跳到正文
11月6日周五
  1. arXiv · AI21

    GigaBrain-WBC-0.5 提出行为世界模型 InterTrack 实现人形机器人跨地形全身跟踪

    GigaBrain-WBC-0.5 团队提出首个支持环境交互的行为世界模型 InterTrack,采用 Transformer 架构预测下一动作、状态及行为分布。在复杂地形交互中,其成功率达 81.3%,优于最佳基线 4.3 倍,且跌倒恢复率达 99.3%。该模型实现了人形机器人实时跨地形全身遥操作,并具备物体交互及支持缺失下的稳定响应能力。

  2. arXiv · AI27

    CTS-MoE 通过联合训练感知门控专家实现平滑地形过渡

    CTS-MoE 提出感知门控密集专家混合架构,将多地形运动建模为多任务强化学习,实现行为平滑过渡。 软路由组合专家知识,分离评论器隔离异构目标;教师-学生机制将特权地形信息迁移至板载深度感知,部署时无需地形标签。 相比层级与 DAgger 蒸馏基线,成功率升至 93.3%,平均动作 jerk 降低约三分之一;在 Unitree Go1 上完成 10/10 次室外扩展课程。

  3. arXiv · AI30

    RoboCurate:通过动作验证的合成数据提升机器人学习性能

    RoboCurate 提出利用模拟器验证动作一致性的框架,以缓解视频生成模型中合成数据动作标签噪声问题。 该框架结合逆动力学模型在模拟器中执行并验证动作,并利用 VLM 过滤物理上不合理的生成视频。 在 GR-1 桌面、DexMimicGen 等基准测试中,该框架显著提升机器人操作成功率,部分场景相对提升达 90.3% 至 179.9%。

  4. arXiv · AI41

    WoVR: 世界模型作为后训练 VLA 策略强化学习的可靠模拟器

    研究者提出 WoVR 框架,利用受控的世界模型模拟器解决 VLA 策略强化学习中闭环想象 rollout 的幻觉与误差累积问题。 框架通过可控动作条件视频世界模型、关键帧初始化 rollout 及世界模型-策略共进化机制,实现稳定长程模拟与高效策略优化。 实验显示 WoVR 在 LIBERO 基准测试中性能优越,并在多个真实机器人平台上带来一致性能增益。

  5. arXiv · AI28

    LSD-3D:基于几何约束的大规模三维驾驶场景生成

    LSD-3D 提出了一种直接生成具有准确几何的大型三维驾驶场景的方法,实现了包含物体持久性的因果新颖视图合成。 该方法通过结合代理几何与环境表示的生成以及从学习到的二维图像先验中的分数蒸馏,实现了对几何和高分辨率纹理的高可控性,可基于地图布局进行条件生成。

  6. arXiv · ML40

    Social Humanoid:社会响应式人机互动

    Social Humanoid是一个分层系统,能让29自由度Unitree G1机器人根据人类伙伴动作生成并执行全身运动。 该系统通过共享令牌化表示进行序列建模,预测被遮挡的伙伴动作;利用两阶段自适应重定向方法,在五个动作捕捉数据集上生成了260小时的人-形机器人交互基准。 结果在模拟和真实世界中展示了协调的人机行为。

  7. arXiv · ML21

    基于 Transformer 的 sEMG 优化机器人康复轨迹处方

    该研究提出可个性化 Transformer 模型,将表面肌电信号映射至末端执行器康复机器人的接触力轨迹,实现面向神经运动激活的处方生成。 模型采用旋转位置嵌入(RoPE)生成潜在表征,并引入流匹配生成轨迹分布;基于 16 名健康参与者 15 项等长任务评估,留出任务与用户轨迹预测误差低于 8%,具备亚秒级采样与近即时确定性推理。

  8. arXiv · AI28

    形状教师对齐:利用3D形状特征加速图像策略收敛

    该研究提出“形状教师对齐”机制,在训练时使用 Point-MAE 3D 特征指导图像策略编码器,部署时仅依赖图像输入。 在 LIBERO 基准上,该方法使预训练策略在 Object 和 Spatial 套件中的收敛速度分别加速 4.7 倍和 5.6 倍。 该机制通过向策略迁移几何结构,在无需部署深度输入的情况下提高了操作成功率。

  9. arXiv · AI29

    World-Model-Guided Human-Like Navigation: 将世界模型预训练用于多智能体场景导航

    该研究主张在训练时而非推理时使用世界模型,通过偏好蒸馏将预测能力融入快速策略。 具体采用离散视觉动作先验和两个任务对齐世界模型(社交动态和场景语义),通过组相对偏好蒸馏优化策略。 在部署阶段移除世界模型,策略通过单次前向传播实现更安全的导航和更类人的行为。

  10. arXiv · AI27

    生成后排序:面向具身智能体目标解释的符号学习方法

    一种两阶段“生成后排序”方法实现了具身智能体的目标解释,优于基础提示和思维链等基线模型。 方法使用 CORE 从模型自身生成的备选项中学习偏好;在家庭场景基准中测试了 DeepSeek-V3 chat、Qwen2.5-7B 和 Qwen2.5-72B 等开源 LLM。 论文被 ECC 2026 接收,涵盖人工智能、计算与语言及机器人领域。

11月5日周四
  1. HiDream智象元一38

    梅涛在2026世界顶尖科学家论坛提出智能体化全模态世界模型

    智象元一CEO梅涛在论坛上提出构建智能体化的全模态世界模型,以跨越数字智能与物理智能鸿沟。 该模型由LLM决策大脑、Omni-Model模拟器及Embodied Context执行层协同,实现同一Token空间内思维与物理世界的统一。 这一架构旨在解决物理AI数据匮乏问题,通过合成高精度动作视频为具身智能提供数据供给,代表AI演进的全新方向。

  2. IT之家52

    赛力斯康波:面向自动驾驶,问界正布局 L3/L4 级,全新迭代魔方技术平台已支持 L3 架构

    赛力斯集团董事、副总裁康波在2026年世界互联网大会乌镇峰会发言表示,问界正布局 L3/L4 级自动驾驶,其全新迭代的魔方技术平台已支持 L3 架构。他表示,问界品牌已有超百万辆高端存量车、超百万活跃用户和超百亿公里里程,截至2025年10月底,已累计避免可能发生的碰撞超450万次。

  3. Seven Minute Feed40

    MIT 推出 UQ-DAAAM 记忆系统,助机器人识别并修正错误标签

    MIT 研究人员构建了 UQ-DAAAM 记忆系统,该系统通过比对同一物体的多视角描述来量化机器人不确定性。 系统实时获取额外视角并合并字幕以生成更准确的存储描述,在物体、位置及时间问题上表现优于基线模型。 其核心目标是让机器人明确自身知识盲区,避免将除颤器误标为灭火器等严重事故。

  4. 量子位26

    XROGO在CeMAT ASIA 2026发布机器人到岗计划

    XROGO在CeMAT ASIA 2026展会期间正式发布“机器人到岗计划”,聚焦制造上下料及机房、配电室巡检值守场景,推动机器人进入企业真实岗位。 该计划以“租赁服务+工人带教”模式降低企业部署门槛,结合现场执行与远程授权,通过一线工人示教与工程师支撑缩短部署时间,并与生态伙伴共建解决方案。 此举旨在让机器人在真实任务中接受检验,逐步验证工作流程并拓展至分拣、装卸等更多物流作业场景。

  5. IT之家36

    宇树科技 CEO 王兴兴回应机器人格斗观赏性下降:稳定性提升减少倒地场面

    宇树科技 CEO 王兴兴指出,当前机器人格斗表演观赏性不如去年,是因为机器人稳定性大幅提升,导致倒地摔倒场面变少。 过去稳定性差时对抗感更强,如今无论受击打都站得很稳。 宇树展示了基于端到端世界模型的全自主格斗,机器人通过实时采集画面直接推理决策。

  6. arXiv · AI34

    InDex:通过意图条件微调将 VLA 模型适配到灵巧操作

    InDex 框架通过引入显式的抓取意图条件,解决了预训练 VLA 模型从并行夹爪接口到灵巧手操作的适应性瓶颈。 在四个模拟任务中,InDex 配合 $\pi_{0.5}$ 使平均任务成功率达到 85.8%,比原生策略提升 35.5 个百分点;在真实世界策略中,平均成功率从 71.0% 提升至 83.0%。 研究识别出手臂与手的协同控制是应用灵巧操作时的关键可操作瓶颈。

  7. arXiv · AI28

    STRIDE: 面向多场景的人机轨迹生成自动化评估框架

    论文提出 STRIDE 框架,用于自动化评估文本与行人轨迹在复杂语境下的一致性,无需依赖昂贵且难以扩展的真实人类轨迹数据。 STRIDE-Bench 包含 1000 个场景、6000 个行为问题及 11000 个基于 30 张真实地图的校准测量,人机一致性达 80%。 该框架揭示了现有文本到轨迹模型在细粒度语境条件下的局限性,为行人轨迹生成提供了原则性评估路径。

  8. arXiv · AI44

    HALO 机器人系统:通过模拟生成视觉-语言-动作数据,实现在真实环境中的零样本迁移

    HALO 是一个通过流水线在 1000 个程序化生成住宅中合成视觉-语言-动作数据的人形机器人自主系统。 该系统获取了坐椅子、通过半开大门、爬桌下和推箱子等物理技能,并能在未经真实住宅训练的条件下,零样本迁移到物理世界,在 6 个未建图的真实环境中 360 次测试中达到 91% 的成功率。

  9. arXiv · AI29

    ```json

    { "title_zh": "灵巧机器人手全面堆栈调查:从硬件、数据到基础模型评估", "summary_zh": "arXiv发布了一篇45页的灵巧机器人手全面堆栈调查,其涵盖面从硬件、数据收集、跨实体迁移到学习基础模型与评估应用五大互依层级。

  10. arXiv · AI33

    CoSafe:面向混合交通的协作运行时安全保证框架

    CoSafe 提出模块化协作运行时安全保证框架,利用 V2X 通信在场景层面共同缓解多车交互隐患,突破传统以自我为中心的接管局限。 集成七种先进自动驾驶系统后,CoSafe 在 InterDrive 基准上平均提升驾驶得分 70.03%,降低安全违规 87.80%,并以 0.930 的 F3 分准确识别不安全车辆,满足实时性要求。

  11. arXiv · AI33

    RACE:无 rollout 机器人策略检查点选择的校准累积评分

    论文提出无 rollout 指标 RACE,利用固定保留成功轨迹对动作偏差进行状态条件校准,并通过累积评分聚合,以解决验证损失与部署性能不一致的问题。 在模拟和真实机器人上,RACE 在不同验证源和策略骨干上表现优于基线;扰动分析显示,相比基线,它能更有效地区分对任务成功率影响显著不同的偏差。