RIFAR:面向持续机器人学习的可靠性感知与遗忘感知重放方法
RIFAR 结合可靠性筛选与漂移感知重放选择,在 LIBERO 等基准上超越基于世界动作模型的生成式重放现有技术。 该方法利用冻结的逆动力学模型评估动作-视觉一致性,从紧凑演示前缀重构轨迹,并通过比较适配前后动作预测筛选漂移较大的轨迹。 在 LIBERO-Goal 数据集上,RIFAR 取得 90.97 AUC,仅保留每任务 320 个历史时间步,约为 50 演示重放方法的 4.9%。
RIFAR 结合可靠性筛选与漂移感知重放选择,在 LIBERO 等基准上超越基于世界动作模型的生成式重放现有技术。 该方法利用冻结的逆动力学模型评估动作-视觉一致性,从紧凑演示前缀重构轨迹,并通过比较适配前后动作预测筛选漂移较大的轨迹。 在 LIBERO-Goal 数据集上,RIFAR 取得 90.97 AUC,仅保留每任务 320 个历史时间步,约为 50 演示重放方法的 4.9%。
研究提出 VIGOR 框架,通过潜在空间一致性使模型强化学习(MBRL)在未见视觉干扰下实现零样本泛化,保留样本效率。 该框架整合弱到强增强、动力学级一致性及编码器级稳定组件,解决递归潜在展开误差复合问题。 在 DeepMind Control Suite 上超越次优基线 3.4%,Robosuite 上超越 43.6%,且鲁棒性不依赖特定增强策略。
ProWAM 提出了一种渐进式世界动作模型,通过联合预测动作和有序稀疏视觉子目标,为任务执行提供显式视觉引导。 在仿真基准中,ProWAM 在 LIBERO-Plus 上取得 85.8% 的最高分,在随机化 RoboTwin 上取得 75.7% 的最高分,超越最强基线的相对提升最高达 +35.9%。
Wayve 胜出竞争对手,将与大众汽车旗下 CARIAD 合作供应自动驾驶解决方案。 Wayve 负责开发自动驾驶 AI 软件,CARIAD 负责软件与大众-博世联合开发硬件的系统集成。十余家供应商参与了大众在德国南部城市的方案演示,Wayve 凭技术与财务表现胜出。
FieldAI 正在为 7 亿美元融资签署投资条款清单,投后估值达到 100 亿美元,较其上一轮 20 亿美元估值提升约五倍,本轮领投机构尚未披露。公司正在研发可跨人形机器人、机器狗、无人机及工业移动作业车运行的“通用大脑”,6 月以来新增至少 3,500 万美元营收与客户订单,总规模突破 1.35 亿美元,客户涵盖建筑、数据中心及防务企业。
机器人格斗公司 REK 因在旧金山未经许可举办人与机器人笼斗赛,收到加州州立体育委员会(CSAC)的停止侵权禁令。该活动于 9 月 18 日举行,油管博主弗兰基・拉彭纳先后与三台机器人对战。CSAC 认定此类未经审批的赛事属轻罪,禁止 REK 继续举办、宣传或赞助。
美团 LongCat 团队构建了 MineExplorer,一个在开放世界中做到分钟级长程任务的评测基准,并开源了相关数据和代码。基准包含 813 个人工验证的高质量任务实例,支持 1 到 4 级多跳推理任务。
推荐理由:文章给出了18款多模态大模型在MineExplorer动态环境中的具体成绩,读者可以据此判断感知与长程规划之间的实际能力断层。
AMD 宣布以约82亿美元股票收购李飞飞创办的 World Labs,李飞飞出任 AMD 执行副总裁兼首席科学家。World Labs 成立两年未公布营收,唯一商业产品 Marble 仅是一款月付20美元、按次计费的3D场景生成工具,却支撑起82亿美元估值,是两年前估值的8倍多。
特斯拉 CEO 马斯克宣布,奥斯汀地区 Robotaxi 的运营结束时间将由晚间 22 点延长至 23 点。其团队正重点解决夜间低能见度下的宠物识别问题,以防止车辆碾压路边猫狗。马斯克在社交平台表示,利用 AI 对可见光摄像头进行光子计数分析,可提升黑暗环境下的识别效果。
天津大学海河实验室联合神工谛听发布“神工 · 须弥 · 脑立方”,这是迄今全球体积最小、重量最轻的无创脑机接口系统,重仅 3 克、体积不足 2 立方厘米。 该系统将脑电电极、电路、电池与无线传输集成于微小空间,满足医疗器械国家标准 GB 9706.226-2021,在 1000Hz 采样率下续航可达 8 至 10 小时。
现代汽车集团宣布计划在未来数年内将 2.5 万台 Boston Dynamics Atlas 人形机器人部署至旗下现代和起亚全球工厂,并将在美国建设一座年产能 3 万台的机器人生产设施。Atlas 量产版拥有 56 个自由度、最大负载 50 公斤,目前已在美国佐治亚州 Metaplant 园区的机器人应用中心开展遥操作训练,并计划于 2028 年起率先用于零部件排序与装配。
特斯拉 CEO 马斯克宣布,AI5 芯片的内存配置由 72GB 上调至 96GB。这一调整旨在避免特斯拉成为唯一使用该内存标准最低配置的企业,同时应对全球内存紧缺带来的供货挑战。该芯片性能对标英伟达 Hopper 显卡,单瓦功耗性能可达其三倍。
东南大学魏秀参团队提出可学习源先验(LeaP),通过本体感知信息联合预测初始高斯分布的均值与方差,为生成式机器人策略提供状态相关的随机初始化。 该研究在 RoboTwin 15 项仿真任务中平均成功率达 81.6%,较标准高斯基线提升 25.5 个百分点;在 Franka Research 3 真实机械臂实验中平均成功率为 80.0%。论文已被 CoRL 2026 接收,代码已开源。
影身智能选择原生4D路线构建世界模型,比 World Labs 的 Atlas 模型早两年布局。该公司利用 4 到 6 台消费级摄像头和单块 GPU 实时生成4D数据,在制鞋工厂部署数千台机器人并获得2亿元订单,同时在服贸会展示了4D直播方案。
OpenClaw 智能体成功配置并控制了 LeRobot 101 机械臂,不仅能抓取特定物体,还协助训练了其他 AI 模型,展示了 AI 赋能机器人开发的潜力。
Jesse Smith指出,尽管流行叙事宣称传统行业薪资高且AI无法替代,但严谨研究证实大学学历能带来数十万美元的终身收入提升。实际支付的公立大学年均学费低于2500美元且呈下降趋势,而体力劳动具有显著的身体伤害风险。
Microagi 聘请 Georgia Tech 教授 Animesh Garg 担任首席研究官,并收购其团队创办的隐身初创公司,带来七名研究人员。Garg 将负责将通用机器人模型适配至工厂任务的后训练;Microagi 已完成创德国纪录的 5500 万美元种子轮,并计划五年内部署 1000 万机器人。
Nvidia 前机器人部门员工正创办多家物理 AI 公司。前 AI 研究副总裁 Sanja Fidler 成立 Veeda AI 构建机器人训练用模拟世界,前研究员 Joel Jang 创办 Dream Labs。Nvidia 已投资 Flexion 和 Dyna Robotics 等校友企业,并因这些公司基于其芯片与模拟软件发展而受益。
临界点(AGILINK)旗舰灵巧手 OmniHand 3 Ultra 开展苏绣技艺学习,在真实操作中完成穿针、合绣等精细动作。该灵巧手具备 21 个主动自由度及全手触觉,其应对柔性材料与动态力控的综合能力可验证并迁移至更多复杂真实场景。
正行创新是2026年初成立的物理智能公司,姚颂、正大集团等联合发起,今年6月完成近亿美元天使轮。公司围绕世界动作模型与强化学习技术,推动人形机器人部署至商业工业场景。
商汤善惠在上海发布零售物理操作系统 SenseMart OS,并联合中粮智尚等伙伴启动“千城万店计划”。该系统基于 SenseMart Go 烧卖购机器人小店,已在 6 座城市落地二十余家门店,实现常态化运营。异构本体平台支持不同形态机器人接入,最快十五秒内完成一笔订单,推动具身智能向商业落地。
微软在开源的 Physical AI Toolchain 中新增推理卸载能力,允许开发者使用 Kubernetes 工具将机器人 AI 工作负载分配到边缘或云端 GPU。
推荐理由:系统评测了将物理AI推理从机器人端侧卸载到边缘或云端对任务成功率、模型规模和电池寿命的影响。
宇树 G1+ 机器人完成大版本升级,涵盖运动性能、感知交互、智能体验三大维度共6项功能更新。此次升级一次性到位,旨在提升机器人的整体性能与交互体验。
智象未来发布具身世界模型 HiDream-O1-Embodied,在 RoboColiseum 评测平台的扰动适应子榜以 0.692 分登顶。模型通过语言理解、多视角视觉感知和高容错机制提升非理想环境下的稳定性,结合真实数据与生成增强形成数据生产范式,补齐了图像、视频、3D 和动作的全模态矩阵。
推荐理由:具身模型登顶扰动适应榜单,展示了从模拟走向真实物理交互的技术闭环。
皮尤研究中心(Pew Research)研究显示,ChatGPT 发布以来约有 1/3 的网页显示由 AI 撰写或编辑的迹象。截至 2026 年,.com 网页中 AI 关联内容占比达 9.4%,远高于 .edu 的 1% 和 .gov 的 0.8%。这种分布不均源于商业出版商利用 AI 提升产能的经济动机,而公共机构受限于流程与激励不足。
阶跃 StepFun 展示 STEPX Neo、汽车智能体超级 Eva 及机器人协作项目。STEPX Neo 搭载 Step AOS 系统,支持打车点外卖等 Agent 操作,并获 L3 级检测报告。超级 Eva 搭载于极氪 8X,支持语音控车、全程规划及生活服务。6 台机器人基于具身通用基础模型,自主协作完成亚毫米级精密拼装。
Berkeley AI Research (BAIR) Lab 举办 2026 届博士生展示,庆祝其在人工智能与机器学习领域的前沿研究成果。 毕业生研究方向涵盖大语言模型推理、计算机视觉、生成模型及 AI 安全,部分毕业生将进入 OpenAI、Mistral AI 及工业界实验室任职。
State of AI 在 2026 年 5 月刊中回顾 2026 年 4 月的 AI 政策、研究、产业和创业公司动态,指出前沿模型在网络安全、Agent 市场、机器人基础模型和开源编码模型上出现关键变化。
日本经产省发布实体AI战略,设定2040年占全球市场30%的目标。此举核心驱动力是应对2040年预计1100万劳动力短缺的生存需求,而非单纯的经济竞争力。
Hugging Face 发布 LeRobotDataset v3.0,通过单文件打包多集数据和流式处理模式,解决数百万集场景的文件系统限制。该格式自 lerobot-v0.4.0 起支持,提供一键转换工具,并兼容 Hugging Face Hub 上的多模态机器人数据集。
Hugging Face 提出异步机器人推理方法,通过解耦动作预测与执行消除推理等待带来的延迟。该系统采用 PolicyServer 和 RobotClient 双进程架构,利用 gRPC 通信实现比 REST API 快 5 倍的传输性能。在 SmolVLA 测试中,该架构在保持相同任务成功率的同时,实现了约 2 倍的完成任务速度提升。
NVIDIA 在 GTC 2025 大会上发布了三项开源成果:Cosmos Transfer 世界基础模型、15TB 物理 AI 数据集以及通用类人推理模型 Isaac GR00T N1。
推荐理由:NVIDIA 在 GTC 2025 开源了 Cosmos Transfer 与 Isaac GR00T N1 模型及数据集,为开发者提供了训练具身智能体的完整工具链。
Pollen Robotics 团队发布开源 pollen-vision 库,该工具包整合了 OWL-VIT、Mobile SAM 和 RAM 等零样本视觉模型,旨在让机器人无需训练即可抓取未知物体。当前版本聚焦于 3D 物体检测,能通过相机内参计算物体在 3D 空间中的 (x, y, z) 坐标,但尚未支持 6D 姿态估计。
OpenAI 训练了一个类人机器人手,能够以前所未有的灵活性操作物理物体。该模型展示了在实体交互中极高的操控精准度与适应性。
OpenAI 发布八套机器人模拟环境和一套 Hindsight Experience Replay 的 Baselines 实现,称过去一年中已使用这些环境训练出可在物理机器人上运行的模型,同时开放一组机器人研究课题请求。
OpenAI 推出最新机器人技术,使在仿真中训练的控制器部署于实体机器人后,能对环境突发变化做出反应。该技术将原有的开环系统升级为闭环系统,提升了机器人在简单任务执行中应对非计划环境变化的能力。