AREX Feed Article
NEURA Robotics 发布 PLA 基础模型 Neuron AI，计划让 4NE1 在 GTC Berlin 演示 11 分钟洗衣流程
德国机器人公司 NEURA Robotics 在 10 月 14 日发布 Neuron AI，公司称这是面向 Physical AI 的多模态感知-语言-动作（PLA）基础模型。据一份，Neuron AI 把 3D 视觉、触觉与力、音频、机器人状态和语言这五类输入编码进同一个共享空间，并加入记忆功能，使机器人能对摄像头捕捉不到的信息作出反应，也能在物体离开视野后保留相关上下文。
新闻稿同时给出一项公开演示安排：10 月 20 日至 22 日，NEURA 的人形机器人 4NE1 将在 NVIDIA GTC Berlin 2026 上用当前版本的 Neuron AI 完成一段 11 分钟的洗衣流程——分拣衣物、装进洗衣机、关门并重新打开、取出衣物、转移到烘干机，全程没有人工干预。场地是 Station-Berlin 3 号馆 3031 号展位。
摄像头看不到的部分，交给触觉、音频和记忆
按新闻稿的描述，Neuron AI 不把每个传感器当成独立输入：模型分别编码 3D 视觉、触觉与力数据、音频、机器人状态和语言，在时间维度上对齐到同一个共享空间，再合成单一的动作流。公司的把这套设计拿来与 VLA（视觉-语言-动作）模型对照——后者依靠摄像头看到的画面、主要在当前的画面上推理，Neuron AI 则补上触觉、声音和记忆。
新闻稿举了三个摄像头单独解决不了的场景：开锁时，只有声音和触觉能确认锁真的开了；物体不在视野里时，靠触觉引导抓取；焊接时，可以用声音判断焊缝质量。
记忆是这套模型的另一项设计。新闻稿把物体恒存性（object permanence）定义为物体离开视野后仍记得它的能力，称人类在出生后的头两年获得这一能力；机器人处在连续的物理世界中，必须持续追踪物体和自己动作的后果，很多时候看不到它们。NEURA 称因此专门调整了模型架构来引入记忆，并用专门数据集训练它。
三类数据训练，一个模型跑五款本体
Neuron AI 的训练数据分三类。真机数据来自 NEURA 各款机器人在 NEURA Gyms 和真实环境中执行任务时产生的同步视觉、触觉、力、音频与运动数据；仿真扩增数据由 NEURA 的 Data Amplifier 和仿真栈生成，对任务与环境做模拟变体来扩大训练集；人类示教数据则由穿着带传感器数据服的人记录动作和任务演示得到。
NEURA Gym 是 NEURA 旗下的一组实体训练设施。公司在中称，机器人在贴近真实的环境里练习真实任务，相关站点正在欧洲和美国落地。
新闻稿称 Neuron AI 在五款 NEURA 机器人本体上运行，搭配不同的夹爪和手。产品页把这五款列为 4NE-1 Gen 3、4NE-1 Gen 4、一款轮式 4NE-1，以及另外两款双臂平台，并称 Neuron AI 在机器人本地部署，实时推理不依赖云端，生产数据留在客户手中。
按照新闻稿的公司介绍，NEURA Robotics 成立于 2019 年，总部位于德国 Metzingen，Neuron AI 由公司在 Metzingen 内部开发和训练；与 Schaeffler、Bosch 等工业公司的数据合作补充了 NEURA Gyms 中的训练。
客户可以微调模型，Neuraverse 把技能部署到机群
新闻稿称，NEURA Gyms 把数据采集、技能训练和上线前的基准测试连在一起，在 Gyms 里产生的训练数据和技能会进入后续的模型版本。
Neuraverse 承担部署环节：它把能力部署和更新到机器人机群，也提供工具让客户针对自己的任务微调模型，把工艺经验转成机器人技能。客户可以把技能保持私有；如果选择共享技能或部署数据，这些贡献可以支持更大的生态和未来的模型开发。
公司把「Time-to-Skill」（机器人多快能学会一项新任务并稳定执行）作为衡量进展的核心指标。新闻稿的说法是，对工业客户而言，缩短这段时间是把 Physical AI 带进更多流程、并随需求变化调整它的前提。
洗衣流程的难点在步骤之间的衔接
新闻稿给 4NE1 附的说明是「For Anyone」。新闻稿说，这段演示重点在洗衣流程里的操作与任务衔接：机器人必须把相关上下文贯穿整段序列，完成每一步并过渡到下一步，把规划、多模态感知、记忆和物理动作放进同一段流程里。
写明大会日期为 2026 年 10 月 20 日至 22 日，主题演讲在 Tempodrom、会议与展区在 STATION-Berlin，与新闻稿给出的场地和日期一致。
能力描述出自厂商，演示尚未举行
这篇稿件在 Yahoo Finance 上被标注为付费新闻稿（paid press release），文中对 Neuron AI 能力的描述全部出自 NEURA 一方。围绕模型表现的关键判断，目前能追溯到的只有发布方自身的说法。
下一个能被外部核对的节点，是 10 月 20 日至 22 日在 GTC Berlin 展台上的那场演示：机器人能否全程无人干预地跑完，要到现场才能确认。