四足机器人仅用脚部自主解巨型魔方
研究人员开发了一种四足机器人，仅使用其脚部自主解决了巨型魔方。系统包含机载RGB-D感知管道，用于估计魔方的姿态和颜色状态，并通过强化学习训练的全身技能重新定向魔方并转动其层。该系统完成了三次自主硬件求解，每次约30步，耗时8-9分钟。
推荐理由：四足机器人仅用脚部自主解巨型魔方，展示了具身智能在复杂物理任务中的精确控制能力。
技术方向
人形机器人 最新动态
人形机器人与具身智能的技术与产业方向：整机发布、运动控制、灵巧手、数据与仿真、量产与供应链。
164 条精选近 30 天 163 条共收录 2,101 条
更新
精选归档 · 第 6 页
arXiv · cs.RO精选AI 评分7575 arXiv · cs.RO精选AI 评分7575 基于规则图规划的LLM机器人安全任务完成方法
Ali Taheri提出RuleGraph框架，通过多智能体规则图规划使LLM-enabled机器人能够拒绝有害指令同时完成合法任务。该方法在RoboGuard基准测试上达到98.57%的任务成功率，同时将攻击成功率降至0%。
推荐理由：通过多智能体规则图规划，让机器人在拒绝有害指令的同时完成合法任务，解决了复合指令中的安全难题。
钛媒体精选AI 评分8585 通用大模型正在重做机器人的研发与交付
通用大模型正在改变机器人行业，MicroFactory采用大模型生成控制方案、专用程序执行作业，Poke & Wiggle则让大模型接管研发实验台。两种路径分别聚焦执行与研发，共同呈现机器人集成与研发流程的变化。
推荐理由：原文分析了通用大模型如何改变机器人研发与交付的两种路径，提供了具体案例和行业影响。
arXiv · cs.RO精选AI 评分7575 LIBERO-Dynamic: 动态环境中的机器人操作基准测试
Shaojie Ren 等人提出 LIBERO-Dynamic，这是对 40 个 LIBERO 任务的动态扩展，通过接触摩擦驱动物体运动，并考虑模型特定的推理延迟。研究评估了六种预训练策略在 1,800 种动态条件下的表现，比较了执行策略和动作范围，并使用动态和混合数据对三种架构进行了微调。物理实验显示任务相关的执行策略差异与模拟结果一致。
推荐理由：LIBERO-Dynamic 基准首次将物体运动、推理延迟和动作执行纳入机器人操作评估，揭示了动态环境对策略性能的非均匀影响。
华尔街见闻精选AI 评分8585 特斯拉发布新款Roadster：采用专属4680电池与双电机后驱布局
特斯拉车辆工程副总裁Lars Moravy详解新款Roadster，采用专属4680电池与双电机后驱布局，目标车重低于1700公斤。顶配Rocket版0-60mph加速仅需0.55秒，配备SpaceX冷气推进器，可实现有限离地飞行。
推荐理由：放弃四驱转后驱、减重300公斤，特斯拉用SpaceX技术将跑车加速推至0.55秒，量产车离地飞行不再是概念。
arXiv · cs.RO精选AI 评分7575 MOSS：多模态折纸沼泽机器人系统
MOSS是一种紧凑的两栖机器人平台，采用3D打印折纸轮组，可在收缩和展开配置间切换，适应不同地形。在土壤、泥泞、沙地和水中测试中，展开配置在湿泥、沙地和水中降低能耗最高达29%，并能完成土壤-泥泞-水域连续过渡。
推荐理由：折纸式轮组让机器人在陆地与水域间无缝切换，地形自适应降低能耗最高达29%，为复杂环境监测提供新方案。
量子位精选AI 评分8585 深辰凯动羽毛球机器人创吉尼斯世界纪录
深辰凯动羽毛球机器人连续对打1452拍，创下吉尼斯世界纪录。该机器人基于通用物理运动平台，可在约0.5毫秒内识别来球，挥拍速度达每秒30米，扣杀时速超过250公里。团队已实现全栈自主研发，拥有国内外专利100余项。
推荐理由：原文给出了中国机器人羽毛球机器人的技术突破和实际应用场景，读者可以了解其工程化落地能力。
量子位精选AI 评分8585 优必选Thinker-WM多模态统一表征模型发布，霸榜三大基准评测
优必选发布Thinker-WM多模态统一表征模型，在WorldOlympiad、EWMBench和WorldArena1.0 Track-1三大具身世界模型基准评测中全部获得第一名。
推荐理由：优必选Thinker-WM通过多模态统一表征在三大基准评测中全部登顶，为具身智能提供新一代基础世界模型底座。
arXiv · cs.RO精选AI 评分6565 并非所有动作贡献相等：从非精确演示中学习精确进度估计
Huanqian Wang提出PRIME方法，通过构建加权图和最短路径搜索，从非精确的人类演示中学习精确的进度估计，在仿真和真实世界的高精度操作任务中表现出色，在充电器插入任务上比SFT基线方法提高5倍成功率。
推荐理由：从人类不完美演示中学习进度评估，PRIME方法解决了高精度操作中错误动作干扰奖励信号的问题。
雷锋网精选AI 评分8181 万拿NOVA21灵巧手全球首发，拓展灵巧操作研究边界
万拿机器人在香港秋季电子产品展上全球首发NOVA21灵巧手，采用21自由度全主动旋转直驱设计，集灵巧、力量、精准与触觉感知于一体，支持多指协同与复杂操作策略研究。
推荐理由：原文提供了产品规格和技术参数，读者可据此评估其在机器人研究中的适用性。
Google新闻·Humanoid+Embodied(英)精选AI 评分8585 Faraday Future和FFR联合发布FF Nova人形机器人
Faraday Future和FFR联合推出FF Nova人形机器人，在美国售价低于2500美元，同时发布了FF Nova Mini、Physical AI Spark课程和强化学习开发者计划。
推荐理由：低于2500美元的人形机器人首次亮相，价格门槛大幅降低，接下来看开发者生态能否跟上。
钛媒体精选AI 评分8585 字节跳动开发世界模型，张一鸣亲自督导
字节跳动正在基于视频生成模型Seedance开发实时空间视频生成模型，由张一鸣亲自督导，计划于10月推出。该模型采用端到端延迟约50毫秒的技术路线，旨在实现实时互动，应用场景包括直播、互动短剧、游戏和机器人训练。
推荐理由：文章揭示了字节跳动基于Seedance开发世界模型的战略布局和差异化路线，展示了从视频生成到实时互动的技术演进。
TechXplore · Robotics精选AI 评分6565 Fleet Robotics 开发磁力吸附机器人清洁巨型船舶
Fleet Robotics 开发了一种类似 Roomba 的机器人，通过磁力吸附在船体上行走，能够有效清除船体上的海藻、藤壶等生物附着物。该机器人长约1米，宽60厘米，采用可切换磁力的脚部设计，可在船体上精确导航和规划路径，进行日常预防性维护，每年可为美国航运业节省高达360亿美元的燃料和防污涂料成本。
推荐理由：原文详细介绍了机器人如何通过磁力吸附在船体上行走清洁，解决了船舶生物附着问题。
arXiv · cs.RO精选AI 评分7575 Value as Memory: 在线价值引导的通用机器人策略后训练
Wenye Yu提出Value as Memory (VaM)框架，通过价值缓存和在线强化学习解决机器人策略后训练中的部分可观测性和反馈延迟问题。在涉及可变形物体和接触密集操作的长时程任务中，VaM在价值缓存方面平均提高成功率29.4%，在线自主学习提高32.8%，在相同梯度步预算下执行8倍策略迭代，并发数据收集和训练使每梯度步时间降低2倍以上。
推荐理由：本文提出了一种结合价值缓存和在线强化学习的机器人训练框架，解决了部分可观测性和反馈延迟问题。
arXiv · cs.RO精选AI 评分7575 感知、预测与规划：面向自我中心灵巧操作的世界统一行动模型
作者提出P³-WAM模型，通过感知、预测和规划三种互补模式实现自我中心灵巧操作，整合紧凑的3D动作表示到预训练视频扩散变换器中，实验显示统一训练提升了所有三种能力，在3D手重建和动作条件视频预测任务上优于专用基线。
推荐理由：论文提出了统一的世界行动模型，通过三种互补模式实现3D感知、预测和规划，在多个数据集上表现优于专用基线。
arXiv · cs.RO精选AI 评分7575 Spark-0：面向机器人灵巧操作的空间对齐触觉预训练扩展研究
研究人员提出Spark-0模型，结合视觉-触觉-语言-动作(VTLA)多模态信息，通过1000小时的HumanTouch数据集进行预训练，在Ego Humanoid Manipulation Benchmark和SparkArena任务中取得最高成功率，触觉信息不仅作为策略输入，还成为灵巧视觉运动预训练的可扩展监督。
推荐理由：研究通过大规模触觉预训练提升了机器人在灵巧操作中的成功率，提供了新的监督方法。
arXiv · cs.RO精选AI 评分7575 Dexterity from Supervised Play：通过监督学习实现机器人灵巧操作
Botao He提出DSP框架，机器人通过行为克隆从人类游戏中学习策略，然后自主收集交互数据训练世界模型。在真实实验中，该方法比回顾性行为克隆成功率提高69.6%，且比强化学习减少490倍的交互数据量。
推荐理由：论文提出了一种通过监督学习让机器人自主收集灵巧操作经验的新方法，显著减少了交互数据需求。
arXiv · cs.RO精选AI 评分7575 基于强化学习的温室生菜采摘机器人路径安全目标 reaching 方法
研究提出PSA-PPO方法，用于温室水培生菜采摘，在物理实验中达到94.7%的目标到达率，比传统规划方法表现更好。该方法结合了目标条件观测、走廊感知空间约束和基于轨迹历史的安全编码，无需真实世界微调即可成功迁移到UR10e机械臂。
推荐理由：研究提出了PSA-PPO方法，解决了机器人采摘中的路径安全问题，实现了94.7%的高成功率。
arXiv · cs.RO精选AI 评分6565 Mem4Act: 学习用于长期机器人操作的有效潜在记忆
Mem4Act框架引入了一种固定大小的潜在记忆表示，通过多粒度时间聚合、互补语义和感知信息保留以及记忆优先的两阶段训练，解决了长期机器人操作中的记忆挑战。在RoboMME、RMBench和四个真实世界操作任务中，分别取得了49.88%、61.0%和81.5%的成功率，达到了最先进的性能。
推荐理由：Mem4Act框架解决了机器人长期操作中的记忆挑战，通过多粒度时间聚合和互补记忆监督实现了SOTA性能。
华尔街见闻精选AI 评分7676 禾赛发布Kosmo空间相机及云平台，拓展机器人训练场景业务
禾赛发布Kosmo空间相机及云平台，通过扫描真实环境、重建三维空间，为机器人提供仿真训练场景。该产品将汽车产业积累的三维感知、芯片设计和精密制造能力用于降低训练环境构建成本，业务从传感器销售扩展至数据生产、空间重建和云端服务。
推荐理由：禾赛将汽车产业积累的三维感知能力用于机器人训练环境，降低了场景构建成本。