RoboCode: 通过软门控原语代码本学习可复用动作基元以优化机器人操作策略
研究提出 RoboCode,利用共享软门控原语动作接口学习短视域动作模式,避免将动作块强制映射至单一离散码。在五个 ManiSkill 任务中,其闭环平均成功率达 75.6%,显著优于 ACT 的 68.8% 及 Diffusion Policy 的 41.6%。该软门控原语代码本为机器人操作提供了有效且可解释的中间动作表示。
研究提出 RoboCode,利用共享软门控原语动作接口学习短视域动作模式,避免将动作块强制映射至单一离散码。在五个 ManiSkill 任务中,其闭环平均成功率达 75.6%,显著优于 ACT 的 68.8% 及 Diffusion Policy 的 41.6%。该软门控原语代码本为机器人操作提供了有效且可解释的中间动作表示。
提出语义锚定方法解决视觉语言动作模型微调时语义结构退化问题,在真机同分布任务上性能提升最高 18.7%,分布外泛化提升 21.5%。 该方法将表示分解为共享语义与私有通道,并在推理时丢弃私有通道,保持部署模型不变,已在 CoRL 2026 接收。
WAM-TTT 提出一种测试时训练框架,利用原始人类视频引导冻结的世界动作模型(WAM),无需机器人演示或任务微调即可实现高效 steering。 该框架通过无标签人类视频更新 WAM 内部的轻量级自适应记忆,并使用自监督视频预测与键值记忆重建目标对齐人机行为。 实验表明,WAM-TTT 在多种操作任务及泛化场景中持续优于基于人类视频的条件基准模型。
研究人员提出Graph-as-Policy (GaP) 多智能体编码框架,解决变体自动化任务中物体几何与位姿大幅变化带来的可靠性难题。 该框架从模块化机器人技能库生成感知、规划与控制节点构成的有向计算图,通过内部仿真环境并行预演以迭代优化图结构与参数。 在8个新公开的变体自动化任务基准(4个仿真,4个真机)测试中,GaP 成功率显著优于基线模型。
研究者提出物理基准 TouchSafeBench,包含 2940 个 Habitat 3.0 室内共在场景 episode,用于评测视觉语言模型的碰撞感知能力。
研究团队提出 SceneBloom 框架,结合视觉布局采样与契约引导的 3D 编译,为具身智能训练生成真实多样的室内环境。 该框架在五种房间类型中实现了最高视觉质量与物理稳定性,无网格碰撞或越界物体,且布局分布更接近真实房间。 在基于 SceneBloom 场景训练的导航策略,在真实扫描中的成功率高于使用同等数量真实数据训练的基线。代码已公开。
DexPort 是一种便携式灵巧手数据采集接口,通过记录命令关节目标与测量关节状态,支持使用行为克隆训练视觉运动策略。 研究人员利用该设备在实验室和野外环境收集了超过 2,500 条演示数据,覆盖 4 类任务。使用记录的机器人指令而非状态,任务成功率从 11% 提升至 64%;引入野外数据后,成功率进一步从 36% 提升至 78%。
VERID 是持久且高保真的实验室工单单元语义数字孪生,为智能体提供可查询内省、时间压缩模拟、完整追踪及安全执行框架。 该基础设施通过三次使用水溶液染色剂实验验证了其光流学基础,展示了预检测协议错误、运行中状态恢复及事后识别物理故障的能力。 其作为部署生化与生物医学自主智能体的先决条件,确保了数据完整性与操作安全。
一项针对编程工业机器人中小企业的案例研究表明,AI 智能体并未显著提升工程师生产力,仅在生成高重复性代码任务中表现有效。 随着工程师掌握智能体用法及针对领域进行适配,结果随时间改善;智能体应用经验比机器人工程经验对成功影响更大。 研究显示 AI 智能体非即插即用方案,需企业培训工程师、预留学习曲线时间,并建议生产力研究采用纵向方法。
稀疏自编码器(SAE)表征能提取 OpenVLA 激活中的结果预测信息,在机器人进入不可恢复状态前预测任务失败。 研究识别了与成功或失败阶段相关的 SAE 特征,并通过定位时间间隔揭示重复行为模式。 基于 VLM 的解释流水线生成行为描述,验证了其与特征激活的对应关系,为物理 AI 安全提供诊断工具。
该方法直接从大规模演示数据中学习速度先验,通过预测路径上的执行速度分布来重新定义每个演示的时钟。 在 120 个 RoboLab 任务中,使用学习时钟微调的策略成功率更高,且激震力(jerk)比均匀加速策略降低最多达 50%。 在真实机器人上,该策略堆叠杯子用时 3.50 秒,比默认策略的 6.02 秒快 1.72 倍,且成功率相当。
MART-GRPO 在 VLA 强化学习中通过事件引导截断优化 GRPO,利用 VLM 和 LoRA 精准定位错误区间,在保留失败反馈的同时移除后续冗余梯度。 该算法基于 RoboTwin 2.0 数据集进行实验验证,结果显示其在多项任务中的成功率显著优于传统全轨迹 GRPO 方法。
小鹏汽车宣布旗下 Robotaxi 产品“小鹏悠游”正式获批 L4 级自动驾驶示范运营资质。 此前该车型已完成超 2000 次载人内测订单并跑通全流程,同时完成云端接管平台开发,目标在明年实现无安全员的载客运营。
中科第五纪在第二十六届工博会上展示了由三台纪灵-L1机器人组成的集群,通过自主接力完成拆垛、码垛等全流程物料流转,验证了从单机到群体智能的协同作业能力。公司同步发布了新一代具身大脑“纪元灵脑”及立柱式机器人“纪灵-S1”,其中纪元灵脑采用动作光流技术实现跨本体能力迁移,结合少样本学习降低新任务部署成本。
具身智能公司无境动力因拖欠员工工资累计近800万元而停工,CEO称无法联系实际控制人。公司成立于2026年2月,融资1.1亿元,专注物理AI与机器人研发。成立仅4个月时曾签下近5亿元央企订单,地方储备订单近5亿元。
据《金融时报》报道,丰田计划部署40万台机器人并投入每年64亿美元用于工厂自动化,由首席生产官统筹组建专门团队。其分拆出的瓦尔登机器人(Walden Robotics)完成3亿美元融资,投后估值11亿美元,其通用机器人已落地丰田北美工厂。
千里科技发布AI毫米波雷达,该雷达内置 10 TOPS NPU,支持边缘侧、卫星与兼容三种工作模式,并实现了儿童目标 100 至 150 米的稳定探测。相较于上一代 4D 雷达,该产品的点云密度增强 10 倍,探测距离提升 40%,鬼影消除能力提高至 95%,空间角分辨力提升 12 倍。
RAX框架将在线探索引入机器人学习,通用Coding Agent通过探索积累技能实现自我进化。在五大基准测试中,RAX相较于最强SOTA模型平均领先37.4个百分点,且全程零人工动作示范。真实场景下,机器人通过不到两小时自主探索即可掌握复杂操作,团队已将完整的Agent框架和代码开源。
推荐理由:文章展示了机器人在线探索的Scaling Law,提供五大基准领先37.4个百分点的数据和可复用的开源Skill框架。
清华大学联合北邮、北大及Nature Will团队构建HandsOn可组合仿真平台与评测基准,包含66项任务和18,000条人类遥操作示范。评测显示,在Core-50任务中最佳多任务策略成功率为29.1%,而在无训练示范的Transfer-16任务中成功率均低于1%。相关论文、代码与数据已在arXiv、GitHub和Hugging Face公开,旨在为灵巧手操作提供标准化评测体系。
启元机器人宣布第 5000 台个人机器人正式下线,标志着其规模化量产交付能力逐步形成。 公司目前实现每 2.5 分钟下线一台,日产能从 10 余台提升至 200 余台。 启元 Q1 与 T1 两款机器人于 9 月 20 日发售,已建立原材料立库、半自动化装配线及端到端制造 IT 系统,实现全流程可追溯。
Nvidia 开源机器人视频标注数据引擎 Flora,官方估算标注一小时视频约 0.72 美元,而 GPT-6 Astra 约 88.50 美元。
推荐理由:原文给出了 125 倍成本差与评测胜负的具体数字,读者可以据此判断开源机器人视频标注的真实边界。
华中科技大学同济医院牵头的全国首个脑机接口高质量数据集建设项目在武汉启动,拟于 2027 年建成投用。 项目聚焦帕金森病、癫痫等 10 类疾病方向,旨在破解数据碎片化问题,建成自主可控的脑机接口高质量数据库。
杭州灵颜科技完成数千万元种子轮及种子+轮融资,主打国内首家音唇眼同步仿生灵巧脸智能体。 资金用于产品迭代与核心研发,依托吉大实验室背景,公司推出FaceSoul Agent架构及32自由度线驱方案,拟人度超90%。 投资方认为灵巧脸是具身智能情感交互的关键稀缺部件,看好其全栈自研形成的竞争壁垒。
IDC 预测,FCC 7 月禁止进口新款外国先进机器人,将使美国 2030 年人形机器人收入比限制前基准低 58%,损失超 60 亿美元。 该禁令导致年增长率从 13% 降至 9% 左右。中国厂商供应全球几乎所有人形机器人,美国初创企业依赖中国电机和电池,部分公司甚至被报道通过行李走私零件。 Intel 曾申请豁免,以继续在其工厂使用外国制造的机器人车辆。
清华大学李一鸣团队发布世界动作模型 PrismWAM 及 Agentic 框架 RoboDoctor,提出从 Scaling Semantics 转向 Scaling Physics 的研究范式。
宇树科技新发布的H2-X人形机器人在大会上演示侧空翻时失去平衡,一条机械小腿脱落。该产品面向安保与应急救援场景,最长续航约8小时,此前官方视频展示过其完成4米高空跃下空翻等动作,截至发稿宇树科技未对该意外作说明。
智元机器人 10 月 24 日在山东济南黄河国际会展中心组织 110 台远征 A3 全尺寸人形机器人同场群舞,创下最多人形机器人同时跳舞的吉尼斯世界纪录。现场采用智元灵动 LinkBots 集群调控平台和 UWB 厘米级定位技术,实现多机同步动作与编队切换;认证官现场确认最终成功数量为 110 台。
Nvidia CEO Jensen Huang 在 GTC Berlin 大会上展示 Microduck 机器人,次日预订单量超过 20,000 台。 该机器人由 Pollen Robotics 开发,采用开源设计,预训练支持行走、坐下等基本动作,预计圣诞节前交付。 Hugging Face 的 Clem Delangue 认为它可能成为年度最畅销机器人,其公司已被 Nvidia 收购。
高德发布首个基于开放世界行为的全身基座模型 λ0。该模型仅依靠人类行动数据实现机器人零样本全身动作对齐,真机任务成功率较最强对比基线提升 22.5%,数据采集效率约为主流方法的 3.4 倍。项目已在 GitHub 开源相关代码,并在 HuggingFace 上线 HumanVerse 数据样例。
推荐理由:该基座模型仅靠人类全身数据实现机器人零样本全身动作对齐,其简化采集管线的结果可供评估具身智能的数据替代上限。
2026物理AI大会在南京召开,三位图灵奖得主参与,50个典型应用场景正式亮相。 大会发布50亿元物理AI投资基金,启动国家标准预研,覆盖五大领域。 推动物理AI从理念走向实际产业落地。
研究团队提出物理递归自我改进(Physical RSI)框架,将机器人任务能力与改进流程的更新纳入统一体系。 定义L0-L5分级标准,区分跨任务收益与改进流程本身的演化,并梳理Harness适应、模型训练及验证机制。 旨在解决物理反馈噪声大、验证成本高的问题,明确递归增益的可检验证据标准,推动机器人从单纯执行转向自我进化。
优必选等中国人形机器人制造商正从演示展示转向韩国工厂的试点与商业部署。 此举发生在首尔加大物理 AI 投资之际,使中国硬件直接与当地机器人技术展开竞争。
Unitree 正开发“Unitree Rehearsal”,构建一个自进化循环,使具身机器人能自主编写代码、运行模拟并提升真实世界表现。 创始人称该项目为公司最重要计划,将前沿实验室的自改进 AI 探索拓展至中国最知名具身机器人厂商的物理 AI 领域。
英伟达在柏林GTC大会上公布自动驾驶欧洲布局,Bolt、Lucid、奔驰、大众商用车、沃尔沃和Einride均计划采用Hyperion计算平台开发L4级自动驾驶车辆。其中Bolt计划在2027年于马德里启动首阶段数据采集,部署至少2.5万辆L4级Lucid汽车;英伟达还推出了Halos SAFE安全评估框架,通过统一测试指标贯通仿真与实路测试,为监管部门提供可追溯的验证资料。
机器之心正式启动「AI中国」2026年度榜单评选,旨在寻找过去一年推动中国人工智能发展、具有代表性和影响力的优秀企业、模型与产品。 评选包含最强AI技术实力机构TOP 10、人工智能领军企业TOP 20、最佳AI模型TOP 20、最佳大模型产品及应用TOP 20、具身智能领军企业TOP 20及ScienceAI领军机构TOP 10六个类别。
inDrive 与 Pony.ai、Nvidia 签署谅解备忘录,计划 2027 上半年在哈萨克斯坦阿斯塔纳测试 Robotaxi。 Pony.ai 提供 Gen-7 车型,Nvidia 供应 Hyperion 平台与 Halos 安全系统;初期将有安全员陪同。 此举旨在通过降低开发成本探索新兴市场,应对当地严冬等测试挑战。
FluxVLA Engine 是一个开源的配置驱动平台,旨在将异构的具身策略组件转化为从数据到部署的可复现工作流。 它标准化了数据集、视觉-语言模型、动作头部及分布式训练的接口,并集成了双臂仿真和实时数据生成功能。 该平台通过 Real-Time Chunking (RTC) 和加速推理后端实现快速物理执行,连接了离线学习、仿真验证与真机部署。
一本即将由剑桥大学出版社出版的531页专著,基于斯坦福大学数十年的教学经验,系统阐述机器人自主性的核心方法,弥合经典机器人与现代物理AI。 全书围绕统一的现代自主性堆栈框架展开,每个主题均配有Jupyter Notebook和以实施为导向的练习题,帮助读者建立理论与实际的直觉。 该书为设计下一代自主系统的学生、工程师和研究者提供原则性强、易于理解且注重实际部署的基础资源。
NOMAD 利用基于地图的多智能体自我博弈强化学习,仅需地图和元信息即可将驾驶策略适应至全新城市,无需任何本地人类演示数据。 在基于目标城市地图构建的模拟器中,该方法通过简单奖励函数,显著提升了任务成功率和轨迹真实感。 为数据密集型城市迁移方法提供了有效且可扩展的替代方案。
ReactiveBFM 提出实时闭环规划控制框架,通过前缀采样课程和异步重规划机制,解决了生成式规划器的累积暴露偏差。系统部署于 Unitree G1 人形机器人,在模拟对抗扰动基准测试中,93.1% 的成功率比级联开环基线高出 28.6%。