NEURA Robotics正式发布Neuron AI，这是一款面向物理人工智能（Physical AI）的多模态基础模型。该模型采用感知-语言-行动（PLA）架构，将3D视觉、触觉、音频、机器人状态及语言记忆深度融合，使机器人能够处理摄像头无法捕捉的信息，并在物体脱离视野后仍保留上下文关联。
“智能机器人需要统合感官并铭记过往的‘大脑’。”NEURA Robotics创始人兼CEO David Reger表示，“Neuron AI旨在构建物理世界的大脑，将人类专业知识与物理经验转化为机器人可学习的能力。该产品在德国开发，面向全球市场。”
多模态感知：超越视觉的物理交互
传统摄像头仅能捕捉几何与颜色，无法感知接触力度或声音反馈。Neuron AI模仿人类多感官协同机制，将视觉、触觉、力度、音频及机器人状态编码并对齐至共享空间，转化为单一行动流。
在处理复杂物理任务时，多感官感知至关重要。例如，确认锁具开启需依赖声音与触觉反馈；抓取视觉盲区物体需依靠触觉引导；焊接作业中可通过声音判断焊缝质量。此外，Neuron AI引入了“记忆”模块，赋予机器人因果意识与物体恒存性，使其能在连续物理环境中跟踪视线外物体的状态及自身行为后果。
三大数据支柱，适配多种形态
Neuron AI基于三类互补的物理经验数据训练，形成适用于五种NEURA机器人形态（含不同夹爪与手部装置）的共享基础模型：
- 真实世界机器人数据：源自NEURA Gym及真实环境，包含同步的视觉、触觉、力度、音频和运动数据。
- 模拟增强数据：通过数据放大器与仿真栈，利用任务和环境的模拟变体扩展训练集。
- 人类演示数据：借助传感器数据服捕捉人类运动与任务演示，注入实践经验。
从技能微调到机队部署
NEURA Gym打通了数据采集、技能训练与基准测试流程。客户可通过Neuraverse平台针对特定任务微调模型，将工艺知识转化为机器人技能，并部署至整个机器人机队。用户可选择保持技能私有，或分享数据以支持生态系统发展。
在此体系中，“技能获取时间”成为衡量进展的核心指标，即机器人学习新任务并可靠执行的速度。缩短该时间是工业客户将物理AI融入更多流程、适应需求变化的关键。
德国本土研发与生态协同
Neuron AI在德国梅廷根完成内部自主研发与训练。NEURA整合了机器人、手部技术、传感、数据基础设施及AI开发能力，依托德国复杂的制造工艺与严苛运行环境，并与舍弗勒（Schaeffler）、博世（Bosch）等工业企业建立数据合作伙伴关系，确保模型开发与行业实际需求紧密衔接。
NVIDIA GTC柏林2026现场演示
在NVIDIA GTC柏林2026大会上，NEURA将展示其人形机器人4NE1使用当前版Neuron AI独立完成长达11分钟的洗衣任务。该流程涵盖分拣、装填、开关洗衣机、取出及转移至烘干机，全程无需人工干预。
演示重点在于物品处理与任务协调，要求机器人在整个序列中维持上下文记忆，实现规划、多感官感知、记忆与物理行动的协同。参观者可在10月20日至22日期间，于Station-Berlin展馆3号厅展位#3031观看演示。