MFPG-PPO 稳定数据稀缺强化学习
针对昂贵且稀缺的目标域数据导致策略梯度不稳定的问题,研究团队开发了适用于 GPU 并行仿真和物理机器人的 MFPG-PPO 框架。该方法利用低保真数据构建控制变量以降低方差,在最小 HF 数据预算下,其性能一致匹配使用 16 倍更多 HF 数据训练的 PPO。该算法使物理 Franka 机械臂仅通过每次更新 4 个真实机器人 episode 且无人工演示实现了稳定学习。
针对昂贵且稀缺的目标域数据导致策略梯度不稳定的问题,研究团队开发了适用于 GPU 并行仿真和物理机器人的 MFPG-PPO 框架。该方法利用低保真数据构建控制变量以降低方差,在最小 HF 数据预算下,其性能一致匹配使用 16 倍更多 HF 数据训练的 PPO。该算法使物理 Franka 机械臂仅通过每次更新 4 个真实机器人 episode 且无人工演示实现了稳定学习。
开源工具 Isaac-Net 实现了 GPU 批处理 5G NR 仿真,支持在单块 GPU 上对约一百万个机器人环境进行 Network-in-the-Loop 训练。 其引擎在 32 个机器人/环境闭环测试中,中位延迟误差仅为 9%,且能准确复现信息年龄(AoI)。
GlanceWAM 提出解耦想象与控制机制,在 24 项 RoboCasa 厨房任务中成功率达 72.2%,优于同步模型的 67.1%。 该方法在 LIBERO 基准测试中达到 99.0% 成功率,并将每块控制延迟降低 24 倍至 48 ms,无需机器人数据预训练即可优于 π0.5。 代码已开源。
RIFAR 结合可靠性筛选与漂移感知重放选择,在 LIBERO 等基准上超越基于世界动作模型的生成式重放现有技术。 该方法利用冻结的逆动力学模型评估动作-视觉一致性,从紧凑演示前缀重构轨迹,并通过比较适配前后动作预测筛选漂移较大的轨迹。 在 LIBERO-Goal 数据集上,RIFAR 取得 90.97 AUC,仅保留每任务 320 个历史时间步,约为 50 演示重放方法的 4.9%。
研究提出 VIGOR 框架,通过潜在空间一致性使模型强化学习(MBRL)在未见视觉干扰下实现零样本泛化,保留样本效率。 该框架整合弱到强增强、动力学级一致性及编码器级稳定组件,解决递归潜在展开误差复合问题。 在 DeepMind Control Suite 上超越次优基线 3.4%,Robosuite 上超越 43.6%,且鲁棒性不依赖特定增强策略。
ProWAM 提出了一种渐进式世界动作模型,通过联合预测动作和有序稀疏视觉子目标,为任务执行提供显式视觉引导。 在仿真基准中,ProWAM 在 LIBERO-Plus 上取得 85.8% 的最高分,在随机化 RoboTwin 上取得 75.7% 的最高分,超越最强基线的相对提升最高达 +35.9%。
美团 LongCat 团队构建了 MineExplorer,一个在开放世界中做到分钟级长程任务的评测基准,并开源了相关数据和代码。基准包含 813 个人工验证的高质量任务实例,支持 1 到 4 级多跳推理任务。
推荐理由:文章给出了18款多模态大模型在MineExplorer动态环境中的具体成绩,读者可以据此判断感知与长程规划之间的实际能力断层。
商汤善惠在上海发布零售物理操作系统 SenseMart OS,并联合中粮智尚等伙伴启动“千城万店计划”。该系统基于 SenseMart Go 烧卖购机器人小店,已在 6 座城市落地二十余家门店,实现常态化运营。异构本体平台支持不同形态机器人接入,最快十五秒内完成一笔订单,推动具身智能向商业落地。
微软在开源的 Physical AI Toolchain 中新增推理卸载能力,允许开发者使用 Kubernetes 工具将机器人 AI 工作负载分配到边缘或云端 GPU。
推荐理由:系统评测了将物理AI推理从机器人端侧卸载到边缘或云端对任务成功率、模型规模和电池寿命的影响。
宇树 G1+ 机器人完成大版本升级,涵盖运动性能、感知交互、智能体验三大维度共6项功能更新。此次升级一次性到位,旨在提升机器人的整体性能与交互体验。
智象未来发布具身世界模型 HiDream-O1-Embodied,在 RoboColiseum 评测平台的扰动适应子榜以 0.692 分登顶。模型通过语言理解、多视角视觉感知和高容错机制提升非理想环境下的稳定性,结合真实数据与生成增强形成数据生产范式,补齐了图像、视频、3D 和动作的全模态矩阵。
推荐理由:具身模型登顶扰动适应榜单,展示了从模拟走向真实物理交互的技术闭环。
阶跃 StepFun 展示 STEPX Neo、汽车智能体超级 Eva 及机器人协作项目。STEPX Neo 搭载 Step AOS 系统,支持打车点外卖等 Agent 操作,并获 L3 级检测报告。超级 Eva 搭载于极氪 8X,支持语音控车、全程规划及生活服务。6 台机器人基于具身通用基础模型,自主协作完成亚毫米级精密拼装。
Berkeley AI Research (BAIR) Lab 举办 2026 届博士生展示,庆祝其在人工智能与机器学习领域的前沿研究成果。 毕业生研究方向涵盖大语言模型推理、计算机视觉、生成模型及 AI 安全,部分毕业生将进入 OpenAI、Mistral AI 及工业界实验室任职。
Hugging Face 发布 LeRobotDataset v3.0,通过单文件打包多集数据和流式处理模式,解决数百万集场景的文件系统限制。该格式自 lerobot-v0.4.0 起支持,提供一键转换工具,并兼容 Hugging Face Hub 上的多模态机器人数据集。
Hugging Face 提出异步机器人推理方法,通过解耦动作预测与执行消除推理等待带来的延迟。该系统采用 PolicyServer 和 RobotClient 双进程架构,利用 gRPC 通信实现比 REST API 快 5 倍的传输性能。在 SmolVLA 测试中,该架构在保持相同任务成功率的同时,实现了约 2 倍的完成任务速度提升。
NVIDIA 在 GTC 2025 大会上发布了三项开源成果:Cosmos Transfer 世界基础模型、15TB 物理 AI 数据集以及通用类人推理模型 Isaac GR00T N1。
推荐理由:NVIDIA 在 GTC 2025 开源了 Cosmos Transfer 与 Isaac GR00T N1 模型及数据集,为开发者提供了训练具身智能体的完整工具链。
Pollen Robotics 团队发布开源 pollen-vision 库,该工具包整合了 OWL-VIT、Mobile SAM 和 RAM 等零样本视觉模型,旨在让机器人无需训练即可抓取未知物体。当前版本聚焦于 3D 物体检测,能通过相机内参计算物体在 3D 空间中的 (x, y, z) 坐标,但尚未支持 6D 姿态估计。
OpenAI 训练了一个类人机器人手,能够以前所未有的灵活性操作物理物体。该模型展示了在实体交互中极高的操控精准度与适应性。
OpenAI 发布八套机器人模拟环境和一套 Hindsight Experience Replay 的 Baselines 实现,称过去一年中已使用这些环境训练出可在物理机器人上运行的模型,同时开放一组机器人研究课题请求。
OpenAI 推出最新机器人技术,使在仿真中训练的控制器部署于实体机器人后,能对环境突发变化做出反应。该技术将原有的开环系统升级为闭环系统,提升了机器人在简单任务执行中应对非计划环境变化的能力。