跳到正文
10月18日周日
  1. IT之家31

    美光研发边缘推理内存 EIM,降低物理 AI 数据处理延迟并提高带宽

    美光正在研发专为物理 AI 设计的边缘推理内存(EIM),该架构垂直堆叠低功耗内存于逻辑芯片之上,旨在降低延迟并提高带宽。 EIM 不同于存内计算,目前尚未公开具体性能指标,技术正推进集成至 LPDDR6,业内预计量产时间为 2028 年下半年。 未来高性能人形机器人预计需约 200GB DRAM 及 4TB 存储空间,将逐步从 LPDDR 向 HBM 架构演进。

  2. 机器之心54

    港大 EgoWild2Dex 利用 538 小时人类数据训练机器人完成复杂双臂任务

    港大 MMLab 团队提出 EgoWild2Dex,利用 538.9 小时未经刻意编排的真实人类第一视角操作数据训练机器人。通过 GeoFormer 几何变换模块对齐视角差异,并在每个下游任务使用不到 1 小时真机数据的情况下,机器人能够连续完成拆快递、使用热熔胶枪固定手办、制作冷饮等复杂双臂灵巧长时序任务,平均成功率达到 96.7%。

  3. 机器之心87

    Manifold AI 发布 WorldScape R²SI 框架并登顶 RoboDojo 智能体榜单

    Manifold AI 发布 WorldScape R²SI 框架,该系统在机器人学习基准 RoboDojo Agent Track 上超越 GPT-6-Astra 等模型。R²SI 采用内外双层 Agent 结构,通过 ICL 一次示范学习与 R²SI 递归自进化,实现动作迁移、技能组合及长任务零样本执行。

    推荐理由:Manifold AI 提出的 R²SI 框架通过内外双层 Agent 实现机器人自进化,相关系统登顶 RoboDojo 基准。

10月17日周六
  1. IT之家35

    Waymo 无人网约车进入加拿大:首站多伦多,计划 2028 年向公众提供服务

    Waymo 宣布进入加拿大市场,首站选定多伦多,计划 2028 年向公众提供无人驾驶网约车服务。 Waymo 联合首席执行官 Tekedra Mawakana 称此举是全球扩张里程碑。公司累计行驶里程超 4 亿公里,严重伤害事故率约为人类驾驶员的二十分之一。 Waymo 将与本地车队管理公司合作,并通过实地测试适应多伦多的道路布局和驾驶条件。

  2. 机器之心63

    禾赛发布三维世界数据引擎 Kosmo,15 分钟构建机器人训练环境

    禾赛发布三维世界数据引擎 Kosmo,包含空间相机 Kosmo One 和云平台 Kosmo World。Kosmo One 集成激光雷达、影像系统与高精度 IMU,在普通室内条件下约 15 分钟可完成 100 平方米空间的扫描,生成高度还原的三维训练环境。结合云平台的重建与编辑能力,该方案使机器人任务成功率达到 99%,Sharpa 失败案例降至原来的十分之一,并支持自动生成上万条训练轨迹。

  3. 36氪83

    DeepSeek 投资切入具身智能赛道

    DeepSeek 正考虑通过投资或自建团队的方式进入具身智能领域。彭博社披露 DeepSeek 已同意领投腾讯前科学家胡瀚创立的 Winverse AI 种子轮,金额达数千万美元,投后估值约 4 亿美元。同期,前逐际动力基础模型负责人俞涛的创业公司也传在 DeepSeek 的投资方之列。

    推荐理由:原文梳理了DeepSeek通过投资切入具身智能的动向,并对比了该赛道融资收紧的现状,帮助读者理解资本流向的变化。

  4. 量子位44

    深辰凯动羽毛球机器人连打1452拍获吉尼斯纪录,波士顿动力前高管评价其工程难度

    深辰凯动羽毛球机器人在浙江绍兴完成1452拍连续对打,获吉尼斯世界纪录认证,并得到波士顿动力前高管Marc Theermann的技术认可。 该机器人挥拍速度达每秒30米,识别延迟约0.5毫秒,其核心是通用的物理运动平台。 这一表现验证了机器人在高速动态场景下的感知、预测与协同执行能力,为物流分拣等复杂任务拓展提供基础。

  5. 量子位40

    四川具身科技完成超1亿元Pre-A轮融资,主打“爱湫”情感交互机器人

    四川具身科技(EIR)完成超1亿元Pre-A轮融资,资金将用于“爱湫”人形机器人迭代及万台生产基地建设。 “爱湫”采用3D超短焦投影面部方案,售价9.8万元起,公司预计2026年底投产,目标实现万台级产能。 EIR依托全栈自研与数据飞轮,旨在将情感陪伴能力带入家庭,拓展万亿级消费市场。

  6. 量子位53

    上海具身智能:VLA与世界模型如何融合构建“具身大脑”

    VLA让机器人“能干活”,世界模型让机器人“想清楚再干”,两者融合是行业共识。上海张江AI创新小镇内,蚂蚁灵波等企业提供跨本体的VLA大模型,已在药房等多门店上岗;智元GE-Act 2.0大模型在陌生场景成功率提升至44.1%。此外,上海人工智能实验室、擎朗智能等企业在不同技术路线上探索,行业规划与国家标准正在加速制定,以推动真实场景下的能力验证与迁移。

  7. TechCrunch · AI28

    Nvidia 前高管转 VC:为何机器人领域尚未迎来“ChatGPT 时刻”

    Nvidia 前机器人产品营销负责人 Amulya Vishwanath 认为机器人领域目前处于“乐高时代”,尚未迎来“ChatGPT 时刻”。 她指出执行器、机械手、软件和安全标准等基础构件仍在重构中,这与认为通用基础模型将带来突破的观点相悖。 Vishwanath 现创办早期风投机构 Techable VC,重点关注物理 AI 领域的机器人、材料科学和生命科学投资。

10月16日周五
  1. 机器之心64

    具身智能世界模型评测平台 WorldOracle 正式开放

    由普林斯顿大学、NVIDIA和智元等机构共同提出的 WorldOracle 评测平台于 10 月 16 日正式向开发者开放。该平台通过真实执行记录检验动作驱动的世界模型,首批评测显示当前模型在机械臂路径预测上表现较好,但物体位置与运动预测偏差明显,且长序列预测准确性显著退化。

  2. 机器之心76

    Sharpa 如何系统性推进灵巧操作:从硬件、数据到模型

    Sharpa 通过软硬件协同、解耦运动与交互、触觉跨本体表征三条主线,推进类人灵巧操作。UVTA 结合人类演示与机器人数据,提升多任务成功率至 70%;MoDE-VLA 引入强化学习原子技能,提高削苹果等任务成功率至 34%;CraftNet 分层模型将高频触觉反馈隔离至 System 0,配合踏板、点云或隐空间接口优化接触控制。

    推荐理由:Sharpa 学术负责人梳理了具身智能在数据、运动交互与触觉三方面的核心路径,揭示了从人类视频到灵巧操作的转化逻辑。

  3. Seven Minute Feed38

    沃尔沃选择 Nvidia 平台实现 2030 年 L2++ 城市无接管辅助驾驶

    沃尔沃将基于 Nvidia Hyperion 平台及 Alpamayo 推理软件,开发支持城市复杂路况(如处理无保护左转)的 L2++ 驾驶辅助系统。该系统目标在 2030 年推出,初期阶段不搭载 lidar 硬件,功能定位与特斯拉 FSD (Supervised) 相似。此次合作旨在取代此前失败的 Ride Pilot L3 项目,进一步丰富 Nvidia 的汽车客户名单。

  4. arXiv · ML35

    ARMOR:面向机器人故障检测与推理的自精化视觉语言模型

    研究者提出 ARMOR(Adaptive Round-based Multi-task mOdel),通过迭代自精化多任务处理机器人故障检测与推理,克服封闭集分类限制。模型结合稀疏二值标签与少量推理标注进行离线及在线模仿学习,推理时利用自确定性指标筛选最优路径。在多样化环境中,其故障检测率较前序方法提升最高 30%,LLM 模糊匹配推理指标提升最高 100%。

  5. arXiv · AI26

    VOiLA:基于扩散模型学习POMDP代理在线规划的向量化框架

    VOiLA提出利用学习型扩散模型生成POMDP世界模型,结合VOPP规划器实现高效的在线规划,适用于不确定环境下的机器人任务。 其扩散采样器通过蒸馏为紧凑前馈生成器,使采样成本降低近三个数量级。 在3个基准问题中,VOiLA表现优于或持平于当前RL方法(如Recurrent Soft Actor Critic和DreamerV3),且使用不到10%的训练数据。

  6. arXiv · AI35

    EmbodiedMidtrain:通过中训弥合 VLM 与 VLA 模型间的差距

    EmbodiedMidtrain 提出了一种中训数据引擎,通过轻量级邻近度估计器从 VLM 数据池中筛选出最对齐 VLA 的候选数据。 该引擎构建了 EmbodiedMidtrain-1M 数据集,用于在下游 VLA 微调前对中训 VLM,实验显示其在仿真和真实机器人操控任务中均提升了 VLA 性能。 论文将发布所有代码、数据和模型,以支持未来研究。

  7. arXiv · AI29

    RMBench:评估机器人操作策略记忆能力的仿真基准

    研究提出包含9项操作任务的仿真基准RMBench,以及具备显式记忆组件的模块化策略Mem-0,用于系统性评估策略在历史观察推理和信息保持方面的记忆能力。 通过仿真和真实世界实验,RMBench揭示了现有操作策略在记忆依赖任务上的局限,并提供了架构设计选择影响记忆性能的实证见解。

  8. arXiv · ML46

    REKI:基于知识注册的 2.4B 视觉-语言-动作模型

    REKI 是一个 2.4B 的视觉-语言-动作模型,在 LIBERO-Plus 等基准上表现优于约两倍的模型,刷新性能与模型大小的帕累托前沿。 该模型采用 VLM 加流匹配动作专家架构,通过少量 register tokens 实现低开销记忆,使位姿振荡现象减少约 4 倍。 REKI 完全基于公开数据预训练,并开源了全部代码、权重及评估部署流程。

  9. arXiv · AI33

    Atomic-PPO:用于电动出租车调度与充电分配的可扩展深度强化学习算法

    研究人员开发了可扩展的深度强化学习算法 Atomic-PPO,通过原子动作分解缩小动作空间,用于优化电动出租车队的调度与充电配置。 该算法基于离散时间马尔可夫决策过程建模,在纽约市真实行程记录校准的模拟环境中,其性能接近流体奖励上界,并优于启发式策略。 实验表明,基于乘客量规划充电桩位置、平衡充电数量与速度,并联合规划基础设施与车队规模对系统表现至关重要。

  10. arXiv · AI25

    LIBERO-PeRM:个性化机器人操作基准

    该研究提出 LIBERO-PeRM 基准,旨在评估具身智能体在机器人操作任务中的个性化偏好学习能力。基准涵盖 312 个任务套件,通过对比零样本、单偏好学习及多偏好冲突处理场景,分析策略泛化性。实验显示当前 VLA 策略零样本表现差,SFT 可有效学习偏好但混合训练会削弱运动偏好学习。

  11. arXiv · AI39

    CoDA:数据引擎与动作策略的协同进化

    CoDA 框架引入“仿真数据引擎”与“动作策略”的协同进化机制。通过共享异构内存与视觉语言批评者,将策略失败转化为生成与训练程序,实现针对性迭代优化。 在四个操作任务家族中,CoDA 将分布外成功率从 5.3% 提升至 27.6%。在 LIBERO-Pro 基准上,经过 15 轮生成与训练,成功率在位置扰动下从 25% 升至 84%,在指令扰动下从 1% 升至 76%。

  12. arXiv · AI29

    DSP框架通过有监督玩耍实现机器人灵巧操作

    DSP框架通过几小时人类有监督玩耍数据训练玩耍策略,自主采集交互数据训练世界模型,并在推理时指导模型预测控制。 在真实世界实验中,DSP在欠驱动推压任务中成功率比后见行为克隆高69.6%,仅需强化学习1/490的交互数据达到可比表现。 该框架实现了无需任务特定示范或sim-to-real迁移的机器人自主灵巧操作。

  13. arXiv · AI28

    全身灵巧操作

    提出的全身灵巧操作框架利用机器人躯干和四肢作为接触面,以抓取和操作大型物体。 该框架通过仿真生成可行全身抓握数据集,并训练强化学习专家。专家被蒸馏为一个单策略,使用本体感觉和物体几何形状,实现零样本迁移到真实环境。 在真实世界中,该策略完成90%的全身操作任务,远胜于直接重定向的18%和通用全身控制器的4%。

  14. arXiv · AI24

    跨具身因果迁移:从人类视频到机器人操作

    研究人员提出因果光束引导的子任务迁移(CBST)方法,以解决人形与机器形态差异导致的监督难题。 该方法利用因果光束分析子任务迁移,从人类视频中提取操作相关表征,并通过机器人演示将其锚定在任务级语义变量上。 在机器人操作基准测试中,CBST 使任务成功率优于相应的世界 - 动作模型基线。