北大DAGroup开放20万小时HumanNet Ego数据并完成5万小时Scaling验证
北京大学DAGroup等团队向社区开放约20万小时HumanNet第一视角Ego数据,其中约10万小时已上传完成,并整理出5万小时训练语料Open-HumanWAM-50K。
推荐理由:原文给出从100小时到5万小时的Scaling曲线与零样本成功率,可据此判断人类第一视角数据对机器人后训练泛化的实际收益。
北京大学DAGroup等团队向社区开放约20万小时HumanNet第一视角Ego数据,其中约10万小时已上传完成,并整理出5万小时训练语料Open-HumanWAM-50K。
推荐理由:原文给出从100小时到5万小时的Scaling曲线与零样本成功率,可据此判断人类第一视角数据对机器人后训练泛化的实际收益。
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。
作者提出 ∇Mimic,用可微仿真器的精确梯度训练人形机器人全身运动跟踪策略,在单张 GPU 上 20 分钟达到 0.82 分、1.8 小时达到 0.874 分,而世界模型方法达到 0.82 需 1.2 小时。
推荐理由:论文给出可微仿真下精确梯度训练人形策略的完整方案,并开源引擎与代码,便于对比一阶与零阶方法的效率差异。
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。
X-Era AI拓元智慧发布开源原生4D世界动作模型E0.5,以三维基础模型为骨干,将未来三维几何预测直接融入动作学习。在AgileX Piper双臂机器人和Zerith H1人形机器人上,经约16万条机器人轨迹预训练后,E0.5整体平均成功率分别为85.0%和88.3%,较π0.5提升13.3和26.7个百分点;分布外平均成功率为73.3%和76.7%。
推荐理由:原文给出E0.5与π0.5在真机分布外任务上的成功率对比,读者可据此判断三维几何监督对操作泛化的作用。
由清华大学、无问芯穹联合北京中关村学院等机构研发的具身强化学习开源训练框架 RLinf 正式发布 v0.4,围绕乐高式真机系统、真机后训练算法、全模态模型支持与国产算力底座四个方向迭代。
推荐理由:梳理了该框架从仿真走向真机训练的迭代脉络,读者可据此了解具身强化学习工程栈的能力边界。
论文提出 RAX(Robot Agent eXploration),一个以扩展在线探索为核心的开源机器人智能体框架,通用编码智能体在不使用动作演示数据、人工设计动作原语或价值函数引导的情况下生成机器人控制代码。
推荐理由:论文对比了依赖演示数据的模仿学习范式与免演示的在线探索路线,并给出仿真与实机上的量化差距,便于读者评估该方向的可行性。
至简动力(Simplexity Robotics)推出并开源世界-动作模型 SimpleWAM,6B 参数版本在 NVIDIA ThorX (T5000) 上推理延迟由 181.23ms 降至 42.31ms,可在端侧以近 24Hz 高频闭环运行。
推荐理由:原文给出了从181ms到42ms的端侧优化路径和四项架构设计,可迁移了解世界动作模型如何满足高频闭环控制。
Intrinsic 发布开源的 Intrinsic Core 平台,包含硬件无关的实时控制、基于 NVIDIA FoundationPose 的 6-DoF 位姿估计、运动与抓取规划、Gazebo 仿真、相机标定和 Intrinsic-ROS 驱动等能力。
推荐理由:官方介绍该开源平台的控制、感知与规划等核心能力及参考方案,读者可据此评估其在操作类工业自动化中的可复用性。
原力灵机宣布 DM0.5 登顶 RoboColiseum 全部四个榜单(指令跟随、空间理解、扰动适应、通用操作),是榜单中唯一全部测评均登顶的模型。
推荐理由:原文列出DM0.5在多个榜单的具体成绩与推理延迟压缩数据,可据此评估其预训练路线的实际效果。
众智FlagOS社区在阿里巴巴开源2.4万亿参数MoE模型Qwen3.8-2.4T-A95B发布首日完成9家AI芯片的多芯适配、精度对齐与部署验证,提供BF16、FP8、INT8等多精度版本。
推荐理由:文章给出零改码适配路径和量化压缩方案,读者可据此判断存量国产算力如何承接超大模型。
RoboParty 宣布成立 RoboParty Lab,并开源三项人形机器人工具链:监督学习训练框架 MimicLite、无监督强化学习控制框架 UFO 和动作重定向工具 hhtools。
推荐理由:三项工具链给出了训练算力、耗时和已接入策略等具体数字,读者可据此评估其在自身研发流程中的复用价值。
逐际动力LimX Dynamics正式开源FluxVLA Engine,一个面向具身智能的标准化VLA工程底座,覆盖数据、训练、仿真评测到真机部署全流程。
推荐理由:逐际动力官方开源其VLA工程底座,读者可据此了解统一配置与真机部署流程如何降低研发门槛。
Genrobot 开源 Phase 3 UMI 数据集,包含 13K+ 小时双手数据,可直接使用,支持低于 1ms 的帧级同步与高保真轨迹重建。该数据由 3K+ 贡献者在 10K+ 真实家庭中采集,覆盖多样的日常操作技能,下载地址为 https://huggingface.co/datasets/genrobot2025/10Kh-RealOmin-OpenData 。
推荐理由:数据规模与真实家庭采集背景,帮助读者判断这类 UMI 数据能否用于自己的操作任务训练。
纽约大学研究团队开源了移动双臂操作机器人 YOR(Your Own Robot),物料清单成本低于10,000美元,项目主页为 www.yourownrobot.ai,论文见 arxiv.org/abs/2602.11150。
推荐理由:低于一万美元的开源双臂移动平台给出了可复现的硬件路线和实测数据,适合评估自建移动操作系统在成本与能力上的取舍。