元點Zeroth迎來拉美首秀 全球首款自主回充機器人掀起全球具身新熱潮
重點摘要
從巴西展會走向全球家庭 元點Zeroth持續引領全球具身智能落地應用2026年6月22日，巴西聖保羅——當消費級機器人逐步從實驗室走向真實家庭，具身智能產業正在進入全球化落地的關鍵階段。全球具身智能全棧品牌元點Zeroth正式亮相拉丁美洲規模最大、影響力最強的消費電子展會 Eletrolar Show 2026，首次向拉美市場展示其面向未來家庭生活打造的完整消費級具身智能產品矩陣。此次亮相不僅標誌著元點Zeroth全球化佈局的重要一步，也意味著具身智能正在從“功能設備”向“家庭智能體”加速演進。元點Zeroth 創始人兼 CEO 郭人傑表示：“在 Zeroth，我們的使命是引領具身智能的全球創新與應用。拉丁美洲市場正處於變革前夜，擁有巨大的技術潛力，能夠顯著提升人們的日常生活質量。通過讓先進技術變得更易獲取、更易使用，我們希望賦能整個地區的社區，重新定義未來人們如何藉助具身 AI 生活與工作。”本次參展，元點Zeroth 以前沿具身智能全棧產品矩陣首次進入拉美市場，展示其在家庭服務機器人、移動智能助手、核心執行器等領域的最新突破，標誌著其全球化佈局邁出關鍵一步。M1家庭人形機器人：全球首款“自主回充”的家庭人形機器人本次展會最受關注的產品，是元點Zeroth最新發布的家庭人形機器人 M1。M1專為家庭環境設計，機身高度約50cm，是一款面向真實生活場景的具身智能家庭終端。M1實現了全球首個家庭人形機器人的自主能源閉環能力這一重大突破。當電量不足時，M1能夠自主完成移動、路徑規劃，並通過小車完成自動回充過程，從而減少對人工充電與外部幹預的依賴。這一能力使機器人從“需要照顧的設備”，首次邁向“具備自維護能力的智能體”。無論是面對多孩家庭還是老年獨居場景，M1的多模態感知與持續學習的能力，使其可在日常生活中承擔包括生活提醒、基礎陪伴、家庭節奏協助以及個性化互動等多種角色，使其逐步
從巴西展會走向全球家庭 元點Zeroth持續引領全球具身智能落地應用2026年6月22日，巴西聖保羅——當消費級機器人逐步從實驗室走向真實家庭，具身智能產業正在進入全球化落地的關鍵階段。全球具身智能全棧品牌元點Zeroth正式亮相拉丁美洲規模最大、影響力最強的消費電子展會 Eletrolar Show 2026，首次向拉美市場展示其面向未來家庭生活打造的完整消費級具身智能產品矩陣。此次亮相不僅標誌著元點Zeroth全球化佈局的重要一步，也意味著具身智能正在從“功能設備”向“家庭智能體”加速演進。元點Zeroth 創始人兼 CEO 郭人傑表示：“在 Zeroth，我們的使命是引領具身智能的全球創新與應用。拉丁美洲市場正處於變革前夜，擁有巨大的技術潛力，能夠顯著提升人們的日常生活質量。通過讓先進技術變得更易獲取、更易使用，我們希望賦能整個地區的社區，重新定義未來人們如何藉助具身 AI 生活與工作。”本次參展，元點Zeroth 以前沿具身智能全棧產品矩陣首次進入拉美市場，展示其在家庭服務機器人、移動智能助手、核心執行器等領域的最新突破，標誌著其全球化佈局邁出關鍵一步。M1家庭人形機器人：全球首款“自主回充”的家庭人形機器人本次展會最受關注的產品，是元點Zeroth最新發布的家庭人形機器人 M1。M1專為家庭環境設計，機身高度約50cm，是一款面向真實生活場景的具身智能家庭終端。M1實現了全球首個家庭人形機器人的自主能源閉環能力這一重大突破。當電量不足時，M1能夠自主完成移動、路徑規劃，並通過小車完成自動回充過程，從而減少對人工充電與外部干預的依賴。這一能力使機器人從“需要照顧的設備”，首次邁向“具備自維護能力的智能體”。無論是面對多孩家庭還是老年獨居場景，M1的多模態感知與持續學習的能力，使其可在日常生活中承擔包括生活提醒、基礎陪伴、家庭節奏協助以及個性化互動等多種角色，使其逐步融入家庭日常運轉體系。W1：面向複雜環境的移動智能機器人除M1外，元點Zeroth同步展示了面向家庭與輕商業場景的移動機器人 W1。作為一款移動型智能機器人，W1在複雜環境適應與智能交互兩大核心能力層面均表現突出。履帶式移動結構設計使W1具備更強的複雜地形適應能力，可在草地、碎石、坡道及室內外混合環境中穩定移動。在複雜環境穩定移動能力的基礎上，W1還能夠實現自主導航、語音交互與任務執行，並支持用戶跟隨與遠程調度，使機器人從固定空間設備進化為可移動的家庭智能終端。本次 Eletrolar Show 2026 展會期間，元點Zeroth 在 Distrito Anhembi 展館 F50 展位進行集中演示。現場展演了涵蓋人形機器人、履帶式機器人等完整產品體系，展位現場獲得了來自全球參展用戶的熱烈關注與好評。從家庭空間到戶外環境，從機器人本體到核心驅動系統，元點Zeroth正在構建覆蓋軟硬件與核心部件的家庭具身智能技術棧，定義全球下一代具身智能的產品形態與落地路徑。
Related
相關文章
蘋果 Xcode 26.6 正式發佈，編程助手迎來“谷歌 Gemini”強力外援
蘋果Xcode 26.6 正式發佈，編程助手新增 Google Gemini 支持，開發者可在 Anthropic Claude Agents 和 OpenAI Codex 之外多一個 AI 輔助選項。該版本集成 Swift 6.3.3，並同步更新 iOS、iPadOS、tvOS、watchOS、visionOS 及 macOS 26.5 全平臺 SDK。
國產大模型再進化：Kimi 瞄準全球頂尖梯隊，下一代 K3 蓄勢待發
月之暗面在亞馬遜雲科技峰會上公佈Kimi最新進展：海外付費用戶及API收入增長400%，覆蓋全球200多個國家和地區，業務涉足互聯網、金融、製造、教育、醫療等行業。公司強調將堅持研發優先戰略。
豆包推出專業版，能成為你的「工作搭子」嗎？
你熟悉的豆包，變了。6月24日，豆包發佈基於最新豆包2.1系列大模型的豆包專業版。過去大家用 AI，常見姿勢是：問問題、寫文案、改稿子、做總結、生成圖片。AI 給一段答案，後面的複製、整理、排版、填表、做 PPT、搭網頁，還是自己來。豆包專業版想往前多走一步，讓 AI 從對話框裡走出來，進入真實複雜工作任務。專業版新增 Agent 驅動的辦公任務模式，它不是簡單把免費版的額度放大，也不只是把模型換成更強版本，而是想真正幫到職場人士。這一模式搭載豆包 2.1 Pro，可以將找資料、寫文檔、做報告等工作任務一網打盡。當然，免費用戶的日常使用不受影響，也可以在一定額度內體驗搭載豆包 2.1 turbo 的辦公任務模式。目前看來，豆包付費訂閱的檔位，也遠低於海外主流大模型，價格還算良心。換句話說，豆包並沒有把原來的免費體驗直接收窄，而是在免費能力之上，劃出一個更偏生產力、更偏高頻重度使用的專業層。專業版到底“專業”在哪裡過去一年，大模型產品的競爭，很大程度上圍繞“誰回答得更好”展開。模型能不能寫出更自然的文案，能不能更準確地總結網頁，能不能更好地理解圖片、寫代碼，是用戶最直觀的評價標準。但專業用戶在真實工作裡遇到的問題，往往不是“問一個問題，得到一段答案”這麼簡單。做一份行業調研，要搜索資料、篩選來源、組織結構、生成文檔，最好還能繼續改；做一個活動頁面，不能只給出代碼片段，還要能創建頁面、修改樣式、部署預覽，甚至連接後端數據庫。豆包專業版主打的辦公任務模式，正是試圖把這些分散步驟串起來。在辦公任務模式下，豆包支持理解工作目標、自主拆解任務，並調用本地電腦/瀏覽器操作、網站生成、Office/飛書集成、Skill 技能、定時任務等能力，幫助用戶完成軟件開發、數據分析、專業設計、流程自動化、金融分析等工作。這意味著產品形態發生了變化。普通對話模式裡，AI 更像一個“答題者”；辦公任務模
GAIR Paper 107｜高校聯合騰訊發佈 GameCraft-Bench：AI已能端到端開發遊戲，Claude Opus 四成達到可玩水平
Coding Agent 的下一站，是動態交互系統的構建。 作者丨GameCraft-Bench Team 過去一年，代碼智能體（Coding Agent）發展迅速。從編寫簡單的單一腳本、修復局部 BUG，到跨文件完成長序開發任務，模型能力正在不斷提升。以“一句話生成遊戲”為代表，AI 正在大幅降低遊戲構建門檻。過去需要開發者熟練掌握引擎架構、手寫邏輯代碼的開發工作，現在可以通過自然語言快速生成原型，甚至生成可運行的遊戲項目。這也讓規模化由 AI 創造交互式體驗變得前所未有地現實。但問題是：這些從零自動生成的遊戲，真的“能玩”嗎？如果生成的代碼只是“看起來邏輯合理”，但在真實的引擎環境中根本跑不起來，或者視覺表現與玩家交互一塌糊塗，那麼在這些只看靜態代碼的基準裡刷出高分的 Agent，就很難真正勝任現實中的遊戲開發場景。香港中文大學（深圳）、深圳河套學院等高校聯合騰訊的最新研究 GameCraft-Bench 正是要解決這個問題：如何構建一個基於真實遊戲引擎、產物完整可運行、且能通過真實玩家多模態交互來驗證的 AI 遊戲生成評測基準。論文鏈接：https://arxiv.org/abs/2606.17861項目主頁：https://tongxuluo.github.io/gamecraft-bench-website評估代碼：https://github.com/tongxuluo/gamecraft-bench01為什麼不直接用現有的評測基準？過去已經提出了一些與遊戲生成相關的評估基準，那我們為什麼還要重新確立一個新的評估基準 GameCraft-Bench 呢？核心原因是：現有的基準很難全面、真實地衡量端到端的可玩性。表. GameCraft-Bench與已有的遊戲生成評估基準的對比。1. 真實引擎的整合難度被低估。 像 OpenGame-Bench 主要針對 Web
ICML 2026 | 面向視覺語言模型的語義魯棒性認證
原文作者：公眾號“專知”原文鏈接：https://mp.weixin.qq.com/s/8GZParVJfj9fBuflTFTzlA 雷峰網轉載ICML 2026 | 面向視覺語言模型的語義魯棒性認證：用文本提示刻畫可證的語義變化區間論文題目：Semantic Robustness Certification for Vision-Language Models論文鏈接：https://arxiv.org/abs/2606.18839論文作者：Peiyu Yang、Paul Montague、Feng Liu、Andrew C. Cullen、Amardeep Kaur、Christopher Leckie、Sarah M. Erfani論文機構：The University of Melbourne、Defence Science and Technology Group代碼地址：https://github.com/ypeiyu/vlm-semantic-cert視覺語言模型（VLM）已經成為開放詞表識別、圖文檢索、檢測、分割和視覺問答等任務的基礎組件。但在真實應用中，輸入圖像經常發生語義層面的變化：物體形狀變了、尺寸變了、風格變了、背景變了、視角變了、光照變了。傳統魯棒性認證多關注像素擾動、幾何變換或生成模型潛空間變化，很難直接回答一個更貼近日常部署的問題：當圖像沿著某個“語義方向”變化時，VLM 的預測在多大範圍內保持不變？這篇 ICML 2026 論文提出了一個新的語義魯棒性認證框架。核心想法非常漂亮：利用 VLM 的開放詞表能力，把文本提示作為語義代理，用一對 source/target prompt 在圖文共享嵌入空間中定義語義變化方向；再利用 VLM 分類器決策邊界的閉式幾何結構，精確計算預測類別保持不變的 semantic extent interval。