周围智能体干扰车辆轨迹预测:基于条件信息瓶颈的分析与解决方案
现有车辆轨迹预测模型受周围智能体干扰,准确性反而下降。研究人员通过 Shapley 归因发现模型存在不稳定且非因果的决策机制。 引入条件信息瓶颈(CIB)技术,无需额外监督即可压缩特征并过滤无用信号。 该方法在多数据集和多种架构实验中提升了预测性能及对扰动的鲁棒性。
现有车辆轨迹预测模型受周围智能体干扰,准确性反而下降。研究人员通过 Shapley 归因发现模型存在不稳定且非因果的决策机制。 引入条件信息瓶颈(CIB)技术,无需额外监督即可压缩特征并过滤无用信号。 该方法在多数据集和多种架构实验中提升了预测性能及对扰动的鲁棒性。
研究者提出无训练离线指标 $S^2$,用于衡量模型感官表征与物理运动几何的对齐度。该指标与下游机器人任务成功率呈正相关,可在闭环评估前低成本筛选具身模型。$S^2$ 甚至能识别有潜力的 VLM 骨干,为具身模型的成功提供表征层面的解释。
FocusVLA 提出未来意图引导的动态视图路由框架,在 RoboTwin 2.0 上将平均成功率提升 10.10 pp。 该方法通过预测未来交互意图动态协调全局与局部视图,真机成功率从 71.7% 提升至 85.0%。 其模块可集成至现有 VLA 框架且无需修改核心架构,已被 CoRL 2026 录用。
summary_zh: 研究提出 WholeBodyMem,利用 SAM3 跟踪任务对象并通过因果选择关键帧,解决动态场景中视觉-语言-动作策略缺乏记忆的问题。
提出框架 PhysibleMDM,在不重训生成模型的前提下,通过推理时优化扩散噪声提升运动扩散模型的物理可行性。该方法结合运动学检查与逆动力学锥规划,使用 Sep-CMA-ES 解决黑盒优化问题。
将记忆检索附加到固定学生权重上使任务成功率提升34个百分点,达到49.3%参考值,显著优于仅蒸馏策略权重。 该预注册研究发现,当检索缓冲区接入后,适配器未带来可检测增益;同一冻结缓冲区可使基座模型成功率提升至48%。 研究建议在后续实验中注册对照以验证外部化记忆方案,在更难任务上检索优势未达显著水平。
该框架通过随机掩码扰动一致性与置信度校准损失,在不访问源数据前提下完成单次自适应,避免灾难性遗忘。 在BCI IV IIb与OpenBMI数据集上精度分别提升2.22%和3.67%,单试验延迟控制在40–60毫秒。
NVIDIA CEO Jensen Huang 访问阿斯塔纳,宣布对哈萨克斯坦初创企业 Higgsfield AI 进行投资,并与政府代表讨论国家 AI 战略。
商务部数据显示,2026 年前三季度重点平台外骨骼助力器销售额增长 46.4%,具身智能机器人销售额增长 22.6%。 同期重点平台智能眼镜销售额增长 1.1 倍,有机食品销售额增长 6.4%,绿色、智能、健康消费需求旺盛。
特斯拉计划建设“Optimus 学院”训练基地,让机器人通过观察人类工作和自主练习积累数据以掌握技能。马斯克估计需要制造 1 万到 2 万台机器人用于训练,并预计 2027 年底开始向客户交付。
Binghamton 大学团队在 IROS 2026 发表论文,展示 LLM 服务机器人易受 MuTRAP 后门攻击。通过植入触发词 "CF",被入侵模型可劫持任务计划,使切苹果机器人改为切割模型人手。 团队设计了 LLM 防御系统 PROTEA,通过逐步审查任务计划及上下文识别潜在危害动作。该研究指出第三方 LLM 集成存在物理安全风险,需强化软件测试。
2026 年上半年,全球机器人与物理 AI 企业融资 33.4B 美元,超过 2025 全年 28.7B 美元。 Anduril 获 5B 美元、Saronic 1.75B 美元、Skild AI 1.4B 美元及 Physical Intelligence 约 1B 美元。资深人士警告“硬件游客”问题,灵巧机器人手等难题仍未解决。
前 OpenAI 首席研究官 Bob McGrew 创立 Arda,公司完成 1.6 亿美元 A 轮融资,估值达 15 亿美元。 Arda 的 AI 智能体负责从设计文件规划工厂装配线,其首个客户 Anduril 反馈基础装配指令生成时间从 10 小时缩短至 15 分钟。 McGrew 目标是在数天内让智能体重编程工厂机器人,并致力于在西德克萨斯州打造“全自动化的深圳”。
特斯拉开始在 Fremont 工厂生产 Optimus 人形机器人,称其为第一批量产级 bot。Musk 表示要达到每周 2 万台产能至少需一年,目标 2027 年底向客户交付,AI5 芯片将在 4 月进入 Optimus;他称机器人训练类似带幼儿且缺乏车队数据,特斯拉正建立 Optimus Academy,由 1 万至 2 万台 bot 通过自博弈练习任务生成训练数据。
推荐理由:Tesla 宣布量产 Optimus 并给出 2027 年底交付目标,Musk 将训练过程类比育儿并解释缺乏车队数据的学习路径。
长安汽车董事长赵非在 2026 世界智能网联汽车大会上表示,预计 2027 年实现 L3 级量产,2028 年实现 L4 级商业化运营。 他在演讲中强调安全是智能网联汽车发展的根本前提,长安已累计参与制定国际、国家、行业标准 360 余项,并呼吁拒绝虚假宣传与“伪创新”。
小鹏汽车宣布其 IRON 人形机器人能力升级,基于第二代 VLA 大模型获得更强的时序理解与未来行为预测能力。IRON 每 0.2 秒根据画面重新推理一次,并预测 6 秒内的动作变化,从而实现在与人握手、碰拳等互动中灵活应对临时变招。根据计划,小鹏将在 2026 年底实现该机器人量产。
RoboColiseum发布的评测报告显示,Claude Opus 5.5以76.28分位居多模态模型榜首,GPT-6 Astra以75.99分紧随其后。尽管大模型在指令跟随上表现优异,但通用操作成功率仍远低于专业具身策略模型,且在视觉干扰下的性能衰减明显,精准抓取与连续动作执行仍是主要瓶颈。
宇树科技董事长王兴兴在2026世界物理AI大会上发表演讲,提出物理AI可能在1-2年内到达临界点,并认为当前全球对AI的重视仍不足。 演讲中透露GPT-6已实现完全零训练部署到宇树机器人,使其能完成自主画画、下棋等任务;在80%的陌生场景中,机器人可通过指令完成约80%的任务。
三星电机与特斯拉签署五年长期协议,扩大世宗工厂 FC-BGA 基板生产,用于电动车及 Optimus AI 芯片。 特斯拉提供 1.1 万亿韩元扩建资金,工厂 2027 年底建成,2029 年开始交付。 背景显示英伟达亦通过预付资金等方式,计划三年将 IC 基板产能提升至当前的 2.5 倍。
宇树GD01载人机甲入选《时代》2026最佳发明。 该机甲具备双形态变形能力。 此设计推动人形机器人从科幻迈向现实,开启实用化新纪元。
特斯拉无人驾驶网约车发布首份安全报告,截至2026年10月18日累计行驶499万公里,实现0人员受伤、0安全气囊弹出、0行人或骑行者被撞。按警方事故数据估算,同等里程下人类驾驶预计会发生约9起致伤事故和4起气囊弹出。服务已在美国得州、佛州、加州7个城市运营,即将登陆拉斯维加斯、杰克逊维尔、凤凰城和圣安东尼奥。
宇树科技在 2026 世界物理 AI 大会上明确三大布局:提升机器人大规模量产能力,以自研与合作并行推进物理 AI 小模型落地,并布局超大规模算力集群。宇树同步官宣世界物理 AI 大赛,赛事每年投入数千万元人民币奖金,面向全球开放,设置任意移动、田径、格斗、灵巧操作、生产、体育赛事、多模态交互、康养八大赛道。
智元机器人签约上海办公面积合计超 22 万㎡,年租金约 3.5 亿元。 该面积较此前上海最大单笔纪录高出约 2.4 倍。 智元最新估值约 500 亿元,正启动新一轮融资。
具身数据初创 Maxinsights 已向客户交付超 200 万小时 Egocentric 数据,服务 Google DeepMind、Figure 等头部 Physical AI 厂商。该公司 ARR 接近 1 亿美元,通过参与基础模型定义下一代数据需求,构建了从采集、MaxSLAM 重建到规模化交付的数据基础设施。
特斯拉第三季度营业利润同比下降 56% 至 7.18 亿美元,市值夜盘蒸发超 680 亿美元。财报显示,FSD 全球活跃付费用户达 174 万,月度订阅占比首次超过 50%;Robotaxi 累计无人监督里程接近 200 万英里,计划 2027 年第二季度让私人车辆加入车队。
推荐理由:原文拆解了特斯拉利润腰斩的费用端成因,并量化了 FSD 订阅占比超 50%、Robotaxi 运营规模扩张等关键商业化指标。
宇树科技创始人王兴兴在世界物理 AI 大会上透露,宇树 G1 已成为全球最畅销的人形机器人,累计下线 1 万至 2 万台。他预测 1 到 3 年内大模型公司将重点关注机器人产业,且希望明年或后年能通过语音指令让机器人完成 80% 的任务。同时,宇树正在开发自进化系统“宇树预演”,让 AI 自动搜集论文、写代码并进行仿真训练,以加快机器人与真实物体交互及大模型对齐等技术问题的解决。
宇树科技王兴兴指出,GPT-6 的发布使物理 AI 展现出被击穿的苗头,具身智能核心挑战在于模型 I/O 与真实机器人的对齐。 他预测该突破将在未来 1-3 年内实现,商业化落地速度将快于家庭及工业场景。此前他也预判 GPT-7 可能在 2027 年直接打穿具身智能难题。
summary_zh: BAS-VLA 提出任务语义动作校准框架,解决 VLA 模型无法区分应保持不变的行为与需不同动作的场景这一挑战。 基于冻结基座 VLA 的该框架采用破坏中心校准核心,并在四个目标对象交换任务中,将改变任务后的成功率从 2.3% 提升至 68.5%。
μ₀ 发布了一种基于 3D 交互轨迹的可扩展世界模型,实现了无需本体特定动作标签的机器人学习。该系统通过 TraceExtract 自动提取 3D 监督数据,结合视觉语言骨干网络与轨迹专家模块进行预训练。实验显示 μ₀ 在 2D 和 3D 轨迹预测上优于基线模型,其冻结模型可与动作专家配对,性能媲美 π₀ 等动作监督预训练的 VLA 模型,证明了 3D 轨迹作为跨本体操作表示的可扩展性与可迁移性。
研究通过地理域移位揭示自监督与监督表征在零样本跨城市泛化中的关键差异。 在nuScenes开环评估中,监督主干在跨城市迁移时性能严重退化,而自监督方法有效减少位移与碰撞损失;NAVSIM闭环评估显示自监督预训练提升了单城市训练设置下的平均分布外PDMS。 该研究证明了表征学习对提升跨城市规划鲁棒性至关重要,并为评估端到端自动驾驶系统提供了重要的压力测试基准。
AgiBot World平台涵盖217项任务逾100万条轨迹,引入通用策略Genie Operator-1实现机器人操作性能提升。 数据集支持灵巧手与视触觉传感器扩展,GO-1策略在复杂任务成功率超60%,较RDT高32%。 开源数据集、工具与模型,旨在推动大规模高质量机器人数据普惠。
rMuscle 提出一种受人类肌肉记忆启发的实时 VLA 推理框架,通过跨执行相似性优化推理速度。 框架采用双阶段肌肉记忆缓存:Context Cache 复用视觉 token 输出以降低计算量,Action Cache 复用神经元激活模式以减少权重访问。
机器人持续学习系统 ASPIRE 通过代码策略范式和进化搜索自主编写控制程序,建立可复用技能库。 该系统在扰动操作任务中比现有方法提升77%,利用 Claude Opus 5.5 在 LIBERO-Pro 任务中达到99%平均成功率。 其积累的模拟技能可零样本泛化至真实机器人,显著减少实体机器人的编程工作量。
研究发现视觉语言动作(VLA)模型通过偏置训练时间步分布至噪声端点,可高效实现单步动作生成。 该特性源于VLA的条件-目标结构,其不可约速度损失在噪声端点处显著小于图像生成模型。 此发现表明标准Flow Matching对VLA单步生成具有异常高的可行性,相关代码已开源。
该研究提出基于生态汉密尔顿法则的利他主义多团队动态机器人分配框架,证明非齐次资源分配问题是NP难的。采用集中训练去中心化执行的图神经网络策略,在消防场景仿真及15个机器人的物理测试中,GNN模型在5次实验中均达到灭火阈值,优于固定分配的2次。
研究者提出反馈世界模型,在推理时利用执行后的真实观测值在线修正预测,避免将世界模型视为静态开环预测器。该方法无需额外训练数据或参数更新,在LIBERO-Plus、Robomimic及真实操作任务中显著提升了分布偏移下的表现。其最大优势在于将世界模型预测误差降低了高达76.4%。
AFFORD2ACT模型仅用19个二维关键点作为输入,在六个真实机器人任务中平均成功率达82%,性能优于RGB及稠密视觉基线。 该模型利用现成模型定位任务区域并筛选关键点,轻量级门控决定注意力权重;移除门控后成功率从92%降至52%,且在遮挡下存在脆弱性。
RangeNav是一款仅有183k参数的LiDAR距离图编码器,完全基于合成数据预训练,用于机器人导航策略学习。 它采用各向异性卷积和循环填充处理距离图,预训练目标融合范围重建、语义分割和BEV预测。
针对视觉-语言-动作(VLA)策略,提出从单一策略嵌入中估算贝叶斯不确定性的后验核方差头。该方法无需回归目标或梯度更新,保持策略不变。在 SmolVLA 于 LIBERO-10 的实验中,其任务级相关性、演示获取和转介表现与双策略集成具竞争力。
研究提出轻量级足落点预测模型(FPM),通过仅采样预期足落点周围的局部高程图,使策略达到特定地形难度所需的训练迭代次数减少约三分之一。 该方法在狭窄走廊和未知地形上优于全地图策略,匹配高成本注意力编码器效果,并零样本迁移至 Unitree G1 处理训练分布外的障碍物、楼梯及落差。