跳到正文
10月9日周五
  1. NVIDIA Blog52

    NVIDIA Omniverse 开发者用前沿AI智能体构建多种应用

    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。

  2. The Verge · AI21

    加州拟通过禁令停止 Rek 机器人拳击表演

    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。

  3. Hacker News AI27

    人形机器人面临 AI 阻碍与 WaveSave 便携橡胶大坝

    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。

10月8日周四
  1. Seven Minute Feed39

    Mecka AI 完成 6000 万美元 B 轮融资,Sequoia 领投以采集机器人物理数据

    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。

  2. 机器之心82

    李飞飞团队发布OpenWAM:统一世界动作模型框架,机器人成功率提升29.4%

    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。

  3. 量子位36

    正行创新亮相APRCE 2026,发布全球首个零售物理智能24/7服务解决方案

    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。

  4. Hacker News AI59

    机器人 AI 突破不会短期内改变生活:从愿景到现实的鸿沟

    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。

  5. HackerNoon · AI20

    小说《An Unlikely War》探讨 AI 武器化:虚构技术与现实军事伦理的距离

    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。

  6. HackerNoon · AI45

    计算机视觉如何定义 AI 世纪

    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。

  7. arXiv · ML42

    RobotWorld 跨任务与具身机器人使用基准测试发布

    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。

  8. arXiv · ML26

    基于分层强化学习的四足机器人能效步态适应

    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。

  9. arXiv · ML37

    基于时间视觉-触觉学习提高灵巧抓取稳定性

    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。

  10. arXiv · ML29

    Workhorse:基于人类数据学习双足人形机器人全身运动-操作

    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%。

  11. arXiv · ML22

    基于模型强化学习的自主液滴导航:零样本迁移与涌现动力学

    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。

  12. arXiv · NLP29

    SpikingVLA:异步脉冲视觉-语言-动作模型

    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。

  13. arXiv · NLP33

    CARE:面向视觉-语言-动作模型推理加速的认证方法

    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。

  14. arXiv · AI31

    OptCar:利用Transformer FKD架构适配通用车辆模型以实现跨地形高速MPC控制

    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。

  15. arXiv · AI42

    FAR: 面向测试时恢复与持续策略改进的失败感知重试框架

    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。

  16. arXiv · AI41

    RoboFAC:一个用于机器人故障分析与修正的综合框架

    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。

  17. arXiv · AI29

    Long-WAM:扩展因果世界动作模型的上下文窗口

    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。

  18. arXiv · AI31

    RoboQuest:用于通用物理智能体探索、检查与测试的基准

    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。