MIT CSAIL 与 CMU 提出 Workspace Models，让机器人以轻量记忆模块学习复杂技能
MIT CSAIL 与 CMU 提出 Workspace Models，用大视觉语言模型在离线阶段把长历史观测压缩为隐向量，并训练小型策略模型，使机械臂能在毫秒级内规划下一步动作。
推荐理由：该研究把大模型的离线推理蒸馏为轻量记忆模块，让机械臂在毫秒级内完成长时记忆推理，为机器人实时决策提供可迁移思路。
#Research
MIT CSAIL精选AI 评分7171
Boston Dynamics精选AI 评分6262 Boston Dynamics 为 Atlas 换上轮子，用全身强化学习验证执行器极限
Boston Dynamics 控制工程师 Andy Wu 介绍，团队把 Atlas 的脚换成轮子做研究测试台，用全身强化学习策略驱动，目的是在极限工况下检验执行器与电机模型。
推荐理由：Atlas 团队控制工程师复盘换轮测试台如何用真实电机模型缩小 sim2real 差距，可迁移到全身 RL 训练。
NVIDIA精选AI 评分8282 NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型与 Isaac Lab 3.0
NVIDIA 在 CoRL 发布基于 Cosmos 构建的开放世界动作模型 GR00T 2，并推出 Isaac Lab 3.0、Isaac Lab-Arena 0.4 及 DexBench、VABAR 等基准。
推荐理由：NVIDIA 在 CoRL 集中放出 GR00T 2、Isaac Lab 3.0 与多个基准，读者可据此了解仿真训练与评测工具链的最新变化。
Dexmate精选AI 评分6262 Dexmate 拆解编码智能体执行机器人任务的全过程
Dexmate 让 Codex（GPT-6 Astra）和 Claude Code（Opus 5.5）通过 MCP 工具控制 Vega 轮式双臂移动操作机器人，水果入篮和开门任务全部成功，精度更高的碗架任务在原始工具接口下无一成功。
推荐理由：Dexmate 用 Codex 和 Claude Code 实测机器人任务，量化了动作之外的时间开销与安全响应缺口。
PsiBot/灵初智能精选AI 评分7171 灵初智能等提出 FAFM：面向异频数据的连续动作生成方法，被 NeurIPS 2026 录用
灵初智能联合北京航空航天大学、北京大学、香港中文大学提出频率感知流匹配方法 FAFM，论文被 NeurIPS 2026 主会录用。该方法用离散余弦变换（DCT-II）把动作表示为对应真实时间的频域系数，在系数空间做流匹配并约束一阶时间导数，无需增加可学习参数，可独立使用或接入 π₀、π₀.₅ 等 VLA 模型。
推荐理由：论文给出不增加可学习参数的频域动作表示，可接入现有 VLA 模型，为异频数据联合训练提供可迁移思路。
PsiBot/灵初智能精选AI 评分7171 北大-灵初联合实验室 RoboFFT 被 CoRL2026 接收，用强化学习后训练生成式机器人策略
北大-灵初联合实验室提出的 RoboFFT 被 CoRL2026 接收，这是一种面向生成式机器人策略的强化学习后训练方法，复用扩散模型和流模型预训练时的前向加噪过程构造近似概率比，用于 PPO 风格裁剪更新。
推荐理由：该方法复用扩散与流模型的前向加噪损失构造策略更新信号，为生成式策略后训练提供了一条可复用的思路。
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。
Shanghai AI Laboratory - Embodied Intelligence精选AI 评分6060 上海人工智能实验室等联合推出材料多模态大模型“材华·MatVerse”
苏州国家实验室、上海人工智能实验室与上海交通大学等联合推出“材华·MatVerse”材料多模态大模型及智能体应用体系，采用“独立编码器+统一解码器”架构，将XRD谱图、电镜图像和分子结构对齐到同一语义空间。
推荐理由：材料给出多模态统一表征架构与19类学科评测基准，可了解材料大模型如何从检索走向机理推理。
Kinetix AI · YouTube精选AI 评分6262 KAI Halo 案例 EgoWild2Dex：用第一人称数据训练双臂灵巧操作
KAI Halo 案例 EgoWild2Dex 展示了如何从高难度的第一人称（egocentric）数据得到高质量双臂灵巧操作能力，项目页为 https://mmlab.hk/egowild2dex 。
推荐理由：材料给出了从第一人称人类数据到机器人双臂操作的完整训练路径与成功率，可迁移之处在于其数据利用思路。
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。
Sanctuary AI精选AI 评分7878 Sanctuary AI 发布 TIGER 方法，用模仿策略作密集奖励加速机器人强化学习
Sanctuary AI 提出 TIGER（Task-Space Imitation Guidance for Efficient Reinforcement Learning），不执行模仿策略，而是把其动作块经控制器映射为末端执行器参考轨迹，转化为密集奖励供强化学习使用。
推荐理由：原文给出把模仿策略转为密集奖励的具体做法与消融数据，读者可以判断它能否用于自己的稀疏奖励操作训练。
CMU Robotics Institute精选AI 评分6262 CMU 与西门子合作提出人形机器人安全停止监测方法 PRISM
CMU 与西门子合作开发评估人形机器人「safe stoppability」的方法，并通过仿真定义了可安全停止机器人的条件，成果为 PRISM（Proactive Refinement of Importance-sampled Stoppability Monitor）。
推荐理由：文章介绍了用仿真定义人形机器人可安全停止条件的方法 PRISM，对关注人形机器人安全监控与认证的读者有参考价值。
Skild AI精选AI 评分6262 Skild AI 发布物理自博弈后训练成果，S1 模型在仿真中学会足球并迁移至人形机器人
Skild AI 宣布通过物理自博弈（physical self-play）对基础模型 S1 做后训练，让策略以得分为唯一目标与近期版本的自己对抗，在 NVIDIA Isaac Sim 中经 140 年仿真时长学会带球过人、护球、抢断等技能，并成功迁移到人形机器人进行比赛。作者认为自博弈可突破预训练人类数据的能力上限，下一步将扩展到协作操作和城市级导航等日常任务。
推荐理由：作者自述用物理自博弈让基础模型在仿真中习得足球技能并迁移到实机，读者可以借此了解自我对抗式后训练的可行路径。
MagicLab/魔法原子精选AI 评分7070 MagicLab 解析 Magic-Brain 的 In-Context 视觉引导设计，magicVLA 抓取成功率从 70% 升至 94.4%
MagicLab（魔法原子）介绍 Magic-Brain 框架中的视觉引导方案，用 VLM Agent 输出 bbox、分割模型细化为三色掩码叠加到观测图像，将语义引导转为视觉引导。
推荐理由：魔法原子详解 Magic-Brain 视觉引导层的设计动机与实现，读者可以了解把语言指令转成像素引导后对抓取成功率的影响。
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。
PKU EPIC Lab精选AI 评分7373 FoldNet++：面向机器人T恤折叠与展开的大规模合成数据集
PKU EPIC Lab 发布 FoldNet++，一个用于机器人T恤折叠与展开的大规模合成数据集，涵盖 6 种机器人本体、1K 件T恤、1K 环境资产和 120K 条带丰富标注的演示。
推荐理由：原文给出了数据规模和真实环境部署成功率，读者可以据此评估纯合成数据训练衣物操作策略的可行性。
MIT CSAIL精选AI 评分6161 MIT CSAIL等推出InstructMesh工具修复AI生成的3D模型并按需制造
MIT CSAIL与Google、Northeastern研究人员推出InstructMesh，将TRELLIS与GPT-4结合，让用户用自然语言修复AI生成的3D模型后进行3D打印。
推荐理由：研究给出新工具与用户实验数据，读者可以了解普通用户如何修复AI生成3D模型并完成打印。
PKU EPIC Lab精选AI 评分6868 GIF：面向机器人学习的交互功能物体组合生成框架
PKU EPIC Lab 提出用于机器人学习的智能体式生成框架 GIF，将问题重构为解耦重建加相对位姿恢复。CoGen 结合 2D 与 3D 生成模型产出实例解耦网格和粗略初始位姿，GPRM 在几何与物理联合引导下细化相对位姿，VLM 验证器挑选最符合结构化规范的候选。
推荐理由：论文把交互功能物体组合生成拆成解耦重建与相对位姿恢复，并给出八类接触几何基准与碰撞率数字，可帮助读者评估仿真数据生成路线。
PKU EPIC Lab精选AI 评分7979 ZETA：面向桌面操作的零样本跨本体 VLA 迁移受控研究
PKU EPIC Lab 在 arXiv 发布 ZETA 研究（arXiv:2609.02546），提出统一的零样本跨本体 VLA 迁移定义和覆盖 14 个留出目标本体的受控基准，区分严格零样本迁移与预训练暴露迁移。实验显示局部末端执行器状态-动作表示、源本体多样性、辅助共训练分别提升约 15、18 和 7 个百分点，预训练中仅加入 5% 目标本体数据可将平均目标本体进度提升 13.4 个百分点。
推荐理由：论文给出了统一的零样本跨本体迁移定义和受控基准，读者可据此理解不同表示与数据策略的实际收益。