NEURA Robotics 发布 Neuron AI：融合 3D 视觉、触觉、音频与记忆的 PLA 物理 AI 基础模型，一个模型覆盖五种机器人形态

核心背景与行业痛点

当前主流机器人基础模型多走视觉-语言-动作（VLA）路线，主要依据摄像头画面决策：螺丝是否咬合、锁是否真的打开、被遮挡的零件是否还在，单靠视觉很难判断。德国 NEURA Robotics 于 2026-10-14 发布 Neuron AI，定位为“物理世界的大脑”，在德国梅青根自研自训。

架构亮点与底层机制

Neuron AI 采用 Perception-Language-Action（PLA）架构：把 3D 视觉（点云与深度）、触觉与力矩、音频、机器人本体状态（关节位置、速度、末端位姿）和语言编码进同一共享空间，按时间对齐后输出单一动作流，并在架构中专门加入记忆，让机器人在物体离开视野后仍能记住它。训练数据来自三类：NEURA Gyms 中多形态机器人的真实数据、Data Amplifier 仿真放大数据、穿戴传感服采集的人类示范；Schaeffler、Bosch 提供工业数据合作。按产品页，模型在机器人本地实时推理、不依赖云端，覆盖 4NE-1 多代人形及另两款双臂平台共五种形态。

权威 Benchmark 与实测跑分对比

官方尚未公布任何量化基准，也没有给出与其他 VLA 模型的对比数据，本文不作推测。官方主打的衡量指标是 Time-to-Skill，即机器人学会并稳定执行新任务所需的时间，具体数值同样未披露。

开发者实战落地与开箱指南

官方页面只提供商务联系入口，未提及开放权重或公开 API。接入后客户可在 Neuraverse 平台针对自有工序微调，把技能下发到整个机队，技能默认私有。想看实机效果可关注 10 月 20–22 日 NVIDIA GTC Berlin（Station-Berlin 3 号馆 #3031）：4NE1 人形将全自主完成分拣、装洗衣机、转移到烘干机的 11 分钟洗衣流程。