Astrolab将搭载HPE超级计算机的月球车发射月球
Astrolab公司将在格里芬一号任务中发射FLIP月球车，搭载慧与的星载4号超级计算机，这是人类首次在月面开展高性能计算与AI实测。该计算机专为太空环境设计，将在月球南极极端环境中验证其稳定运行能力，并测试AI应用场景。
推荐理由：人类首次将超级计算机送入月球，验证AI在极端环境下的运行能力，为未来月球基地奠定技术基础。
#具身智能
IT之家精选AI 评分8585 HuggingFace Daily Papers精选AI 评分7575 Evolving Agent Interfaces：让智能体自主进化计算机使用界面
研究人员提出Agent S4，一种自主计算机使用科学家，能从任务经验中构建进化型智能体界面。在OSWorld V2测试中，使用Qwen3.8-27B和进化界面的Agent S4达到21.3%二进制分数，是相同模型固定界面的3.8倍，性能超越GPT-5.5(13.0%)和Claude Opus 4.8(20.6%)，且成本仅为两者的4.3%和1.5%。
推荐理由：让智能体自主进化界面设计，比固定接口提升3.8倍性能，且成本仅为GPT-5.5的4.3%
Google新闻·人形机器人(中)AI 评分3030 OpenAI机器人推进商业化，领益智造卡位人形机器人核心硬件赛道
OpenAI机器人推进商业化，领益智造卡位人形机器人核心硬件赛道。具身智能浪潮再起，OpenAI机器人商业化进程加速。
华尔街见闻AI 评分6565 英伟达推出临床手术AI模拟器Cosmos3-H-Dreams
英伟达于10月20日发布基于真实胆囊切除术录像训练的实时交互手术模拟器Cosmos3-H-Dreams，该系统可在单块RTX PRO 6000 GPU上运行，能够根据器械操控指令实时生成新的手术场景续帧。系统目前为研究型，尚未经过患者护理验证，不适用于临床诊疗。
Google新闻·人形机器人(中)AI 评分3030 中国电信 TeleAI 在上海孵化具身公司伽马智能
中国电信 TeleAI 在上海孵化具身公司伽马智能，打通机器人产业化路径。
华尔街见闻AI 评分8585 马斯克、皮查伊与格里芬就AI算力供需发表分歧观点
马斯克称算力严重短缺，回本周期或压缩至六个月，2027年拟新增10GW；皮查伊确认客户锁定2027年算力极难，需求预测已系统性失效；Citadel创始人Griffin警告GPU边际成本极低，供过于求将致现货价格自由落体，折旧模型失效与企业ROI收紧风险浮现。
Google新闻·人形机器人(中)AI 评分3030 模型公司集体下注具身智能，但它们还没跨过那道坎
模型公司集体下注具身智能，但尚未突破技术瓶颈。具身智能在人形机器人领域的应用仍面临挑战，行业仍处于探索阶段。
Latent SpaceAI 评分7070 Tenex创始人谈AI原生软件开发与工程激励模式
Tenex创始人Alex Lieberman和CJ Hess在访谈中分享了公司如何通过按成果付费模式激励AI工程师，以及如何构建AI原生软件开发流程。Tenex已发展至75人规模，客户包括财富2000强企业和中型企业。他们讨论了MetaHarness系统如何将项目文档和决策纳入代码库，以及企业AI采用过程中的挑战，包括权限管理和垂直AI解决方案的前景。
财联社电报AI 评分6262 中国电信人工智能研究院孵化具身智能公司伽马智能
中国电信人工智能研究院孵化的具身智能公司伽马智能在上海注册成立，将与中国电信共建人形机器人实验室。中国电信CTO李学龙教授出任科学顾问，白辰甲任创始人及CEO。
Google新闻·人形机器人(中)AI 评分3030 中国电信 TeleAI 孵化首家具身公司伽马智能落户上海
中国电信旗下 TeleAI 孵化首家具身公司伽马智能，已落户上海。该公司专注于具身智能领域，具体业务方向未在原文中明确提及。
IT之家AI 评分6565 中国电信孵化的具身公司“伽马智能”成立，推进人形机器人“自进化”
中国电信人工智能研究院10月20日宣布，具身智能公司“伽马智能”近日在上海市徐汇区注册成立。该公司由TeleAI孵化，获得中电信（上海）人工智能产业私募基金战略投资，将聚焦自进化人形机器人全模型创新及应用，与TeleAI共建人形机器人实验室。
Google新闻·人形机器人(中)AI 评分3030 中国电信旗下 TeleAI 孵化伽马智能落户上海
中国电信旗下 TeleAI 孵化首家具身智能公司伽马智能，落户上海。
量子位精选AI 评分8585 MemT 1.0发布：记忆原生模型实现近300B参数规模工程验证
MemT 1.0系列开源发布，包括36B参数的MemT-1.0-Nano和288B参数的MemT-1.0-Flash，首次实现近300B参数规模记忆原生模型的工程验证。该模型将经验编码为内部动态状态，通过专门的记忆分支参与计算，在SWE-bench等任务中表现优于无经验基线，平均成功率和可靠性显著提升。
推荐理由：将记忆编码为内部动态状态，让经验成为模型可学习的能力，为RSI拼图补上关键一环。
arXiv · cs.ROAI 评分5555 MARE: 带真实阴影数据的开源月球车模拟器
研究人员发布MARE（Modular Autonomy and Rendering Environment），一个基于Unreal Engine 5和ROS 2的开源月球车感知与自主性模拟套件。该系统包含地形生成器、配备多种传感器的月球车物理模型和基于Web的导航控制栈，专门解决月球极地低太阳高度角下的长阴影挑战，提供像素级精确的地面真实数据。
arXiv · cs.RO精选AI 评分6565 CLOSER: 基于证据感知的主动视觉验证具身物体目标导航
Pengying Wu提出CLOSER框架，通过视觉语言模型验证与主动感知结合，在物体目标导航任务中提升成功率3.6个百分点，路径长度加权成功率提高2.0个百分点。该框架可在本地运行并集成到现有系统中无需重新训练。
推荐理由：通过主动验证减少具身导航中的误判，CLOSER框架在提升成功率的同时降低了路径长度。
arXiv · cs.RO精选AI 评分8585 SuperMimic: 通过单一可微分世界模型扩展人形机器人全身控制
SuperMimic提出了一种新方法，使用单一可微分世界模型拟合共享动力学，与跟踪策略共同训练，在3小时内超越传统方法7天训练效果，将GPU训练时间减少1000倍以上。该方法在129,514个基准动作中仅失败25个，9.8小时后实现零失败，并能成功迁移到宇树G1物理机器人上。
推荐理由：用单一可微分世界模型替代传统强化学习，将训练成本降低千倍，为机器人控制研究开辟新路径。
arXiv · cs.RO精选AI 评分7575 VLM引导的接触重定向与生成式伙伴建模用于人形-人交互
研究人员提出REACT框架，用于从人-人演示中学习可部署的人形-人交互策略。该框架利用VLM引导的接触建模和重定向管道识别语义上有意义的接触，并将其转移到人形-人几何结构上，同时通过生成式伙伴状态建模预测遮挡视图中的伙伴运动。在模拟和宇树G1人形机器人上的测试表明，该方法在五个接触丰富的交互中表现良好，且完全依靠机载传感器工作。
推荐理由：通过VLM引导的接触重定向和生成式伙伴建模，解决了人形机器人在与人交互时的部分可观察性问题，实现了完全依靠机载传感器的接触丰富交互。
arXiv · cs.ROAI 评分4545 CoGaussian: 基于高斯的开放词汇协同3D场景理解框架
CoGaussian 提出开放词汇协同语义占用预测框架，通过基础模型对齐的稀疏3D高斯表示多智能体几何与语义信息融合。在 Semantic-OPV2V 基准上超越现有开放词汇单智能体方法，提升多机器人系统场景理解能力。
arXiv · cs.RO精选AI 评分6565 MAPLE: Mondrian锚定的无学习室内探索先验
Kelvin Aladum提出MAPLE方法，一种无需训练的室内探索预测方法，通过将Mondrian过程适应为基于观察几何线索的在线生成先验，在KTH平面图和真实SLAM环境中表现优于非预测方法，与学习型预测方法相当，且计算资源需求低。实验表明更准确的地图预测不一定带来更好的探索效果。
推荐理由：无需训练的预测方法MAPLE在室内探索中表现优于非预测方法，与学习型预测方法相当，挑战了'更准确预测必然带来更好探索'的假设。
arXiv · cs.RO精选AI 评分7575 SceneRig: 从单张图像重建仿真就绪3D场景的智能体系统
SceneRig是一个智能体系统，可将单张图像转换为可编辑、仿真就绪的3D场景。该系统结合几何、视觉和物理工具重建3D场景，并通过智能体在物理仿真器中执行编辑-验证循环实现物理稳定性。相比基线方法，SceneRig能改进实例分割、以对象为中心的外观和3D放置，同时保持场景物理稳定，且其场景能更准确地预测真实机器人策略结果。
推荐理由：从单张图像重建物理稳定的3D场景，解决了视觉相似与物理行为之间的矛盾，为机器人仿真提供了新工具。
arXiv · cs.RO精选AI 评分7070 AgenticRoboRL: 将编码智能体后训练引入具身机器人
研究人员提出AgenticRoboRL框架，通过监督微调和多轮强化学习对机器人规划器进行后训练，在LIBERO-PRO基准测试中，9B参数模型的成功率从18.1%提升至71.0%，接近Codex(GPT-5.5)的水平。该框架通过适配器连接规划器交互与任务结果，支持不同执行机制。
推荐理由：9B参数模型成功率从18.1%提升至71.0%，接近GPT-5.5水平，证明后训练对机器人规划器有效。
arXiv · cs.RO精选AI 评分7575 PhysCanvas：面向机器人策略评估与学习的视觉触觉世界模型
研究人员提出PhysCanvas，一种统一多模态的视觉触觉世界模型，用于接触密集型机器人操作。该模型整合多视角RGB、触觉图像、标记位移、任务状态和动作，通过一致性感知后训练将世界模型与真实世界成功率的相关性从0.602提升至0.885，并将策略在真实世界中的成功率从59.1%提升至70.8%。
推荐理由：通过统一视觉与触觉模态建模，PhysCanvas将机器人策略评估与学习的成功率相关性提升至88.5%，解决了仿真与真实世界接触动力学不一致的难题。
arXiv · cs.RO精选AI 评分6565 Planning under Noise with Neural Operators：在噪声环境下使用神经算子进行规划
作者提出Planning Under Noise (PUN)神经算子，用于在不确定控制执行噪声下进行规划。该方法通过学习噪声感知的价值场，解决了传统方法在复杂几何环境中导航的挑战。
推荐理由：通过神经算子解决控制噪声下的规划问题，在4D场景下实现95-100%成功率且速度领先。
arXiv · cs.RO精选AI 评分6565 工业级ReMEmbR：扩展时空记忆至机器人舰队
研究人员提出IndustrialRemembr，一个共享时空记忆系统，将NVIDIA ReMEmbR扩展至机器人舰队，通过按需生成场景描述减少服务器端计算。系统使用NVIDIA Jetson在机器人端编码视频片段，不上传原始相机帧，并支持GDPR合规的PII抽象。
推荐理由：将时空记忆扩展至机器人舰队，通过按需生成描述降低服务器计算量，同时保护隐私。
arXiv · cs.RO精选AI 评分8080 UniWALM: 统一世界-动作-语言模型用于具身机器人控制
研究人员提出 UniWALM，一种统一的世界-动作-语言模型，在单一共享表征中学习视频、动作和语言。该模型在组合式抓取放置任务中表现优于基线模型，在真实世界的找物品任务中成功率从 11.1% 提升至 61.1%。
推荐理由：通过语言-感知-动作的统一表征，UniWALM 在机器人控制任务中实现了记忆依赖行为，无需外部规划器。
arXiv · cs.RO精选AI 评分6565 Joints, Camera, Action! 协同生成任意骨骼结构的3D运动与视频
Noam Rotstein提出了一种新模型，能够协同生成任意骨骼结构的3D运动与视频，并自动定位相机位置将运动放置到3D场景中。该模型通过分离运动模型与视频模型，使用交叉注意力层连接，支持从文本生成多样化骨骼动画，并能将视频转换为骨骼运动，实现关键帧控制。研究团队使用生成式视频编辑器创建了近20万训练对，评估显示该方法比视频优先管道更忠实于文本描述，且运动能响应周围场景。
推荐理由：通过分离运动模型与视频模型，实现了任意骨骼结构的3D运动与视频的协同生成，解决了现有方法仅支持人类骨骼或参数量过大的问题。
华尔街见闻精选AI 评分7878 网红研究所Citrini用Claude设计出抗蝎毒蛋白
投资研究机构Citrini Research在3个月内，用20万美元预算和Claude设计出211个蛋白，其中17个在实验中成功结合蝎毒神经毒素。团队几乎没有生命科学背景，通过35页提示词和1万小时H100 GPU计算，证明AI工具能让非专业人士进入高度专业化的科学发现流程。
推荐理由：投资团队用Claude设计抗蝎毒蛋白，证明AI for Science门槛正在下降，但生命科学难度不会因提示词变长而消失。
HuggingFace Daily PapersAI 评分5555 S-Agent 2.0：通用编码代理实现空间推理
研究人员提出S-Agent 2.0，一种通过命令行感知工具增强通用编码代理空间推理能力的方法。该方法在MMSI-Bench和ReVSI评测中显著提升了Qwen3.8-27B和Gemini-3.8-Flash的性能，分别达到66.5和82.3分，以及74.1和90.5分，超过了专用系统SpatialClaw的性能。
HuggingFace Daily PapersAI 评分4545 Video-Point Model 通过点轨迹预测学习4D世界
研究团队提出 Video-Point Model (VPM)，一种基于多视角视频和语言指令的4D世界模型，可预测未来视频和3D点轨迹。VPM-Data 数据集和 VP-WorldBench 评测基准支持训练，点监督提升视频保真度和3D运动准确性。机器人控制扩展中，动作令牌与视频联合去噪，提高模拟和真实机器人操作成功率。
钛媒体AI 评分7575 算力不再是最大挑战，互连芯片成AI集群瓶颈
随着AI集群从千卡走向万卡，数据传输通道成为制约算力发挥的关键因素。中国信通院数据显示，大规模分布式训练中网络通信耗时占比高达30%-50%，企业购买的GPU有近一半时间在等待数据。国产互连芯片厂商正通过协议硬件化、形态集成化和接口多元化三大路径突破技术瓶颈，800G网卡正从旗舰配置变为标配。
Google新闻·人形机器人(中)AI 评分3030 中国电信 TeleAI 孵化伽马智能，打通机器人产业化路径
中国电信 TeleAI 在上海孵化具身公司伽马智能，打通机器人产业化路径。
华尔街见闻精选AI 评分7878 谷歌CEO访谈：云业务为AI前沿让路，算力锁定2027年极其困难
谷歌CEO皮查伊在访谈中确认云业务正在为前沿AI研发让渡算力资源，承认当下每家公司的算力需求是两年前规划的两倍，客户锁定2027年算力极其困难。他强调前沿模型是谷歌第一优先级，并解释递归自我改进当前处于AI智能体与人类研究员协同推进的过渡期，距离自主失控终局还很遥远。
推荐理由：谷歌CEO罕见承认云业务为AI前沿让路，算力短缺已成行业现实，递归自我改进仍处于人机协同阶段。
arXiv · cs.ROAI 评分5555 PanoGraphGS：结合高斯溅射实现全景分割与分层3D场景图统一
Jinghan Gao提出PanoGraphGS框架，整合全景3D高斯表示学习与分层3D场景图构建。该方法在共享高斯几何上学习语义和实例特征，支持新视角全景分割和高斯级全景解码。在Replica和NaviGS数据集上，PanoGraphGS在物体节点准确率上超越最强基线50个百分点以上，并在2D全景分割任务中达到最先进性能。研究团队同时发布了NaviGS全景场景理解数据集。
arXiv · cs.ROAI 评分3535 HighwayEnv 测试床上 LLM 驾驶智能体经验记忆的受控评估
研究通过 HighwayEnv 测试台（1Hz, gpt-4o-mini）评估 LLM 驾驶智能体的经验记忆，发现预热池随机性显著影响结果，15-token 警示指令可达到无记忆基线性能，且基线移植质量会反转结论。
arXiv · cs.ROAI 评分4545 AWLS: 优势加权潜在转向方法提升单步生成式机器人操作策略
AWLS 通过优势加权动作重建目标训练残差噪声整形器，改进冻结的单步生成式机器人操作策略，在模拟和真实机器人操作任务中优于基础策略且限制行为漂移。该方法无需更新解码器，保持快速单步推理，并采用无回滚解码器敏感性准则选择预训练检查点。
arXiv · cs.ROAI 评分4040 Give the Model a Finger: Developmentally Aligned Evaluation of Counting in Vision-Language Models
研究通过让视觉语言模型模拟儿童数指动作，在9个模型、682张图像和7种测试条件下发现，模型的精确计数范围差异显著（R80从3到150点）；标记作为干预手段仅对4个模型在小规模计数照片中有效，但作为测量工具可追踪模型推理过程；模型遵循指令遍历顺序却常因顺序反转改变答案，与儿童行为存在差异。
arXiv · cs.RO精选AI 评分6565 RoboJudge: 多模态大模型作为具身视频生成的评判者
研究团队提出RoboJudge-Bench基准，用于评估多模态大模型作为具身视频生成评判者的能力。该基准涵盖800个人类标注的视频，测量物理遵循和指令对齐两个维度。研究团队还构建了RoboJudge-Train数据集，并基于此训练出RoboJudge-9B模型，在评测中达到与人类判断的最高一致性，皮尔逊相关系数达0.719，比最佳基线模型Gemini-3.7-Flash高出0.089。
推荐理由：首个系统性评测多模态大模型对具身视频生成判断能力的基准，揭示了通用模型与专业模型在物理遵循和指令对齐上的评估差异。
arXiv · cs.RO精选AI 评分7070 多视角潜在动作预训练用于跨具身机器人视频学习
Oliver Hausdörfer提出一种多视角潜在动作模型(LAM)，通过交叉注意力解决深度和遮挡问题，将同步多摄像头视图压缩为潜在动作。实验表明，双视角LAM预训练将真实6D动作解码准确率提高17%，下游策略成功率提升13.5%，单次跨具身学习即可实现技能迁移，硬件实验中成功率提升20%。
推荐理由：多视角潜在动作预训练将6D动作解码准确率提升17%，证明视频与机器人数据互补且任务依赖性强。
arXiv · cs.ROAI 评分5555 RoboCasa-Shift：视觉-语言-动作策略在长时序家庭操作中的阶段感知鲁棒性评估
Haocheng Wang等人提出RoboCasa-Shift基准，用于评估视觉-语言-动作(VLA)策略在分布变化下的鲁棒性。研究在GR00T N1.5模型上测试了四个长时序任务，发现鲁棒性响应在不同因素和任务间差异显著，且严重程度增加并不总是导致单调退化。研究表明VLA鲁棒性应被视为执行的多维特性，而非单一的端到端性能指标。
arXiv · cs.RO精选AI 评分7070 前沿大语言模型进入机器人领域：在RoboColiseum上的跨模型评估
研究团队在RoboColiseum平台上对GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5和Gemini 4 Argon四个模型进行了多维度比较评估，涵盖指令跟随、空间推理、通用操作和鲁棒性四个方面。结果显示所有模型在指令跟随上表现优异，空间推理能力强，但通用操作能力较弱；Astra在指令跟随和鲁棒性上领先，Opus在空间推理、通用操作和整体性能上领先。
推荐理由：大模型在机器人任务上展现出指令理解与空间推理优势，但执行能力仍存明显差距，模型间互补性强。