跳到正文
11月13日周五
  1. arXiv · AI34

    NVIDIA 提出 Instant NuRec,前馈 3D 高斯重建实现驾驶场景仿真

    NVIDIA 发布 Instant NuRec,前馈神经网络将短时多视角驾驶日志单次前向转化为可仿真的 3DGS 世界。 10-20 秒多摄像头场景重建耗时约 1.5 秒,在 Waymo 数据集上 PSNR 较最强基线提升 2.01 dB。 模型深度集成于 NuRec,并支持 AlpaSim 闭环仿真,降低自动驾驶开发成本并提升安全性。

  2. arXiv · AI23

    AgriSense:虚拟温室中的视觉-语言决策支持与机器人干预框架

    该框架结合 Isaac Sim 虚拟温室与四足移动机械臂,支持环境调控与植物干预。 使用冻结的 DINOv2 和 BERT 编码器,全模型在温度、湿度和土壤水分预测上分别达到 0.249℃、2.030 个百分点和 0.997 个百分点的 MAE。 导航轨迹误差为 5.22-17.32 mm,32/40 个机械臂目标通过几何验收,但未在真实温室验证。

  3. arXiv · AI34

    三元组增量训练框架:将通用 VLM 转化为多功能驾驶 VLM

    三元组增量训练框架通过非侵入式方法,在保留通用 VLM 开放世界能力的同时注入 3D 几何感知,无需修改架构。 框架利用 (图像, 深度, QA 对) 三元组进行三流训练:主 VLM 流适配驾驶任务,辅助深度流隐式想象 3D 几何,冻结孪生 VLM 流通过 logit 级 KL 蒸馏防止语义漂移;部署时丢弃深度流,实现零推理开销。

  4. arXiv · AI24

    RUMI:匹配 Robotiq 2F-85 的 AR 力反馈通用操作接口

    研究团队提出 RUMI 手持接口,专为匹配 Robotiq 2F-85 机器人夹爪设计,支持接触前输入与接触后力测量。 通过 VR 头显提供实时 AR 运动学可行性反馈,并引入触觉反馈机制支持力感知遥操作。 用户研究显示,结合实时可视化与姿态初始化后,关节限位违规集数从 16/50 降至 3/50。

  5. arXiv · AI32

    HDH 框架利用冻结视觉语言动作模型的回顾数据实现低延迟动作验证

    该研究提出轻量级框架 HDH,通过利用冻结视觉语言动作模型(VLA)自身部署产生的回顾数据改进动作验证。HDH 在 LIBERO-10 基准任务中平均成功率达到 82.3%,在三个真实世界操作任务中比基线策略平均成功率提升 22.6%。该框架在保持 VLA 冻结状态的同时,有效降低了策略查询时的验证延迟并提升了操作成功率。

  6. arXiv · AI26

    AstroMemBench:面向航天器具身智能体记忆系统的基准

    AstroMemBench 是一个针对航天器具身智能体记忆系统的基准,包含 16 项记忆子挑战、140 个模板和 2240 个实例。 该基准通过确定性环境评估任务完成度、状态变化、安全性和资源使用,涵盖行星表面作业、在轨服务和深空探索等九大任务。 实验显示 Mem0 等在会话重启后优于 RAG,支持航天器具身智能体记忆系统的设计与选型。

  7. arXiv · AI40

    HeMeR:通过结构化 KV 复用实现具身智能体的异构记忆协调

    具身智能体推理框架 HeMeR 实现了 83.20% 的任务成功率,将单步推理时间从 2.94 秒降至 1.87 秒。 该框架通过协调陈述性、程序性及工作记忆,仅对受记忆更新影响的 KV 状态进行重算,复用未变内容的 KV 状态。 该方法已在 ALFWorld、Habitat 及真实机器人部署中验证,并被 NeurIPS 2026 接收为 Oral 论文。

  8. arXiv · AI35

    AFTER:面向误差驱动保持的自适应快慢时间尺度世界模型

    AFTER-WM 世界模型通过误差驱动机制,结合快速修正与持久慢速修正,动态调整预训练专家权重,解决了响应、稳定与持久性的权衡难题。该模型在五个模拟机器人数据集和真实无人机数据上表现最优,其多步平均误差比最强对比模型低 16%-34%,且在控制任务中取得最高平均回报。相关代码与数据集将在线发布。

  9. arXiv · ML28

    SALA:语义对齐潜在动作实现具身基础模型双轴扩展

    提出SALA框架,利用非配对人类与机器人视频的语言描述估计语义相似度,监督跨具身对应关系。 无需配对数据,通过软邻域结构将人类潜在动作引导至语义相关的机器人潜空间,同时以机器人动作重建控制潜空间。 潜在动作监督支持沿增加通用人类视频预训练和增加任务特定人类视频后训练两个轴进行扩展。

  10. arXiv · ML30

    EgoX:通过具身梦境实现以自我为中心的跨具身操纵

    EgoX框架利用具身梦境训练MXT+,在13个任务-具身组合上将平均归一化任务进度从0.63提升至0.80。 MXT+采用模块化跨具身Transformer架构,通过共享主干和专用编码器/专家,预测未来视觉与本体感觉状态以增强动力学建模。 该方法在分布外条件下显著有效,将平均任务进度从0.53提升至0.77,验证了跨具身预训练的优势。

  11. arXiv · ML27

    BlinkMimic:单卡 GPU 数分钟内训练人形机器人动作跟踪策略

    BlinkMimic 是一种新的人形机器人动作跟踪训练配方,在单张 RTX 4090 上仅需 3.4 分钟即可训练完全部 40 个 LAFAN1 动作片段。 该方法结合了 SuperMimic 和 InstantTrack 的优势,通过动态步长、故障导向重置和 GPU 图形捕获加速训练过程,留一消融实验验证了各组件的有效性。 开源代码及单种子结果已公开,显著降低了训练成本。

  12. arXiv · ML20

    执行策略如何提升 VLA 模型的动态操控反应性?基于 π½ 的研究

    研究基于 π½ 模型在动态仿真与真实机器人任务中验证,最优预测时域约为 1 秒,且保持轨迹连续性的方法优于单纯降低延迟的方法。 实验发现执行时域最优值取决于具体检查点,异步执行下短时域优势更明显,策略适配可修复特定故障,但输送带上调节执行时域效果同样显著。 结论指出反应性取决于执行流水线与策略模型,二者需联合评估。

  13. arXiv · ML32

    预测还是惯性?世界模型的预测评分忽视了什么

    预训练视频世界模型的预测评分混淆了编码器质量、近未来与近期过去的相似性及预测器贡献。 在27,000次家庭第一人称视频未来检索试验中,V-JEPA 2.1的预测器贡献了+0.291的top-1准确率,而V-JEPA 2仅贡献+0.03至+0.04。 作者建议将预测评分与其持续性基线一同报告,该差距是使数字可解释的必要检查。

  14. IT之家30

    FFR 机器人业务前九个月收入约 230 万美元,计划 2027 年 Q1 进入芝加哥和达拉斯

    FF 旗下机器人业务(FFR)2026 年前九个月收入约 230 万美元,毛利约 59.3 万美元,毛利率约 26%。 FF OmniMind 在 RoboColiseum 全球仿真测评中位列综合第一,RoboShare 平台上线机器人超 100 台。 公司计划 2027 年 Q1 进入芝加哥和达拉斯市场,并推动“Built in USA”工厂年底投产。

11月12日周四
  1. IT之家38

    摩根大通预测到 2030 年美国人形机器人产量达 30 万至 40 万台

    摩根大通预测到 2030 年美国人形机器人产量将达 30 万至 40 万台,2035 年增至约 150 万台。 人形机器人使用成本已接近人工成本,多班次作业每年可节省约 10 万美元,核心零部件市场 2035 年规模近 300 亿美元。 行业短期受硬件、AI 训练数据、算力及产能限制,主要瓶颈包括灵巧手、执行器及机器人“大脑”。

  2. IT之家38

    安克孵化机器人公司阿米奥团队大幅收缩,多名高管离职

    安克创新领投并孵化的阿米奥机器人遭遇核心团队出走,原 CTO、COO 及产品负责人均已离职。 团队规模从峰值约 130 人缩减至 70 余人,新一轮优化仍在进行,公司现金流出现一定问题。 阿米奥成立于 2024 年 9 月,目前仍处于正常运营状态,主要面向工业场景提供柔性自动化解决方案。

  3. 36氪73

    李飞飞详解统一世界模型Atlas,AMD CEO苏姿丰谈机器人发展机遇

    李飞飞在CoRL 2026演讲中介绍统一世界模型Atlas,该模型采用多模态自回归扩散Transformer架构,支持从零像素生成到稠密3D重建的多种模式,并在Rapidata相机运动基准中排名第一。AMD CEO苏姿丰随后在对话中预测机器人物理AI未来规模达数千亿美元,强调AI算力与通用模型及专用模型协同演进的重要性。

    推荐理由:李飞飞阐释Atlas统一世界模型架构,提供从生成到3D重建的核心技术思路及机器人应用潜力参考。

  4. IT之家53

    软银领投Agile Robots 5亿美元融资,加码人形机器人规模化生产

    德国机器人公司Agile Robots完成由软银集团领投的5亿美元融资,估值达到85亿美元,英伟达、日立和T.Capital也参与了本轮融资。公司计划利用新资金扩大美国及其他市场业务,其慕尼黑附近的人形机器人工厂预计2026年生产约2000台人形机器人。公司还在奥迪等客户现场测试机器人系统,并面向大学和实验室推出了一款体重约40公斤的小型机器人,以积累真实场景训练数据。

  5. IT之家79

    Runway 发布机器人模型 Praxis-1,速度与成本表现超 GPT-6 Astra

    Runway 宣布推出开放权重机器人模型 Praxis-1,采用 Apache 2.0 许可证,可在自有硬件上运行和微调。该模型基于 270 亿参数的视频基础模型构建,在 RoboLab-120 基准的 1200 个场景中完成 555 个,成功率约 46.2%。官方称其完成速度比由 GPT-6 Astra 驱动的机械臂快 15.6 倍,完成每个任务的成本是其 51 分之一。

    推荐理由:原文给出了 Praxis-1 的基准测试数字及与 GPT-6 Astra 驱动的机械臂在速度和成本上的对比,读者可以据此判断其可用性。

  6. 量子位76

    大晓机器人发布双脑协同架构,实现酒店洗衣自动化

    大晓机器人发布双脑协同架构,结合世界模型Munda与通用模型Astra,实现酒店洗衣场景的自动化操作。该架构将任务耗时从30分钟以上压缩至18.6秒,并引入具身RSI机制,通过真机实验不断迭代优化动作技能,使牛仔裤筒内残留率从48%降至19%。

    推荐理由:展示了双脑协同与RSI在酒店洗衣场景的落地路径,以及耗时从30分钟压缩至18.6秒的关键数据。

  7. Hacker News AI68

    近 20 天中美 VC 资金流向:美国押注 AI 智能体,中国押注机器人

    截至 2026 年 11 月 11 日,中美两国在 20 天内共宣布 446 轮融资,美国侧重 AI 智能体软件,中国侧重机器人及硬件供应链。剔除 Anthropic 和 SpaceX 的巨额融资后,美国典型融资轮次的中位数为 2120 万美元,略低于中国的 2400 万美元,表明资金差距主要来自少数大额交易而非普遍溢价。