本文是 StackChan 桌面 AI 机器人的从零到一上手教程。作者介绍 StackChan（M5Stack 量产的开源桌面机器人）的开箱配网、出厂功能（聊天、遥控、跳舞等），并重点讲解如何通过开源网关 xiaozhi-hub-server 给它'换脑子'：将桌面机器人接入 Mac 上的 Claude Code 和云端 Grok Bot，实现语音指挥 AI 读写电脑文件、生成网页、查询新闻等能力，且无需额外 API 费用。文章附有详细步骤截图与常见踩坑提示，适合 AI 硬件入门玩家。
文章作者以其公司 microagi 计划部署十亿台机器人为引，探讨机器人普及将带来物质极大丰裕的"富足世界"，从根本上消除经济学赖以成立的资源稀缺假设。但同时指出，通用机器人将取代大量体力劳动岗位，若经济制度不变，数百万人将失去收入、地位与人生意义。作者认为机器人界回避了这一困境：若不解决分配问题，公众与政府将联合阻止机器人部署，富足将无法实现。文章回顾机器人技术的快速进展（Figure AI、Generalist、Gemini Robotics 等），并指出当前可验证任务最易被自动化，最后以欧洲为焦点讨论三种未来路径。
本文是面向新手的 Discord 完整入门教程。作者从与微信的三大差异讲起：服务器是自建空间而非群、语音常驻一键进入、接口对个人开放。内容涵盖下载安装与初始设置（中文界面、两步验证、通知与隐私）、界面与服务器/频道/线程概念、身份组与权限的三层规则及常见配置、机器人的安装与创建、开发者接口凭证区分（Bot Token、Webhook、Gateway 与 Interactions）、Quests 广告机制、Nitro 订阅购买建议，以及账号安全等常见坑，并附速查表。
作者抓取了Figure、1X、Agility、Apptronik、Skild AI和Physical Intelligence六家人形机器人公司的412个公开职位并进行逐一分析，破除了常见误解：PhD并非必需（仅0.5%的职位硬性要求），39%的职位完全不提学历要求；ROS的重要性远低于新手教程宣传，Python才是最普遍的技能要求（50%），其次是C++（32%）。文章还揭示了公开薪资数据：中位薪资区间为15万-25万美元，AI岗位可达20万-40万美元，并指出从时薪25美元的操作员到40万美元工程师之间存在清晰的职业阶梯和多种入行路径。
本文是硅谷101 Alignment 峰会 Day 1 下半场的深度纪要，总结出 AI 落地的四道坎：本体、评估、信任、维护，且四道坎都不在模型本身。机器人领域模型大小被物理参数封顶，数据质量与多样性之争可统一为数据金字塔，触觉数据与跨本体抽象是关键；世界模型定义仍在发散，AMD 收购 World Labs 释放垂直整合信号，评估工具的缺失是最大短板；Agent 的真正瓶颈是信任而非模型，企业需渐进开放权限，云端 agent 基础设施有大量脏活，交互范式需摆脱聊天框。作者结合一线信号给出创业与投资判断。
作者用 5 张地图对比了硅谷与北上杭深的机器人产业格局：硅谷 67 家、深圳 36 家、北京 32 家、上海 25 家、杭州 25 家。各城市产业结构差异明显：北京依托高校与 AI 公司，具身智能和人形机器人集中；上海偏工业与制造，国际厂商与本土公司并存；杭州生态集中、产品化速度快；深圳覆盖从零部件到整机的完整链条，人形机器人公司数量国内最高。硅谷擅长定义未来，中国城市正以不同方式把未来造出来。
作者整理了一份美国机器人公司的物理地图和市场地图，按业务类别系统梳理了约40家机器人公司的进展，包括人形/通用机器人与基础模型类（Figure、1X、Physical Intelligence、Skild AI等）、自动驾驶/移动机器人类（Tesla、Waymo、Zoox、Skydio等）、工业/物流/仓储机器人类（NVIDIA、Dexterity、Nimble等）、农业/建筑/专业场景类以及平台/软件/硬件类。每家公司附带融资规模、估值、CEO及官方X账号等信息，方便跟踪研究美国机器人行业的发展动态。
本文是 Saturday Robotics 读书会第33期的观点总结，主讲人 Tonghe Zhang（CMU）提出：当 GPT-6 Astra 等前沿语言模型能力'溢出'后，机器人学的经典瓶颈将不再是研究问题，而是编码智能体可解决的工程循环。文章总结12个核心观点：灵巧性本质是奖励问题、上下文学习免费获得、硬件即代码、Sim-to-Real 是优化问题、验证是关键货币、低层控制无需思维链等。核心论断是端到端方案在可行处总是胜出，结构化只是临时脚手架，语言模型将缓慢而突然地'吞噬'机器人学。
LeRobot 推出了面向 100 TB 及以上规模机器人数据集的新型 episode 级流式数据加载器，可直接从 Hugging Face 数据集或 Bucket 读取选定的 episode 并准备训练样本，无需完整下载本地视频副本。文章阐述了流式加载器的四大需求：保持 GPU 繁忙、混合 episode、覆盖全部数据、控制内存使用。通过 Parquet 统计信息定位表格数据、MP4 sidecar 索引定位视频帧、在 RAM 中维护压缩视频字节池，并采用锚点采样与预取机制，实现数据集持续增长下的高效训练。
作者长期研究机器人末端执行器，将其分为简单夹爪和仿人灵巧手两大阵营，并提出'Unhandy Valley'（不灵巧谷）概念：在复杂度与实用性之间，模仿人类手但复杂度不足的设计是最差选择。文章评述了 SO-101、Unitree Dex3-1、LEAP、Wuji、Sharpa、Tesla、Boston Dynamics Atlas GR3 等工业与开源设计，分析 opposition、自由度、腱驱动、触觉传感等关键要素，建议设计者以人手为灵感但避免盲目仿生，未来大多数机器人将使用'够用就好'的简单夹爪。
作者认为在 Agent 普及、生产力极大丰富的未来，拥有正确的资产才能占据优势，并归纳出 13 种值得构建的生意：AI 原生服务公司、线下体验生意、分发能力（ACP 漏斗：受众→社区→产品）、专有数据集、领域专属 Harness、机器人与物理 AI、有粉丝基础的实体产品、算力与能源、健康长寿与养老照护、市场与社交网络等。文章为每类生意解释了其在 Agent 时代的逻辑，并配有真实案例，如记账自动化公司、 sauna 俱乐部 Othership、Mercor、Osmo、Fellow、Crusoe 等，为创业者提供方向地图。
作者在 IROS 2026 机器人会议上与 45 家公司和实验室进行了 50 多次交流，总结出几点观察：1）因 FCC 对外国移动机器人的限制，人形机器人改用固定底座以进入美国市场；2）灵巧手市场竞争激烈，价格从 700 美元的夹爪到 5 万美元的手不等，厂商纷纷转向数据收集硬件与服务寻求经常性收入；3）执行器的工艺Know-how沉淀在工厂车间，美国本土供应链建设远不止建厂；4）传感器瓶颈在材料科学与耐久性，国内外激光雷达价格差距惊人；5）机器人部署集成、校准与独立评测是可持续的'卖铲子'生意。此外还有娱乐机器人与微纳米医疗机器人的亮点。
文章提出'终极公司'概念：AI Agent 将成为用户在线购物、预订、发布等一切行为的统一入口，谁拥有用户对话的 Agent，谁就拥有市场。过去打造终极公司需要掌控流量、制造乃至原材料（如 Amazon），而如今只需拥有 Agent。Agent 可绕开平台限制、自建服务并与商家谈判，用户一旦体验便不会再回退。作者认为最终的赢家最可能是 Meta、OpenAI、Anthropic、Apple 和 Google 等拥有海量用户与资本的公司。终局形态将不是又一个应用，而是横跨所有账户的'虚拟员工'，并最终走向机器人与个人分身。
作者整理了一份利用斯坦福免费公开课程资源、历时6个月成为机器人学习工程师的自学路径。斯坦福将大量机器人学课程发布在YouTube上，讲师包括NVIDIA自动驾驶研究高级总监、Physical Intelligence联合创始人及Tesla Optimus AI负责人。该路径包含7门课程共119讲、约95小时视频、2本免费教材、6个可在家用笔记本上完成的练习项目，以及可选的122美元机械臂。学习顺序遵循斯坦福正式课程体系：先数学基础（线性代数），再机器人物理结构、感知、规划，最后是学习方法，避免了自学时无序观看导致的低效问题。
文章指出机器人研发正处于开源红利期，个人开发者可借助成熟开源框架在数周内跑通从仿真训练到真机部署的完整闭环。作者按技术栈分层整理了经过工程验证的开源项目：足式强化学习（rsl-rl、AMP、TienKung-Lab、unitree_rl_gym）、模仿学习（ALOHA-ACT、Diffusion Policy）、VLA 具身大模型（OpenVLA、Octo、LingBot）、一站式框架 LeRobot、传统动力学求解库（Pinocchio、Acados）、MuJoCo 仿真模型库，以及 Awesome 学习资源清单，并给出四步最简上手顺序建议。
文章介绍了启元机器人发布的两款C端消费级机器人：启元T1和启元Q1。T1是一款可变形机器人，室内为轮足人形、户外自动切换四足形态，支持跟拍运镜等实用功能；Q1是可装入书包的全身力控人形机器人，具备22个自由度，支持二次开发和3D打印定制外壳。作者认为手机和新能源汽车行业已接近天花板，AI加持下的消费级机器人将成为下一个变革方向。启元还与腾讯、京东健康等合作构建应用生态，强调机器人作为人的伙伴而非替代者的理念。
UC Berkeley教授Ken Goldberg提出Agentic Robotics（AR）新范式：将机器人策略生成视为编程问题，用多智能体AI系统离线编写、测试、诊断和迭代改进结构化机器人程序。团队开发了图策略框架GaP，将控制表示为模块化组件图，多个编码智能体在仿真中递归优化。借助Newton物理仿真器和Robot Sim Studio工具，GPT-6 Astra展现了从真实场景视频推断物理参数的'逆物理'能力，生成了能直接在真实机器人上运行的代码。AR结合了模型方法的速度可靠性与前沿AI的适应性，Real2Sim正从人工工程任务转变为智能体学习过程，机器人学迎来范式转变。
文章推荐了开源硬核项目 Flix，一个基于廉价通用硬件、主打教学与飞控研究的微型无人机项目。核心固件用 Arduino C++ 编写，代码量不足 2000 行，是学习姿态解算、PID 控制和嵌入式飞控架构的绝佳范本。硬件采用 ESP32 Mini 主控、8520 空心杯电机与 GY-91/MPU-6050 传感器，机架支持 3D 打印。项目原生支持 MAVLink 协议，可通过 Wi-Fi 或 ESP-NOW 通信，兼容手柄、手机遥控和航模遥控器，并内置 CLI 工具、飞行日志分析、Gazebo 仿真和 Python SDK，适合嵌入式开发者、高校课程实践及 DIY 极客。
RoboDojo 团队对 GPT-6 Astra 作为具身智能体进行了全面评测，涵盖 RoboDojo 仿真与真实环境（对比 GPT-5.5 和 DeepSeek-Flash）、人形机器人高层控制、灵巧钢琴演奏（RoboPianist）以及上下文学习（ICL）的系统性研究。关键结论：GPT-6 Astra 展现出极强的语义与空间理解能力以及出色的上下文适应能力，但物理常识仍是明显瓶颈，揭示了理解世界与真正推理物理规律之间的重要差距。完整报告与演示发布于 robodojo-benchmark.com。
作者提出了以任务为起点的Physical AI技术栈框架，将机器人系统划分为11个功能层：末端执行器、执行器、电源、控制、规划、感知、策略、数据、计算、仿真与评估等。文章通过分析各层的作用、关键问题和典型公司，说明如何用该框架定位系统瓶颈、理解公司竞争位置及价值归属。文中以GPT-6 Astra控制机械臂绘制金门大桥为例，展示瓶颈往往在控制与执行接口层而非模型本身。
Reward AI（脱胎于斯坦福 DexCap 项目）发布机器人基础模型 OM-1，核心创新是仅从人类操作数据中学习，无需遥操作和机器人专属数据。通过 7 自由度可穿戴设备 Omnibody Hand 采集视觉、触觉、力度等多模态数据，训练后可直接部署到桌面机械臂、工业机械臂和人形机器人，无需针对硬件微调。这与 π0、Helix 等依赖遥操作数据的主流方案路线不同，大幅降低数据采集成本。演示显示 OM-1 能完成四臂协作包装手机、调酒、叠衣、拔网线等精细任务，学习新任务仅需不到 30 分钟人类演示数据，并展现自发补偿与重试行为。目前处于研发展示阶段。
作者基于两年与机器人OEM合作部署的经验，讨论人形机器人从演示走向真实商业部署的差距。作者指出，演示视频只能证明可能性，而真实部署需要可靠性、速度和成本达标；许多场景下四足机器人或成熟专用方案比人形机器人更实际。文章区分了模块化技术栈与VLA通用模型、POC验证与商业交付，并以Skild AI突破1亿美元ARR为例，强调部署应纳入研究反馈循环，通过真实环境的评估数据推动通用机器人模型迭代，最终实现规模化。
作者作为YC WAG，回顾了YC Summer 2026批次234家初创公司，将其分为12类，并重点介绍了7家感兴趣的公司：Nori家务机器人、Context.dev网页转AI数据、RonanRX制药、Agent FM编码代理群聊、Screenpipe工作记录、Atomarine海上数据中心、Gamgee宠物癌症疫苗。文章还包含Demo Day信息及与其他批次的对比。
Skild AI 创始人 Deepak Pathak 宣布公司实现 1 亿美元 ARR，并阐述部署为何是机器人研究的隐藏支柱。文章指出机器人无法像 LLM 那样先研究后部署，演示视频会掩盖真实准确率，部署中必须同时考虑速度、精度和对变化的适应能力。这些实践催生了 S1 模型——通过单视频上下文学习即可掌握新任务而无需微调。作者还探讨了演示文化与部署文化的冲突，并提出物理 RSI（递归自我改进）路线：将各专业部署的数据反哺通用基础模型，形成持续改进的飞轮。
文章从算力角度分析机器人产业的投资逻辑：前沿机器人模型（VLA、WAM）参数量大，边缘芯片无法承载，将认知层卸载到数据中心成为必然趋势。通过对比卸载方案与端侧方案的资本开支和TCO，指出卸载方案在规模化后成本更低。受网络与安全回退条件限制，云端方案适用于工厂、仓库、家庭等场景。作者认为算力是机器人的大脑前提，XAI等算力投入会优先于具身智能量产，看好机器人未来等同于看好算力投资，本质上是同一个问题。
作者分析OpenAI通用模型Astra对机器人领域的启示：Astra在视觉场景理解、空间推理和可执行代码生成上表现突出，如BenchCAD评测中达95.9%几何重合度，远超GPT-5.6。作者提出核心问题：专用机器人模型所需的空间智能有多少将来自通用模型？结合Dyna-2百万小时人类视频预训练、Code as Policies以及Anthropic机器人实验等证据，作者认为推理与代码可组织陌生任务，而学习型动作策略提供快速精确执行，通用基础模型与机器人模型正走向融合，应继续扩大机器人数据规模。
Autonomous OS 是一个开源机器人操作系统，被称为机器人界的 Android。它接入 Hermes、Claude Code 等推理引擎，让机器人能自主感知与决策，而非仅执行脚本。系统提供 Skill Store 技能包（看家护院、人脸识别、Gmail/GitHub/Mac 控制等），内置自我进化学习循环，且硬件通用——只需编写 ROBOT.md、SOUL.md、SAFETY.md、SKILL.md 四个文件即可接入任意设备。文章还介绍了技术接单、场景解决方案、内容变现、硬件极客等落地赚钱场景。
文章提出未来2-5年大规模进入普通人生活的Physical Agent可能不是机器人，而是床、枕头、衣服等普通物件。作者以Eight Sleep为例，指出真正的产品范式变化在于把感知和干预装进同一产品，形成感知-判断-执行-反馈的完整闭环，而非传统智能硬件只停留在监测和通知。过去十年机会在Sensor，接下来的机会在Actuator。判断创业机会的简单方法是看人们每天还在手动重复调节什么。好的Physical Agent需满足高频、连续可调、快速反馈、无需用户管理等条件。硬件创业将因感知与执行能力的成熟而重新变得有意思，无数被认为没有创新空间的普通物件都有机会被重新定义。
文章批评 Axis Robotics 融资1200万美元、雇人用鼠标在浏览器遥操作仿真机械臂采集五万条数据集的做法。作者指出利用已发表的演示增强技术（350-400倍扩增率），同样数据仅需约130条真实演示即可生成，每条数据成本高达240美元，且存在物理与动作统计的双重分布位移。文章提出'验证比生产更便宜'的信息市场定律，批评按条计酬会催生'劣质数据驱逐优质数据'的格雷欣法则，并介绍Stonk Robotics基于方案（程序化策略）而非轨迹的替代设计，主张购买判断、评测等无法被制造的东西。
本文详细介绍了如何从零完成 Microduck 双足机器人的强化学习训练与仿真全流程。文章使用 MuJoCo 物理引擎配合 Warp 在 RTX 4090 上并行运行 4096 个虚拟环境，通过 PPO 算法训练行走策略，并讲解了 61 维观测、奖励设计、域随机化、BAM 执行器仿真等核心概念。训练完成后将策略导出为 ONNX 文件，在 Mac mini 上进行 CPU 交互仿真验证，最终部署到实机。作者完整跑通了从环境配置、训练观察、checkpoint 选择到场景测试的工程流程，涵盖技术选型、软硬件要求和常见问题。
