手把手“喂”出聪明机器人!
通过训练提升机器人智能,使其具备更复杂任务处理能力。
通过训练提升机器人智能,使其具备更复杂任务处理能力。
硅谷101邀请三位一线研究者探讨GPT-6 Astra对三个领域的影响。许华哲认为Astra对机器人是飞跃式提升,但速度慢且缺乏物理直觉;朱哲清指出个人Agent商业化面临API限制和身份验证难题;王晟表示Astra在AI制药中能设计实验方案,但真实实验验证仍是瓶颈。
推荐理由:GPT-6 Astra同时冲击机器人、个人Agent和AI制药三大领域,但各领域面临的瓶颈截然不同:机器人需要速度与直觉,Agent需要身份验证,制药需要实验闭环。
北京大学研究人员开发了一种混合模型方法,通过锚定模型和校正模型结合,显著提高了柔性机器人臂的运动预测准确性。该方法在模拟测试中将误差降低超过25%,在实际液压软体鱼尾测试中误差仅为单一模型的一半或更少,使柔性机器人在狭窄空间和精细操作中更具实用性。
推荐理由:通过锚定和残差学习结合的方法,柔性机器人臂预测误差降低25%,为软体机器人在狭窄空间作业提供可靠控制基础。
2026物理AI与世界模型大会在南京举办,戴琼海、谭铁牛等院士及三位图灵奖得主参与。大会发布50个应用场景,成立50亿元物理AI与世界模型投资基金,启动《人工智能世界模型》国家标准预研工作。
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。
琶洲算法大赛世界模型生态合作赛决赛开启,第五届赛事报名队伍突破10100支,覆盖80多个国家和地区,海外队伍超过1100支。
OpenAI和字节跳动进入机器人领域,OpenAI招聘15个机器人岗位,字节将Seed Robotics并入多模态与世界模型负责人管理范围。大厂带着算力、模型、人才和资金从软件压到物理世界,机器人行业将分层,创业公司需在模型、本体或场景中至少占住一层才能获得长期收益。
人形机器人需通过实景测试才能上岗。实景测试模拟真实工作环境,确保机器人在实际场景中稳定运行。
英伟达升级Isaac机器人平台,推出人形机器人参考框架与仿真工具。该平台提供完整的开发工具链,支持人形机器人的仿真与部署。
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。
研究提出一种去中心化双层优化框架,通过内层凸推力分配和外层载荷扭矩轨迹搜索,解决航天器集群运输非合作目标的非凸轨迹优化问题。该方法无需完整非线性规划收敛即可快速获得燃料高效解,性能随代理数量可扩展,并通过蒙特卡洛仿真验证了理论收敛及故障恢复能力。
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。
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。
本文提出传感器运动对齐(S²)指标,用于衡量模型感官表征与物理运动几何结构的对齐程度。研究发现S²与下游机器人任务成功率呈正相关,可作为闭环评估前的低成本模型筛选指标,还能在微调前识别有前景的视觉语言模型骨干。
英伟达升级Isaac机器人平台,推出人形机器人参考框架与仿真工具。该平台提供开发工具支持人形机器人研发,未提及具体版本号或参数。
Google新闻·Humanoid+Embodied 探讨提升机器人智能的方法。文章聚焦机器人技术发展,未提及具体产品或版本号。
英伟达在Isaac平台新增人形机器人参考平台AgileONE SN。该平台支持人形机器人开发与部署,提供硬件与软件集成方案。
宇树科技使用世界模型实时驱动人形机器人完成全自主搏击。该技术无需预设动作模板,机器人自主决策应对攻击。
英伟达扩展Isaac平台,加速布局人形机器人生态位。平台提供AI计算与开发工具,支持机器人实时感知与控制。
英伟达在Isaac平台新增人形机器人参考平台AgileONE SN。该平台支持人形机器人开发与部署,提供软硬件集成方案。
英伟达升级Isaac机器人开发平台,A股人形机器人概念股表现活跃。
NVIDIA 推出全新人形机器人参考平台、框架、仿真工作流及数据,全面推进面向通用机器人的 Isaac 平台。
英伟达扩展Isaac平台,加速卡位人形机器人生态位。该平台提供AI计算与仿真工具,支持开发者构建人形机器人应用。
NVIDIA 加速欧洲零售商使用开源模型和物理智能,Shopify 通过后训练模型将推理成本降低90%,响应速度提升7倍;Zooplus 实现了86%的搜索准确率;L'Oréal 将成分筛选时间从数月缩短至数小时;Mirakl 已处理超过7000万种产品。
推荐理由:欧洲零售商用开源模型降低90%推理成本,NVIDIA正将AI从数字发现延伸至物理操作,虚实融合的零售新范式正在形成。
NVIDIA扩展了Cosmos平台,新增训练工具、仿真检查点和Cosmos Data Factory蓝图,帮助开发者构建物理AI系统的世界模型。平台提供多模态数据处理、模型微调和优化工具,并已应用于自动驾驶、工业检测等领域。
推荐理由:从数据工厂到模型训练再到部署,NVIDIA Cosmos构建了完整的世界模型开发流水线,工业应用已开始验证其价值。
舍弗勒与恺望数据合作推进工业具身数据模型,进入产线验证阶段。双方未公开具体模型参数或性能数据,合作聚焦工业场景落地。
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。
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。
研究人员提出RISE方法,通过视觉扩散规划器实现人形机器人摔倒后的任务导向恢复,可在推理时根据任务目标控制机器人站立方式。该方法在Unitree G1机器人上进行了真实世界演示,展示了多样化的恢复策略、地形适应能力和无需重新训练的测试时转向功能。
推荐理由:通过视觉扩散规划器实现人形机器人摔倒后的任务导向恢复,无需重新训练即可适应不同地形和目标。
该研究在多机器人物联网网络中实现了动态微分段功能,通过商业软件定义工具基于资产功能和健康标签定义细粒度动态策略,可实时隔离威胁并保持未受影响部分的正常运行。
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。
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。
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。
该研究提出一种新方法,使机器人前馈控制动作能根据负载参数泛化,无需机器人动态模型知识,适用于刚性关节和弹性关节机器人。实验在 Franka Emika Panda 机器人及其弹性腕版本上验证了算法在轨迹跟踪任务中的有效性。
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。
该研究提出结合流匹配路径规划与模型预测路径跟踪控制的框架,通过数据驱动生成轨迹并实时满足约束条件。仿真显示该方法在复杂环境中具备鲁棒性能,能适应未见障碍物并实现无碰撞导航。
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。
Fangyu Jiang提出A2I-Calib++框架,专为足式机器人全身多IMU系统设计,通过时间相关搜索和解析空间与偏差估计,无需人工校准目标或复杂参数调校即可估计时间偏移、外旋平移和惯性偏差。
推荐理由:通过运动学驱动抗噪声主动校准框架,解决了足式机器人多IMU系统在常规运动中激励不足的问题。
Qingling Fan提出了一种新的线性扭动侧向爬行步态,通过将工作负载分散至整个机器人身体,使单个扭动关节的峰值输出功率降低42%。实验表明,新步态可在传统方法无法适应的地形上移动,并且比无扭动的传统侧向爬行速度快49%。
推荐理由:线性扭动侧向爬行步态将机器人工作负载分散至全身,解决了传统方法中电机过载问题。
该研究提出串联机械臂雅可比性能指标(如可操作性和刚度)在特定运动学条件下对首末关节角具有不变性,可降低配置空间维度并简化性能评估。通过工作空间性能图谱构建和任务布局优化验证,该策略在保持有效性的同时减少了计算和存储需求。