跳到正文
10月29日周四
  1. 量子位68

    红旗连锁终止机器人无人售货研发,业界分析具身智能零售场景商业化仍处PoC阶段

    红旗连锁于2026年7月公告终止机器人无人售货系统研发,原因是机器人在真实货架环境中抓取失误率高、稳定性不足,未达到大规模商业化标准。据业内人士估算,该项目研发支出约280万元。

    推荐理由:红旗连锁机器人售货项目终止的实证,为理解具身智能零售落地瓶颈与商业逻辑提供了具体参照。

  2. 量子位59

    具身智能公司 Physical Intelligence 洽谈10亿美元融资,估值达200亿美元

    美国机器人AI公司 Physical Intelligence(PI)正洽谈至少10亿美元新一轮融资,投后估值预计约200亿美元。PI 迄今无商业营收,但凭借 DeepMind、斯坦福和伯克利背景的创始团队及 VLA 技术路径吸引贝索斯、红杉等投资。公司近期推出机器人基础模型 API 测试版,提供模型微调和推理服务,旨在打造适配各类硬件的通用机器人“大脑”。

  3. 量子位33

    威卡发布具身智能赋能工程机械高质量数据集

    威卡在2026徐州人工智能大会上发布具身智能赋能工程机械高质量数据集,旨在为工程机械智能化与少人化提供路径。 该数据集以挖掘机为突破口,利用统一时间戳同步视觉、激光、位姿等五大维度数据,将一线机手经验转化为机器可读知识,已上线Hugging Face。 它直击行业数据稀缺痛点,构建从真实场景到训练数据的闭环,为具身智能前沿研究提供高质量数据支撑。

  4. 量子位74

    逐际动力 FluxVLA Engine V2 技术报告详解:具身智能工程底座实现推理提速与真机部署全链路闭环

    逐际动力发布开源工程底座 FluxVLA Engine V2 技术报告,在 14 种策略的 LIBERO 评测中,11 个本地模型成功率超 95%;通过底层推理重构,π0.5 在 A100 上的推理频率提升 9.64 倍,并成功在 ALOHA、LimX Oli 等真机上完成闭环部署。

    推荐理由:报告展示了开源工程底座在推理加速、真机部署与在线强化学习后的具体效能数据,为具身智能团队评估标准化基建的价值提供了量化依据。

  5. 量子位69

    逐际动力更新FluxVLA Engine V2技术报告:提升具身智能推理效率与真机部署能力

    逐际动力更新开源具身智能工程底座FluxVLA Engine V2技术报告,重点增强在线强化学习、仿真评测和真机部署能力。实测显示,针对8组模型与设备组合,优化后的模型推理频率提升至2.31–9.64倍;在ALOHA、双臂Franka及LimX Oli等多款真实硬件平台上,完整验证了从模型checkpoint到真机闭环执行的部署链路。

    同一新闻,精选展示《逐际动力 FluxVLA Engine V2 技术报告详解:具身智能工程底座实现推理提速与真机部署全链路闭环》

10月28日周三
  1. Hacker News AI31

    日本 JR East 试验自主 AI 链锯机器人

    JR East 近期在 ANN 新闻中展示了一台安装在轨道车上的重型人形机器人,用于清除阻碍铁路轨道的树枝。该机器人配备链锯和夹取臂,目前由人类远程操控。JR East 正在全面整合 AI 与机器人技术,以提升安全性、效率及全天候维护能力。

  2. Seven Minute Feed43

    Machenta 融资 4000 万美元以单步演示教机器人技能

    伦敦初创公司 Machenta 完成由 Creandum 和 Union Square Ventures 共同领投的 4000 万美元种子轮融资。 该公司由帝国理工学院研究人员创立,团队仅有 11 人,其模型完全在仿真环境中训练,具备在单次演示后学习新物理任务的能力。 Machenta 通过仿真训练路径,正与那些投入数十亿美元收集真实世界机器人数据的竞争对手展开差异化竞争。

  3. Seven Minute Feed34

    Physical Intelligence 正洽谈以 20B 美元估值融资

    Physical Intelligence 正洽谈新一轮融资,估值约 20B 美元,接近其现有估值的两倍。 该初创公司开发用于执行现实世界任务的通用 AI 软件,旨在让机器人处理实际任务。 本轮融资将使其成为最具价值的机器人 AI 初创公司之一,该行业在上半年已融资 33.4B 美元。

  4. IT之家30

    宇树科技与红杉中国成立“杉宇·创计划”投资具身智能早期项目

    宇树科技联合红杉中国宣布成立“杉宇·创计划”,专注于发掘和投资具身智能、机器人应用及其上下游关键技术等早期项目。 该计划结合双方工程与投资能力,贯彻“工程师+投资人”方法论,策略强调“懂技术和产业、发现早、决策快、看重人、不添乱”。 旨在为年轻团队提供产业和资金支持,支持从创意到规模化产品的过程,并参与全球市场竞争。

  5. IT之家52

    Dimensional 招人遛机器狗采集数据,AI 智能体自主控制能力仍落后

    旧金山初创公司 Dimensional 发布招聘启事,招募人员以 20 美元/小时时薪“遛”四足机器狗,以采集城市环境真实导航数据。该公司自研机器人操作系统,测试发现当前 AI 智能体操控机器狗的能力仍远落后于人工。公司使用来自中国宇树科技(Unitree)的机器狗,未来计划将机器人应用于安防巡逻等场景。

  6. IT之家22

    苏黎世联邦理工学院刷新步行型生物机器人速度纪录至每秒 0.4 个体长

    苏黎世联邦理工学院发布由小鼠骨骼肌细胞与水凝胶支架构成的生物混合微型机器人,刷新了步行型生物机器人速度纪录,达到每秒 0.4 个体长。 新驱动器运动幅度为前代系统 11 倍,利用 Xolography 光固化 3D 打印制造,单次收缩可驱动装置跳跃约 5 毫米。 此类机器人需浸泡在营养液中才能存活,距离现实应用仍较遥远。

  7. IT之家53

    小鹏 IRON 机器人固态电池实现小批量量产

    小鹏集团副总裁顾捷在 SAECCE 年会上表示,IRON 机器人固态电池已实现小批量量产下线。该电池针对机器人空间要求采用高能量密度设计,并引入防热失控扩散机制。小鹏机器人生产线已于 9 月 8 日启用,计划 2026 年底实现量产并于 2027 年上半年交付,首款高阶通用人形机器人已完成自动化总装。此外,小鹏机器人业务近期完成 9 亿美元融资,投后估值超过 63 亿美元。

  8. arXiv · ML33

    基于视觉触觉传感器(VBTS)的硬度分类主动采样策略研究

    基于视觉触觉传感器(VBTS)的主动采样策略可实现 90% 的硬度分类准确率,优于 48% 的人类准确率。 研究采用方差和熵作为模型不确定性度量,在自采和公开数据集上对比了三种概率分类器、两种主动采样策略及随机采样基线。 该工作已被 IEEE-RAS Humanoids 2026 会议接收,验证了 VBTS 用于硬度分类的有效性。

  9. arXiv · ML23

    MARL-Exo 多智能体强化学习框架:通过共适应髋部外骨骼控制降低代谢能量

    MARL-Exo 框架利用多智能体强化学习共适应人体与髋部外骨骼,在八名健康受试者中无需针对个人调优即降低行走代谢成本。 模拟中纯代谢策略使模型肌肉代谢功率降低 13.8%,硬件测试中净代谢率较被动组降低 18.3%,其中 6 名受试者代谢成本降低幅度最高达 24.2%。 该方法生成单一群体级控制器,允许在人类测试前于模拟中筛选辅助目标。

  10. arXiv · ML33

    PDRVLA:融合物理动力学表征的视觉-语言-动作模型

    PDRVLA 提出轻量级物理动力学模块,直接从视觉-语言特征提取物理 token 条件化动作生成,避免在线视频生成带来的高延迟。 该模块通过直接预测未来 RGB、深度和光流特征学习,并采用冻结预训练视频世界模型辅助监督;训练使用公开数据及人形到机器人合成等技术。 在 LIBERO 等四个仿真基准上成功率最高达 99.3%,消融实验验证了世界模型监督对未来预测及动作成功的提升作用。

  11. arXiv · ML35

    Best-of-N 对世界动作模型的提升上限:测量可选择的自由度并在闭环中实现

    研究通过去噪反事实协议测得 Best-of-N 在四个世界动作模型中的可选择上限,发现标准估计会高估收益,其真实占比介于 24% 至 66% 之间。 利用共同随机数验证发现,结构化动作扰动可创造 16 个点的额外自由度,且 Cosmos Policy 中基于想象的执行结果无检测损失。 这种基于失败门控的选择器将闭环任务成功率从 76.9% 提升至 81.6%,在未知任务上也显著提高了表现。

  12. arXiv · ML37

    随机运动标记化实现全尺寸人形机器人全身控制

    研究人员利用随机运动标记化方法,生成简洁运动表征以增强人形机器人全身控制灵活性。该方法在同等容量下,其运动重建效果优于 FSQ 和 VQ-VAE 等现有技术。实验表明,基于该离散接口的追踪策略在 Unitree G1 机器人上成功执行了长达 35 秒的打斗与舞蹈混合动作序列。 该研究已被 2026 年 IEEE 人形机器人会议接收,为解决复杂全身运动的控制问题提供了新方案。

  13. arXiv · ML25

    基于 PPO 的弹簧腿四旋翼飞行器跳越能效优化研究

    研究提出基于 PPO 的弹簧腿四旋翼跳越控制策略,无需显式跳跃状态机。硬件测试显示,其循环平均电功率较 PID 降低 30.7%,平均总归一化推力降低 49.8%。 策略结合能量流形整形与效率整形,利用历史感知功率估计器惩罚空中功率及近静止状态,优化被动动力学利用。 该方案在保持可重复指令高度跳跃与更集中着陆的同时,显著降低了电气需求。

  14. arXiv · AI27

    视频世界模型潜空间中的动作相关性:预测优于重建

    研究发现视频世界模型潜空间中的动作相关性主要由时序视频预训练驱动,而非像素重建保真度。 强像素解码质量模型的动作可恢复性可能接近零,而视频预训练的自监督编码器在视觉保真度与动作预测间达成最佳帕累托权衡。 时序预测结构是动作相关视频表征的核心要素,且逆动力学监督可显著提升对视觉损坏的鲁棒性。

  15. arXiv · AI30

    GTP-FA:基于失败归因的“先抓取后规划”双阶段机器人操作框架

    研究人员提出 GTP-FA 框架,通过“先抓取后规划”两阶段设计学习失败归因模型,解决机器人操作中抓取与规划耦合导致的失败归因困难问题。 该模型在未知抓取泛化出失败模式稳定分布,指导抓取侧注入任务先验与风险惩罚、规划侧针对高风险初始状态微调。 框架在 RL、IL 及扩散策略等设置下显著提升任务成功率,已被 NeurIPS 2026 接收。

  16. arXiv · AI31

    TS-DP:基于强化学习投机解码的时序自适应扩散策略加速框架

    TS-DP 是首个将投机解码应用于扩散策略(DP)的框架,解决了 DP 在具身控制中因迭代去噪导致的高推理延迟问题。 该框架通过蒸馏基于 Transformer 的草稿模型替代高成本去噪调用,并利用基于强化学习的调度器动态调整参数以适应任务难度变化。 在模拟环境中实现 4.17 倍 NFE 降低和 3.2 倍加速,真机实验中推理频率达 26 Hz,传送带任务成功率提升 23%。

  17. arXiv · AI28

    ARC 自适应残差修正:利用稀疏人类反馈提升机器人操作成功率

    ARC 模块通过强化学习在冻结策略上学习残差修正,将三项精准操作任务的平均成功率从 33.3% 提升至 75.0%。 利用稀疏人类反馈确定修正激活时机与探索区域,在七自由度空间中保留 96.0%-97.7% 的修正幅度。 无需将人类修正作为最终动作目标,即可实现局部约束下的自主后训练优化。

  18. arXiv · AI26

    Quality-Controllable Policy (QCP) 利用迭代后见重标记提升机器人策略质量

    QCP 通过迭代后见重标记实现机器人策略在推理时动态控制速度、平滑度等质量属性。 在 Robomimic 和 RoboEval 实验中,QCP 逐轮提升任务执行质量与成功率,生成的成功轨迹质量超过初始演示。 在真实操作中,通过控制速度提高传送带吞吐量,控制搬运稳定性提升酒杯搬运成功率,证明其实用价值。

  19. arXiv · AI37

    Retrieve to Act (R2A) 框架通过运动基元图检索提升 VLA 模型在分布外场景的鲁棒性

    研究提出 Retrieve to Act (R2A) 测试时扩展框架,通过将分布外鲁棒性转化为几何运动基元检索问题,显著增强 VLA 策略执行稳定性。 R2A 利用查询依赖的图神经网络在离线时空运动基元图中定位执行状态,通过维度级门控机制将检索的运动先验与冻结 VLA 动作融合,无需微调。

  20. arXiv · AI33

    TAPESTRY:面向视频生成与机器人控制的单一骨干网络

    TAPESTRY 将机器人动作视为视频模型潜空间中的单补丁 Token,复用预训练视频扩散 Transformer 构建机器人策略,推理时无需生成视频。 模型通过线性投影将动作映射至 VAE 补丁维度,采用视频、联合视频动作及仅动作三种扩散目标优化共享骨干。 在消费者硬件上,单次 DDIM 步即可生成动作块,每动作块耗时 84 ms,显著降低推理成本并避免完整视频生成开销。

  21. arXiv · AI31

    TOPS:重塑多任务机器人操作的流源与传输机制

    论文提出 TOPS 方法,在不修改网络架构前提下自适应调整流源先验与插值调度。 通过在 LIBERO、LIBERO-Plus 等基准测试中提升性能,TOPS 将 LIBERO-10 成功率从 53.44% 提升至 69.67%,并将推理时间缩短至基线的约六分之一。 真实世界实验中,TOPS 使上抽屉开启任务成功率从 20% 提升至 80%。

  22. arXiv · AI30

    REACH: 一种基于 RL 的分层人形机器人爬行框架,用于适应受限空间行走

    REACH 是一个基于 RL 的分层框架,能使 Unitree G1 人形机器人通过变身高度的双足行走和爬行穿过受限空间。 该框架通过 1.27-0.50m 双足和 0.50-0.20m 爬行的高度区间实现高度适应,利用历史条件潜表示处理接触密集动态,并集成 LiDAR 规划器实现可靠模式切换与路径规划。