苹果公开 HALO 人形机器人研究：宇树 G1 背 Mac mini 跑千问，陌生家庭任务成功率 91%
苹果研究团队公开 HALO 人形机器人研究，用宇树 G1 背负 Mac mini M4 Pro 本地运行千问模型，在 6 个未扫描的真实家庭中 360 次测试平均成功率达 91%。
推荐理由：苹果用纯仿真合成数据替代人力遥操作，在陌生真实家庭中验证人形机器人技能迁移，为绕开数据瓶颈提供了一条可规模化的路径。
#Perception and localization
APPSO · 微信公众号精选AI 评分8383
未来机器人网 · 微信公众号精选AI 评分7777 地瓜机器人联合东京大学发布 RawVLA：冻结 VLA 只训成像前端，暗光双臂任务成功率从 0 升至 66.5%
地瓜机器人联合东京大学等机构发布 RawVLA 技术方案，在 VLA 策略前加入可学习的神经 ISP 模块，VLA 模型保持冻结，用动作误差反向训练成像前端。真机用 π0.5 测试四项双臂任务，暗光平均成功率从默认 ISP 的 0% 提升至 66.5%，正常光下为 75.0%，默认 ISP 为 76.5%。
推荐理由：方案把成像前端纳入可学习环节，并给出暗光与正常光下的对照数据，可供视觉链路设计参考。
3D视觉工坊 · 微信公众号精选AI 评分7878 Any3R开源：一个模型统一处理针孔、鱼眼与全景相机的三维重建与位姿估计
南达科他州立大学等机构提出Any3R，用稠密射线场描述任意中心相机，一次前向即可从混合相机图像重建三维点云并估计位姿。该方法以角度坐标替换旋转位置编码的行列号，并用立体角对像素损失加权，使一套权重覆盖针孔、超180°鱼眼和360°全景。在13种中心相机、3个数据集的基准上，其重建精度与位姿精度均领先，推理代码、13种相机模型和权重已开源。
推荐理由：该文介绍一种用稠密射线场替代针孔假设的前馈三维重建方法，可了解多相机类型混合输入的处理思路。
甲子光年 · 微信公众号精选AI 评分7878 北大董豪团队提出One Scan is Enough：一次扫描完成具身导航后训练
北京大学董豪团队公布论文《One Scan is Enough》，用带激光雷达的iPhone扫描一次目标环境，自动生成导航任务并利用重建场景几何信息做强化后训练，无需人工遥操作示范。
推荐理由：一次iPhone扫描替代人工示范，200次真机测试给出25%到85%的成功率对比，可看后训练成本如何下降。
3D视觉工坊 · 微信公众号精选AI 评分7878 港大开源GenSfM：四张无标定图像联合还原3D物体与相机位姿
香港大学团队开源GenSfM，用原生3D扩散模型在单一多模态序列中联合去噪物体形状与各视角相机位姿，仅需2至4张无标定图像且无需相机内外参。论文在Toys4k与GSO上评估，相比多视图基线TRELLIS-M新视角PSNR提升3.2–4.5 dB，Chamfer距离中位数降低约64%–74%，位姿Acc@5°超过96%。
推荐理由：该工作把原生3D扩散模型改为形状与相机位姿联合去噪的主推理机制，并公开代码与模型，可供稀疏视图重建参考。
CMU Robotics Institute精选AI 评分6262 CMU 提出 Wiggle and Go：抖动绳索估计物理属性以规划操作
CMU 机器人研究所团队提出 Wiggle and Go 系统，让机器人先短暂抖动绳索或线缆，用俯拍摄像头记录波动传播，再由计算机视觉算法跟踪运动并估计其物理属性，据此规划后续动作，无需先反复试错。该模型完全在仿真中训练，再借助真实绳索抖动时的运动估计属性以提升实机预测精度。研究已被 2026 年机器人学习会议（CoRL）接收，下月在奥斯汀报告，部分由美国国家科学基金会资助。
推荐理由：该方法用一次抖动估计绳索物理属性，再据此规划动作，为柔性物体操作提供了可迁移的思路。
arXiv cs.RO精选AI 评分8080 无需渲染的事件帧仿真加速自主机器人导航强化学习
作者提出一种解析式事件仿真器，直接由场景几何和自运动合成事件流，不经过图像渲染，单GPU生成64x64事件观测仅需17微秒，比先进渲染管线快400倍以上。基于该仿真器的事件相机强化学习避障策略训练不到30分钟即可收敛，比渲染事件训练快三个数量级，并可零样本迁移到Isaac Sim光线追踪事件仿真。
推荐理由：该工作用解析式事件仿真绕开图像渲染，把事件相机强化学习训练时间压到30分钟以内，并完成56克无人机实机部署。
机器之心 · 微信公众号精选AI 评分7676 Ropedia 发布六项研究成果，探索人类第一视角数据如何转化为机器人能力
Ropedia 在 10 月 19 日至 23 日的第一届 Ropedia Super Week 上集中发布六项研究，围绕人类第一视角视频如何转化为机器人可用的训练与执行信息。
推荐理由：六项研究集中回答人类第一视角数据如何转成机器人可用的训练与执行信息，并给出跨本体与真机对照结果。
arXiv cs.RO精选AI 评分7878 RepresentNav：在自构建表征空间上构建的导航基础模型
作者提出 RepresentNav 导航基础模型，用 Representation Residuals 三层 transformer 聚合多个视觉基础模型的全深度特征，构建由策略自身目标驱动的表征空间。
推荐理由：该论文提出用策略自身目标构建视觉表征空间，并在其中预测未来场景表征，为导航策略的表示设计提供了可迁移思路。
深蓝AI · 微信公众号精选AI 评分8181 代尔夫特理工MonoRace仅用单目前视摄像头实现时速100公里自主无人机竞速
荷兰代尔夫特理工大学MAVLab的MonoRace系统只靠一个前视摄像头和IMU，在2025年阿布扎比自主无人机竞速赛中连续战胜三位世界冠军级飞手，论文于2026年10月14日发表在Science Robotics。
推荐理由：代尔夫特团队拆解了单目相机加IMU在高速竞速中的感知、状态估计与强化学习控制分工，可迁移到算力受限的实机系统。
Dexmate精选AI 评分7272 Dexmate与CMU发布MeMoREval基准：机器人存相机帧胜过文字描述
Dexmate与CMU推出MeMoREval基准，用先体验后提问的两阶段协议评估具身智能体应存什么记忆，含53个任务和4个模拟室内环境，运行于Vega 1 Pro双臂移动操作机器人。结果显示存储原始相机帧得分70%并写入成本更低，超过文字描述的56至60%，加场景图在所有受测模型中总体成功率最高；该协议也在真实Vega 1 Pro上以SLAM地图和头部相机完成两次记忆检索演示。
推荐理由：基准由平台方与CMU共同提出，帧与场景图的对比结论可帮助做记忆设计选型，实机迁移也给出可行性参考。
CMU Robotics Institute精选AI 评分6868 CMU 研究团队为 DeltaHands 机器人手开发仿人多感官指尖
CMU 研究人员设计了可安装在 DeltaHands 柔性机械手上的人手启发式指尖，结合应变片测量捏握压力、麦克风通过塑料指甲捕捉微振动，可数纸杯、识别材质并抓取豆腐块和薯片等易碎物品。每个指尖成本低于100美元，而用现成产品搭建类似装置需约800美元，工作已在 Pittsburgh 举行的 2026 Intelligent Robots and Systems Conference 上发表。
推荐理由：原文给出仿人指尖的多模态触觉设计和低于100美元的成本细节，读者可了解力与振动感知如何支持操作控制。
PKU EPIC Lab精选AI 评分6464 PKU EPIC Lab 提出 UniPart 实现零样本语言驱动 3D 部件分割
PKU EPIC Lab 提出 UniPart，一个以 CLIP 文本嵌入为条件的前馈跨模态 3D Transformer，用自由文本短语在点云上选取功能部件，实现零样本语言驱动 3D 部件分割。
推荐理由：论文给出文本驱动的3D部件分割方法与自建数据集，并验证可迁移到真实世界语言条件抓取。
加速进化 · 微信公众号精选AI 评分7272 清华赵明国团队 Science Robotics 论文提出视觉驱动人形足球技能的统一感知-运动强化学习框架
8 月 19 日，清华大学自动化系赵明国教授团队在 Science Robotics 发表论文《Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots》，入选 2026 年 8 月人形机器人特刊，所用机器人平台为加速进化（Booster）自主研发的人形机器人。
推荐理由：论文拆解了传统感知-规划-控制流水线的三处失效，并给出可复现的仿真到真机迁移方法。
LeadeRobot精选AI 评分7777 Mila与蒙特利尔理工团队开源约2000美元机器导盲犬Milo，基于宇树Go2实现室内外自主导航
Mila-魁北克AI研究所与蒙特利尔理工团队发布开源机器导盲犬Milo，称可将约5万美元的导盲犬成本压到约2000美元。硬件基座为宇树Go2 Air/Pro加NVIDIA Jetson Orin Nano，用磁编码器伸缩手柄反解使用者三维位置，先建鸟瞰图再跑导航策略，策略在GPU加速仿真中约10分钟练出并零样本部署真机。
推荐理由：原文完整拆解了Milo的感知、策略训练与实测细节，读者可以对照自己的导航项目复用其工程取舍。
PKU EPIC Lab精选AI 评分6868 WAM-TTT：通过观看人类视频在测试时引导世界动作模型
PKU EPIC Lab 提出测试时训练框架 WAM-TTT，从原始人类视频中引导世界动作模型，无需机器人动作、人类侧标注或任务特定微调。该方法通过自监督视频预测将人类视频吸收进冻结 WAM 内的轻量自适应记忆，并用成对人-机数据和键值记忆重建目标的元训练阶段对齐人类演示与机器人行为；实验显示其在多种操作任务和泛化设置下持续优于上下文人类视频条件化基线。
推荐理由：原文提出仅用无标注人类视频在测试时调整冻结世界动作模型的方法，无需机器人演示或微调，对想复用的研究者有方法参考价值。
求之科技 · 微信公众号精选AI 评分6767 GeoPredict 让 VLA 先预测未来轨迹与三维几何再生成动作
香港中文大学（深圳）等机构提出 GeoPredict，在 VLA 生成动作前显式预测末端执行器与关节级未来轨迹，并用 3D Gaussian 建模未来工作空间几何。
推荐理由：GeoPredict 把未来轨迹与三维几何预测并入 VLA 训练，读者可了解一种不增加推理开销的空间推理思路。
New Scientist Robots精选AI 评分7676 Sony AI 乒乓球机器人 Ace 击败职业选手，研究发表于 Nature
Sony AI 的自主乒乓球机器人 Ace 按日本职业乒乓球联赛规则参赛，战胜多名精英与职业选手，相关研究发表于 Nature（DOI: 10.1038/s41586-026-10338-5）。
推荐理由：文章交代了 Ace 的比赛战绩与三项关键技术，并把它与 Deep Blue、AlphaGo 的里程碑并置，方便读者判断实体体育竞技目前走到了哪一步。
LimX Dynamics精选AI 评分6666 逐际动力等联合研究的GVF-TAPE算法入选CoRL 2025，让机器人看视频学会操作
南方科技大学CLEAR Lab、逐际动力与香港大学合作的论文《Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-top Manipulation》入选CoRL 2025。
推荐理由：这项研究给出了从人类视频学习操作的具体技术路线和实验数字，可帮助读者了解视频数据训练机器人操作的可行路径。
已经到底了