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。
技术方向
具身智能 最新动态
AI 走进物理世界：人形机器人、具身基础模型与真实环境操作能力的进展追踪。
183 条精选近 30 天 181 条共收录 563 条
更新
精选归档 · 第 2 页
arXiv · cs.RO精选AI 评分6565 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 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。
arXiv · cs.RO精选AI 评分8181 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。
钛媒体精选AI 评分8585 Gemini 4 Argon Token消耗量暴涨3倍，谷歌CEO首谈砍掉3.5 Pro内幕
Google最新旗舰模型Gemini 4 Argon上线72小时处理近25万亿Token，消耗量是上一代Gemini 3.0同期的3倍。Google CEO桑达尔·皮查伊在访谈中首次公开解释了Gemini 3.5 Pro为何神秘消失，以及DeepMind核心管理层变动的幕后原因。
推荐理由：Gemini 4 Argon上线72小时处理25万亿Token，谷歌CEO首次披露砍掉3.5 Pro内幕，模型迭代与算力博弈成焦点。
钛媒体精选AI 评分8181 AI 3D「御三家」半年吸纳超80亿元
Meshy、VAST和影眸三家AI 3D公司在半年内融资超80亿元。Meshy推出Meshy Edit实现3D模型局部编辑，VAST开源EdenLive世界模型，影眸布局专业级3D生成。Meshy ARR突破1亿美元，三家均推出Agent能力，同时字节、腾讯等大厂加速布局。
推荐理由：半年内80亿元涌入AI 3D领域，资本热捧背后是编辑功能与Agent能力的产品竞赛。
钛媒体精选AI 评分7878 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。
Hugging Face Blog精选AI 评分7373 ThinkingBox-Training：将数据库评分转化为强化学习奖励
微软与Hugging Face合作发布ThinkingBox-Training，通过将数据库终端状态检查转化为奖励函数，对Qwen3.8-27B模型进行50步GRPO微调。
推荐理由：将数据库评分转化为强化学习奖励，让智能体从偶尔成功变为可重复执行，训练任务选择是关键。
雷锋网精选AI 评分7878 千里智驾量产进入放量期，覆盖10-50万级价格带
千里智驾通过极氪、领克、smart等车型完成高端验证，现银河TT与银河战舰700进入10万-20万元价格带，实现从高端到主流市场的跨越。该公司以AI大模型为核心，采用统一技术架构，形成数据闭环，在40万元以上高端车型市场城市NOA搭载市占率达40.8%，整体L2+智驾市占率达39.2%，均位列第一。
推荐理由：从高端到主流的智驾方案放量，验证了AI大模型与规模数据的协同效应，行业竞争已进入量产与规模的新阶段。
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。
雷锋网精选AI 评分7878 千问发布AI眼镜N1 Pro与耳夹式耳机
千问发布AI眼镜N1 Pro和耳夹式耳机，眼镜重44g，售价2218元起，耳机售价1099元起。N1 Pro搭载全天候视觉感知系统和眼动追踪模组，支持健康监测；耳机支持89种语言实时翻译。两款产品旨在作为千问Personal Agent的物理入口，整合阿里生态数据与服务能力。
推荐理由：44g眼镜实现主动服务，千问用硬件把Agent从对话窗推进到物理世界，接下来看用户是否愿意为这种'越界'买单。
TechXplore · Robotics精选AI 评分7878 实验室培养的小鼠肌肉使微型机器人实现跳跃、游泳、行走和抓取
苏黎世联邦理工学院研究人员开发出结合实验室培养的小鼠骨骼肌肉组织与水凝胶支架的生物混合机器人，通过计算机模拟优化设计，使机器人运动幅度提升11倍，能够跳跃、游泳、行走和抓取物体。
推荐理由：通过计算机模拟优化肌肉与支架的协同设计，使生物混合机器人运动幅度提升11倍，展示了生物组织与软体结构融合的新可能。
TechCrunch · Robotics精选AI 评分7575 前OpenAI科学负责人推出Warp Science，用机器人自动化湿实验室
前OpenAI科学负责人Kevin Weil创立Warp Science，获8.65亿美元估值融资，由Lightspeed领投。该公司训练机器人执行药物研发中的湿实验室工作，旨在加速药物发现并减少地缘政治供应链风险。
推荐理由：前OpenAI科学负责人创立Warp Science，获8.65亿美元估值融资，将机器人引入湿实验室自动化药物研发。
Google DeepMind精选AI 评分6565 Google DeepMind 发布全球森林类型地图 ForTy 2020
Google DeepMind 与合作伙伴发布 Forest Typology (ForTy) 2020 全球地图，以10米分辨率将地球森林分为六类，并跟踪2017-2025年变化。该地图准确率达90%，帮助区分自然林、人工林和农场，支持欧盟无毁林产品监管。
推荐理由：10米级森林类型地图让自然林与人工林首次可区分，为监管提供精准基线，但精度与成本平衡仍是挑战。
IT之家精选AI 评分7878 小鹏 IRON 人形机器人能力升级：每 0.2 秒重新推理一次，可预测 6 秒内动作变化
小鹏汽车宣布第二代 VLA 大模型升级，获得更强时序理解与未来行为预测能力，已端侧落地到小鹏人形机器人 IRON 上。IRON 可每 0.2 秒根据眼前画面重新推理一次，并预测 6 秒内的动作变化，实现实时互动调整。小鹏计划在 2026 年底实现人形机器人量产，2027 年上半年开启交付。
推荐理由：0.2秒实时推理加6秒预测，让人形机器人首次真正跟上人类节奏，但量产交付仍是终极考验。
量子位精选AI 评分8585 Maxinsights跻身全球Physical AI核心供应链
Maxinsights公司已向全球Physical AI头部厂商交付超过200万小时的第一人称视角数据，包括Google DeepMind、Figure AI等客户，其年化经常性收入连续多月达到或接近1亿美元。
推荐理由：Maxinsights以200万小时交付量跻身全球Physical AI核心供应链，数据飞轮效应已显现。
HuggingFace Daily Papers精选AI 评分7575 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
研究人员提出SERA（Self-Evolving Robotic Agent）框架，通过可编辑的harness将视觉语言模型组织为机器人智能体，利用环境rollouts实现自我进化。在RoboMME测试中，SERA通过自主选择实现了51.38%的整体成功率，相比没有自我进化的44.38%有显著提升。这种方法解决了历史依赖操作中的非马尔可夫问题，表明智能体规划是解决此类机器人操作任务的有前景方向。
推荐理由：通过可编辑的harness将VLM组织为机器人智能体，利用环境rollouts实现自我进化，解决了历史依赖操作中的非马尔可夫问题。
NVIDIA Blog精选AI 评分6565 NVIDIA 开放模型助力欧洲公共部门新项目
NVIDIA 推出开放模型支持欧洲公共部门项目，包括欧盟委员会的 AI@EC 平台、波兰的医疗和就业服务系统、德国的机密工作平台等。这些项目使用 NVIDIA 的 Nemotron-Personas 数据集和 NeMo User Sim 库，在本地基础设施上运行模型，同时保持数据主权。
推荐理由：开放模型让政府既能掌控数据又能定制服务，但真正的挑战在于如何平衡本地化需求与全球模型生态。