跳到正文
#具身智能
10月22日周四
  1. arXiv · cs.RO75

    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。

  2. arXiv · cs.RO75

    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。

  3. arXiv · cs.RO65

    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%。

  4. arXiv · cs.RO75

    ASTEROID：不对称在线策略蒸馏学习上下文探索

    Sriyash Poddar 提出 ASTEROID 框架，通过学生-教师监督学习让机器人在部分可观测环境中学习测试时探索。该方法在11种不同环境中表现优异，返回率提高约2倍，交互次数比强化学习减少约100倍，在仿真到真实机器人操作中成功率提升40%。

    推荐理由：ASTEROID 框架通过不对称在线策略蒸馏，让机器人在不确定环境中高效探索，比强化学习减少99%交互次数。

  5. arXiv · cs.RO75

    多模态具身智能体：从计算机使用到机器人使用的统一能力视角

    本文提出多模态具身智能体(MMEAs)概念，定义了PAPAV统一框架，包含感知、预测、规划、行动和验证五大功能。研究分析了从计算机使用到机器人使用的转变面临的五大物理约束，并指出当前64个基准测试中仅有5个评估预测能力，3个评估验证能力，存在评测不平衡问题。

    推荐理由：从计算机使用到机器人使用的多模态智能体转变面临五大物理约束，当前评测过度关注执行而忽视预测与验证能力。

  6. arXiv · cs.RO70

    CW-WAM：一种用于力敏感操作的结构化接触力矩世界动作模型

    Houzhu Ding 提出了 CW-WAM 模型，该模型联合预测视频、运动和接触力矩，通过统一交互模块和双因果注意力机制，将接触力矩预测与动作控制结合。实验表明，该模型将方形插销插入成功率从 25% 提升至 70%，电源适配器插入成功率从 40% 提升至 95%，并降低了力参考均方误差。

    推荐理由：通过统一交互模块和双因果注意力机制，将接触力矩预测与动作控制结合，显著提升了机械臂操作精度和成功率。

  7. arXiv · cs.RO70

    PhysiCalWorld: 基于上下文物理校准的世界模型

    Yunhao Luo 提出 PhysiCalWorld 方法，通过上下文提示而非微调或物理建模来校准世界模型的实例特定动力学。该方法将探索性交互片段编码为紧凑的物理描述符令牌，显著提高了滚动预测准确性和视觉规划成功率，并在训练物理范围之外表现出泛化能力。

    推荐理由：通过上下文提示而非微调实现世界模型的物理校准，为具身智能提供了更准确的场景预测能力。

  8. arXiv · cs.RO75

    Agentic World Action Models 论文发布

    Zhuoyang Liu等人提出AW-0框架，将代码规划与视频、动作预测整合为三个耦合的生成流，在RoboTwin 2.0和双臂操作任务中表现优于VLA和WAM基线模型。

    推荐理由：AW-0框架首次将代码规划与视频、动作预测耦合，为机器人提供了可复用的技能库，弥合了预测与执行间的鸿沟。

  9. IT之家76

    马斯克计划建造 Optimus 人形机器人学校

    特斯拉 CEO 马斯克宣布计划为 Optimus 人形机器人建造机器人学校，用于 AI 训练。同时透露年产 100 万台机器人目标需超过一年达成，Terafab 芯片工厂预计 2028 年第三季度量产，经济价值或跻身全球前 20 经济体。

    推荐理由：马斯克同时推进机器人学院与芯片工厂，量产目标与训练需求形成闭环，但万环节供应链仍是最大挑战。

  11. arXiv · cs.RO65

    AOV-GS: 基于3D高斯溅射的主动开放词汇语义映射

    Rodion Shkokov提出AOV-GS系统，使用冻结的SAM和CLIP模型引导机器人探索，构建支持开放词汇语义查询的3D地图。在Replica和Matterport3D数据集上，该方法相比纯几何主动规划提升了语言场mIoU 1.3-1.8个百分点，同时保持新视角PSNR相当。代码已公开。

    推荐理由：冻结基础模型引导机器人探索，无需人工标注即可构建开放词汇语义地图，提升语义查询能力。

  13. arXiv · cs.RO70

    PRISM：通过物理驱动的噪声解耦与语义几何协作学习真实深度

    该论文提出PRISM框架，将深度噪声解耦为感知失效和测量不准确两种模态，利用3D视觉基础模型特征作为空间语义先验。实验表明，PRISM在嘈杂深度合成中达到最先进保真度，并在下游机器人实验中实现92.1%的平均成功率。

    推荐理由：将深度噪声解耦为感知失效和测量不准确两种模态，为机器人在真实世界中的感知提供了新思路。

  14. arXiv · cs.RO65

    基于距离场驱动的强化学习实现反应式鲁棒碰撞避免

    本文提出了一种将欧几里得距离场(EDF)直接集成到观察空间的强化学习框架，在7自由度冗余机械臂上验证了该方法的有效性。该方法实现了从仿真到实体的零样本迁移，尽管仅使用随机静态物体进行训练，部署后的策略能够泛化到未见过的真实环境，并表现出对动态障碍物的鲁棒在线避障能力。

    推荐理由：将欧几里得距离场直接融入观察空间，实现了从仿真到实体的零样本迁移，为复杂环境中的实时避障提供了新思路。

  16. arXiv · cs.RO65

    Make it Walk: 乐高步行机器人的计算设计

    该论文提出了一种计算方法，设计出不仅能够稳定行走，还支持多种步态的乐高步行机器人。研究通过特定的齿轮-连杆机构控制每条腿的运动轨迹，并使用独立电机驱动各腿，通过简单可适应的控制算法同步多腿运动，实现了稳定且多样化的运动。基于此方法，研究人员创建了多种乐高步行机器人，展示了不同的步态和外观，并制作了部分实物以验证其在现实世界中的运动能力。

    推荐理由：通过齿轮-连杆机构与独立电机驱动，首次实现可变步态的乐高步行机器人设计，为模块化机器人提供了新思路。

  17. arXiv · cs.RO65

    从VLM规划器到机器人智能体：面向历史依赖操作的自进化harness

    本文提出SERA（Self-Evolving Robotic Agent）方法，通过可编辑的harness将视觉语言动作模型转化为机器人智能体，在RoboMME基准测试中实现了51.38%的自主选择成功率，比无自我进化提高了7个百分点。该方法利用环境rollouts来提议和评估harness修订，解决了长时程任务中的非马尔可夫依赖问题。

    同一件事，精选收录的是《从视觉语言模型规划器到机器人智能体：面向历史依赖操作的自进化框架》

  19. arXiv · cs.RO65

    基于本体感觉的在线接触估计：流匹配与粒子滤波混合方法

    本文提出ContactFlowFilter方法，结合流匹配模型与粒子滤波框架，用于机器人接触估计。该方法在单接触和双接触场景下分别实现0.36厘米和0.88厘米的误差，处理时间仅需0.69毫秒和2.69毫秒。研究通过仿真和真实实验验证了该方法的有效性。

    推荐理由：将流匹配与粒子滤波结合，解决了机器人本体感觉接触估计中的多模态和离散事件难题，误差低至0.36厘米。

  20. arXiv · cs.RO75

    端到端强化学习实现四足机器人在月球重力下的跳跃

    Levin Müller 等人提出一种多阶段强化学习方法，为四足机器人生成端到端控制策略，实现在月球重力下的精准点对点跳跃。该方法在模拟中实现了小于机器人机身尺寸的着陆误差，并在硬件转移实验中成功执行了月球重力减载下的垂直跳跃。

    推荐理由：端到端强化学习让四足机器人在月球重力下实现精准跳跃，为行星探索提供新可能。

  21. 华尔街见闻70

    特斯拉Q3营收零增长，储能业务拖累但自由现金流修复

    特斯拉2026年第三季度总营收280.5亿美元同比零增长，低于预期的281.3亿美元；能源发电与储能收入同比下降16%，显著低于市场预期。调整后EPS为0.48美元，较预期高9%，毛利率回升至19.6%；自由现金流15.3亿美元，远超预期的负49.9亿美元。FSD订阅数达174万，Robotaxi累计无监督行驶里程接近200万英里，Optimus开始在加州量产线生产。

  22. 华尔街见闻85

    特斯拉电话会：2030年目标年产约500万辆车，Optimus机器人明年底商业化

    特斯拉在2026年第三季度电话会上宣布，目标到2030年前后实现年产约500万辆汽车，FSD已成为推动需求的核心因素。公司透露2027年的Megapack产能已几乎售罄，Optimus机器人将在2027年底开始向外部客户交付，首批应用场景为重工业和危险重复性工作。

    推荐理由：特斯拉将机器人商业化时间表明确至2027年底，同时FSD成为汽车销售核心驱动力，两者共同构成公司未来增长双引擎。

  23. IT之家85

    特斯拉宣布今年底前向客户销售Cybercab无人驾驶出租车

    特斯拉表示将在今年年底前开始向客户销售其无人驾驶出租车Cybercab，这款金色双人自动驾驶车辆没有方向盘和其他传统操控装置。特斯拉工程副总裁拉尔斯·莫拉维称当前生产的Cybercab全部供给特斯拉自身的自动驾驶出租车车队，随着车队规模扩大，公司将主要向客户交付完整设计的自动驾驶车辆。美国国家公路交通安全管理局正在调查Cybercab是否符合车辆安全标准。

    推荐理由：特斯拉将无人驾驶出租车Cybercab从车队运营转向客户销售，标志着其自动驾驶战略的重要转变，但监管障碍仍是关键变量。

  25. AWS Machine Learning Blog80

    AWS团队解析多智能体系统五大生产挑战及Deep Insight解决方案

    AWS Solutions Architecture团队发布Deep Insight多智能体系统，解决了从原型到生产的五大核心挑战：执行流控制、模型选择、可靠运行、代码执行安全性和系统监控。

    推荐理由：从原型到生产，多智能体系统面临五大挑战，AWS团队通过Deep Insight架构展示了如何解决执行流控制、模型选择、安全部署等关键问题。

  27. 华尔街见闻85

    Meta发布智能体Muse，用户破千万并计划明年成本效率提升十倍

    Meta发布个人超级智能体Muse，上线一个半月美国和加拿大用户已破千万，25%用户每天使用，超过四分之一用户通过Muse购物，平均金额超过200美元。Meta预计明年计算成本效率提升十倍以上，计划通过订阅、交易和企业服务拓展收入。

    推荐理由：Muse上线一个半月用户破千万，25%用户每日使用，购物转化率超预期，展示AI智能体商业化潜力。