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。
#Planning and decision-making
Dexmate精选AI 评分6262 Tech Xplore Robotics精选AI 评分7878 UC Berkeley与NVIDIA提出agentic robotics，用AI智能体在仿真中生成并改进机器人程序
UC Berkeley的Ken Goldberg团队与NVIDIA机器人工程负责人Spencer Huang提出“agentic robotics”方法，让AI智能体在仿真中生成、测试并修正机器人控制程序，无需额外采集数据。
推荐理由：报道介绍了用多智能体在仿真中生成、测试并修正机器人程序的方法，并给出仓储分拣的落地数据。
爱范儿精选AI 评分8080 苹果公开HALO人形机器人研究：用宇树G1加Mac mini，纯仿真数据实现陌生家庭自主导航
苹果研究团队公开HALO人形机器人研究，以宇树G1为身体、背负运行千问模型的Mac mini M4 Pro，在6个未扫描的真实家庭中完成坐下、钻桌底、推箱子等任务，360次测试平均成功率91%。
推荐理由：苹果用纯仿真合成数据训练人形机器人，在6个未扫描真实家庭中360次测试平均成功率91%，为绕开遥操作数据瓶颈提供了一条可规模化的路径。
未来机器人网 · 微信公众号精选AI 评分8282 苹果发布 HALO 人形机器人系统论文，在宇树 G1 上实现零样本迁移
苹果研究团队在 arXiv 发布论文《Perceptive Humanoid Motion from Simulation》，推出人形机器人自主系统 HALO，并在宇树科技 G1 上完成实景验证，同时开源数据生成、训练与部署代码。
推荐理由：论文给出仿真合成数据零样本迁移到宇树 G1 的三层架构与分项成功率，可对照长链条任务的失败环节。
CVer · 微信公众号精选AI 评分7878 英伟达等提出TacitVLA：让动作不等推理文本，延迟最多降3.4倍
英伟达、纽约大学等团队提出TacitVLA，训练时照常写推理文本，但通过attention mask让action expert看不到推理token，动作不再等待文本生成。
推荐理由：通过对比三种训练策略，文章把推理文本的训练收益与部署读取成本分开，便于判断VLA推理提速的可行路径。
Shanghai AI Laboratory - Embodied Intelligence精选AI 评分7070 上海AI实验室上线书生·天枢（Sage·LabOS）实验室操作系统
上海AI实验室上线实验室操作系统书生·天枢（Sage·LabOS），以书生SCP-Lab为统一接口、书生物理世界模型W0驱动机器人完成实验操作，打通异构设备自主执行与数据回传链路。该系统具备能力发现、任务编排、执行调度、数据回流四项核心能力，已在临港实验室LNP配方优化任务中完成五轮干湿闭环迭代，自动合成验证335个配方，包封率从67%提升至98%。
推荐理由：原文给出自主实验室操作系统的四项核心能力与LNP配方优化中的干湿闭环实测数据，可了解机器人如何接入科研实验流程。
arXiv cs.RO精选AI 评分8080 cuRoboV2-Fast：面向扭矩受限无碰撞运动的 GPU 加速规划器
作者提出 GPU 加速规划器 cuRoboV2-Fast，用于无碰撞、载荷感知且扭矩受限的运动，通过 B 样条轨迹优化减少迭代次数，并用 TimeOpt 在速度、加速度、加加速度和扭矩约束下优化固定路径的通行速度。
推荐理由：论文给出 GPU 加速的扭矩受限无碰撞规划器，并对比了规划延迟与实机抓放周期，可供关注规划部署效率的读者参考。
arXiv cs.RO精选AI 评分8484 HALO：从仿真合成数据训练的人形机器人自主系统实现零样本实机迁移
研究团队提出人形机器人自主系统 HALO，通过在约一千个程序化生成的家庭场景中合成视觉-语言-动作数据，摆脱对遥操作采集的依赖。HALO 习得坐椅子、导航到指定物体、侧身穿半开门、蹲爬桌下和推箱子等技能，并能组合完成长程任务。训练中未见过真实家庭场景，HALO 零样本迁移到物理世界，在六个未建图真实环境的 360 次试验中达到 91% 成功率。
推荐理由：论文给出用程序化生成家庭场景合成视觉-语言-动作数据、再零样本迁移到实机的完整路径，可参考其数据规模化思路。
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。
机器之心 · 微信公众号精选AI 评分7878 飞捷科思与复旦提出 Fysiverse-UniWAM 统一世界动作模型，24 项真机测试导航与移动操作双第一
飞捷科思（Fysics AI）联合复旦大学 CITLab 提出统一世界动作模型 Fysiverse-UniWAM，用一个模型贯通自主导航、移动操作与固定工位灵巧操作。
推荐理由：读者可看到一条不依赖大规模机器人预训练的统一世界动作模型路线，以及导航与操作共享骨干的具体设计。
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。
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。
云深处科技 · 微信公众号精选AI 评分7272 云深处发布具身大脑五项成果：世界模型DR-WM-1.0、VLA模型DR-VLA-2.0等
云深处科技围绕自研具身大脑DEEPRobotics-Brain密集发布五项研究成果，包括世界模型DR-WM-1.0、具身基础模型DR-VLA-2.0、具身智能体DR-Agent、策略优化框架DR-APO和数据闭环平台DR-Benchmark，并联合MIT、清华、浙大等七所高校开展合作。
推荐理由：五项成果覆盖世界模型、VLA、策略优化与数据基准，可对照了解具身大脑全链路的分工与指标。
机器之心 · 微信公众号精选AI 评分8888 哈佛、伯克利、英伟达等提出 RAX，用在线探索 Scaling 让机器人零示范学技能
哈佛、英伟达、伯克利、MIT 和斯坦福的研究团队提出 RAX（Robot Agent eXploration），让通用 Coding Agent 连接机器人感知与控制接口，通过在线探索把成功决策写成可执行程序并积累为可复用技能，模型参数保持冻结。
推荐理由：RAX 用冻结模型加在线探索生成可复用程序，零动作示范下在五大仿真基准平均领先 37.4 个百分点，为机器人学习提供了不同于扩大数据与模型的一条路径。
中国机器人网 · 微信公众号精选AI 评分8282 Google旗下Intrinsic开源机器人基础软件平台Intrinsic Core
Intrinsic 在加拿大多伦多的 ROSCon 2026 大会上宣布，以 Apache 2.0 许可证开源其工业机器人平台核心组件，并推出兼容 ROS 的基础软件平台 Intrinsic Core。
推荐理由：文中列清了平台包含的控制、感知与规划组件及其开源许可，读者可据此判断它能替代哪些重复的基础软件工作。
深圳市机器人协会 · 微信公众号精选AI 评分7070 港大MMLAB发布PhysicalRSI 1.0，登顶RoboDojo并大幅降低Token成本
香港大学MMLAB联合发布自进化具身智能系统基线PhysicalRSI 1.0，在RoboDojo上取得36.27 Score、31.38%平均任务成功率，位列第一。
推荐理由：材料给出了自进化基线的具体机制和与通用大模型的对比数据，读者可据此理解精密操作短板的成因与改进路径。
Rainbow Robotics精选AI 评分6161 三星在Samsung AI Forum 2026公布机器人商业化路线图并发布世界模型Metro-WM
三星电子在首尔总部举办的Samsung AI Forum 2026上公布机器人商业化路线图，由新设的RX（Robot eXperience）事业推进室主导，结合机器人基础模型（RFM）与世界模型技术，先推动自家100多座工厂、100多条产线的自动化，再进入家庭助理机器人市场。
推荐理由：文中给出了人形机器人单机成本构成和工厂场景的成功率门槛，可用来对照理解各家厂商商业化路径的差异。
Rainbow Robotics精选AI 评分6363 三星提出机器人商业化路线图，先做工厂自动化再进家庭
三星在 Samsung AI Forum 2026 上公布机器人商业化路线图，计划以新设的 RX（Robot eXperience）事业推进室为核心，先推进其 100 多家工厂和 100 多条产线的自动化，再进入家用助手机器人市场。
推荐理由：文章给出人形机器人单台约10万美元的成本账和三层行为栈划分，帮助读者理解三星为何把工厂自动化排在家用机器人之前。
RoboParty · 微信公众号精选AI 评分6767 RoboParty Lab 联合浙江大学、清华AIR发布并开源世界模型控制方法 INTACT
RoboParty Lab、浙江大学、清华大学智能产业研究院（AIR）与 InSpatio 联合发布并开源世界模型控制方法 INTACT（INtent-To-ACTion）。
推荐理由：原文给出与传统CEM搜索的延迟和成功率对比，读者可据此判断免搜索世界模型控制的收益边界。
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。