跳到正文
今天10月25日周日1 条
  1. TechXplore · Robotics73

    EgoExplorer:可穿戴系统捕捉人类活动数据用于机器人训练

    上海人工智能实验室、浙江大学和上海交通大学研究人员开发了一种新型可穿戴系统,结合头戴式GoPro HERO13相机、五个VIVE Ultimate追踪器、传感器手套等设备,采集了100小时的人类活动数据,创建了名为EgoExplorer的数据集。

    推荐理由:100小时多模态人机交互数据集为机器人训练提供新思路,但实物应用仍需验证。

10月24日周六
  1. 钛媒体76

    具身智能数据采集行业面临泡沫破裂与模式变革

    具身智能热潮催生了106个人形机器人数采中心,但部分企业利用数采中心包装虚假营收引发质疑。随着资本评估标准重构、科创板监管加强以及无本体采集技术兴起,数据采集行业正从重资产模拟场景转向分布式真实场景采集,价格下降、交易混乱,行业面临洗牌风险。

    推荐理由:具身智能数据采集从产业基建沦为报表注水工具,随着资本评估重构和采集方式变革,这门生意正面临泡沫破裂后的真实考验。

  2. 量子位85

    达瓦科技Scenes AI实时世界模型获NVIDIA创业企业奖

    达瓦科技凭借实时世界模型产品Scenes AI在2026 NVIDIA创业企业展示半程展示中拿下卓越企业奖。该模型采用控制层做重、生成层做轻的架构,可在单张RTX显卡上实现720P、25帧的实时输出,目标编辑成功率达98.2%。

    推荐理由:从重画下一帧到更新世界状态,达瓦科技用34B模型在消费级显卡上实现实时世界模型,为影视直播等领域提供新路径。

10月23日周五
  1. 钛媒体65

    前千寻具身智能负责人解浚源北美创业,成立具身数采公司 gi labs

    前千寻具身智能部负责人解浚源已在北美创业,成立gi labs,主要聚焦于打造数采设备,包括动捕手套、多目相机、机器人夹爪等。公司目前在美国旧金山设立国外办公室,国内办公主要在苏州,正在研发新一代数据采集设备,预计11月初量产,定价单套3555元起。

  2. arXiv · cs.RO55

    一种用于可扩展跨会话室内导航的稀疏拓扑图

    Eun Sun Lee提出了一种稀疏拓扑图方法,用于室内导航中的跨会话导航。该方法通过编码局部3D几何和距离加权边的节点结构,实现了跨会话点对点导航,在Gibson数据集上达到77.1%的成功率,在3D-FRONT场景变化下达到40.0%的成功率,同时将内存需求降低两个数量级。该方法支持跨会话对齐和目标导向导航,具有强大的可扩展性和真实世界迁移能力。

  3. arXiv · cs.RO81

    OpenTac: 一种可定制、可扩展、可迁移的 3D 触觉感知开源生态系统

    研究人员提出 OpenTac,一种新型传感器和全栈生态系统,用于高度可定制、可扩展的触觉皮肤。该系统包括可扩展的电阻式触觉皮肤、传感器设计工具、传感器模拟器、跨传感器迁移和快速/自适应数据采集功能。团队已设计和制造了 30 多种传感器,并在四个真实机器人平台上展示了 3D 触觉感知在接触密集型反馈控制和操作策略学习中的广泛应用。

    推荐理由:从传感器设计到控制学习,OpenTac 构建了完整的触觉感知生态系统,开源硬件与工具降低了触觉研究门槛。

  4. 钛媒体78

    宇树缩短具身AI时间表并推出全球竞赛

    宇树创始人王兴兴在杭州世界物理AI大会上表示,具身AI已出现突破迹象,预计一至两年内可能实现关键进展。公司正在研发自进化V1.0大模型,并计划扩大产能和计算基础设施。同时,宇树宣布举办世界物理AI竞赛,设立八大赛道,奖金达数千万元人民币。

    推荐理由:宇树创始人将具身AI突破预期从数年缩短至一两年,同时推出全球竞赛加速技术验证,商业落地路径正从幻想转向务实。

10月22日周四
  1. 钛媒体65

    亚马逊云科技Ozgur Tohumcu:物理AI规模化落地速度受非技术因素制约

    亚马逊云科技汽车与制造全球总经理Ozgur Tohumcu指出,企业AI方案规模化速度常受数据基座、安全机制和组织容错等非技术因素制约。他分析了物理AI在汽车和制造业的落地挑战,包括区域差异(美国领先模型、中国领先速度、欧洲注重治理)和规模化成本问题,并强调亚马逊云科技提供一站式平台支持模型接入、智能体管理和边缘部署。

  2. IT之家72

    米哈游联合清华北大等高校发布开源GameScaling游戏模型

    米哈游崩坏AI研发团队联合清华大学、北京大学等机构推出GameScaling系列游戏模型并开源,覆盖0.8B至27B参数规模,支持《我的世界》《毁灭战士》等游戏任务。模型基于Qwen3.5视觉语言模型继续预训练,可接收游戏画面和操作记录生成键盘鼠标指令,提供8个模型版本和完整部署方案。

  3. arXiv · cs.RO75

    HuMiT: 基于紧凑参考跟踪的低延迟全身人形机器人远程操作系统

    研究人员提出HuMiT系统,仅需使用紧凑参考目标(包括根高度、根速度和四个稀疏关键点的SE(3)姿态)即可实现全身远程操作,达到约20毫秒的通信到推理延迟和65毫秒的光流延迟。该系统在Unitree G1人形机器人上验证,展示了接球和协调操作能力。

    推荐理由:通过仅使用紧凑参考目标实现20毫秒低延迟,解决了人形机器人远程操作中的实时性挑战。

  4. arXiv · cs.RO75

    DONIC: 基于人类演示的通用双灵巧手跟踪控制

    研究人员提出DONIC,首个通用双灵巧手跟踪控制器,结合近端策略优化与行为克隆,在无需微调的情况下,对训练对象未见轨迹成功率达86.79%,超出最先进基线77.36个百分点。同时发布BiHOI数据集,包含1575个序列,覆盖229个物体,强调持续双手交互。

    推荐理由:首个通用双灵巧手跟踪控制器通过人类演示训练,成功率达86.79%,解决了双手协调操作数据稀缺问题。

  5. arXiv · cs.RO70

    TARSphere:面向长周期具身智能体的全栈框架

    Yicheng Xu提出TARSphere框架,包含基础设施TARSphere-Infra和多模态大语言模型智能体TARSphere-Harness,用于在物理和社会环境中评估长周期具身智能体。研究通过TARSphere-Bench基准测试评估了8个多模态大语言模型,发现通用模型在特定任务上表现优于专用具身模型,但任务更新和人类交互仍是挑战。

    推荐理由:TARSphere框架首次将物理与社会约束整合进长周期具身智能体评估,揭示了通用模型在复杂环境中的潜力与执行安全挑战。

10月21日周三