧，像玩俄罗斯方块，这在计算机科学里是 NP 难问题。装箱密度从开始的 20% 到 35% 提高到 90%，他说比人做得好，产品已经卖完。

关于就业，他放了一段工人访谈。一位机器人操作员说，工作变轻松了，每天多处理 1 万到 2 万件，以前三天的量现在一天做完。他说公司刻意和工人建立关系，他不赞成用机器人裁人；工人因为仓库效率提高拿到加薪，还想要更多机器人。他还提到美团在深圳的无人机送餐：送到一个取货站，再由人去取。

视频DexNet 2.0: 99% Precision Grasping（YouTube，2017-05）；Dex-Net 3.0（YouTube，2018-02）；AmbiSort, powered by AmbiOS（YouTube，2022-05）

三、家用机器人

家用机器人的需求来自老龄化。他说 30 年前约 6 个劳动人口供养 1 个退休者，2000 年前后约 4 个，日本现在不到 2 个，中国也在接近。他认为这些人口数字是事实，不是预测，因为人已经出生了。家里的机器人难在东西是软的，他按维度分三类：

他放了一家公司的叠衣服视频，说他妻子看了觉得“不合格”。“我们还有很多工作要做。”

视频SpeedFolding: Learning Efficient Bimanual Folding of Garments（YouTube，2022-10）；RSS 2021 - Autonomously Untangling Long Cables（YouTube，2022-02）；RSS 2022 (Autonomously Untangling Long Cables project page)（网页内含视频，2022）

四、手术

课间前有同学问：为什么不做更像人手的灵巧手？他回答：很多公司在做复杂的手，但现在用它们做不了什么。他认为两指夹爪在未来 10 年左右能满足工业和家庭的大部分需要，然后用手术举例。

• 他说达芬奇已有 15 到 20 年历史，去年用它做了约 200 万台手术。问全场“其中多少台需要人类医生”，答案是全部。达芬奇是“一个非常昂贵、非常有效的木偶”。
• 医生喜欢它：切口小，医生坐在控制台前，比直接用手更快、更灵巧。他放了机器人剥鸡蛋壳的视频，强调背后是人在操作。
• 他的实验室有一台达芬奇，做了很多实验。
• 他用自动驾驶的分级类比：美国的无人出租车是 4 级，大多数时间自己开，遇到麻烦时远程的人会接手。手术现在全部由人做，目标是往上爬一点。
• 他认为机器人全自动做手术，比如自己切阑尾，要 20 年、50 年甚至 100 年。他没有说永远不会。
• 近期的方向叫“增强灵巧”，类比增强现实和驾驶辅助：帮医生更灵巧，保持车道、避免碰撞、辅助停车，不替代医生。
• 休息后要讲的例子是“夹豆转移”（peg transfer）：所有学用这台机器人的医学生都要练，用夹钳把小块在柱子之间来回移动。

以下是课间之后的手术部分。

视频Introducing da Vinci 5: our most advanced and integrated robotic system—ever.（YouTube，2024-03）

夹豆转移：先把机器人校准准

传统腹腔镜手术要医生一边别着手臂操作器械、一边抬头看屏幕，他岳父做这类手术，落下了严重的背伤和颈伤。手术机器人让医生舒服地坐在控制台前，但医学院仍要学生练“夹豆转移”：用两个夹钳把小块在柱子之间来回搬。

让机器人自己做，最大的问题是精度：达芬奇靠线缆和齿轮传动，线缆会拉长、会堆积，指令和实际位置之间有误差。他们的办法：

1. 在机器人上临时装几个 3D 打印的标记，用深度相机看机器人实际到了哪里。
2. 机器人自己动来动去，自动收集“指令去哪、实际到哪”的数据。
3. 训练一个网络学这种偏差，再反过来用：想到哪里，网络告诉该发什么指令。

误差从 3 毫米降到 0.5 毫米。对比结果：

机器人能连续做 120 多次不失败。更难的“交接”版本（一只夹钳把块递给另一只再放下），机器人也做得快。他强调这是概念验证和训练用途，“不是说我们要取代外科医生”。

缝合：先算好针脚，再让机器人缝

• 为什么是缝合：所有外科医生都要缝；缝得均匀，愈合快、疤小。急诊室赶时间的缝法和整齐均匀的缝法差别很大。
• 缝合规划：一个软件包，从双目相机图像里自动找出伤口，建三维模型，把伤口建模成一条宽度可变的“带子”，算出最优的进针和出针点，避免针脚挤在一起。直线伤口容易，弯曲和三维伤口难，有分叉、深度变化的伤口“简直是噩梦”。他们在鸡皮上测试，缝好后倒液体，看漏多少来衡量缝得严不严。
• 自动缝合：一位博士生花了几个月，没有人参与，相机看、机器人缝，最多连续缝 6 针。“记得我说的视频吗？很多视频是完全不行的，这是最好的一段。”去年夏天发表的 STITCH 2.0 改进了感知、缝线运动建模，最重要的是理线：用扫动作把线拨开，同样 6 针，质量好很多。
• 打结：另一位学生做外科常用的双结，除了剪线由人来做，其他自动完成。
• 他点名中国的微创机器人（MicroPort）：外观很像达芬奇，但成本会低很多，“这算一个股票提示，留意他们”。很多医疗器械公司对“增强灵巧”感兴趣。

视频STITCH: Augmented Dexterity for Suturing Technique Involving Thread Coordination Handling（YouTube，2024-01）

五、农业

他说全球约 69% 的淡水用于农业灌溉。加州经历过严重干旱，很多农民破产，后来干旱“碰巧”结束了。缓解缺水的一个办法是从单一种植转向混种：自然界本来就是混种的，不同植物互相驱虫、吸引授粉者、遮阴、保水，能更省水。问题是混种很费人工，长得快的植物会压住别的，要不停修剪。

AlphaGarden 的做法：

1. 在伯克利农业中心的温室里建一块约 1 米乘 3 米的小农场（论文写 1.5 米乘 3 米），种可食用植物。
2. 书上只有单一种植的生长数据，混种的要自己测：头顶相机拍，给每株植物拟合一个圆，建出和邻居距离有关的生长模型。
3. 做成数字孪生和模拟器，比自然快 25,000 倍，“我们不会坐着等大自然”。
4. 在模拟器里同时试 64 种修剪策略，找到既长得好又保持多样性的那个；再加上播种位置的优化，别让长得快的挨着长得慢的。真植物上的实验看起来也行。

做了两三年后，他们办了一场“园艺图灵测试”：半块地给专业园艺师，半块给机器人，比覆盖率、多样性和用水，60 天一轮，跑了两轮。覆盖率和多样性两边差不多；用水差别大，机器人少用约 40%，“所以我们宣布机器人获胜”。他的结论是机器人能做这件事，但现在让机器人去田里太贵，人便宜得多。他还说农民其实很懂技术，用 GPS、天气预测和各种测量工具。

他提到的另外两个例子：

• 激光除草：给有机农场用，杂草一冒头就用激光打掉，不用农药，“我最喜欢的之一”（即“背景：园艺和农业机器人”部分的 Carbon Robotics 这类机器）。
• 垂直农场：用 LED 代替太阳，任何气候下都能种，北京冬天也能吃到本地种的生菜和番茄；目前因为灯光的能耗成本还不够划算，但在改善。阿联酋、沙特这些有钱又炎热的国家一直在用。他尝过，味道很好：不用洗三遍，风味不会被洗掉。

视频AlphaGarden, Ken Goldberg - Maker Faire Rome 2020（YouTube，2021-01）；Can a robot learn to garden? | Alpha Garden, UC Berkeley | Virtual Exhibit Series | Techfest IIT Bombay（YouTube，2020-09）

六、智能体机器人

这是上午最后也是他最兴奋的部分。“你可以从我的声音里听出来。”他说这是第一次公开讲这些内容，有些幻灯片是当天早上 6 点学生发给他的。

技术不是指数增长

回答一个同学“三种思路”的问题时，他先反驳“技术指数增长”的说法：真正指数增长的只有芯片，而且指数很小；大多数技术连线性都不是，有的 75 年没变。技术进步像生物进化，跳一下，然后长期平台期。AI 的两次大跳：2012 年深度学习，2022 年基于 Transformer 的 ChatGPT 和生成式 AI。

两种思路和它们的问题

他举的证据：

• 一家头部公司的联合创始人 2026 年 5 月写文章说，钱融了很多，光中国就有 140 家人形机器人厂商，但全世界机器人做的有用工作“几乎为零”。他没有点名是哪家。
• Physical Intelligence 在一个标准测试集上报告 100% 成功率。他让学生把汤罐挪一下，成功率就掉到约 20%：模型背下了动作，换了初始条件就不会。他们去年夏天发表的研究里，π0.5 在这类抓取测试上约 20% 成功率（这就是“背景：VLA 和智能体机器人”部分的 LIBERO 和 LIBERO-PRO）。
• 他称之为“收入缺口”：中美都投了很多钱，三四年后大家问“钱在哪”，这是机器人领域的危机。

第三条路：让代理写机器人代码

• 起因：约一年前 OpenClaw 这类多代理工具火起来，代理很会写代码，还能互相协作。英伟达的工程师想试新问题，于是“让代理给机器人写代码”。
• 1 月的实验：把“把杂货放进篮子”的任务说明交给 Claude Code，成功率从原来系统的 20% 提到 37%，接近翻倍。
• 一位做系统编程的学生提出用图来组织机器人代码（转写里把这和 Rust 语言连在一起说，原话不清）。机器人本来就是感知、抓取、运动几块组件，做成计算图正合适：每块是一组节点，不同代理并行改不同的块，互不干扰。“人类工程师的好编程习惯，对代理也很有用。”这就是 GaP（图即策略），几周后在机器人学习会议上发表。
• Harness：控制一群代理的办法。“一个代理像一匹野马，跑得快、能做漂亮的事，也会做完全不可预测的事；一群野马更难管，所以要缰绳。”怎么套缰绳，还没人知道，大家都在摸索。
• 流程：输入英文任务说明、物体几何和人写的技能库（感知、抓取、运动的代码）；代理拆段、搭图，在英伟达的仿真里跑，坏了就修，到成功率约 97% 到 98% 或不再提高时停。部署到真机上的是 ROS 2 代码，没有代理：代理慢、贵、有安全风险，工厂不想让代理上产线；而一段代码，人能读、能查、能看出哪一行错了。仿真和真实之间还有差距，要小调。
• 结果：杂货任务 500 次试验平均 97%，去掉难抓的沙拉酱瓶约 99%，5 月拿到。“我起了鸡皮疙瘩，现在想起来还是。工程上很少有这种时刻。”他说这条路不需要数据，用现成的代理就行：Claude、OpenAI、通义千问、Kimi 都可以；输出可解释的代码，能补上收入缺口。

视频GaP — Graph-as-Policy（网页内含视频）；"A Tale of Two Cultures: Can Agentic Coding Close the Gap?" plenary by Ken Goldberg at ICRA 2026（YouTube，2026-06）

从视频造仿真，再上真机

• 9 月 OpenAI 发布 GPT-6 Astra，很会从图像和视频重建三维场景：先摆一个三维布局，渲染出来和图片比，不对就调，反复迭代。
• 他们给 Astra 和 Fable 一段双臂机器人用海绵擦横杆上墨水的视频，加上自研的 RoboSimStudio，让它们复现这段视频。一小时里：前 40 分钟代理读代码、读文档、上网查；然后自己从网上下载这两种机器人的模型，调滑块，给最难的海绵建模，推算相机位置，调光照和动作去贴近原视频。人只是看着。生成的仿真连背景里一张他们自己都没注意到的桌子都复现了。
• 再用 GaP 在这个仿真里学怎么控制机器人，把代码放到真机上，真机能擦。“又一个让我震惊的时刻。”
• 失败案例：有一次真机把横杆推倒了。代理以为横杆是固定的，因为视频里从没见它倒过；其实没固定。仿真里机器人用一只手扶着横杆，写程序时却没扶。博士后 Eric Chen 当天早上 6 点发来的新幻灯片：把失败视频交回给 Astra，它学会了横杆会倒，生成的新图让左手扶住横杆，再擦就不倒了。

视频RoboSimStudio（网页内含视频）

第一次用在真实仓库

他把这套方法分享给 Ambi 团队。Ambi 有一类包裹会卡住分拣机，每台机器每年约 3 万次卡件，每次要人过去推一下。修好要花约一个月工程师时间，人手不够，一直搁着。Jeff（Mahler）用一个周末把问题交给 GaP：给出机器人规格，让代理试不同的放包裹方式，用前后数据对比。前两个假设没用，第三个在仿真里把卡件从约 3 万次降到约 1.5 万次，减半。新软件已经装到 Ambi 的机器上运行。他说据他们所知，这是智能体机器人第一次用在真实仓库，“这是真收入”。他说这不是万能药。

他把这条路称为两种思路之间“缺失的一环”：把工程师信得过的传统工程和编程代理结合起来，不靠 VLA。他发在 X 上的帖子有 100 万次浏览，是他最多的一次。他和英伟达的 Spencer Huang（黄仁勋之子）合作；拿到了英伟达的一大笔资助，正在招博士后，35 个申请人，博士后团队要扩大一倍，“这是我经历过最大的一次扩张”。

视频AmbiSort B-Series: Built for More（YouTube，2024-04）

问答和收尾

收尾讲就业和人机关系：

• 1980 年代人们也担心机器让人失业，结果工作变了，人没少。社会在老龄化，缺的是工人。
• 卡车司机不会被全部取代：卡车遇到卡住的边缘情况要人处理。自动驾驶飞机几十年前就比人飞得好，但没人愿意坐没有飞行员的飞机，这是心理，也是保险。修车、水管、厨房这类有很多细节的工作，人还要做很久。
• 去年在杭州，他和宇树的王兴兴参加一场辩论，题目是机器人会不会很快取代大多数人类工作；最后投票的结论是 25 年内不会。他预测会出现很多新工作。机器人来杀人类是科幻。
• 比起“人工智能”，他更看重“智能增强”：机器人不会取代人，会让人少做机器人式的工作。“机器人会让人变得不那么像机器人。”他用《星际迷航》里理性的斯波克和感性的柯克作比喻：互补，所以能解决宇宙里的每个问题。他说对中美两国也是这样看的。

和预习资料的对照

背景：先懂 5 个概念

十万年数据缺口

他算过：训练大语言模型用的文本，一个人要读约 10 万年。机器人没有这样的现成数据，动作数据要靠人遥控机器人一小时一小时地采。按现在的速度，攒够一个 ChatGPT 规模的机器人数据集，大约也要 10 万年^3,4。所以他不认同“人形机器人两到五年普及”的说法。2026 年 2 月在旧金山的演讲里，他还在说通用人形机器人比宣传的远得多²。

视频Ken Goldberg: Good Old-Fashioned Engineering Can Close the 100,000 Year “Data Gap” in Robotics（YouTube，2026-04）

传统工程加 AI

他的解法叫 GOFE，good old-fashioned engineering：用两百年的数学和物理建模，配合不靠模型的 AI 学习，先让机器人在窄任务上达到商用可靠，再让部署出去的机器人在干活时攒数据³。他举的两个例子是 Waymo 和 Ambi Robotics。Ambi 用 4 年分拣了 1 亿多个真实包裹，攒下相当于 22 年的真实机器人数据²。

机器人抓取

人觉得最简单的“拿起一个没见过的东西”，是机器人最难的事之一：形状、重量、材质、摩擦都不知道。他的实验室做过 Dex-Net，用大量模拟数据训练抓取模型，后来用在 Ambi 的分拣机上。课上的“解开缠绕的线缆”“操控手术针”，难点也是一样：物体会变形，没法事先精确建模。

诡异感和恐怖谷

弗洛伊德 1919 年写过“诡异感”：熟悉的东西变得陌生时让人不安。森政弘 1970 年提出“恐怖谷”：机器人越像人，人越有好感，但像到“几乎一样又不完全一样”时，好感会突然掉成反感，再更像才回升¹。这也解释了为什么很多服务机器人故意做得不像人。

Telegarden 和 AlphaGarden

两件作品隔了 25 年，可以对照看：Telegarden 是人通过网络远程控制机器人，AlphaGarden 是机器人自己用 AI 照料一个多品种混种的花园。从“人遥控”到“机器自主”，正好是周五 Thomas Lee 要讲的自动化和自主化的区别。

视频Ken Goldberg & Joseph Santarromana - Telegarden, Telerobotic Installation 1995（YouTube，2010-07）；Telegarden Overview（YouTube，2011-07）

背景：VLA 和智能体机器人

这一节是课外资料，不是课上内容。让机器人变聪明，现在有两条路线：一条是训练一个端到端的大模型（VLA），一条是 Goldberg 主张的让 AI 代理写机器人程序（智能体机器人）。

VLA 是什么

VLA 是视觉-语言-动作模型（vision-language-action model）。一个大神经网络，输入摄像头画面和一句文字指令，比如“把杯子放进水槽”，直接输出电机动作。做法通常是拿一个用互联网图文训练过的视觉语言模型，再用机器人示范数据继续训练；示范数据多数是人遥控机器人录下来的。有的设计分两层：一个慢的“思考”模型做规划，一个快的模型每秒多次输出动作，英伟达的 GR00T N1 就是这样⁴³。

它想解决的问题：传统机器人程序一个任务写一套，换个物体、换个房间就要重写。VLA 想用一个模型做很多任务，听懂普通话语的指令，遇到没见过的东西也能应付；它从语言模型那里带来常识，知道“杯子”是什么、“收拾一下”是什么意思。

视频π0: Our First Generalist Robotic Policy（YouTube，2024-11）；π0.5: a VLA with Open-World Generalization（YouTube，2025-04）；Gemini Robotics 1.5: Enabling robots to plan, think and use tools to solve complex tasks（YouTube，2025-09）；Intelligent whole-body control with Gemini Robotics 2（YouTube，2026-07）

VLA 的进展

佐治亚理工 2026 年春季课程把 π0、π0.5、π0.7、GR00T、Gemini Robotics 列为最前沿的 VLA 系统⁵⁵。各家公司的融资和估值见“背景：机器人公司”部分。

VLA 用在哪里，还差什么

现在主要在实验室和试点：家务任务、人形机器人演示、少量工厂试验。还没解决的问题：

对照：一份 2026 年的综述提到，Covariant 原有的仓库拣货机队在几百个站点上拣货精度超过 99%，但它的基础模型 RFM-1 本身没有在这个规模上独立部署过⁶⁰。

课上开头讲 AI 写代码时，他预告说最后会讲这件事怎么影响机器人：AI 代理已经能写整个应用、翻译整套代码、找出代码里的缺陷，最近一年多个代理协作写代码发展很快。

智能体机器人：他怎么定义

2026 年 9 月他接受 AIhub 采访时的说法⁴⁰：

• 做法：大语言模型按传统工程和基于模型的方法写机器人程序，遇到子任务再调用训练好的模型，比如三维分割模型。
• 起点是 2022 年 Jacky Liang 主导的“代码即策略”（code as policy）论文，后来 Max Fu 和英伟达的同事又做了一版。
• “图即策略”（graph as policy，ICRA 论文）：把机器人系统拆成感知、运动规划、抓取规划等节点，每个代理负责改进一个节点。
• 合作方有英伟达、博世、西门子和 Ambi Robotics。Ambi 的机器已经攒了“20 到 30 年”的运行数据。
• 原话：“To me, agentic robotics is the biggest thing since the internet.”（对我来说，智能体机器人是互联网以来最大的事。）

他说的限制

做出有用的系统“可能要很多年”；代理“像野马”，会编造、会忽略约束，规则太多它们反而不遵守；代码一复杂，模型会开始乱改，上下文窗口也可能不够；不同模型、不同版本结果不一样。他说自己不反对学习型模型，但通用方案不会很快出现，“我们需要一个备用方案”。

这和“背景：先懂 5 个概念”部分的“十万年数据缺口”是一条线：机器人缺动作数据，那就让 AI 写结构化的、可靠的程序，而不是等数据攒够再训练一个端到端模型。

LIBERO：VLA 的考卷

LIBERO 不是 Goldberg 的项目。它是德州大学奥斯汀分校 Bo Liu、Yuke Zhu、Peter Stone 等人 2023 年发表的仿真测试集，名字取自“机器人操作的终身学习基准”（LIfelong learning BEnchmark on RObot manipulation），发在 NeurIPS 2023 的数据集和基准专题⁶¹。

内容

130 个带文字指令的桌面操作任务，比如抓放、堆叠、开抽屉，分为空间、物体、目标、长任务等几组

环境

MuJoCo 物理仿真，一只 7 自由度的 Franka 机械臂

数据

每个任务 50 条人用 3D 鼠标遥控录下的示范

原本用途

测机器人学新任务时能不能用上旧知识、会不会忘掉旧任务

后来它成了 VLA 最常用的考卷。一份 2025 年的综述说，16 个月里平均成功率从 75% 涨到 98%，除长任务组外，最好的成绩都超过 98%⁶²。分数接近满分，考卷就分不出高下了。

问题在于考题和练习题几乎一样：测试时的任务、物体、场景、目标都和训练时相同，只是物体起始位置略有变化。2025 年有人做了加难版 LIBERO-PRO，把物体换掉、位置调换、指令改写、环境改变。结果在原版上成功率超过 90% 的模型，在加难版上跌到 0%。比如目标物体换成不相干的东西，模型照样做抓取动作；指令改成乱码，输出不变。作者的结论是模型背下了动作序列和场景布局，没有真正理解任务⁶³。另一个加难版 LIBERO-Plus 也发现，换相机角度和机器人初始状态，成功率能从 95% 掉到 30%⁶²。

GaP：图即策略

GaP 是 Graph-as-Policy（图即策略）的缩写，论文 2026 年 7 月 6 日发在 arXiv 上，作者来自伯克利、英伟达和博世，第一作者 Kaiyuan Chen，Goldberg 是末位作者；合作者里有英伟达的 Linxi Fan 和 LIBERO 的作者之一 Yuke Zhu⁷⁸。AIhub 采访里说是 ICRA 论文，作者之一的主页写的是 CoRL 2026，以论文为准待确认。

先说两个词：

• Harness（这里可译作“工作台”或“缰绳”）：论文里指交给编程代理的那一整套说明和接口，写清楚有哪些软件可用、有什么约束、按什么指标评分，并让代理能编译、运行、观察结果、打分，循环改进⁷⁸。代理本身是通用的大模型，harness 决定它在什么框框里干活。
• Policy（策略）：机器人学里指“看到什么就做什么”的规则。VLA 的策略是一个神经网络；GaP 的策略是一张图。

这张图是一个有向计算图：每个节点是一个现成的技能，比如识别物体、规划抓取、规划手臂路径、检查是否成功；边表示数据怎么流、先做什么后做什么，也可以带条件分支。最后输出的是能在 ROS 2 上跑的轻量代码⁷⁸。

技能库叫 MORSL（模块化开放机器人技能库），起步有 51 个技能：15 个感知、5 个抓取规划、8 个运动规划、15 个视觉工具、8 个验证和控制。里面既有传统的基于模型的方法，也有训练出来的模型，比如 Meta 的 SAM 分割模型、英伟达的 GraspGen 抓取模型和 cuRobo 运动规划。代理用的是 Gemini 3.1 Flash-Lite⁷⁸。

它针对的任务叫“可变自动化”：同一个任务长期重复，但每次物体的形状和摆放不一样，介于固定自动化（如点焊，每次动作相同）和通用机器人之间。例子有分拣包裹、咖啡馆做咖啡、商业厨房做三明治⁷⁸。Ambi 的包裹分拣就属于这一类。

真机结果：杂货配单 25/25，装袋 28/30，做爆米花 18/20，插 USB-C 线 121/130；对比方法 TipTop 分别是 8/25、10/30、0/20。做爆米花的图一开始成功率 33%，在仿真里自学后到 94%⁷⁸。

作者列的限制：可靠性还没到工业水平；速度太慢，一次抓放平均 67 秒，工业标准约每小时 500 件、每件约 7 秒；测试主要是准静态的抓放，只有插线用到力觉，软的物体、动态受力、移动目标都还没做⁷⁸。

读这组数字：VLA 在原版 LIBERO 上 0.96，一换物体掉到 0.24，GaP 两边都是 0.95，这正是课上“当心演示”的另一种说法。但这是 Goldberg 团队自己的论文，基准有一半是他们自己设计的，论文也说和 CaP-X 的比较对后者不公平；速度离工业要求差约 10 倍。

GaP 的两半：图生成器和图优化器

GaP 可以分成两半：先生成一张能跑的图，再在仿真里把它优化。论文里分别叫“初始图生成”和“基于排练的图优化”（算法 1），“生成器”“优化器”是概括的叫法⁷⁸。

优化器怎么找失败原因：每次排练都记录每个节点执行前后机器人和物体的状态，算出差异，推断动作结果，把失败定位到具体的几何原因，比如哪个物体占了位置、哪个关节没到位⁷⁸。任务实例怎么抽：位置在一个空间范围里均匀随机，朝向在一个角度范围里随机；也可以用示范或感知数据估出的真实分布；杂货任务用几何方法保证随机摆放的物体不重叠⁷⁸。

优化器的作用有多大：

• 做爆米花：生成器给的初始图成功率 33%，优化器跑了约 10 轮后，仿真里到 94%，真机 18/20⁷⁸。
• 杂货配单和装袋：第一张图就达到高成功率，没有跑优化器。
• 论文没有一组专门隔离优化器作用的对照实验。去掉图结构直接让代理写代码，或者只用一个大模型，成功率都是 0，这说明的是图结构和多代理分工的作用⁷⁸。

和本页别处对照：生成器像软件工程里写初版代码，优化器像在仿真里反复测试和调参。这和 Dex-Net、AlphaGardenSim 是同一个思路，先在仿真里大量试错，再拿到真实世界。区别在于，这次在仿真里改代码的是代理。这段对照是本页的归纳。

RoboSimStudio：从手机视频造仿真

GaP 的优化器要在仿真里排练，前提是有一个和真实世界够像的仿真。RoboSimStudio（简称 RSS）解决的就是这一步，术语叫 Real2Sim（从真实到仿真）。论文 2026 年 10 月 14 日发在 arXiv 上，作者来自伯克利 AUTOLab 和英伟达，第一作者 Kaiyuan Chen 和 Shuangyu Xie，也是 GaP 的前两位作者；英伟达的物理仿真专家 Erwin Coumans、Miles Macklin 也在作者里，Goldberg 是末位作者。代码在 GitHub 开源，Apache 2.0 许可⁸²。Goldberg 发布时写道：“今天发布 RoboSimStudio 工具包，帮助代理为智能体机器人做精细动力学的 Real2Sim。”⁸³

难在哪里：机器人和物体接触时的摩擦、刚度、变形很难建模。做一个操作任务的仿真，要选物理求解器、选接触模型、调一堆参数，再和真实表现对比，以前都靠人手调⁸²。

做法

把求解器、接触模型、物理参数都摆到台面上，可以直接改。人在浏览器的三维界面里拖动物体、拉滑块调参数；AI 编程代理通过接口读仿真状态、改参数

给代理的反馈

目标误差、物体怎么动、何时接触、抓住还是打滑、任务进度，加上画面；动作按“基础动作”分段，代理能看出哪一步导致了结果

物理引擎

Newton：英伟达、Google DeepMind、迪士尼研究院发起的开源 GPU 物理仿真框架，归 Linux 基金会，内含 MuJoCo-Warp 等多种求解器；也能和外部物理引擎联合仿真

人机协作

人和代理用同一个仿真，人可以随时给意见，不打断代理；还能用低成本的 Gello 主臂遥控仿真里的机器人，并通过电机感受接触力

他们用它做了 18 个接触密集的操作仿真，覆盖刚体、带关节的机构、线缆、布料和软体变形，比如工具分类、齿轮啮合、插接头、走线、叠毛巾、揭膜、海绵擦拭⁸²。线缆、布料、软物体正是课上“家用机器人”部分讲的难点。

海绵擦拭的试点，把 Real2Sim 和 GaP 接成一个来回：

1. 输入一段手机拍的双臂机器人擦拭视频，没有 CAD 模型，没有标定过的相机。
2. 建仿真Claude Code 和 Codex 各自独立搭建场景、相机和物理，约一小时完成。其中一个代理：第 14 分钟搭好手臂和横杆，第 42 分钟第一次擦拭，第 51 分钟补好场景，第 56 分钟完成验证。
3. 练策略用 GaP 在 30 种随机布局、不同海绵硬度下优化，仿真里的擦拭面积经过 14 轮从 0% 提高到 100%。
4. 上真机优化后的策略在真机上完成了擦拭任务，论文没有给真机成功率。
5. 纠错真机上擦拭把横杆的支架推动了，海绵失去接触；仿真里支架是固定的。代理看了失败视频，把“固定”改成“可自由移动的刚体”，改后的仿真能重现横杆被推动和倾倒。

这个来回叫 Real2Sim2Real：从真实到仿真，再回到真实，真实里的失败再拿回来修仿真⁸²。

作者列的限制：系统还在开发，试点是初步的；代理能搭什么，受限于已有的材料模型、物理耦合和机器人资产；联合仿真有额外开销；从仿真到真实只测了一个任务，仿真和真实的吻合度主要靠肉眼判断，没有量化⁸²。

放在一起看，Goldberg 组的智能体机器人有三块：RoboSimStudio 让代理从视频造仿真，GaP 让代理在仿真里写和改机器人程序，RATs 让代理先“玩”攒技能。三块都是让代理做以前要工程师手工做的事。这段归纳是本页的。

Goldberg 组在 LIBERO-PRO 上的成绩

2026 年 6 月 17 日，伯克利一组作者在 arXiv 上发表《Playful Agentic Robot Learning》，作者包括 Goldberg、Trevor Darrell、Ion Stoica、Angjoo Kanazawa⁶⁴。系统叫 RATs（Robotics Agent Teams，机器人代理团队），是一个多代理的“代码即策略”系统：

• 先玩后考：在给任务之前，让代理自己在仿真里“玩”，提出既新鲜又学得会的练习题。
• 分工：有规划、写程序、验证、诊断失败的代理，写完就跑，失败就查原因再改。
• 技能库：成功的代码存成可复用的技能，失败存成教训；考试时技能库固定不变，也可以插到别的代理里用。

其他结果：在另一个仿真环境 MolmoSpaces 上，RATs 从基线的 21.0% 提高到 38.0%；在 LIBERO-PRO 上学到的技能拿到没练过的 RoboSuite 环境，基线从 40.3% 提高到 49.1%。真机测试 60 次，两个新任务的平均成功率从 3.3% 提高到 25.0%；作者说真机样本少，结果是初步的⁶⁴。

作者列的限制：主要在仿真里测；技能多样性受仿真环境限制；取错技能反而拖后腿；推理成本高，依赖视觉语言模型做验证，只能调用基础动作接口，做不了灵巧操作⁶⁴。

读这组数字要注意两点。一是绝对值仍低，最好的也不到一半。二是这是 Goldberg 所在团队的论文，比的是自己主张的路线。它能说明的是：在不允许死记硬背的考卷上，写代码的代理目前比 VLA 强，这和他“VLA 可靠性还不够”的判断一致。

NemoClaw：给代理套上缰绳

NemoClaw 不是机器人模型，也不是 Goldberg 的项目。它是英伟达 2026 年 3 月 16 日在 GTC 大会上发布的开源软件，用来让 AI 代理跑得更安全⁶⁵。

背景是 OpenClaw：Peter Steinberger 做的开源个人 AI 代理平台，代理常驻在电脑上，能自己执行任务。英伟达称它是“历史上增长最快的开源项目”，黄仁勋在发布会上说：“OpenClaw 是个人 AI 的操作系统。”代理权限大，出错或被诱导时风险也大，NemoClaw 解决的就是这个问题⁶⁵。

能跑在 GeForce RTX 电脑、RTX PRO 工作站、DGX Spark 和 DGX Station 上。最初只支持 OpenClaw，现在也支持 Hermes、LangChain Deep Agents 等代理。官方文档写明它还是 alpha 版，接口可能随时变，不要用在生产环境⁶⁶。

它已经开始用在机器人上：

• 准备仿真场景：英伟达 2026 年 9 月 16 日的技术博客，用 Codex 或 Claude 当总指挥，NemoClaw 部署几个专门的子代理，分别检查场景里的物体、补物理属性（碰撞、质量、摩擦）、渲染机器人相机视角找问题、按标准验收，最后交给 Isaac Sim 训练机器人。拿不准的问题转给人。博客只演示了一个场景，没有给出省了多少时间⁶⁷。
• 控制机械臂：Seeed Studio 有一份教程，在英伟达 Jetson Thor 上跑 NemoClaw，连接一只机械臂，把相机、大模型推理和机械臂动作接起来⁶⁸。

和课上对照：Goldberg 说 AI 代理“像野马”，会编造、会忽略约束。NemoClaw 这类沙箱和规则，就是给野马套的缰绳；代理写的程序要控制真实的机器，这一层更不能少。英伟达也是他列的合作方之一。这段对照是本页的归纳。

智能体机器人的最新进展

按时间排，2026 年是这条路线论文集中出现的一年：

下面是本页从这些论文里看出的趋势：

• 从“一次写完”到“循环改进”：先是写一段程序，后来加上仿真排练（GaP），再到真机上自我改进（ENPIRE）。
• Harness 成了核心工作：模型是通用的，差别在给代理什么工具、什么反馈、怎么验证。CaP-X 的发现说明，人设计的工具层仍然很关键。
• 两种做法在争：GaP 先编好图再部署，运行时不用代理，快而便宜；Agent as Policy 运行时一直让代理盯着，适应性强但慢、贵、依赖最强的模型。2026 年 9 月的对比里后者赢了，但只是一篇论文、三个任务。
• 成绩和模型代际绑得很紧：同一套方法，换一代模型成功率能差几倍，这条路线的进步一部分来自大模型本身。

视频CaP-X: Benchmarking Coding Agents for Robot Manipulation（网页内含视频，2026-03）；ENPIRE: Agentic Robot Policy Self-Improvement in the Real World（网页内含视频，2026-06）；Ep#110: ENPIRE: Agentic Robot PolicySelf-Improvement in the Real World（YouTube，2026-10）；Project Fetch: Can Claude train a robot dog?（网页内含视频，2025-11）

主要的实验室和公司

“最优秀”没有公认排名。下表按 2026 年这条路线论文的作者和机构整理，是本页的判断，不是排名。CaP-X、GaP、ENPIRE、ASPIRE 的作者高度重合，Letian Fu、Guanzhi Wang、Linxi Fan、Yuke Zhu、Goldberg 都出现在多篇里，说明核心圈子不大^96,97,98。

两条路线对照

这张表是本页的归纳。两条路线也在交叉：智能体机器人的程序里可以调用 VLA 当一个子模块，Goldberg 自己说不反对学习型模型，只是要有“备用方案”。

背景：AUTOLab 实验室

AUTOLab 是 Goldberg 自己的实验室，全称 Berkeley Automation Sciences Laboratory（伯克利自动化科学实验室），他从 1995 年来伯克利起一直担任主任；具体研究由他带的博士生、博士后和本科生来做。实验室属于伯克利 AI 研究院（BAIR）^84,85。课上讲的 Dex-Net、Ambi、叠衣服、解线缆、手术缝合、AlphaGarden、GaP，都出自这里。

规模和人员

人数取自官网成员页，2026-10-22 查看⁸⁵。官网首页说实验室约 30 人⁸⁴，课上他也说约 30 名学生做研究。伯克利工程学院 2026 年 5 月的报道说，他带过几百名本科生和 60 名博士生、博士后⁸⁶。

研究方向，官网的说法是：面向仓库、家庭和机器人辅助手术的稳健抓取与操作，把解析理论（几何和统计模型、运动规划）和深度学习结合起来⁸⁴。这就是他课上讲的“传统工程加 AI”。

研究线和代表成果

代码多数开源，放在 GitHub 的 BerkeleyAutomation 组织下⁸⁴。

博士毕业生和去向

他的简历列出 29 位博士毕业生（含早年在南加大的），最近几届⁸⁷：

能核实的去向：

• 创业：Jeff Mahler、Stephen McKinley 和硕士生 David Gealy、Matt Matl 与 Goldberg 一起创办 Ambi Robotics⁸⁶；Mike Danielczuk 在 Ambi 做研究科学家⁹⁰。
• 当教授：Animesh Garg 任佐治亚理工学院助理教授⁹¹；早年的学生 Ron Alterovitz 在北卡罗来纳大学当教授，他的学生 Jeffrey Ichnowski 后来到 AUTOLab 做博士后，现在是卡内基梅隆大学机器人研究所助理教授⁹¹。
• 其他毕业生的去向，官网和简历没有写，本页没有逐一核实。

实验室出来的公司

Covariant（Pieter Abbeel 创办）和 Physical Intelligence（Sergey Levine 是联合创始人）出自伯克利同一圈人，但不是 AUTOLab 的公司，见“背景：机器人公司”部分。

Goldberg 的荣誉

• 2026 年 2 月当选美国国家工程院院士⁸⁶。
• 2005 年 IEEE 会士；2016 年 IEEE 机器人与自动化学会 George Saridis 领导力奖；2000 年 Joseph Engelberger 机器人奖；1995 年美国总统青年教授奖⁸⁷。
• 研究合作和资助方有英伟达、博世、西门子、Intuitive Surgical、Google 等，见第三、五节。

怎么看这个实验室

下面是本页的归纳。

• 研究跟着落地走：抓取变成 Ambi，Ambi 的运行数据又回到研究里（课上的 22 年数据）。这正是他“在部署里慢慢攒数据”的主张。
• 选题集中在“难但窄”的任务：抓陌生物体、解线缆、叠衣服、缝针、修剪植物。每个都是课上讲的三种误差最集中的地方。
• 2025 到 2026 年重心转向智能体机器人：GaP、RoboSimStudio、RATs 的作者高度重合，都以 Kaiyuan Chen、Shuangyu Xie 这批人为核心，合作方从学术界扩到英伟达、博世。
• 本科生参与多：19 名本科生，在 2026 年的论文作者里很常见。

背景：Ambi Robotics

Ambi 是 Goldberg 从实验室走到产业的代表，课上“电商”部分讲了它的来历。这一节补公开资料，最后和课上的说法对照。

公司概况

地点

加州湾区（新闻稿写 Emeryville，也有报道写伯克利）⁹²

成立

Goldberg 的简历和课上说 2018 年，伯克利工程学院的报道说 2019 年^86,87

创始团队

Goldberg（首席科学家）和四位 AUTOLab 校友：Jeff Mahler（CTO）、Stephen McKinley（运营副总裁）、Matthew Matl（软件副总裁）、David Gealy（机电副总裁）⁹³

CEO

Jim Liefer⁹³

人数

约 51 人（Tracxn，2026 年 8 月）⁹⁵

收费方式

客户先买机器人硬件，再按月付软件订阅费；2020 年 10 月起有商业部署收入⁹³

融资

对比“背景：机器人公司”部分：Figure 累计融资约 19 亿美元，Ambi 不到它的 4%，但已经有 1 亿多件包裹的商业分拣量和按月的软件收入。

产品

视频AmbiSort, powered by AmbiOS（YouTube，2022-05）；AmbiSort B-Series: Built for More（YouTube，2024-04）；Introducing AmbiStack | Ambi Robotics（YouTube，2025-01）

客户和大事记

1. 2020 末在 Pitney Bowes 加州 Stockton 的电商中心试点分拣机器人⁹⁴。
2. 2022和 Pitney Bowes 签下 2,300 万美元的扩大部署合同⁹³。
3. 2023Pitney Bowes 在美国沿海枢纽上线 AmbiSort B 系列做中程分拣；和 OSM Worldwide 合作⁹⁴。
4. 2024商业运行累计分拣超过 1 亿件包裹；Pitney Bowes 网络里有 60 多台分拣机器人⁹⁴。
5. 2026-06和 Pickle Robot 合作：Pickle 的机器人从卡车上卸货，AmbiStack 接着码垛，包裹从进站到收货不用人搬⁹⁴。
6. 2026 末公司预计机队累计运行超过 50 万小时⁹⁴。

课上说法和公开资料对照

“约合 57 年”是本页按 50 万小时除以每年 8,760 小时算的。

怎么看 Ambi

下面是本页的归纳。

• 它是课上观点的样板：窄任务（抓包裹）、简单末端（吸盘加夹爪）、传统工程加 AI、先部署再攒数据，再用数据做出第二个产品（AmbiStack）和自己的基础模型（PRIME-1）。
• “技能库”的思路和他实验室 2026 年的 GaP、RATs 一致：能力做成可复用的模块，新任务靠组合。
• 融资少、靠收入：两轮共约 6,700 万美元，和人形机器人公司动辄十亿美元的融资是两种做法。没有查到 2023 年后的新融资，也没有公开收入数字，经营状况外人看不清。
• 客户集中：公开点名的大客户主要是 Pitney Bowes。

背景：手术机器人和医疗科技

课程简介说他会展示机器人“操控手术针”。他在 UCSF 有教职，和 Pieter Abbeel 一起在伯克利办 Cal-MR 医疗机器人中心，经费来自美国国家科学基金会、Intuitive Surgical、Google 和个人捐赠⁵。这一节补背景：市场格局、自主化程度，和他自己的研究路线。

市场：Intuitive 一家独大

Intuitive Surgical 总部在硅谷 Sunnyvale，产品是达芬奇手术机器人。医生坐在控制台前看 3D 画面，手上的动作按比例缩小、滤掉抖动，传给伸进病人腹腔的机械臂。机器人自己不做决定。

数据来自公司 2025 年报和 2026 年 10 月 20 日的季报^6,7。公司预计 2026 年全球达芬奇手术量增长 14% 到 15%⁷。2025 年每台机器平均每年做 300 多台手术⁶。

生意模式像打印机加墨盒：机器卖一次或按用量租，每台手术都要用一次性器械和耗材。装机越多，后面的收入越稳。行业媒体估计它在软组织手术机器人市场的份额约 80%⁹。

挑战者：美国三家，中国一家

达芬奇 2000 年就拿到 FDA 许可。美敦力、强生这两家医疗器械巨头的产品，到 2025 年底和 2026 年才进入美国市场。

骨科是另一条线。史赛克的 Mako 做膝、髋关节置换和脊柱，2025 年底全球装机超过 3,000 台¹²。它按术前 CT 规划切骨范围，机械臂限制医生的锯不能越界，比软组织机器人多一步“机器划边界”。

De Novo 是 FDA 给“没有可比产品”的新器械开的路，比常规的 510(k) 慢。强生和 CMR 都走了这条路，Hugo 走的是 510(k)^8,9,10。

手术自主的 6 个等级

2017 年 Yang 等人在《Science Robotics》参照自动驾驶分级，给医疗机器人分了 6 级¹³。下表的“例子”一列按本页资料对应。

美国上市的软组织手术机器人都在 0 到 1 级。研究在往 2 到 3 级推。

研究前沿：从缝一针到切胆囊

1. 2016Goldberg 团队在达芬奇研究套件（dVRK）上用机械导针器自动缝 4 针，对象是模拟皮肤和脂肪的材料¹⁴。
2. 2022约翰斯·霍普金斯大学的 STAR 机器人在活猪身上自主做肠吻合，条件严格受控¹⁵。
3. 2024-02伯克利的双臂机器人在仿真皮肤上连续缝 6 针，两臂之间交接缝针，并保持线的张力¹⁶。
4. 2025-07霍普金斯的 SRT-H 在 8 个离体猪胆囊上自主完成胆囊切除的 17 个连续步骤，包括找胆管和动脉、上夹、剪断，成功率 100%，比人慢。它用医生手术视频训练，能听语音指令纠正动作¹⁵。

SRT-H 的限制：只做了夹闭和切断这一段，不是从切口到缝合的完整手术；离体组织没有心跳、呼吸和出血¹⁵。

视频Surgical Robot Transformer Demo（YouTube，2024-11）。这段是约翰斯·霍普金斯 2024 年的 Surgical Robot Transformer 演示，是否就是 2025 年 SRT-H 的胆囊手术，待确认。

Goldberg 的路线：增强灵巧

2024 年 10 月，Goldberg 和 Intuitive CEO Gary Guthart 在《Science Robotics》合写短文，提出“增强灵巧”（augmented dexterity）。做法：机器人把缝合计划叠加在实时画面上，医生用鼠标调整，确认后机器人执行这个子任务；医生全程监督，随时接手¹⁷。后续论文说，这个词是“有监督的自主”的一个更容易被接受的说法¹⁷。他的实验室之后发表了缝合（STITCH）、打双结（D-Knot，2025）等论文，都用这个框架¹⁷。

这和“背景：先懂 5 个概念”部分的“传统工程加 AI”是同一个思路：先在窄任务上做到可靠，人留在回路里，部署后攒数据。下面一句是推断，不是讲者原话：达芬奇每年 300 多万台手术都经过机器人，产生视频和器械运动数据，手术可能是机器人数据缺口最早被补上的领域之一。

商业上看什么

• 装机量是护城河。医生要几十到上百台手术才熟练，医院换系统要重新培训，所以先装机的公司吃后面十几年的耗材收入。
• 挑战者换了机器的形态：Ottava 把机械臂装进手术床，Versius 做成可移动的单臂模块，图迈卖价格和远程手术。
• 远程手术，中国走得早。图迈 2025 年在中国获批远程手术，2026 年在英国、巴西、泰国等地做了跨国远程手术；美国还在临床试验阶段¹¹。
• 自主等级一升，出了事谁负责就变了。0 到 1 级是医生的责任；到 3 级以上，责任会部分转到厂商，监管路径还没有先例。

背景：园艺和农业机器人

课程简介说他会讲机器人“照料多品种混作的园圃”。“课堂笔记”部分课讲的 Telegarden 和 AlphaGarden 也是花园。这一节补他自己的园艺研究，和农业机器人行业到 2026 年的进展。

Goldberg 的园艺研究

AlphaGarden 是一块 1.5 米乘 3.0 米的真实菜园，上方装开源的 FarmBot 龙门式机械臂、相机和土壤湿度传感器。混种多种植物，它们互相遮光、抢水。团队先做了一个植物生长模拟器（AlphaGardenSim，见下一小节），在模拟里训练浇水和修剪的策略，目标是叶面覆盖率高、品种多样。2021 年的论文跑了 4 个 60 天周期，用修剪剪刀时多样性指标达到 0.96，生长高峰时平均覆盖率 0.86¹⁹。这篇论文的后续版本后来被作者撤回，上面的数字取自第一版。

2023 年，团队让 AlphaGarden 和专业园艺师在同一块地上比赛种菜，见下面的“人机种菜比赛”。

他还做过葡萄园的精准灌溉，项目叫 RAPID，2016 年起由美国农业部资助约 100 万美元，和 UC Merced、UC Davis 合作²¹。滴灌管上每个滴头约 25 美分，拧螺丝可以调水量，但每次只要拧四分之一圈，人做不好，也做不完。方案是根据航拍判断哪里缺水，再让手持设备或移动机器人逐个调滴头。他说：“调整小到四分之一圈，人不擅长这个。”

人机种菜比赛

论文题目是《Can Machines Garden?》（机器会种菜吗？），2023 年 6 月 29 日发在 arXiv 上，没有经过同行评审。作者来自 AUTOLab、伯克利温室和西门子研究院，Goldberg 是末位作者²⁰。

场地

伯克利温室里一块 3.0 米乘 1.5 米的高床，对半分成两块 1.5 米见方的地，种子摆放互为镜像

人类一方

伯克利 Oxford Tract 温室的园艺员工，平均 10 年专业经验；论文没写几个人

机器一方

AlphaGarden：FarmBot 龙门机械臂、头顶相机、土壤湿度传感器，策略在 AlphaGardenSim 里训练

植物

每边 16 株，8 个品种各 2 株：羽衣甘蓝、琉璃苣、瑞士甜菜、芜菁、菊苣、绿生菜、香菜、红生菜

周期

两轮，各 60 天：第一轮 4 月 15 日至 6 月 14 日，第二轮 7 月 2 日至 8 月 31 日

三个比较维度：

• 覆盖率：所有植物叶冠占地面积除以整块地面积。越高说明地用得越满。
• 多样性：按各品种的覆盖面积算熵。品种的面积越平均，数值越高；某一种长疯了把别的压住，数值就低。计算时按每个品种的最大尺寸做了调整，大菜和小菜放在一个尺度上比。
• 用水：人类一方在水管上装流量计，机器一方在供水管上装流量计。

数据来自论文²⁰。逐项看：

• 覆盖率：第一轮机器人略高（0.81 对 0.78），第二轮略低（0.67 对 0.72）。
• 多样性：第一轮机器人明显低（0.80 对 0.94），第二轮反超（0.97 对 0.94）。
• 用水：两轮机器人都少，第一轮少约 37%，第二轮少约 44%。

两轮之间机器人改了做法。第一轮所有种子第 1 天一起种，长得快的羽衣甘蓝、琉璃苣把慢的压住，多样性低。第二轮学了混种农法，错开播种：香菜、两种生菜、菊苣第 1 天种，羽衣甘蓝、琉璃苣、瑞士甜菜、芜菁第 11 天再种。多样性上去了，覆盖率下来了。修剪也从第一轮的第 47 天开始、4 次，改成第二轮的第 30 天开始、6 次。浇水第一轮每天早上 7 点定时浇 60 秒，不看传感器；第二轮前 45 天同样定时浇，第 46 到 60 天试了按传感器读数决定浇多少。

机器人一方并非全程无人：

• 修剪：有时人手剪，有时人调整机器人选的修剪点，或者调剪刀的角度和深度，再由人或 FarmBot 执行。
• 发芽：第一轮不少种子没发芽，部分种子已存放一年以上，由人补种或移栽；第二轮 32 个位置发芽 24 个，第 28 天人工间苗。

论文自己列的限制：人类一方因为屋顶角度，日照略多；两轮的差异可能来自季节；第二轮机器人一方的流量计坏了，人类一方的流量计在第 47 天被清零，所以第二轮的用水是一个下限对一个估算值²⁰。

结论原文：“AlphaGarden has thus passed the Turing Test for gardening. Much remains to be done.”（AlphaGarden 因此通过了园艺的图灵测试。要做的还很多。）课上他讲图灵测试时用的也是同一个标准：分不出是人还是机器。读这句话时要知道：只有两轮，每轮一对地块，没有统计检验；机器人第一轮多样性低、第二轮覆盖率低，“相当”是作者的判断。最站得住的是省水。

AlphaGardenSim：园艺模拟器

真实的菜园一个周期要 60 到 100 天，在真实菜园里试错太慢。团队做了一个模拟器，在电脑上种菜、浇水、修剪，用来训练机器人的策略。期刊论文 2022 年发表在《IEEE 自动化科学与工程汇刊》，第一作者 Yahav Avigal，Goldberg 是末位作者，合作者有 UC Merced 的 Stefano Carpin、Joshua Viers 和 UC Davis 的 Stavros Vougioukas；经费来自 RAPID 灌溉项目³³。代码在 GitHub 开源，MIT 许可，做成了 OpenAI Gym 强化学习环境，2026-10-22 查看时有 94 个星标³⁴。

论文摘要给出的速度：比植物自然生长快 25,000 倍³³。模型怎么搭：

论文里的模拟菜园是 150 厘米乘 150 厘米，种 100 株，可选 13 种可食用植物，跑 100 天³³。他们在模拟器里比了五种策略：

1. 统一浇水：隔天全部浇一遍，像一排滴头。
2. 固定修剪：按水分、植株健康和多样性，每天决定浇哪里、剪哪里，修剪比例固定。
3. 可变修剪：每天在 6 档修剪比例里选一档，先在模拟器里往前算一天，看哪档结果最好。
4. 学来的修剪：在 6,500 个随机菜园里跑可变修剪，收集 52 万个示范，训练一个神经网络模仿它，选档速度快 1,500 倍以上。
5. 动态播种：菜园里出现空位就补种，能把菜园维持 200 天。

结果：每天浇水剪枝的策略比“隔天全浇”覆盖率和多样性都高。他们还改了观察方式，把挨得近的植物合并成一组看，固定修剪在覆盖率和多样性相当的情况下少用 37% 到 50% 的水³³。

限制：期刊论文发表时，这些策略还没在真实菜园里试过，作者写明了这一点³³。2023 年和园艺师对比的实验用上了它，那篇论文的作者也说，下一步主要是改进模拟器来进一步省水²⁰。

这和课上讲的 Dex-Net 是同一个做法：真实数据少、采集慢，就先在模拟里生成大量样本训练，再拿到真实世界检验。Dex-Net 模拟的是抓取，AlphaGardenSim 模拟的是植物生长。

大田：看见杂草再动手

约翰迪尔的 See & Spray 2021 年推出。喷杆上的相机每秒扫 2,500 多平方英尺，看到杂草才开对应的喷头，不再整片喷²²。

收费方式按结果算：只对“没喷”的面积收费，休耕地每英亩 1 美元，作物地每英亩 5 美元；2026 年加了不限量的年度许可。2026 年 1 月发布第二代，4 月发布 See & Scout，用同一套相机在不喷药时也采集田间数据，画杂草分布图²²。约翰迪尔的自动驾驶 8R 拖拉机带耕作机具可以无人作业，公司说 24 小时能整 325 英亩地²³。

不用药的办法是用激光烧，代表公司是 Carbon Robotics，见下一小节。

视频See & Spray Gen 2 – The Next Generation Is Here | John Deere（YouTube，2026-02）

Carbon Robotics：激光除草

Carbon Robotics 2018 年在西雅图成立，创始人兼 CEO 是 Paul Mikesell。2022 年交付第一批机器³⁶。做法：相机拍地面，AI 分清哪株是菜、哪株是草，激光对准草的生长点（分生组织）烧掉。不喷药，不翻土，死草留在地里³⁸。Mikesell 说精度约 3 毫米，激光每 50 毫秒可以打一次³⁸。

主要用在高价值的蔬菜田：菠菜、西兰花、胡萝卜、生菜、洋葱等，这些作物能用的除草剂少，以前靠人工拔草。最宽的 G2 1800 面向大型有机玉米和大豆农场³⁵。

2026 年 2 月 2 日，公司发布“大植物模型”（Large Plant Model），用 1.5 亿株标注过的植物训练。机器每天把田间数据传回来更新模型。以前遇到新作物或新杂草要重新训练约 24 小时，现在农民在 iPad 上传两三张照片就能加一种作物。同一个模型也用在它的拖拉机自动驾驶套件上。公司说已经在 15 个国家的几百个农场使用，累计融资超过 1.85 亿美元³⁶。2024 年 10 月的 D 轮融资 7,000 万美元，那一轮估值约 3.7 亿美元，投资方有英伟达旗下的 NVentures²⁴。

账怎么算，有一份第三方案例。美国种植者协会 Western Growers 2024 年 3 月发布的案例研究，看的是加州蔬菜公司 Braga Fresh³⁹：

同一份案例里，另一家 Triangle Farms 说部分作物增产 10% 到 15%。也有例外：长叶生菜因为还要间苗，用激光后每英亩成本反而更高³⁹。公司自己的宣传是除草费用最多省 80%，两到三年回本，比案例高³⁸。

和课上对照：激光不碰植物，绕开了抓取的三种误差，只要“看准”和“打准”。机队每天回传数据更新模型，和 Ambi 用看板收分拣数据是同一个做法。这两点是本页的对照，不是讲者原话。

视频Track LaserWeeder | Carbon Robotics（YouTube，2024-05）；Carbon Robotics Introduces Faster, Lighter and Modular LaserWeeder G2 Product Line（YouTube，2025-02）

中国：无人机先铺开

农业无人机是目前铺得最开的农业机器人。它只做喷洒、播种、施肥，不用抓东西。

极飞在新疆尉犁县有一个 3,000 亩的无人棉田，两个人管全场，2024 年平均亩产籽棉 529 公斤²⁶。美国方面，联邦通信委员会 2025 年 12 月 22 日把外国产无人机列入受限清单，DJI、极飞的新设备拿不到美国认证，美国农民买新机变难²⁵。

采摘：最难的一步

采摘要用手：果子软，被叶子挡住，熟没熟要看颜色，摘的时候不能捏坏。这正是课上讲的感知、控制、物理三种误差最集中的地方。

• Tortuga AgTech 做草莓和葡萄采摘机器人，车队有 150 台。2025 年 3 月，室内草莓农场 Oishii 买下它的核心知识产权和资产²⁷。Oishii 在新泽西 23.75 万平方英尺的农场用约 50 台机器人，草莓种在架子上，环境比露天好控制。
• 以色列的 DailyRobotics 说它的草莓采摘机比人快 2 到 3 倍，计划 2026 年 4 月在加州商用²⁸。是否如期上线待确认。
• 以色列 Tevel 用系绳的“飞行机器人”给果树摘果、疏果。2026 年的进展没有查到。

行业媒体的说法是，大多数采摘机器人还在试点，一部分选温室里的架上草莓，一部分直接做露天地²⁸。

倒下的公司

全球农业和食品科技风险投资 2021 年接近 110 亿美元，之后降到约 60 亿美元²⁹。几家融资上亿美元的公司倒闭：

同在 2025 年，法国除草机器人公司 Naïo 经过司法重整后重新开张，美国的 FarmWise 业务被蔬菜公司 Taylor Farms 收购²⁹。

哪些做成了，哪些没有

下面是本页的归纳，不是讲者原话。

这和课上的两个观点对得上：末端执行器越简单越可靠，两指夹爪、吸盘、喷头都是；数据从真实部署里来，See & Scout 用喷药相机采集数据，和 Ambi 用看板收集分拣数据是同一个做法。

背景：灵巧手

灵巧手是像人手一样有多根手指、多个关节、能在手里调整物体的机器人手。课上“灵巧”部分讲了它为什么难，他主张两指夹爪就够用十年。这一节补历史和 2026 年的进展。

为什么难

课上他给了三条：关节多就要电机多，每个电机都有小误差，误差一路累加，指尖到不了想去的位置；电机重，手臂力气都花在托手上；贵，一只 2 万到 10 万美元，还要两只。再加上感知、控制、物理三种不确定性都集中在指尖。他说中国有约 50 家公司在做五指手。他的判断是这些手现在“做不了什么”，简单的两指夹爪加好的控制能满足工业和家庭未来 10 年左右的大部分需要。

历史

1. 1982斯坦福/JPL 手（又叫 Salisbury 手）：三根独立控制的手指，带力反馈，常被称为第一只灵巧机器人手¹⁰²。
2. 1986犹他/MIT 灵巧手：三指加拇指，每个关节靠绳索（腱）经滑轮拉动，驱动器是放在手外的气动装置。早期的手每个任务都要手写控制器，又贵又易坏，只有少数实验室用得起¹⁰²。
3. 1997英国 Shadow 公司做出第一版 Shadow 灵巧手（木制）。后来的版本有 20 个主动自由度、4 个欠驱动关节，重 4.3 公斤，腱驱动；2000 年代和德国 DLR 手一起成为常用研究平台¹⁰²。
4. 2010 年代MIT Adelson 实验室的 GelSight 视觉触觉传感器：指尖里装相机，拍下软胶接触物体时的形变，估算形状和力¹⁰⁴。
5. 2018–19OpenAI Dactyl：用 Shadow 手，在仿真里做强化学习，随机改变仿真参数（域随机化）让策略能迁移到真机；2018 年学会在手里转方块，2019 年单手还原魔方，用了数十亿步仿真¹⁰³。
6. 2024-10Meta 发布触觉指尖 Digit 360，和 GelSight 合作量产，能感到 1 毫牛的力和 7 微米的细节，还能感知振动和温度；同时和韩国 Wonik 合作新一代带触觉的 Allegro 手¹⁰⁴。
7. 2025–26人形机器人带动灵巧手量产：特斯拉 Optimus V3 手、Sharpa Wave、灵心巧手（Linkerbot）、因时（Inspire Robots）等，见下文。

视频Solving Rubik’s Cube with a Robot Hand（YouTube，2019-10）；Advancing robotics and touch perception | AI Research from Meta FAIR（YouTube，2024-10）

技术路线

特斯拉 Optimus V3 手的专利是腱驱动的代表：手约 22 个自由度，每根手指 4 个，每根手指 3 根腱，驱动器从手里挪到前臂；早期版本把驱动器放在手里，马斯克说做出来的是“看着怪的大手”¹⁰⁵。特斯拉管理层多次说手是 Optimus 最难的部件；媒体报道称它是量产中最难放大的部分^48,105。

2026 年的产品和市场

市场规模：高工研究院预计 2026 年底中国灵巧手出货约 7 万只，比 2025 年增长近 300%，2030 年每年 43 万只¹⁰⁸。价格：中国的手约 1,400 到 15,000 美元一只，同类西方产品 4.5 万到 30 万美元；京东上几十个品牌售价 445 到 14,800 美元¹⁰⁸。这些数字来自研究机构和媒体，口径不一。

视频SharpaWave — Sharpa’s first product, a dexterous robotic hand（YouTube，2025-10）

数据和学习

• Dactyl 的路子是仿真里海量试错，代价是数十亿步仿真，只针对少数任务¹⁰³。
• 2026 年的方向之一是学人的视频：手做得和人手运动学一致，就能直接从网上的人手视频里学。Sharpa 举的例子是伯克利 Jitendra Malik 实验室和英伟达 Jim Fan 团队的 EgoScale¹¹⁰；英伟达 GR00T N1.7 用了约 2 万小时的人类第一视角视频（见“背景：VLA 和智能体机器人”部分）。
• 另一个方向是把触觉加进 VLA，2026 年有多篇触觉-VLA 和触觉表征的论文¹¹⁰。

和课上观点对照

下面是本页的归纳。

• 价格：他说一只 2 万到 10 万美元。中国厂商 2026 年已经把价格压到几千美元，这一条在变；高端带触觉的手（如 Sharpa 约 5 万美元）仍在他说的范围内。
• 可靠性和控制：误差累加、腱的摩擦、触觉难装进指尖，这些他讲的问题，2026 年的产品和论文都还在解决。
• 出货量涨得快，主要买家是人形机器人厂商和研究机构；手能用多少、做成什么活，公开数据很少。这和他说的“当心视频”是同一个问题。
• 他的实验室选两指夹爪和吸盘，靠控制和数据把简单硬件用好，Ambi 就是这样做出来的。灵巧手路线押的是硬件先到位、数据和模型随后跟上。两条路谁对，要看未来几年灵巧手在真实工作里的成功率。

背景：ROS 2、Rust 和机器人软件

这一节是课外资料，课上没有讲 Rust。Rust 是一种系统编程语言，和 C、C++ 一样编译成机器码、跑得快，但编译器会在程序运行前拦下一大类内存和并发错误。机器人软件过去主要用 C++ 和 Python，最常用的开源框架是 ROS 2，下面先说它。

ROS 2 是什么

ROS 是 Robot Operating System（机器人操作系统）的缩写，但它不是操作系统。它是一套开源的软件库和工具，跑在 Linux 上（也支持 Windows 和 macOS），负责机器人各个部件之间的“管道”：相机、激光雷达、电机驱动、路径规划、抓取模型、安全检查，各自是一个小程序，ROS 提供它们互相传数据的标准方式，再加上大量现成的部件。没有它，每个团队都要从头写通信、驱动和工具⁷⁹。

周边工具：RViz 显示机器人看到和规划的三维画面；Gazebo 是机器人仿真器；rosbag 录制和回放传感器数据；Nav2 做移动机器人导航；MoveIt 2 做机械臂运动规划。官方客户端库有 C++ 和 Python，现在加上 Rust（rclrs，见下文）^79,72。

为什么有“2”：ROS 1 2007 年起源于湾区的机器人实验室 Willow Garage，是研究工具，有一个中央主控进程，没有内建安全机制，实时性弱，难以放进产品。ROS 2 是重新设计的版本，2017 年发布第一版，通信改用工业标准 DDS，去掉中央主控，加入安全、实时和多机器人、嵌入式支持⁷⁹。最后一个 ROS 1 版本 Noetic 2025 年 5 月 31 日停止支持，新项目都用 ROS 2⁸⁰。ROS 2 每年 5 月发一个版本，每两年一个长期支持版：Humble（2022，支持到 2027）、Jazzy（2024，到 2029）、Lyrical（2026-05-22，到 2031）⁸¹。

和本页别处的关系：Goldberg 组的 GaP 生成的图最后输出能在 ROS 2 上跑的代码，所以能接进现有的机器人软件（见“背景：VLA 和智能体机器人”部分）。对它的主要批评是确定性：回调式设计让执行顺序不确定，DDS 还要复制和序列化数据，严格实时的电机控制有人因此换用 copper-rs（见下文）。很多硬件驱动只有 ROS 版本，这是它一直是默认选择的重要原因^73,74。

为什么适合机器人

生态进展

• ROS 2 官方支持：rclrs 是 ROS 2 的 Rust 客户端库，已进入 ROS 2 Rolling 版本，会随下一批正式版发布。项目 2017 年开始，有 51 位贡献者，来自强生、Intrinsic、Clearpath 等公司。ROS 2 原作者之一 Esteve Fernández 在 FOSDEM 2026 上介绍了它⁷²。
• copper-rs：用 Rust 写的机器人运行时，2026 年 7 月 3 日发布第一个稳定版，设计重点是确定性：任务按固定顺序同步执行，任务之间传数据不复制。Codethink 2026 年 8 月用一台 18 自由度的六足机器人和 ROS 2 对比：ROS 2 的回调式设计执行顺序不确定，中间件还要复制和序列化数据⁷³。
• dora-rs：用 Apache Arrow 和共享内存传数据，适合带 AI 模型、对实时性要求不那么严的机器人⁷⁴。
• FOSDEM 2026 机器人分会场的总结说，ROS 2 仍是开源机器人的骨干，但 Rust 是一个意外的主题，连不讲 Rust 的报告里也常提到⁷²。

局限

• Rust 不会取代 C++、Python、ROS 2、CUDA 和厂商的开发包，只在正确性和部署可靠性最重要的那几层变得实用⁷⁴。
• 很多硬件驱动只有 ROS 版本，Rust 项目要靠和 ROS 2 的桥接才能用上⁷⁴。
• 学起来难。编译器检查严，写出能编译的代码比写 C 或 Python 费劲。
• 没有查到哪家人形机器人公司公开说主控软件用 Rust。

Rust 和 AI 写代码

这和“背景：VLA 和智能体机器人”部分的智能体机器人有关：如果机器人程序越来越多由 AI 代理来写，语言本身能拦下多少错误就更重要。

• 支持的证据：2026 年的论文《Generative Compilation》在模型写代码的过程中就把 Rust 编译器的报错喂回去，在 7 个模型上测试，不能编译的输出减少，功能正确率提高⁷⁵。一位工程师的说法是：代理写 Rust 第一遍不一定更好，但写错时编译器会准确告诉它错在哪、怎么改⁷⁶。
• 反面的证据：把 C 翻译成 Rust 的研究发现，编译器拒绝时，模型常用 unsafe 块或裸指针让报错消失，绕过了 Rust 的安全保证；借用检查器的报错信息对通用模型也难懂⁷⁷。

下面是本页的归纳：Rust 编译器和 NemoClaw 的沙箱是两层不同的约束，一个在程序运行前查代码，一个在运行时限权限。AI 代理写的程序要控制真实机器，两层都有用；但代理会用 unsafe 绕过检查，所以还要人或别的代理审查 unsafe 代码。

背景：机器人公司

这一节是课外资料，按做什么分四类。估值和出货量多数来自媒体报道和公司口径，取数日 2026-10-22。

做“大脑”的：机器人基础模型

这类公司不造机器人或不以造机器人为主，做的是让各种机器人都能用的通用模型，主流技术路线是视觉-语言-动作模型（VLA），见“背景：VLA 和智能体机器人”部分。

这条路线和 Goldberg 的看法相反。他认为 VLA 需要的数据太多、可靠性还不够工业用，主张让 AI 代理写结构化的机器人程序，见“背景：VLA 和智能体机器人”部分。2026 年一份西门子工厂的部署案例里，VLA 在实验室约 80% 成功率，工厂接受不了剩下的 20% 失败，失败中 65% 来自感知和物理问题⁴⁵。

美国人形机器人

1X 的做法正是课上说的“木偶”：机器人在家里干活，背后有人遥控，同时攒数据。区别是它向用户说明了这一点。

视频Introducing Figure 03（YouTube，2025-10）；Helix 2.5 30-Home Generalization（YouTube，2026-09）；NEO The Home Robot | Order Today（YouTube，2025-10）；Optimus - Gen 2 | Tesla（YouTube，2023-12）；Atlas | Product Features | Boston Dynamics（YouTube，2026-01）；Unitree Introducing | Unitree H2 Destiny Awakening!🥳（YouTube，2025-10）

中国人形机器人

课上他说中国有约 100 家公司在做人形机器人、约 50 家在做灵巧手。2026 年上半年全球人形机器人出货约 2.2 万到 2.5 万台，中国公司占大头⁵³。

已经大规模用起来的

这些公司做的不是人形机器人，但已经在大量部署、在赚钱：

• 亚马逊：2025 年 7 月部署第 100 万台仓库机器人，分布在 300 多个站点；同时发布调度模型 DeepFleet，说能让机队快 10%⁵⁴。
• Ambi Robotics：Goldberg 联合创办的包裹分拣公司，见“课堂笔记”部分课堂笔记的“电商”。
• Intuitive Surgical：手术机器人，2025 年营收 100.6 亿美元，见“背景：手术机器人和医疗科技”部分。
• DJI、极飞、约翰迪尔、Carbon Robotics：农业，见“背景：园艺和农业机器人”部分。

和伯克利的关系

这张名单上有好几家公司出自伯克利的同一圈人：Goldberg 创办 Ambi；和他一起办医疗机器人中心 Cal-MR 的 Pieter Abbeel 创办 Covariant，后来被亚马逊雇走；Physical Intelligence 的联合创始人 Sergey Levine 是伯克利教授。

怎么看这些数字

下面是本页的归纳，不是讲者原话。

• 估值最高的公司多数还没有公开收入：Figure 390 亿美元，Skild 140 亿美元以上，Physical Intelligence 在谈 110 亿美元。宇树是少数有利润、有出货、有公开财报的。
• 出货量的统计口径不一。智元上半年出货，三家机构给出 8,400 到 9,700 台，相差约 15%。
• “部署”和“试点”要分开看。宝马说 Figure 还是试点；1X 交付的 NEO 做家务要人远程看着。
• 按课上的方法看视频和新闻：试了几次？场景是不是摆好的？背后有没有人？

背景：机器人进家要多久

这一节收集 11 位机器人和 AI 领域人物 2025 到 2026 年的说法，取数日 2026-10-22。先说明“进家”有三种意思，说法差别大，常常是因为说的不是同一件事：

• 能买到：付钱就能送到家，哪怕背后有人遥控。
• 能自己干活：没人遥控，在没见过的家里可靠地做家务。
• 普及：比如一成家庭有。

各方说法

按给出的时间从近到远排。“身份”一栏写明他和这件事的利益关系。

分歧在哪

怎么看这些说法

下面是本页的归纳。

• 时间表和利益相关：卖芯片、卖机器人、在融资的人给的时间最近（今年到 2030 年）；研究者和老一辈机器人公司创始人给的最远（10 年以上）。Levine 是例外，他是教授也是创业者，给的是 2030 年左右。
• 说的不是一件事：1X 说的“2026 年进家”是能买到、有人遥控；Levine 说的 2030 年是完全自主；Brooks 说的是可靠、赚钱的部署。
• 时间表会挪：1X 2025 年进几千个家庭的承诺没兑现；特斯拉的 Optimus 量产一推再推；王兴兴的时间一年里从五到十年缩到一两年。Brooks 每年元旦公开给自己的预测打分，可以拿来对照。
• 可以盯的几个数字：Figure 在陌生家庭的成功率从 56% 涨到多少；1X 交付的 NEO 里，多少活不用人遥控；家用机器人的租金和售价。

视频清单

正文各处的视频链接汇总在这里，2026-10-22 逐个打开核对过标题和频道。YouTube 链接在国内需要能访问 YouTube；“网页内含视频”是项目主页，视频直接嵌在页面里。

说明：特斯拉官方 YouTube 上最新的 Optimus 视频仍是 2023 年 12 月的第二代，更新的片段多发在别的平台；没有找到 STITCH 2.0 的视频；约翰斯·霍普金斯那段是 2024 年的 Surgical Robot Transformer 演示。

课前读什么

课上可以问

1. 数据缺口会先在哪个行业被补上：仓储、农业，还是医疗？
2. 中国有大量人工遥控采集数据的工厂，这条路能把“十万年”缩短多少？
3. 仿真数据和真实数据，现在各占多大作用？
4. 艺术创作对他的工程研究有过什么具体影响？
5. “增强灵巧”从缝合起步，下一个能交给机器人的手术子任务是什么？离 FDA 批准还有几年？
6. Intuitive 资助他的实验室。达芬奇积累的手术视频和运动数据，学术界能用多少？
7. AlphaGarden 两轮比赛少用 37% 和 44% 的水，但修剪和补种还靠人。这套方法离商用农场还差什么？

讲者和课程

“讲者和课程”部分课：2020 年代的 AI 与机器人

许多人担忧，人工智能的进步将导致大规模失业，甚至威胁人类的生存。Ken 教授将基于历史经验与科学研究，提出一种更为乐观的展望……在 2020 年代，新一代机器人将协助人类从事仓储、制造、农业及医疗保健等领域的工作。教授将通过图片与视频，展示机器人技术的最新进展，包括机器人如何学习抓取陌生物体、解开缠绕的线缆、照料多品种混作的园圃，以及操控手术针。课程手册第 19 页，节选

他的论证用了一个历史类比：1918 年大流感之后十年，电力和交通带来了经济繁荣；他认为 AI 和机器人在 2020 年代可能起同样的作用¹。

“课堂笔记”部分课：未知智能，艺术与机器人

1918 年流感大流行后不久，“机器人”（robot）一词在一部戏剧中首次出现……Ken 教授将借鉴西格蒙德·弗洛伊德在 1919 年提出的“诡异感”（The Uncanny）概念，以及森政弘于 1970 年提出的“恐怖谷”（Uncanny Valley）理论……课程手册第 20 页，节选

那部戏剧是捷克作家恰佩克 1920 年的《R.U.R.》。课上会讲的作品：

听课时带着的三个问题

按手册的“风险、机遇、应用”三条¹：

• 风险：人形机器人的投资热，和他说的“十万年”之间，差距在哪里？谁会先亏钱？
• 机遇：哪类工作最先被机器人做得“够可靠、能赚钱”？仓储、农业、医疗，顺序是什么？
• 应用：你的业务里，哪一段是重复、标准化、有大量数据的，可以先交给机器人或 AI？

方法与来源

图文版说明：照片多数来自维基共享资源（各图注明作者和许可），论文图来自 arXiv 上的论文（GaP、RoboSimStudio、LIBERO 为 CC BY 4.0，AlphaGarden 为 arXiv 默认许可）；Ambi、Carbon Robotics 的图来自公司官网，版权归公司，仅供个人学习笔记使用，不要公开转发；Dex-Net 图来自项目主页，未注明许可。示意图为本页自绘，恐怖谷曲线按原理重画、形状为示意。图片都已压缩后内嵌在文件里，单文件可离线打开；视频需要联网。课程简介、讲者履历、时间和教室来自课程手册第 8、9、19、20 页。数据缺口和 Ambi 的数字来自 2025 年的《Science Robotics》文章和 2026 年的网络报道，2026-10-21 检索。“课堂笔记”部分课堂笔记按讲者的六部分结构整理，依据两段飞书妙记自动转写，2026-10-22 读取。“背景：VLA 和智能体机器人”部分智能体机器人的背景取自 2026 年 9 月的 AIhub 采访；VLA 部分取自 arXiv 论文和课程讲义，成功率数字有一部分来自二手博客，只作参考；“两条路线对照”是本页的归纳。LIBERO 和 LIBERO-PRO 的情况取自原论文和综述；GaP、RoboSimStudio 和 RATs 的数字取自论文第一版正文，未经同行评审。NemoClaw 的情况取自英伟达新闻稿、官方文档和技术博客。“最新进展”和“主要的实验室和公司”2026-10-22 检索，主要依据 arXiv 论文的作者和摘要；“最优秀”是本页按论文产出做的判断，不是公认排名；部分作者的机构没有在论文页面核实。“背景：ROS 2、Rust 和机器人软件”部分 Rust 2026-10-22 检索：Android 数据取自谷歌安全博客的报道；Ferrocene 的 IEC 61508 等级各处说法不一（SIL 3 或 SIL 4），本页用厂商产品页的 SIL 3；“Rust 和 AI 写代码”的最后一段是本页的归纳；常被引用的“微软约 70% 漏洞是内存安全问题”没有找到可引用的原始出处，没有写入。“背景：机器人进家要多久”部分“机器人进家要多久”2026-10-22 检索：多数说法来自媒体报道和访谈转述，个别（如 LeCun 公司的时间表）来自二手博客，只作参考；“怎么看这些说法”是本页的归纳。“背景：灵巧手”部分灵巧手 2026-10-22 检索：历史取自综述文章和原始论文，市场和价格来自高工研究院（经福布斯转述）和第三方汇总，口径不一；特斯拉手的细节来自专利报道；“和课上观点对照”是本页的归纳。“背景：AUTOLab 实验室”部分 AUTOLab 2026-10-22 检索：人数取自官网成员页，毕业生名单和奖项取自 Goldberg 的简历，校友去向只写了能在公开页面核实的几位；Ambi 成立年份两处说法不一。“背景：Ambi Robotics”部分 Ambi 2026-10-22 检索：融资取自公司新闻稿和 The Robot Report，产品和大事记取自公司新闻稿和行业媒体，人数取自 Tracxn；“怎么看 Ambi”是本页的归纳。ROS 2 的概念和历史取自 ROS 官方文档和维基百科，官方文档页面检索时被防爬虫页面拦住，没有逐字核对；Lyrical 版本信息来自第三方汇总。“背景：机器人公司”部分机器人公司 2026-10-22 检索：融资和估值多来自彭博、TechCrunch、CNBC 等报道，Figure、智元的部署和出货数字部分来自第三方追踪网站，宇树财务来自招股书的媒体转述，没有逐条核对原始文件；“怎么看这些数字”是本页的归纳，2026-10-22 读取，录音 92 分 39 秒，人名按上下文校正，讲者口述的数字只核对了表中几项。“背景：手术机器人和医疗科技”部分手术机器人部分 2026-10-22 检索：Intuitive 的数字取自 SEC 披露的年报和季报；各家 FDA 许可取自公司新闻稿和行业媒体；图迈的订单和收入是公司自报；Mako 装机数取自行业媒体，没有核对史赛克年报原文；约 80% 的市场份额是行业媒体的估计。“背景：园艺和农业机器人”部分农业部分 2026-10-22 检索：AlphaGarden 数字取自两篇论文摘要；AlphaGardenSim 的模型细节取自 2022 年期刊论文正文，GitHub 星标数是 2026-10-22 查看的；约翰迪尔、DJI、极飞的数字是公司自报；Carbon Robotics 的机型参数和“大植物模型”来自公司公告和媒体转述，各代速度的口径不一；成本数字取自 Western Growers 案例研究；DailyRobotics 是否在 2026 年 4 月上线没有查到；“哪些做成了”一表是本页的归纳。六级自主表按 Yang 等人 2017 年的分级转述，“例子”一列是本页的对应，不是原文。《R.U.R.》、Dex-Net、恐怖谷曲线形状是常识性背景，没有逐条核对。“可以问”的问题都是建议，不是讲者说过的话。

1. 课程手册，《新国大EMBA第34班伯克利学段课程手册102026 - A班.pdf》，第 3、8、9、19、20 页
2. 2025 NSF FRR-NRI Annual Meeting，Goldberg 简介，nrifrr-mtg25.org；Tech Xplore，The '100,000-year data gap'，techxplore.com
3. Goldberg，Good old-fashioned engineering can close the 100,000-year “data gap” in robotics，Science Robotics 10(105)，2025-08-27，pubmed.ncbi.nlm.nih.gov
4. Berkeley News，Are we truly on the verge of the humanoid robot revolution?，2025-08-27，news.berkeley.edu
5. 飞书妙记，Robotics and Physical AI Analysis，2026-10-22 录音，feishu.cn
6. Cal-MR: Center for Automation and Learning for Medical Robotics，cal-mr.berkeley.edu
7. Intuitive Surgical，2025 年 10-K 年报及第四季度业绩公告，sec.gov；isrg.intuitive.com
8. Intuitive Surgical，第三季度业绩公告，2026-10-20，sec.gov
9. Medtronic，FDA clearance of Hugo for urologic procedures，2025-12-03，news.medtronic.com；510(k) filings for general and gynecologic，2026-06-03，news.medtronic.com
10. Johnson & Johnson，FDA market authorization for OTTAVA，2026-07-22，jnj.com；MDDI，J&J's OTTAVA wins FDA nod，mddionline.com
11. CMR Surgical，FDA Marketing Authorization for Versius，2024-10-15，us.cmrsurgical.com；MedTech Dive，CMR gains FDA clearance for Versius Plus，medtechdive.com
12. MicroPort，Toumai surpasses 300 global commercial orders，2026-06，microport.com；MicroPort MedBot 新闻中心，medbotsurgical.com；TechRadar，Toumai wins EU approval，techradar.com
13. MedTech Insight，Stryker taps ASCs with Mako RPS as Mako 4 drives record robot installations，insights.citeline.com
14. Yang、Cambias、Cleary 等，Medical robotics: regulatory, ethical, and legal considerations for increasing levels of autonomy，Science Robotics 2(4)，2017，eaam8638
15. Sen、Garg、Gealy、McKinley、Jen、Goldberg，Automating Multi-Throw Multilateral Surgical Suturing with a Mechanical Needle Guide，ICRA 2016，goldberg.berkeley.edu
16. Johns Hopkins Hub，Robot performs first realistic surgery without human help，2025-07-09，hub.jhu.edu；webiano，What the Johns Hopkins autonomous surgery result proved and where it stops，webiano.digital
17. MIT Technology Review，Watch this robot as it learns to stitch up wounds，2024-02-22，technologyreview.com
18. Goldberg、Guthart，Augmented dexterity: How robots can enhance human surgical skills，Science Robotics 9(95)，2024-10-30，autolab.berkeley.edu；STITCH 2.0，arxiv.org；Surgical D-Knot，IROS 2025，autolab.berkeley.edu
19. Presten 等，AlphaGarden: Learning to Autonomously Tend a Polyculture Garden，arXiv:2111.06014，2021，arxiv.org
20. Adebola、Parikh 等，Can Machines Garden? Systematically Comparing the AlphaGarden vs. Professional Horticulturalists，arXiv:2306.17162，2023，arxiv.org
21. UC Berkeley IEOR，Ken Goldberg investigates robot-assisted precision irrigation，ieor.berkeley.edu；UC Merced，Robots and People Working Together to Save Water，2016，engineering.ucmerced.edu
22. Precision Farming Dealer，Farmers Use John Deere See & Spray Across 5 Million Acres in 2025，precisionfarmingdealer.com；DTN，John Deere Rolls Out Upgrades for See & Spray，2026-01-22，dtnpf.com；AgNavigator，John Deere reveals See & Scout，2026-04-23，agnavigator.com
23. John Deere，Technology and Innovation，deere.com
24. The Robot Report，Carbon Robotics brings in $70M to scale LaserWeeder，2024-10，therobotreport.com；GeekWire，Carbon Robotics raises $70M，geekwire.com
25. DroneXL，DJI Agricultural Drone Fleet Hits 600,000，2026-04-30，dronexl.co；新华社，DJI Agriculture reports strong 2025 performance，2025-11-19，english.news.cn
26. TechNode，Beyond the Drone: How XAG Is Betting on Autonomous Farming，2026-10-02，technode.com；China Daily，Chinese agricultural drone maker unveils new robots，2026-07-07，chinadaily.com.cn
27. New AG International，Oishii acquires Tortuga AgTech's intellectual property and assets，2025-03，newaginternational.com
28. AgFunderNews，DailyRobotics enters strawberry harvesting race，agfundernews.com
29. AgFunderNews，A look back at agtech in 2025，agfundernews.com
30. Future Farming，Caterpillar acquires Monarch tech after autonomous tractor startup collapses，futurefarming.com；Futurism，AI-Powered Tractor Startup Burns Through a Quarter Billion Dollars，futurism.com
31. PitchBook，Bowery, once a leading indoor farming company valued at $2.3B, shuts down，pitchbook.com
32. Crunchbase News，Vertical Farming Venture Capital Has Dried Up，news.crunchbase.com
33. Avigal、Wong、Presten 等，Simulating Polyculture Farming to Learn Automation Policies for Plant Diversity and Precision Irrigation，IEEE Transactions on Automation Science and Engineering 19(3)，2022，DOI 10.1109/TASE.2021.3138995，autolab.berkeley.edu；escholarship.org
34. BerkeleyAutomation/AlphaGarden，GitHub 代码仓库，github.com
35. Future Farming，Carbon Robotics introduces faster and lighter LaserWeeder G2，2025-03-17，futurefarming.com；Carbon Robotics，LaserWeeder G2，carbonrobotics.com
36. TechCrunch，Carbon Robotics built an AI model that detects and identifies plants，2026-02-02，techcrunch.com；New AG International，Carbon Robotics unveils Large Plant Model，newaginternational.com
37. New Atlas，Autonomous Weeder robot uses lasers to take out 100,000 plants an hour，2021，newatlas.com
38. Freethink，Farming robot kills 200,000 weeds per hour with lasers，freethink.com；Power Progress，Carbon Robotics' laser-wielding robot weeders，powerprogress.com；Carbon Robotics，Laser Weeding Results，carbonrobotics.com
39. Western Growers，Center for Innovation & Technology Case Study: Carbon Robotics，2024-03，wga.s3.us-west-1.amazonaws.com
40. AIhub，Combining cultures, from code to canvas: an interview with Ken Goldberg，2026-09-01，aihub.org
41. TechCrunch，Physical Intelligence is reportedly in talks to raise $1B, again，2026-03-27，techcrunch.com；Bloomberg，Ex-DeepMind Staffers' Robotics Startup in Talks for $11 Billion Valuation，bloomberg.com；Wikipedia，Physical Intelligence Inc.，en.wikipedia.org
42. TechCrunch，Robotic software maker Skild AI hits $14B valuation，2026-01-14，techcrunch.com；Humanoids Daily，Skild AI secures $1.4 billion Series C，humanoidsdaily.com
43. Wikipedia，Gemini Robotics，en.wikipedia.org；awesome-vision-language-action，GitHub，github.com
44. GeekWire，Amazon hires Covariant founders, inks licensing deal，2024，geekwire.com；Wikipedia，Covariant (company)，en.wikipedia.org
45. Zhu 等，A Factory-Floor Deployment Case Study of VLA Pipelines for Industrial Packaging Task，arXiv:2605.27461，2026，arxiv.org；alphaXiv 概述，alphaxiv.org
46. Wikipedia，Figure AI，en.wikipedia.org；iFactory，Figure 03 at BMW Spartanburg case study，ifactoryapp.com
47. Boston Dynamics，Boston Dynamics Unveils New Atlas Robot，2026-01，bostondynamics.com；Forbes，Boston Dynamics Atlas Robot That Beat Tesla To The Factory Floor，2026-01-19，forbes.com
48. Tesla，2026 年第二季度股东更新（8-K），sec.gov；Electrek，Tesla pushes Optimus V3 reveal later this year，2026-04-22，electrek.co
49. Agility Robotics，Agility Unveils Digit 5，agilityrobotics.com；GlobeNewswire，Agility Robotics Expands Pittsburgh Presence，2026-10-21，globenewswire.com
50. CNBC，Apptronik raises $520 million，2026-02-11，cnbc.com；TechCrunch，Apptronik has now raised $935M at a $5B valuation，techcrunch.com
51. Robotics 24/7，1X announces NEO pre-order details，robotics247.com；Humanoids Daily，1X details NEO's human-in-the-loop strategy，humanoidsdaily.com；Startup Fortune，1X starts delivering its $20,000 Neo home robot，startupfortune.com
52. 财新，Unitree Fast-Tracks Shanghai IPO，2026-05-26，caixinglobal.com；Global Times，Unitree Robotics kicks off STAR market IPO pricing，2026-08，globaltimes.cn；BigGo Finance，Unitree soars 629% on STAR Market debut，finance.biggo.com；Robotopian，Unitree IPO 2026: Financials，robotopian.com
53. Robotics & Automation News，IDC data shows Agibot led global humanoid robot shipments in H1 2026，2026-10-02，roboticsandautomationnews.com；Next Move，Humanoid Robots: Announced vs. Shipped Units，nextmsc.com；Crypto Briefing，AgiBot kicks off Hong Kong IPO process，cryptobriefing.com
54. TechCrunch，Amazon deploys its 1 millionth robot, releases generative AI model，2025-07-01，techcrunch.com
55. Georgia Tech CS7643，Spring 2026，Modern Vision-Language-Action Models（讲义），faculty.cc.gatech.edu
56. Transferring Vision-Language-Action Models to Industry Applications: Architectures, Performance, and Challenges，arXiv:2509.23121，arxiv.org
57. RobotWale，Vision-Language-Action Models: From Research Benchmarks to Deployed Arms，robotwale.com
58. How VLAs (Really) Work In Open-World Environments，arXiv:2604.21192，arxiv.org
59. Robot foundation models / VLA: the “ChatGPT moment for robotics” claim versus what the benchmarks actually measure，2026-07-17，uthandonethemba.com
60. Vision Language Action (VLA) Models for Unmanned Aerial Robotics and Bimanual Manipulation: A Review，arXiv:2607.06706，arxiv.org
61. Liu、Zhu、Gao、Feng、Liu、Zhu、Stone，LIBERO: Benchmarking Knowledge Transfer for Lifelong Robot Learning，NeurIPS 2023 Datasets and Benchmarks，arXiv:2306.03310，papers.neurips.cc
62. Parallels Between VLA Model Post-Training and Human Motor Learning: Progress, Challenges, and Trends，arXiv:2506.20966，2025，arxiv.org；Emergent Mind，LIBERO Benchmark，emergentmind.com
63. Zhou 等，LIBERO-PRO: Towards Robust and Fair Evaluation of Vision-Language-Action Models Beyond Memorization，arXiv:2510.03827，2025，arxiv.org
64. Zhang、Ge 等（含 Goldberg、Darrell、Stoica、Kanazawa），Playful Agentic Robot Learning，arXiv:2606.19419，2026-06-17，arxiv.org
65. NVIDIA Newsroom，NVIDIA Announces NemoClaw for the OpenClaw Community，2026-03-16，nvidianews.nvidia.com
66. NVIDIA，NemoClaw Developer Guide，docs.nvidia.com；GitHub，NVIDIA/NemoClaw，github.com；NVIDIA，NemoClaw 产品页，nvidia.com
67. NVIDIA Technical Blog，How to Use AI Agents to Prepare 3D Scenes for Simulation，2026-09-16，developer.nvidia.com
68. Seeed Studio Wiki，Control reBot Arm with NemoClaw on NVIDIA Jetson Thor，wiki.seeedstudio.com
69. BleepingComputer，Google sees 68% drop in Android memory safety flaws over 5 years，2024-09，bleepingcomputer.com；The Register，Google's Rust belts bugs out of Android，2024-09-25，theregister.com
70. Embassy，embassy.dev
71. Ferrous Systems，Officially Qualified - Ferrocene，ferrous-systems.com；Ferrous Systems，Ferrocene 产品页，ferrous-systems.com
72. FOSDEM 2026，Introducing rclrs: the official ROS 2 client library for Rust，archive.fosdem.org；FOSDEM Robotics Dev Room Summary，mikelikesrobots.github.io
73. Codethink，Real-Time Performance Optimisations for Multi-Axis Robotic Systems using copper-rs，2026，codethink.co.uk；FOSDEM 2026，Why Copper-rs is a game changer，archive.fosdem.org
74. Rust 论坛，I was tired of ROS2, so I rewrote it in Rust，users.rust-lang.org；Medium，Rust Is Moving Into Robotics And the Crates Are Getting Interesting，2026-08，medium.com
75. Generative Compilation: On-the-Fly Compiler Feedback as AI Generates Code，arXiv:2607.13921，2026，arxiv.org
76. Marc Love，How Rust's Compiler Catches What Coding Agents Get Wrong，2025-12-13，marclove.com
77. AdaTrans: Automated C to Rust Transformation via Error-Adaptive Repair，arXiv:2606.31706，2026，arxiv.org
78. Chen、Xie、Fu 等（含 Linxi Fan、Yuke Zhu、Goldberg），GaP: A Graph-as-Policy Multi-Agent Self-Learning Harness For Variational Automation Tasks，arXiv:2607.05369，2026-07-06，arxiv.org；项目页，graph-robots.github.io
79. ROS 2 官方文档，Concepts，docs.ros.org；Wikipedia，Robot Operating System，en.wikipedia.org
80. Open Robotics Discourse，ROS Noetic End-of-Life: May 31, 2025，discourse.openrobotics.org；Ubuntu Blog，ROS Noetic is EOL，ubuntu.com
81. endoflife.date，ROS，endoflife.date；ROS 2 Jazzy vs Humble vs Lyrical，2026-05，robocloud-dashboard.vercel.app
82. Chen、Xie、Yoo 等（含 Coumans、Macklin、Goldberg），RoboSimStudio: An Interactive Toolkit for Rapid Real2Sim of Robot Manipulation Tasks，arXiv:2610.18835，2026-10，arxiv.org；项目页，robosimstudio.github.io；GitHub，github.com
83. Ken Goldberg，X 帖子，2026-10，x.com
84. Berkeley AUTOLab 官网，autolab.berkeley.edu
85. Berkeley AUTOLab，People，autolab.berkeley.edu
86. Berkeley Engineering，The art of grasping，2026-05-11，engineering.berkeley.edu
87. Ken Goldberg，Curriculum Vitae，goldberg.berkeley.edu；Ken Goldberg: Students，goldberg.berkeley.edu
88. EECS at Berkeley，EECS researchers win Best Robot Learning Paper Award at IEEE ICRA 2025，eecs.berkeley.edu
89. Kerr、Kim、Goldberg、Kanazawa、Tancik，LERF: Language Embedded Radiance Fields，ICCV 2023，arXiv:2303.09553，arxiv.org
90. Jacobi Robotics，Company，jacobirobotics.com；Michael Danielczuk 个人主页，mjd3.github.io
91. Georgia Tech，Animesh Garg，people.research.gatech.edu；Jeffrey Ichnowski 个人主页，ichnow.ski
92. Business Wire，Ambi Robotics Announces $26 Million Series A Funding Led By Tiger Global，2021-09-14，businesswire.com；Built In SF，Ambi Robotics Pulled in $32M，builtinsf.com
93. The Robot Report，Ambi Robotics raises $32M for sorting robots，2022-10，therobotreport.com；Ambi Robotics，Ambi Robotics Secures $32 Million，ambirobotics.com
94. Ambi Robotics，新闻稿列表，ambirobotics.com；Automated Warehouse，Ambi Robotics launches AI Skill Suite, powered by AmbiOS，2026-02，automatedwarehouseonline.com；Automated Warehouse，Pitney Bowes amps up e-commerce operations with Ambi Robotics，automatedwarehouseonline.com；Pitney Bowes，Ambi Robotics Expands Partnership to Automate Middle Mile Sorting，2023，s24.q4cdn.com
95. Tracxn，Ambi Robotics 2026 Company Profile，tracxn.com
96. Fu、Yu、El-Refai 等（含李飞飞、Goldberg），CaP-X: A Framework for Benchmarking and Improving Coding Agents for Robot Manipulation，ICML 2026，arXiv:2603.22435，arxiv.org；GitHub，github.com
97. Xiao、Xie 等（含 Sastry、Goldberg、Fan、Zhu、Shi），ENPIRE: Agentic Robot Policy Self-Improvement in the Real World，CoRL 2026，arXiv:2606.19980，arxiv.org
98. Lu、Wu 等（含 Shi、Goldberg、Zhu、Fan、Wang），ASPIRE: Agentic Skills Discovery for Robotics，arXiv:2607.00272，arxiv.org
99. Jia、Lin 等，Agent as Policy for Robotic Manipulation，arXiv:2609.12541，2026-09，arxiv.org
100. Qin、Wu 等（林达华、姜育刚、岳翔宇指导），Towards Agentic Robots: Model, Data, Environment, and Harness，arXiv:2610.20442，2026-10，arxiv.org
101. Anthropic，How Claude performs on robotics tasks（Claude Plays Robotics），2026-07-09，anthropic.com；Anthropic，Project Fetch: Can Claude train a robot dog?，anthropic.com
102. Wevolver，Dexterous Robotic Hands Part 1: History, Technology, and Applications，wevolver.com；Wevolver，Part 2: the Shadow Dexterous Hand，wevolver.com
103. OpenAI（Akkaya 等），Solving Rubik's Cube with a Robot Hand，arXiv:1910.07113，2019，arxiv.org
104. TechCrunch，Meta is making a robot hand that can 'feel' touch，2024-10-31，techcrunch.com；Yuan、Dong、Adelson，GelSight: High-resolution robot tactile sensors for estimating geometry and force，Sensors，2017
105. Teslarati，Tesla Optimus V3 hand and arm details revealed in new patents，2026-04，teslarati.com
106. Humanoid.guide，Tendon-Driven Humanoid Hands，humanoid.guide；Core Matter，What Tesla and Figure Reveal About Robot Hands，corematter.substack.com
107. MM-Hand: A 21-DOF Multi-modal Modular Dexterous Robotic Hand with Remote Actuation，arXiv:2604.17245，arxiv.org
108. Forbes，Meet The $3 Billion Chinese Startup Solving Elon Musk's Robotic Hands Problem，2026-08-24，forbes.com；China Humanoid Robotics Tracker，The State of Robot Hands in China，robotics.techbuzzchina.com
109. SourceBotics，Chinese Dexterous Robotic Hands in 2026: Buyer's Guide，sourcebotics.com
110. CNX Software，Sharpa Wave is a high-end dexterous robotic hand with 22 DoF，2026-06-02，cnx-software.com；Robotics & Automation News，Interview with Sharpa's Alicia Veneziani，2026-06-22，roboticsandautomationnews.com；FELT: Generating Tactile Signals from Vision for Visuo-Tactile Manipulation，arXiv:2607.20683，arxiv.org
111. MIT Technology Review，Jamie Condliffe，AI breakthroughs in robotics won't change your life any time soon，2026-10-08，technologyreview.com；TechSpot，Jensen Huang is calling it: Human-like robots arrive in 2026，techspot.com
112. 36Kr，Wang Xingxing's Latest Prediction: Embodied Intelligence Inflection Point to Arrive Within 1-2 Years，2026-10，36kr.com；TIME，China's Unitree Robotics Is Leading the Humanoid Revolution，2026-07-23，time.com；SCMP，Unitree to focus on industrial models before household aides，2025，scmp.com
113. Humanoids Daily，1X CEO Bernt Børnich Predicts "Hard Takeoff" in 3 Years，humanoidsdaily.com；Forbes，1X Kicks Off Full-Scale Production Of Humanoid Robot Neo，2026-04-30，forbes.com；Wikipedia，Bernt Øivind Børnich，en.wikipedia.org
114. TIME，Figure 03 Is The Robot in Your Kitchen，time.com；Metatrends，Figure's General Purpose Robot: Why 2026 Changes Everything，metatrends.substack.com；Humanoids Daily，Figure's Aggressive 2026 Roadmap，humanoidsdaily.com
115. RobotsBeat，Elon Musk Predicts 100 Million Humanoid Robots in Next 5 Years，robotsbeat.com
116. Dwarkesh Podcast，Sergey Levine: Fully autonomous robots are much closer than you think，2025-09，dwarkesh.com；Developing.dev，Sergey Levine: Current State of Humanoid Robotics, China & Future Predictions，2026-08，developing.dev
117. CBS News，60 Minutes：Demis Hassabis 访谈，cbsnews.com；Humanoids Daily，Demis Hassabis: World Models and 'Infinite Training Loops'，humanoidsdaily.com
118. Rodney Brooks，Predictions Scorecard, 2026 January 01，rodneybrooks.com；TechCrunch，Famed roboticist says humanoid robot bubble is doomed to burst，2025-09-26，techcrunch.com
119. TechCrunch，Yann LeCun's AMI Labs raises $1.03 billion to build world models，2026-03-09，techcrunch.com；HPCwire，Yann LeCun's AMI Secures $1B Seed to Develop AI World Models，hpcwire.com
120. Ken Goldberg，X 账号 @Ken_Goldberg，x.com；X 帖子，x.com；LinkedIn，linkedin.com；alphaXiv，alphaxiv.org
121. 飞书妙记，Robot Tech Discussion（课间之后），2026-10-22 录音，feishu.cn
122. 2026-10-25 核对讲者主页。新增名词解释依据本页课程内容。Goldberg：个人主页。