KAIST 四足机器人 RAIBO2 不换电跑完马拉松,单次充电续航约 40 英里
KAIST 的四足机器人 RAIBO2 在韩国尚州的柿饼马拉松以 4 小时 19 分 52 秒完赛,成绩略快于人类平均,全程未换电或充电,终点仍剩 34% 电量,团队上周在 Nature 发文介绍这项工作。
推荐理由:研究把腿足机器人的节能从单一部件优化推向跨关节与电路的整体设计,给出可迁移到长时程户外机器人的具体做法。
KAIST 的四足机器人 RAIBO2 在韩国尚州的柿饼马拉松以 4 小时 19 分 52 秒完赛,成绩略快于人类平均,全程未换电或充电,终点仍剩 34% 电量,团队上周在 Nature 发文介绍这项工作。
推荐理由:研究把腿足机器人的节能从单一部件优化推向跨关节与电路的整体设计,给出可迁移到长时程户外机器人的具体做法。
MIT 团队在 Advanced Functional Materials 发布一种由单层活体肌肉细胞驱动的纸薄双鳍游泳机器人,能跟随光照游过简单水下迷宫。机器人骨架为口香糖大小、约半毫米厚的 GelMA 凝胶薄膜,压印方形底凹槽,表面的肌肉细胞经基因工程改造会对光照产生抽动,研究者通过交替照射两侧鱼鳍控制方向和速度,最快一分钟游过约 4 倍体长的距离。
KAIST Hong Chul Moon 教授团队在《Advanced Materials》发表捕蝇草启发的离子软材料 Ionograsper,把感知、驱动与形状保持三种功能集成在同一材料中。
慕尼黑工业大学智能生物机器人系统教席研究人员开发出一款以人工肌腱辅助髋部伸展的软体轻量外骨骼,帮助老年人起身和更高效行走,论文发表于 Nature Communications。
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。
EPFL 与 NYU 团队在 npj Robotics 发表 ScaFi,一种基于鳕鱼、鲭鱼尾部摆动方式的仿生机器鱼,通过仅按比例加粗玻璃纤维尾杆实现尺寸缩放。团队制造了 0.6、1.1 和 2.9 米三个尺寸并在溪流和莱蒙湖实测,游动步态经体长归一化后基本一致;最大机型能效较低需更强电机,扰动下小机型更灵活但恢复更慢。
RLChina 论文研讨会第170期将于2026年9月30日14:00-14:30直播,天津大学硕士生马绍津分享论文《One Act, Many Masks: Effect-Marginal Policy Optimization for Long-Horizon Agents》,天津大学博士生郭玮主持。
Qualcomm Technologies已达成协议收购开发MoveIt开源操作框架的PickNik Robotics,并将推进MoveIt与Qualcomm Dragonwing平台的集成、保留MoveIt开源。
卡内基梅隆大学机器人研究所团队开发 LAMP(Long-Horizon Adaptive Manipulation Planning)系统,帮助多台机器人协作在严重杂乱的空间中移动物体,将物体与机器人的运动联合规划而非分开处理。
KAIST 团队在 Nature 发表四足机器人 RAIBO2,它单次充电跑完韩国尚州马拉松,用时 4 小时 19 分,与人类跑者同场。
DirectHop 是华盛顿大学开发的约1克微型跳跃机器人,用微型电动机直接驱动起跳而非弹簧,跳高精度达1厘米,可连续多次跳跃并跳过标准台阶高度。落地后自正成功率达90%,当前原型需外部供电、由笔记本控制,团队正开发机载电源和相机以实现自主导航。论文将在 IROS 2026 发表,研究者预计每台生产成本约10美元。
ETH Zurich 软体机器人实验室让现成类人机械手学会自主行走、按方向键并推动方块。手背加装电池、运动传感器和微型计算机,经仿真中强化学习训练后,该手在14种室内外表面上爬行,25次侧倒测试中21次自行恢复站姿,方向键按对29/32次。15次测试中方块被推至距目标2厘米内,论文 Fingers as Legs 已发布于 arXiv。
Real-Time EXPO-FT 让 π0.5 应对托球平衡、将球击入球门等有挑战的动态任务,论文页面为 https://pd-perry.github.io/real-time-expo-ft/。Chelsea Finn 说明其做法是在强化学习中处理延迟,让基础 VLA 使用较旧的图像,同时由一个小型编辑策略实时运行,并称其在各对比中显著优于 RTC。
佛罗里达大学研究发现,简单的黑白条纹或棋盘格图案可使自动驾驶车辆和机器人的立体相机深度估计出错,误判障碍物距离,甚至触发急刹或碰撞。研究团队测试了多种传感器、算法和AI模型,发现这一基于重复纹理的根本性漏洞普遍存在,且攻击者只需在场景中放置小面积图案即可影响深度计算,这类图案也可能在自然环境中出现。
意大利Scuola Superiore Sant’Anna、INAIL Centro Protesi、Istituto Ortopedico Rizzoli与IIT合作在Bioactive Materials发表研究,开发出再生周围神经接口(RPNI)。
深圳大学机电与控制工程学院张书洋助理教授团队以帕西尼PX6AX多维触觉传感器为验证平台,针对触觉材料识别中的跨操作者泛化难题,提出轻量化触觉模型Lite-TacFormer,通过少样本校准机制提升跨操作者泛化能力,具备极轻参数量、极低样本依赖与超低算力门槛。PX6AX以自研FUSE触觉感知芯片为核心,可在千万次测力后保持毫牛级精度、微秒级响应,其感—算—传一体化设计缩短了实验周期。
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)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。
Sergey Levine 分享与 Siemens、Berkeley 合作的研究,讲解如何在实时分块(RTC)下用小型 RL 策略配合大型机器人基础模型,RL 策略因推理更快可观察到更新的图像,从而把基础模型策略引向更优行为。他引用的介绍指出,异步 VLA 推理会降低推理延迟,却破坏了强化学习微调所需的马尔可夫假设,ARLI 即针对这一问题提出,项目页为 https://async-rl-intermediate-information.github.io/ 。该工作由 Brian Zhu、Momen Khalil、Emanuele Poggi(Siemens)与 @ehharrison4(Berkeley)等人牵头。
一份由银河通用研究员参与完成的第三方技术报告《GPT-6 Astra as an Embodied Policy》在GPT-6 Astra发布不到两周后开源,在RoboDojo和RoboLab仿真环境中测试其作为具身策略的表现。
Weekly Robotics 第 376 期报道 Duke University 双深度相机人形与 ETH Robotic Systems Lab 猴架穿越人形两项研究。FailBench 显示判断机器人任务成败的最佳视觉-语言模型准确率仅 0.77。Agility Robotics 2025 年营收 $1.8M、运营亏损 $140M,机器人即服务定价 $8,500 每月。
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。
MIT CSAIL 与天津大学研究人员推出 X-Hinges 设计软件,可在 3D 打印交互物品时自动嵌入两种不同材料,让传感器信号与导线状走线互不干扰,并支持最多三个运动轴。团队用它制作了可向人形机械手传递抓取动作数据的智能手套、感知捏合调节亮度的折纸式台灯和可识别所放物体的检测装置,并用计算机视觉系统对齐同批设备间的传感器读数差异。该工作将在 UIST 上展示。
原力灵机与天津大学、清华大学联合发表的论文《GeoVLA: Empowering 3D Representations in Vision-Language-Action Models》入选 IROS 2026 认知机器人最佳论文奖提名。
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。
RLChina 论文研讨会第168期将于2026年9月8日16:00-16:30在B站与腾讯会议直播,由南京大学博士生胡紫灿主持、硕士生谢欣奕分享论文《Look Before You Leap: Distilling Tree Search into Action Evaluation for Frozen VLA Models》。
慕尼黑工业大学(TUM)机器人与机器智能研究所(TUM MIRMI)下属的细胞与生物机器人实验室(CBoRG lab)提出“具身实验室智能(Embodied Laboratory Intelligence)”,用机器人助手与虚拟智能体协同探索癌细胞内部机制。
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。
SmoothRL:异步执行的高效在线强化学习 持续学习。 机器人持续运动,模型持续推理,SmoothRL精准地从实机执行的动作中学习。 未剪辑画面与技术报告:https://www.astribot.com/research/SmoothRL #Astribot #SmoothRL #RL #physicalAI #robot
中国科学院自动化研究所、中关村学院与中科慧灵团队提出面向机器人操作的策略优化框架World4RL,将扩散世界模型与强化学习结合,让机器人策略在模型生成的想象轨迹中完成端到端优化,无需新增真实机器人交互。
推荐理由:论文把世界模型从测试期的轨迹预测工具变成强化学习训练环境,读者可据此理解减少真实机器人交互成本的一条具体路径。
因时机器人联合上海交通大学、复旦大学等开源HandEdit数据集与评测基准,研究将第一视角人手图像编辑为指定机器人灵巧手构型。数据含2亿余个图像编辑样本、30万余段视频片段,覆盖26种URDF构型、600余个场景、1100余种物体和400余类任务;统一测试11种图像编辑方法,设Hand-only与Hand-Arm两条评测轨道,结合通用相似度、VLM判断和具身任务指标。
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。
RLChina「一文七问」栏目解读Google DeepMind与多伦多大学提出的通用强化学习算法DreamerV3,该算法基于世界模型,先在想象轨迹上训练actor-critic,用一套固定超参数在8大类、超过150个任务上达到或超过各领域专门算法。
哈工大李天龙团队研发基于CD5+树突状细胞的工程化微机器人系统,可通过外磁场调控实现血管内精准导航并原位激活免疫细胞,成果发表于《科学进展》。系统在锥形磁场下自组装为带状集群顺流迁移,旋转磁场下组装为链状集群逆血流上行,结合肿瘤趋化实现靶向富集与深部浸润;小鼠原位结直肠癌模型中单次注射联合磁控导航使肿瘤生物发光信号降低90%以上。哈工大为论文第一单位。
推荐理由:哈工大团队介绍CD5+树突状细胞微机器人的构建策略与磁控导航结果,读者可了解原位免疫激活这条治疗路径的具体做法。
天创机器人联合清华大学、达摩院与东南大学发布的工业多模态安全性评估数据集InspecSafe-V1论文被《Nature》旗下期刊《Scientific Data》收录。
智源研究院 8 月 21 日发布 FlagEval-Robo 具身智能评测体系,推出 FlagEval-Robo-Sim 与 FlagEval-Robo-Real 两大榜单,公开 12 个开源模型的评测结果,所有模型在评测数据集上进行了平等后训练。
推荐理由:评测用统一双轨标尺量化了仿真与真机的性能落差,读者可据此判断仿真榜单成绩的参考边界。
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。
奥克兰大学LISMS实验室与西安交通大学联合提出Video2Knowledge框架,从一段普通单目RGB视频中提取手与物体6D轨迹并转成机器人动作序列。系统用WiLoR恢复3D手部网格、结合OnePoseViaGen做物体追踪,并设计四阶段物理感知校正模块,操作物体位姿准确率在正面视角下从52.5%提升到59.0%。
PKU EPIC Lab 提出HumanTracker基准,用于人形运动跟踪的评估,被ECCV 2026接收。基准包含约153小时来自多名专业演员的光学运动轨迹,分为四个运动族并带文本标签;配套的HumanScore指标基于包含24K动作的12K运动对训练,与人类偏好对齐,能揭示运动学指标常漏掉的接触与稳定性失败,如脚滑和落地时机错误。
推荐理由:原文提出将人形运动跟踪评估与人的感知对齐的基准和指标,指出现有运动学误差会漏掉足底滑移等接触问题。