加州体育委员会要求 REK 停止未经批准的人机格斗赛
加州体育委员会向科技初创公司 REK 发函,要求停止未经批准的人机格斗比赛活动。 该委员会认定 9 月 18 日弗兰基 · 拉佩纳与人形机器人的对决非法,禁止 REK 在未获批准的情况下举办、推广或宣传此类赛事。REK 已宣布 9 月 9 日将举行两台配备武器的机器人对决。
加州体育委员会向科技初创公司 REK 发函,要求停止未经批准的人机格斗比赛活动。 该委员会认定 9 月 18 日弗兰基 · 拉佩纳与人形机器人的对决非法,禁止 REK 在未获批准的情况下举办、推广或宣传此类赛事。REK 已宣布 9 月 9 日将举行两台配备武器的机器人对决。
NVIDIA 官方展示了 12 个项目,说明开发者如何使用 GPT-6 Astra、Claude 等前沿 AI 智能体结合 Omniverse 库构建应用。项目涵盖可编辑 3D 资产、机器人拆解测试、可编辑建筑模型、燃气轮机数字孪生、仿真场景、规模化仓库仿真、机器人控制、CAD 转换、人形模拟器、自动驾驶测试、数字孪生对比以及 Robo Olympics。
加州州体育委员会向初创公司 Rek 发送停止函,禁止其在未经批准的情况下,在加州组织涉及人类的机器人拳击比赛。 该禁令基于 Rek 上月使用 EngineAI 机器人及远程 VR 系统举办的一场未经批准的人机对抗赛。Rek CEO 表示,公司周五将举办一场机器人间的格斗表演。
人形机器人领域热度高涨,但研究人员质疑通用 AI 能否解决物理世界的复杂变异性,且认为将人形机器人与通用机器混为一谈具有误导性。WaveSave 推出名为 SlamDam 的可安装橡胶大坝,充气后可高达 1.3 米,用于在海平面上升和洪水风险加剧时保护附近财产和建筑免受水淹。
Mecka AI 完成由 Sequoia Capital 领投的 6000 万美元 B 轮融资,Nvidia、Microsoft M12 和 Qualcomm 参投。 公司通过捕捉包括力和压力在内的真实世界数据,协助机器人理解并操作物理世界。 Mecka AI 认为扩展物理 AI 需在传感器和数据采集上投入巨资,这是区分机器人与语言模型的关键瓶颈。
自动驾驶技术公司 Waymo 近日宣布获得 50 亿美元贷款,这是其首次进行债务融资,资金方包括黑石、太平洋投资管理公司、Sixth Street 等。这笔资金将用于推动无人驾驶出租车扩张,并帮助 Waymo 进入美国、欧洲和日本市场。
斯坦福李飞飞、吴佳俊等人发布论文OpenWAM,提出开放的世界动作建模框架,系统性回答视频底座与反事实数据对机器人动作模型的提升机制。框架基于阿里开源视频模型Wan2.2-5B,通过因果化改造和Mixture-of-Transformers架构支持四种可配置交互方式,配合LIBERO-Long-CF数据集生成29.7倍反事实数据。
推荐理由:斯坦福李飞飞团队提出OpenWAM框架,通过控制变量法系统性验证视频底座与反事实数据对机器人动作模型的提升机制。
正行创新在APRCE 2026发布全球首个零售物理智能24/7服务解决方案,由双足人形机器人H1与轮臂式机器人C1组成。 方案支持“0改造”快速部署,旨在实现人机协作运营。自研轻量级模型SLM-0.5在LIBERO基准测试中任务成功率达98.6%,推理速度较主流方案提升24倍。计划于2027年提供商业化服务,通过直接采购或RaaS订阅覆盖硬件、软件及运维升级。
ETH Zurich 团队利用强化学习,让 Wuji Technology 现成机器手在 80 克背包驱动下实现指尖行走,平均速度达 9 cm/s。模型支持多表面爬行、自平衡及按键操作,可在受限空间执行任务。研究提出“自主模块化身”概念,拓展机器人部件功能边界。
summary_zh: Nvidia 于 2026 年 6 月宣布 Halos for Robotics,通过扩展其全栈安全架构,旨在实现仓库移动机器人、工厂人形机器人及手术机器人等物理 AI 系统的安全部署。
尽管 Optimus 和 Gemini Robotics 等进展不断,专家普遍认为通用机器人距离改变日常生活仍有约 10 年距离。当前 VLA 模型依赖大量遥操作数据,难以应对现实物理世界的复杂性。以 Physical Intelligence 的 π0.7 为例,虽然展示了初步的组合泛化能力(如操作空气炸锅),但整体成功率仍低,且演示视频中常包含人工遥控,掩盖了真实自主决策能力的不足。
小马智行与 Uber 宣布将在伦敦测试第七代 Robotaxi,测试将于未来数周内启动。 此前双方于 8 月在萨格勒布上线了欧洲首个商业化 Robotaxi 服务,接入 Uber 平台。公司目标 2026 年底车队规模超 3,500 台,覆盖超 20 座城市,收入达 2025 年 3.5 倍。
Upbeat Technology 推出 Bluemag Pi 飞行控制器,该设备集成 onboard AI 推理能力,专为长航时固定翼及多旋翼无人机设计。 其基于 UP301 SoC 和双核 SiFive RISC-V 处理器,支持 PX4、ArduPilot 等开源栈,提供实时飞行控制与 AI 任务分离。
AI 芯片设计初创公司 Verkor.io 在 3 月发布的研究论文中声称,其自主 Agentic AI 系统 Design Conductor 基于一份 219 字的规格文档,在 12 小时内生成了一枚完整且经过验证、可进入布局阶段的 RISC-V CPU 内核。这一过程比传统商业芯片设计 18 至 36 个月的周期快了几个数量级。
地缘政治科技惊悚小说《An Unlikely War》引入 Omega Manta 战机与 AISJ 导弹,假设单方拥有 AI 武器绝对优势后的战略后果。 AI 实战应用于监控、目标识别,但“人类退出”与“机器秒杀决策”是关键分歧;虚构设定超前,用以推演失控与责任归属。 作者主张科幻预演现实难题:技术越自主,人类判断力越被挤压,小说并非预测装备,而是探讨战争决策权的未来。
作者认为计算机视觉才是决定 AI 进入物理世界的核心能力,而非语言处理。感知力优于推理,且大量高价值任务受限于视觉而非逻辑。 当前竞争焦点在于开发可在设备端运行的视觉模型,如 OpenVLA、π0 等视觉-语言-动作模型。该观点指出,文本数据正在枯竭,而海量未标记的视觉数据是关键突破点。
研究团队发布仿真测试环境 RobotWorld,用于评测多模态智能体在物理世界中的机器人控制能力。 环境包含涵盖操作、移动及飞行等类别的 84 项任务,设置了显式交互预算与可执行成功判定。 测试显示现有智能体能构建感知控制流但难以组成可靠行为,且 Astra 与 Opus 5.5 在不同任务上表现各有侧重。
提出分层强化学习框架,将高频关节运动与低频步态适应解耦,通过三阶段 Isaac 训练实现零样本 sim-to-real 转移,降低质心传输成本(CoT)。 在仿真中对比单策略基线,该方法在平坦、崎岖及倾斜地形均保持鲁棒性,并自动根据速度切换从慢走(pacing)到小跑(trotting)步态。 在 Unitree AlienGo 四足机器人上完成零样本实际部署验证,证实了方案的工程可行性。
研究者构建了含10,000次抓取试验、200个物体的数据集,并利用四个Digit 360触觉传感器采集视觉、本体感知及触觉流数据,以训练端到端时间多模态模型。 模型预测提升后稳定性,将学习到的预测器部署为在线稳定性门控,使重新抓取成功率相比非触觉门控提高了10.5个百分点,提供了无需显式接触建模的数据驱动路径。
研究团队提出 DRIVE 方法,通过将成功行为多样性转化为显式强化学习目标,显著提升视觉-语言-动作(VLA)策略的泛化能力。 在 LIBERO-Plus、ManiSkill3 和 RoboTwin 2.0 基准测试中,DRIVE 使 π0 模型的域外平均性能比常规强化学习微调提升 5.3 分,π0.5 提升 2.0 分。
NAViLoss 联合惩罚导航状态域的速度估计残差和 DVL 测量域的波束一致性残差。 该模型集成了 DeepONet 架构,利用有界形式限制大残差影响,并自适应调节波束几何不确定性。 在半合成实验数据评估中,速度估计精度较传统及学习基线提升了 44%。
TERRA 通过时间效应表征和关系对齐学习可迁移潜在动作,在 LIBERO 基准上以 93.4% 平均成功率超越 UniVLA 的 91.8%。 模型利用冻结线性读取器更准确地预测动作,且在视觉干扰下性能退化更慢;同等预训练规模下效果显著,代码即将发布。
Immiscible Diffusion Policy 采用无标签训练时增强方法,解决扩散策略坍缩为单一模态的问题。 方法通过动作噪声分配保持独立噪声-动作路径,无需修改模型架构或推理过程。 在 7 个人形机器人任务中,该方法将非主导模态比例提升 6.0 倍至 14.6 倍。
Workhorse 通过人类演示学习双足机器人全身操作,在 Unitree G1 上完成分拣、接盒等任务。 视觉规划器预测躯干、双手腕和双脚姿态,强化学习追踪器在机器人上执行,两者基于同一人类数据独立训练并互相模仿部署错误。 在模拟环境中,受 40 N.s 推力影响时分拣成功率为 64%,无推力时达 83%。
该研究提出首个使用模型强化学习在开放表面实现自主液滴导航的机器人平台,无需仿真或解析模型,仅需50至150个物理训练回合。 平台在90分钟内完成训练,展示了向未见几何形状的零样本迁移能力,并自主发现振荡去钉扎策略以解决液滴粘滞问题。 这些结果扩展了强化学习在可变形软物质系统中的应用,服务于下一代自驱动实验室。
SpikingVLA 是一种基于 ANN-to-SNN 转换的脉冲视觉-语言-动作(VLA)模型框架,实现了低延迟推理。 它采用树突积分-放电(DIF)神经元和异步执行机制,与现有方法相比,SR 和 SPL 分别提升 11.9% 和 12.6%,首次动作延迟降低 11.2 倍。 该框架为预训练 VLA 模型的高性能、低延迟部署提供了实用方案。
CARE通过配对回滚和序贯测试,为VLA模型加速提供有限样本保证,确保持有认证的最快加速器。 在LIBERO基准上,CARE认证OpenVLA-OFT模型获得9.0-10.8倍加速,95%置信度下保留至少85.8%的成功任务。 相比无保证选择器,CARE严格控制在用户指定的失败预算内,且序贯形式比穷举评估减少78.9%的回滚次数。
ModPack 是一款模块化遥操作系统,集成了自包含式穿戴“背包”,支持关节级遥操作、移动操作和主动感知等即插即用模块。 该系统在两个不同机器人平台上验证了其灵活性,所收集数据质量优于无机器人方案,并已开源完整的硬件设计和软件栈以支持未来研究。
OptCar提出一种Transformer前向运动学(FKD)架构,利用FiLM机制将多步预测条件化于单一动力学上下文Token。 该方法在三个地形及分布外拖车任务中进行闭环MPC实验,在6 m/s最高速度下,OptCar在植被+泥土地形将轨迹跟踪误差降低约55%。仅每地形5分钟真实数据即可媲美30分钟数据训练的专用模型。
summary_zh: VIA (Visual Interface Agent) 将机器人控制重构为智能体任务,利用虚拟工作区驱动操作臂完成抓取。 该框架支持多模态智能体零样本操作,性能随底层基础模型增强而提升,已在真实移动机器人上验证。
该研究提出 Failure-Aware Retry(FAR)框架,通过结合失败对比偏好适应与轻量动作扰动,使机器人能在测试时从先前失败中学习并自主完成任务。 FAR 在仿真和真实操作任务中大幅提升了成功率,平均较标准扩散策略分别提升 17.6% 和 11.7%,并提高了持续改进中的数据效率。 该工作已被 CoRL 2026 接受,代码与视频已公开。
研究证明世界模型为机器人学习供应链引入隐蔽数据投毒入口。 攻击者通过向安全的遥操作数据集注入恶意提示或破坏性过渡动力学,经世界模型生成危险轨迹,导致下游策略失效。该方法在VLA场景实现端到端后门验证,凸显世界模型安全性研究必要性。
提出 WorldDP 框架,通过物体中心表示解耦环境实体,利用高层世界模型优化子目标并由底层扩散策略执行,以解决多阶段机器人操作任务。 该框架在多个机器人基准测试中持续优于现有基线,验证了结合物理规划与高效执行能带来 superior 的多阶段性能。
研究提出 TAVIS 基准,包含 TAVIS-Head 和 TAVIS-Hands 两套任务,基于 IsaacLab 和 GR1T2、Reachy2 人形躯体构建。 引入 GALT 指标量化预测性注视,基线实验显示 Diffusion Policy 和 π_0 在主动视觉下表现改善,且多任务策略在分布偏移下显著退化。 代码与评估脚本已开源。
RoboPilot 提出双思维闭环 Agentic 框架,通过快慢思维动态切换增强机器人操作鲁棒性。 引入 Chain-of-Thought 推理优化任务规划,评测基准 RoboPilot-Bench 覆盖 21 项任务。 实验显示其任务成功率较 SOTA 基线提升 11%,工业部署验证了动态恢复能力。
研究人员提出 RoboFAC 框架,构建了包含 9,440 条错误操作轨迹和 78,623 个问答对的大规模故障中心数据集,以解决视觉-语言-动作模型缺乏故障诊断监督的问题。 该轻量级多模态模型在故障分析准确率上比 GPT-4o 高 34.1%,并在实际控制管道中带来 29.1% 的相对性能提升,同时显著降低延迟。 模型和数据集已公开可用,增强了视觉-语言-动作模型在开放世界场景中的恢复能力。
Long-WAM 将因果世界动作模型的上下文从 0.0 秒扩展至 19.2 秒,使 RoboCasa GR-1 任务成功率从 63.3% 提升至 78.7%。该模型通过自回归(AR)预训练视频基础模型,并在 RTX 5090 等硬件上实现 107.4ms 的动作响应,支持 Unitree G1 动态操作。在动态杯堆叠任务中,Long-WAM 成功率达 95%,优于对比模型。
FoldBack 是一种自我校正的掩码生成策略,专为长时程服装折叠设计。 该策略在 33 件真实服装的测试中,最终折叠成功率为 75.2%,最终掩码 IoU 为 0.837,均优于 45.7% 和 0.689 的最强基线,且无需恢复演示或基础策略重训练。
RoboQuest 提出了一个目标导向的具身探索基准,包含 10 项移动操作任务,重点考察智能体在搜索、基于操作检查及交互式测试三种不确定性下的信息获取能力。 该基准通过通用视觉运动接口评估了 5 个前沿多模态智能体及微调后的 π_0.5 策略,发现最优智能体在独立测试中仅 23% 的情况下成功完成任务。
提出双AI架构框架,LLM生成受限代码,VLM提供语义 grounding,支持复杂意图到机器人动作的映射。 架构包含几何/语义阈值驱动的重规划触发器、运行时监控和自适应规划循环,在前沿模型基准测试中验证了动态环境下的鲁棒性。