跳到正文
10月22日周四
  1. arXiv · AI28

    多模态具身智能体:从 Computer-Use 到 Robot-Use 的统一能力中心视角

    论文提出多模态具身智能体(MMEA)及统一能力框架 PAPAV,定义感知、预期、规划、行动、验证五大核心功能。 在 64 个基准测试中,现有评估聚焦于行动(Act),仅 5 个涉及预期(Anticipate)和 3 个涉及验证(Verify),物理约束使这些能力难以被任务成功掩盖。 PAPAV 为设计可靠物理智能体提供共同基础,推动对五大能力的独立度量。

  2. arXiv · AI33

    AtomicRL: 用于长程机器人操作的原子强化学习

    提出 AtomicRL 强化学习后训练框架,利用原子任务结构解决 VLA 模型长程操作中的信用分配难题。 引入语义感知策略优化(SAPO)与瓶颈自适应目标探索(BATE),并构建 Real2Sim2Real 管线连接仿真与真机部署。 在 LIBERO-LONG 上较 PPO 提升 3.6%-4.0%,CALVIN ABC-D 提升 9.5%,真机任务平均性能提升 21.3%。

  3. arXiv · AI43

    SP-HLM:稀疏姿态驱动的人形机器人运动生成与全身控制框架

    SP-HLM 提出了一种稀疏姿态驱动接口,结合五个任务关键身体姿态与学习潜在运动先验,以互补形式表示空间意图和全身协调,在模拟和真实机器人实验中提升了运动跟踪、全身协调和 loco-manipulation 成功率。 该框架由 SP-VLA 预测稀疏姿态和手指关节位置,SP-MGM 通过两阶段蒸馏实时重建全身运动,SP-GMT 整合稀疏目标与潜在先验实现全身控制。

  4. arXiv · ML26

    人机交互风格:偏好聚合位置如何影响可操控人形机器人控制

    研究比较了奖励级、优势级、损失级和 PCGrad 四种偏好评级聚合方式在两种人形控制框架中的表现。结合偏好奖励响应度(PRR)、覆盖率和效用指标评估发现,没有哪种聚合层级能在所有环境和标准下最优。早期聚合增加行为响应范围但引发非目标行为变化,后期聚合提升控制精度但牺牲响应性。

  5. arXiv · AI33

    PHD-Hand:一种具备3自由度连杆驱动手指的可打印仿人灵巧手

    研究团队发布 PHD-Hand,这是一款完全由连杆驱动且每根手指具备 3 个自由度(DOA)的仿人灵巧手原型。 该设计采用独特的柔性铰链和弹簧钢弹性驱动杆,简化了传动结构,无需大量微型运动部件,可使用 3D 打印机低成本制造。 原型机通过了抓取与物体操作测试,相关运动学与控制发现发表于 Humanoids 2026。

  6. arXiv · AI35

    SLoSa:面向机器人任务规划的小型、低功耗且安全的基础模型

    SLoSa 框架通过神经符号压缩与微调,训练出兼具小型化、低功耗及安全意识的基础模型机器人任务规划器。 该框架经 PDDL 领域测试,将 4B-14B 规划器成功率提升至 70.5-76.0%,Jetson Orin 上 INT4 部署平均功耗为 17.85-26.41 W。 实验验证了其在家用模拟与实体机械臂等多样化机器人任务场景中的适用性。

  7. arXiv · AI31

    HyperDrone:实现每秒百万帧的仿真到现实转移

    HyperDrone 模拟器比现有 SOTA 快 20 倍以上,支持在消费级 GPU 上以每秒百万帧渲染高保真 3D 场景。该工具基于 HyperLux 光线追踪引擎,完全在 GPU 上运行,输出包括 RGB 和光流在内的多种观察数据。团队将其用于训练视觉策略并成功部署于 Crazyflie 无人机上,论文已被 CoRL 2026 接收。

  8. arXiv · AI28

    inr2action: 将机器人片段编码为神经隐式表征以实现召回与动作生成

    inr2action 框架将机器人片段存储为固定大小的神经隐式权重增量,解耦了记忆成本与时间跨度。 在 RoboMME 基准测试中,该模型在问答任务中超越随机水平,联合命令回归平均 $R^2$ 达 0.51。 用随机噪声替换增量会导致性能下降 11.4 分,验证了元学习初始化对嵌入片段内容的关键作用。

  9. IT之家56

    马斯克透露 Optimus 机器人学校与 Terafab 芯片工厂计划

    特斯拉 CEO 马斯克在 Q3 财报电话会议上透露,计划为 Optimus 人形机器人建造一座"机器人学校"以保障 AI 训练,目标年产 100 万台,预计还需一年或更久;同时介绍 Terafab 芯片工厂项目,计划 2027 年启动设备调试,2028 年 Q2 开启早期量产,初期月产能 10 万片晶圆,后续扩至每月 100 万片。

  10. arXiv · NLP28

    CAPSafe:具身智能体情境化行动与规划安全推理基准

    CAPSafe 基准发布,评估具身智能体在复杂家庭环境中的行动与规划安全推理能力。 测试包含9个闭源和开源 LLM,发现危险识别(最佳超90%)与长期规划间存在显著差距,Gemini-3-pro 规划安全成功率最高达78.19%。 结果显示,鲁棒的长序列安全推理仍是开放挑战,需进一步突破。

  11. arXiv · ML28

    动作影响最大化(AIM)算法提升可控制世界模型训练效率

    针对动作条件视频生成模型忽略指令的问题,提出的动作影响最大化(AIM)算法通过主动收集数据提升数据集动作影响。 在像素级操作任务中,3000个演示片段添加500个主动收集片段,其末端执行器可控性相当于30万专家演示片段。 实现85倍的数据效率提升,证明了主动数据采集在提高模型可控性上的有效性。

  12. arXiv · ML23

    隐投影用于隐规划:通过约束状态动力学矩阵提升机器人世界模型规划成功率

    针对隐世界模型中隐变量包含无信号方差噪声的问题,该方法利用 SIGReg 正则化器拟合的状态动力学矩阵 A,在特征基下将 L2 规划成本限制在不确定性最低的 k 维子空间。 该方法后验校正且不修改编码器或规划器,仅在 2D 导航任务 TwoRoom 和 PointMaze 中,相比普通 L2 成本将成功率最高提升 +54.7 点。

10月21日周三
  1. Wired68

    Nvidia 发布可 14 天部署的 DSX Pod 与机器人技术平台

    Nvidia 在柏林 GTC 大会上发布名为 DSX Pod 的模块化 AI 数据工厂,采用预制集装箱设计,支持 14 天内部署最新 Vera Rubin 计算节点。同时,公司宣布推出全栈机器人技术平台,并与欧洲车企达成自动驾驶领域合作,预测未来软件用户规模将远超传统标准。

    推荐理由:Nvidia 在欧洲市场力推模块化 AI 数据基础设施和通用机器人技术,试图抓住当地制造业升级的产业机会。

  2. 量子位68

    千诀科技发布预测式世界模型 Polibrain

    千诀科技发布预测式世界模型 Polibrain,该模型不追求生成完整未来画面,而是通过学习环境状态与行动结果关系,在潜在表征空间中预测关键信息变化。其技术基础包括比 LeCun 团队相近研究早约一年的多项式表征与因果记忆机制,旨在解决机器人泛化难题并支持不同形态机器人复用同一套智能能力。

    推荐理由:千诀科技发布预测式世界模型 Polibrain,展示了不生成画面而主打物理规律预测与跨本体复用的技术路线。

  3. 量子位40

    生数科技Motubrain团队直播Physical AI训练全流程

    生数科技世界模型团队于10月21日开启Motubrain 2.0训练全流程公开直播,计划持续半个月。 直播内容涵盖预训练、后训练、Agent任务执行及RSI探索四个环节,旨在打开具身模型训练黑盒,展示能力迭代过程。 此举提升了具身智能研发的透明度,为研究者提供规模化训练与跨任务泛化的参考。

  4. Hugging Face Blog38

    SimReady Central 推出:Hugging Face 开放 2000+ 个面向机器人与 AI 工厂的仿真就绪 3D 资产库

    Hugging Face 发布 SimReady Central 库,提供超 2000 个含碰撞、质量等物理属性的 OpenUSD 资产,免费开放给开发者。 该库涵盖机械臂、仓储设备及冷却基础设施,支持 OEM 如 Fanuc、Comau 提交资产,用于构建机器人操作与 AI 工厂数字孪生场景。 开发者可组合资产搭建拣选放置模拟环境,加速物理 AI 训练与布局决策。

  5. IT之家38

    蔚来李斌:用户不愿付费则自动驾驶未创造真正价值

    李斌提出自动驾驶下半场核心验证指标为“用户付费意愿”与“安全感知”。他指出,若用户不愿付费,技术再好也未创造真正价值。 蔚来辅助驾驶里程超91.4亿公里,避免或减轻事故超907万次;四家保险机构评估显示其主动安全系统使事故损失降低38.4%。 该数据支撑蔚来订阅模式可持续性,标志竞争转向商业验证;GB 44721—2026强标实施亦是行业重要节点。

  6. IT之家41

    万钢:2030年中国L3级自动驾驶渗透率预期超35%

    万钢在2026世界智能网联汽车大会上指出,随着AI大模型赋能与成本下探,我国L2级辅助驾驶功能在乘用车新车中的渗透率已于2026年上半年突破70%,预计2030年将超过95%。 全国已开放5.7万公里自动驾驶测试道路,累计测试里程超2.2亿公里;相关强制性国标将于2027年7月1日正式实施。

  7. IT之家30

    中国电信孵化的具身智能公司“伽马智能”成立,推进人形机器人“自进化”

    中国电信人工智能研究院(TeleAI)官宣其孵化的首个市场化创新企业“伽马智能”在沪注册,聚焦自进化人形机器人全模型研发。 伽马智能由中电信(上海)人工智能产业私募基金战略投资,李学龙教授任科学顾问,白辰甲博士任首席执行官。公司将依托TeleAI智传网,重点推动全身模型与云端协作。 此举旨在将科研成果转化为产业场景应用,实现机器人在真实交互中持续学习、共享经验并协同完成任务。

  8. arXiv · AI33

    可学习扁平化技术实现多样骨架间动作重定向

    提出一种基于 Transformer 自编码器的动作重定向方法,通过可学习的骨架图扁平化捕捉拓扑不变性。 该方法在零样本设置下将全局关节位置误差降低 43-47%,全非监督训练无需配对数据,且在人因实验中被评为运动对齐最佳。 证明了特定架构设计是使 Transformer 在动作重定向领域超越现有几何方法的关键。

  9. arXiv · AI25

    KITE:解耦运动学与交互以实现零样本跨本体机器人操作

    机器人策略 KITE 通过解耦本体无关的交互预测与本体特定的运动学解码,实现了零样本跨本体操作。 该方法利用源机器人演示数据训练交互策略,并仅基于目标本体的运动学模型生成合成数据进行解码,无需额外任务演示。 KITE 在平行夹爪、灵巧手及复合本体间成功迁移,且性能 consistently 优于现有最先进基线。