BrickWright: 基于智能体的物理可行积木构建框架
研究人员提出BrickWright框架，使用预训练智能体从文本或图像提示生成物理可行的积木构建。该框架通过BrickLayer工具包提供积木组装API和物理可行性验证，使智能体在512个提示样本上达到100%的物理有效性，同时保持提示遵循性。代码已在项目页面公开。
推荐理由：通过代码工具将AI智能体从虚拟建模引导至物理可行性验证，100%成功率揭示了具身智能的工程化路径。
#论文/研究科技财经热点 · 每日精选
自动盯住上百个信源，用模型摘要、打分、精选，把同一件事的多篇报道归到一起，每天早上出一份日报。聚焦机器人、AI 与财经投资。
今日脉搏
具身智能专栏 →251今日入库
1 条进入精选
44/47 信源在线· 3 异常
近 14 天入库走势
近 7 天分类构成
行业 1376财经 1144硬件本体 976AI 产品 742AI 模型 264其他 394
HuggingFace Daily Papers精选AI 评分6565 HuggingFace Daily Papers精选AI 评分6565 WeVisOne-VL: 从目标到像素的统一视觉感知
WeVisOne-VL 是一种强大的视觉语言模型，通过结构化下一词预测统一了目标级和像素级感知能力。该模型支持多种视觉任务，包括目标检测、指代定位、计数、OCR、分割和matting，能够在用户指定的任何粒度上进行定位，从点到框再到mask和alpha mattes。
推荐理由：通过结构化下一词预测统一目标级与像素级感知，WeVisOne-VL 在30多个基准测试中领先，为VLMs迈向可靠感知系统提供新路径。
HuggingFace Daily Papers精选AI 评分6565 AgentVQA: 智能体视觉理解统一评测基准
研究团队发布AgentVQA评测基准，涵盖Web Agents、Robotics、Egocentric Videos、Games和Spatial Planning五个领域，从23个数据集中选取1000个真实场景样本。评测显示22个模型中最高准确率仅58.5%，主要问题在于视觉状态跟踪而非任务理解或逻辑推理。
推荐理由：AgentVQA 填补了智能体视觉理解评测的空白，22个模型最高仅58.5%准确率揭示了当前视觉状态跟踪仍是最大瓶颈。
HuggingFace Daily Papers精选AI 评分6565 SCOPE：将自然语言策略编译为神经符号谓词程序
SCOPE是一种新方法，将自然语言策略编译为可执行程序，由小型模型、确定性提取器和组合代码组成。该方法在真实世界策略任务基准测试中，实现了跨任务和模型的最平均准确率，且预测更稳定、可解释，并能部署在低成本模型上达到前沿推理模型的准确率水平。
推荐理由：SCOPE将自然语言策略编译为神经符号谓词程序，解决了LLM代理策略执行中的准确性与效率矛盾。
arXiv · cs.RO精选AI 评分7575 Skeleton-Grounded Latent Action Model for Robot World Models
Qi Lv提出SkeLAM模型，一种骨架引导的潜在动作模型，用于机器人世界建模。该模型将潜在动作分解为基于机器人骨架监督的运动学组件和保留补充视觉动力学的残差组件，在DROID数据集上相比DreamDojo将末端执行器ADE降低19.5%，LPIPS降低11.1%，并实现了零样本人类到机器人的运动迁移。
推荐理由：通过骨架监督分解潜在动作，SkeLAM模型显著提升了机器人世界模型的运动控制精度和零样本迁移能力。
arXiv · cs.RO精选AI 评分6565 Point-Level Refinable Semantic Mapping for Spatial Understanding
本文提出了一种在线可细化语义映射框架，通过概率点级置信度更新持续优化物体表示，在Replica和ScanNet数据集上分别提高了3.46%和2.55%的映射精度，并在物体导航和具身问答任务中取得了82.4%和76.7%的成功率。
推荐理由：通过概率点级置信度更新，让语义地图能持续修正而非单调累积，解决了动态环境中感知误差累积问题。
arXiv · cs.RO精选AI 评分6565 SCOPE：基于规划错误修正优化的机器人长期规划场景图构建方法
Chaoyue Li提出SCOPE框架，通过规划错误反馈修正场景图，解决了机器人长期规划数据集生成中的物理一致性问题。实验表明，使用SCOPE生成的数据微调LLM，相比DELTA方法在任务成功率上提升12.33%。该研究已被IROS 2026接受。
推荐理由：通过规划错误反馈修正场景图，解决了机器人长期规划数据集生成中的物理一致性问题，为LLM在机器人任务规划中的微调提供了新思路。
arXiv · cs.RO精选AI 评分6565 多机器人协调的分布式树协商算法
Shashank A. Deshpande 提出了一种名为 WarpWeaver 的分布式实时规划算法，通过树协商机制实现多机器人团队近最优协调。该算法在模拟中将总行程时间比集中式离线规划减少最多22%，比分布式实时基线减少37%，并在六台机器人的硬件实验中验证了实际可行性。
推荐理由：分布式树协商算法让多机器人系统在实时条件下逼近全局最优，突破集中式规划与实时安全导航的二选一困境。
arXiv · cs.RO精选AI 评分6565 Echo：面向视觉语言动作模型的耦合动作与任务状态信号去噪
Yufeng Liu等人提出Echo框架，结合任务状态信号学习与紧凑设计，在单一视觉语言动作模型中实现状态预测与动作生成。该框架通过停止和失败信号表示任务状态，与机器人动作一起去噪，无需帧级进度标注即可区分执行状态。真实世界操作实验表明，Echo能准确预测任务状态并提升策略性能。
推荐理由：通过任务状态信号与动作联合去噪，Echo让机器人能自主判断任务完成与失败，减少了对细粒度标注的依赖。
arXiv · cs.RO精选AI 评分7070 Humanoid Mobility via Attention-based Contacts
Junzhe He提出了一种学习框架，通过基于注意力的接触规划器和接触条件跟踪器，让人形机器人在复杂地形上实现自然协调运动。该框架结合了强化学习和参考方法的优势，使用运动数据作为训练先验，同时保持通过强化学习探索环境相关行为的能力。
推荐理由：基于注意力的接触规划器将运动数据作为训练先验，让人形机器人在复杂地形上实现自然协调运动。
arXiv · cs.RO精选AI 评分6565 DiffDreamer: 耦合世界模型与可微分仿真实现敏捷四旋翼控制
研究人员提出DiffDreamer框架，将学习到的世界模型与可微分仿真紧密结合，用于四旋翼动态门竞速等任务。该方法通过分解目标函数，分别处理不可微分的任务奖励和可微分的运动奖励，实验显示其在训练收敛速度和最终性能上优于多种基线方法。
推荐理由：将世界模型与可微分仿真耦合，解决了四旋翼控制中环境动态与机器人自身动态的耦合问题，提升了训练收敛速度和最终性能。
雷锋网精选AI 评分8585 IROS 2026 最佳论文启示录：没有长记忆的机器人，终将被淘汰
IROS 2026 最佳论文奖颁给 LT-Mem，研究让机器人重访同一空间时能完整保留每个物体的位置变迁史。国内具身初创公司贝塔无限发布 BetaMem 全时空多模态记忆架构，在四项代表性记忆基准评测中均取得 SOTA 成绩，解决了机器人长期记忆的关键问题。
推荐理由：把记忆拆分为证据与状态，让机器人从单次执行器进化为长期同事，这一系统设计解决了具身智能的核心痛点。
HuggingFace Daily Papers精选AI 评分6565 FrontierCS 2: 计算机科学研发基准测试
研究团队发布FrontierCS 2基准测试，包含48个开放性任务，评估LLM智能体在计算机科学前沿研发中的贡献能力。最佳表现为Claude Opus 5.5，通过58%的测试任务，涵盖机器学习系统、高性能计算、数据库、安全和机器人等13个领域。
推荐理由：将LLM智能体置于真实研发环境测试，58%通过率揭示了当前AI在计算机科学前沿领域的实际贡献能力边界。
HuggingFace Daily Papers精选AI 评分6565 Evolving with Open Worlds: Towards Recursive Self-Improvement for Future Forecasting
研究人员提出DeepEvolve系统，一种基于未来事件预测的可持续进化智能体系统，该系统通过与动态变化环境持续交互并内化经验实现自我改进。在FutureX排行榜上，该自我改进预测器连续三周排名第一，评分提升高达195%；在合成的评估中，它在四个基础大语言模型中排名前三，比最强基线高出最多10.7 Bradley-Terry分。
推荐理由：通过未来事件预测构建可持续进化系统，在真实世界评估中连续三周排名第一，展示AI从静态模型向自我进化智能体的转变。
HuggingFace Daily Papers精选AI 评分6565 TraceForge: 用自己的思维进行知识蒸馏
研究人员提出 TraceForge 方法，通过生成与目标模型风格一致的推理轨迹来解决前沿模型不提供详细推理过程的问题。该方法采用两阶段训练，在 HumanEval+ 上提升 3.7 分，在 MBPP+ 上提升 7.1 分。
推荐理由：通过生成与目标模型风格一致的推理轨迹，TraceForge 在保持数据来源合规的同时提升了模型性能。
arXiv · cs.RO精选AI 评分6565 面向移动机械臂在半静态环境中安全导航的面向对象和任务的主动感知
本文提出了一种主动感知框架，使高自由度移动机械臂在导航过程中使用手部相机检查不确定或安全关键区域。该框架通过概率性的面向对象和任务的下一最佳视图(NBV)公式，优先观察期望路径附近和不确定或可能变化物体周围的区域。实验表明，与被动或非任务感知的基线相比，该方法提高了地图一致性，降低了任务相关的地图熵，并减少了导航风险。
推荐理由：移动机械臂在半静态环境中通过主动感知降低碰撞风险，将导航与地图维护闭环整合。
arXiv · cs.RO精选AI 评分7575 SP-HLM：基于稀疏姿态驱动的运动生成与人形机器人操作控制
Zhaohui Yang等人提出SP-HLM框架，结合五个关键身体姿态与潜在运动先验，实现人形机器人的操作控制。该框架包含SP-VLA视觉语言动作模型预测稀疏姿态，SP-MGM运动生成模型重建全身动作，以及SP-GMT通用运动跟踪器实现全身控制。实验表明该方法在运动跟踪、全身协调和操作成功率上优于现有方法。
推荐理由：通过稀疏姿态驱动接口分离任务意图与全身协调，解决了人形机器人操作中的控制难题。
arXiv · cs.RO精选AI 评分7575 从推理到行动：前沿AI模型在LIBERO-10机器人操作任务上的基准测试
研究人员提出了一个统一的闭环操作框架，用于评估前沿AI模型在LIBERO-10基准测试中的表现。测试包括GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna、Claude Opus 5、Claude Opus 5.5和Gemini-4 Argon六个模型，在三种推理努力水平下进行了1800次评估。
推荐理由：前沿AI模型在机器人操作任务中成功率最高仅44%，推理能力转化为可靠物理动作仍是挑战。
arXiv · cs.RO精选AI 评分7575 地球训练的人形控制器能否在月球行走？重力、地形与土壤迁移研究
该研究探讨了在月球重力、地形和土壤条件下，地球训练的人形控制器的迁移能力。研究在模拟的Unitree G1上训练了12种策略，测试了不同重力、地形和地面接触条件下的表现。
推荐理由：研究首次系统验证了地球训练的人形控制器在月球重力与地形下的迁移能力，发现重力转移不对称且粗糙地形训练显著提升生存率。
arXiv · cs.RO精选AI 评分6565 AtomicRL: 用于长时程机器人操作的原子强化学习
Likui Zhang提出AtomicRL框架，通过语义感知策略优化(SAPO)和瓶颈自适应目标探索(BATE)解决VLA模型在长时程任务中的信用分配问题。在LIBERO-LONG和CALVIN ABC-D数据集上，相比PPO方法分别提升3.6%和9.5%的性能，结合Real2Sim2Real管道后，实际机器人任务性能平均提升21.3%。
推荐理由：通过原子任务结构解决长时程机器人操作中的信用分配难题，Real2Sim2Real管道使仿真到现实迁移效率提升21.3%。