哈工大吴志光团队开发自适应磁控纳米机器人集群平台，实现小鼠和非人灵长类脊髓腔内导航
哈工大吴志光教授联合团队开发自适应磁控纳米机器人平台，可在外部磁场驱动下形成涡旋状、链状和带状等群体运动模式，并在小鼠和非人灵长类动物体内实现脊髓腔内定向导航，成果发表于《科学进展》（Science Advances）。
推荐理由：研究团队公布了磁控纳米机器人集群在非人灵长类体内的导航实验结果，关注微纳机器人医学转化的读者可了解其技术路线。
全部机器人动态
Harbin Institute of Technology Robotics精选AI 评分6565
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。
LeadeRobot精选AI 评分7979 意大利IIT联合INAIL发布ergoCub人形机器人，人机协作抬举可降低人类腰骶关节负荷
意大利技术研究院（IIT）与INAIL提出共享具身智能架构，并造出人形机器人ergoCub，研究成果发表于Nature Machine Intelligence。
推荐理由：原文梳理了把人体工效写进机器人硬件优化的方法与真机数据，读者可以了解设计与控制如何围绕人机协作展开。
Sergey LevineAI 评分3838 动作分块为何有效？新论文解析
动作分块（action chunking）是一种效果出奇好的方法。现代大规模模仿学习基本上离开了它就无法工作。但它到底为何有帮助？在我们的新论文中，我们试图拆解其中的原因。正所谓，接下来发生的事可能会让你惊讶……
SIGRobotics · XAI 评分3535 CRAFT灵巧手获最佳论文奖
热烈祝贺 @leo_lin6 和 Jay Moon 荣获 RSS26 灵巧操作工作坊最佳论文奖！🎉 CRAFT：一种具有混合刚-柔顺性的腱驱动手 我们自己的团队，不断突破机器手的边界！🦾
正行创新 Striding AIAI 评分5959 清华与Striding AI提出自监督帧级优势建模算法STEAM，折毛巾任务成功率达92.3%
清华于超老师团队与正行创新（Striding AI）联合提出自监督帧级优势建模算法STEAM，从专家演示的时间顺序中学习帧级进展信号，为专家数据、机器人rollout和人工纠正数据逐帧打分。
Singularity HubAI 评分5959 人形机器人Surgie在外科医生遥操作下完成两台活体猪胆囊切除手术
加州大学圣迭戈分校团队用遥操作人形机器人Surgie在普通手术室完成了两台活体猪胆囊切除手术，均由外科医生主导控制而非自主完成。Surgie基于商用Unitree G1改装，可快速切换标准手术器械，体积和占地小于Da Vinci等传统手术机器人；参与的外科医生反馈操控直观、体力负担减轻，但也提到机器人过热和需频繁重新定位的问题。
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。
Sergey LevineAI 评分2828 在VLA提示上做RL，机器人飞快学会新任务
如果你想让机器人做好某件事，就需要知道如何与它对话。如果不会，你可以学——用Semantic Action RL！在我们的论文中，@JagdeepBhatia8、@ajwagenmaker、@verityw_ 展示了如何在VLA提示上做强化学习，从而实现新任务，并在真实世界中以极快速度学习！
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 RobotsAI 评分4545 遥控蟑螂群现在可以在水下呼吸
南洋理工大学 Hirotaka Sato 团队为遥控马达加斯加嘶嘶蟑螂（Gromphadorhina portentosa）开发了3D打印防水潜水服，使其可在水下行走长达3小时、最深50厘米。潜水服通过过氧化氢与二氧化锰反应供氧，五只穿戴蟑螂三天后仍健康，水下速度达78.4毫米/秒（陆地87.5毫米/秒）。团队下一步计划在极端太空环境条件下测试该方案。
Chelsea FinnAI 评分5050 Flow Reversal Steering将粗略引导细化为精准动作
能否将粗略的动作意向 + VLA先验转化为成功的行为？ Flow Reversal steering： 1) 将VLA的流ODE反向运行，反推出最接近粗略轨迹的噪声 2) 将流正向运行，得到最接近的良奧行为 论文：http://flow-reversal-steering.github.io
Sergey LevineAI 评分2929 机器人RL过程奖励模型自动进化
我们可以学习一个为机器人强化学习提供塑形"过程奖励"的模型，该模型会随着策略变好而自动进化。这在基准测试上提升了性能，并且在真实世界中也有效！与 Raymond Tsao & @ajwagenmaker 合作的一些有趣新工作。
Robot.com Holdings Inc.精选AI 评分6868 Robot.com 发布 R-KNav 万小时人行道导航数据集并启动 FoMo 挑战赛
Robot.com 发布 R-KNav 数据集并启动 FoMo 挑战赛，邀请社区用其 R-kiwi 人行道配送机器人车队的真实数据训练视觉导航模型，并在实机上受控评测。
推荐理由：数据来自长期商业运营的配送车队而非仿真，且公布了实机评测的 KPI 口径，可据此评估真实街道导航数据的可复用性。
Harbin Institute of Technology Robotics精选AI 评分6262 哈工大朱延河团队在模块化机器人协作重构自修复领域发表论文
哈工大朱延河教授团队在《极端制造（英文）》（IJEM）发表论文，提出基于协作重构的模块化机器人自主容错修复策略，通过改变形态恢复关节故障损伤，无需备份模块替换。方法结合拓扑描述与运动学自建模、粒子群算法搜索目标构型及改进RRT协作重构算法，实验中容错上限比固定构型冗余方法提高7倍。哈工大为唯一完成单位，博士生齐健为第一作者。
推荐理由：论文给出无需备份模块的协作重构容错策略和7倍容错上限提升数据，读者可了解极端环境下机器人集群自修复的具体实现路径。
Italian Institute of Technology · XAI 评分3939 IIT章鱼软体机器人研究发表
我们最新关于章鱼灵感软体机器人的研究被@Reuters报道。 该研究发表于@NatMachIntell，由#IIT旗下@BSRiit的研究人员开展，由@BarbaraMazzolai协调。 🔗 观看Reuters报道： https://www.reuters.com/video/watch/idRW135222062026RP1/?chan=technology
Russ TedrakeAI 评分5959 Russ Tedrake 解读 Ambient Diffusion Policy 论文：次优数据价值随噪声水平变化
Adam 的新论文提出 Ambient Diffusion Policy，通过依赖噪声水平的数据使用方式，选择性地从次优数据中学习训练机器人策略。作者指出训练去噪扩散模型时每个数据点会在不同噪声水平下被多次使用，数据点的价值可能随噪声水平而不同，该方法能从 OXE 数据集此前被丢弃的相当部分中提取价值，与 pi0.7 以数据质量为条件学习的思路互补。
Ars TechnicaAI 评分6565 Nvidia GEAR 研发 ENPIRE 框架，AI 编程智能体自主训练机器人剪扎带、装 GPU
Nvidia GEAR 实验室与卡内基梅隆大学、加州大学伯克利分校的研究者开发出名为 ENPIRE 的智能体框架，让 AI 编程智能体自主安排并迭代机器人训练，机器人学会了剪断扎带并将 GPU 插入主板上的狭薄插槽。
Singularity HubAI 评分6262 JAXA变形球形月球车LEV-2在月面自主运行超100分钟并回传图像
JAXA研究人员在Science Robotics发文报告，掌心大小的球形月球车LEV-2（昵称SORA-Q）在2024年1月SLIM任务中于Shioli陨石坑附近着陆后自主运行超过100分钟、估计行驶24米并回传多张图像。
Chelsea FinnAI 评分5050 机器人测试时扩展效果因提示而异
测试时扩展如何影响机器人？ 我们发现，更大的模型、更多的思考和更多的上下文对某些提示有显著帮助，但对其他提示没有。 与大语言模型类似，我们也可以训练一个路由器来实现更好的性能/延迟权衡！ 论文：https://jadee-dao.github.io/direct/
Chelsea FinnAI 评分5252 CHORUS 用单一 VLA 策略控制多机器人团队实现去中心化协作
Chelsea Finn 团队微调 VLA，使单一策略能控制机器人团队中的任意机器人，实现无需显式通信的多机器人协作（引用推文中介绍的系统名为 CHORUS）。结果显示该方法与为各机器人分别训练模型或训练统一集中式模型的效果持平或更优，并易于扩展到大规模团队。论文地址：https://arxiv.org/abs/2606.12352
石麻笔记 · 微信公众号AI 评分6262 对话黄文龙：PointWorld与3D世界模型的探索
投资人石麻对话Stanford博士生黄文龙（导师李飞飞），围绕其PointWorld工作讨论3D世界模型。PointWorld用3D点流统一state和action表征，通过URDF把不同机器人的关节动作映射为点云变化，解决跨本体动作不统一的问题；训练用了DROID和BEHAVIOR两个数据集，标注依赖FoundationStereo、VGGT和CoTracker3。
Sergey LevineAI 评分3838 流向反转引导扩散式VLA高层决策
流向反转引导（flow reversal steering）可以通过高层动作来"操控"基于扩散的视觉-语言-动作模型（VLA），例如来自视觉-语言大模型（VLM）推理的高层动作。这还让我们可以在扩散噪声空间中运行强化学习（RL），由高层推理引导探索：先思考任务，再进行练习！👇
Sergey LevineAI 评分3737 流匹配策略的RL训练新技巧
扩散（或流）是非常出色的策略，但用强化学习训练它们出了名地困难：BPTT不稳定，基于扩散的RL会让horizon爆炸。 在我们的新论文中，我们展示了如何通过一个"奇怪的小技巧"优化流匹配actor——用单位矩阵"近似"流去噪过程的雅可比矩阵。👇
PKU EPIC Lab精选AI 评分6464 KPGrasp：基于关键点流匹配的可扩展灵巧手抓取生成方法
PKU EPIC Lab 提出灵巧手抓取生成方法 KPGrasp，以全欧氏 3D 手部关键点参数化结合 Transformer 流匹配模型，从大规模数据学习抓取先验，无需接触损失或接触式测试时优化。
推荐理由：论文给出免接触损失的抓取生成新方法和两个基准上的具体成绩，读者可以对比现有方法评估其思路。
Chelsea FinnAI 评分4343 长时域Q学习有效缓解RL自举误差
将强化学习扩展到长时域仍是一个重大挑战。 长时域Q学习（LQL）通过约束长时域上价值函数的差异，防止自举误差累积。 相比单步TD和n步回报，LQL展现出显著提升！ 论文：https://arxiv.org/abs/2605.05812
PKU EPIC Lab精选AI 评分6161 PKU EPIC Lab 提出人形运动追踪数据研究 LIMMT，ICML 2026 接收
PKU EPIC Lab 发布 LIMMT（Less Is More for Motion Tracking），称是首个面向物理仿真人形运动追踪的数据中心研究。方法从物理可行性、多样性和复杂度三个维度定义动作数据质量，用不到 3% 的 AMASS 训练即可获得优于全量数据集的追踪表现，并清洗了网络来源 mocap 数据。论文已被 ICML 2026 接收，见 arXiv:2606.06953。
推荐理由：论文给出数据质量三维度框架和少量数据训练结果，对做humanoid运动追踪的研究者有方法参考。
Sergey LevineAI 评分2020 Levine CVPR讲测试时扩展机器人策略
今天（6月3日），我将在CVPR的"计算机视觉的测试时扩展"研讨会上演讲（下午1:30，太平洋时间），主题是我们如何利用测试时计算来提升机器人策略的泛化能力，506号房间。 另外，我现在（5分钟后）就要在宴会厅2的"基础模型部署"研讨会上演讲了！
Chelsea FinnAI 评分5555 EXPO-FT 通过强化学习后训练让 π0.5 在 8 项操作任务上全部达到 30/30 成功率
EXPO-FT 通过强化学习后训练让 π0.5 在测试的 8 项操作任务上全部达到 30/30 成功率，平均每项任务只使用 19 分钟强化学习数据。该方法面向有挑战的操作任务，包括串灯走线与插入电源接头点亮灯串、将台球击入球袋、把花插入酒瓶，以高效、可靠、开源的 VLA 微调形式发布，论文与视频见 https://pd-perry.github.io/expo-ft/ 。
PKU Intelligent Robotics Open LaboratoryAI 评分2020 北大智能机器人实验室张琬若论文 MXPose 被 Pattern Recognition 录用
北京大学智能机器人开放实验室2021级直博生张琬若的论文"MXPose: Multiplex interactive learning for multi-view 3D Human Pose Estimation"被模式识别领域期刊Pattern Recognition (PR)正式录用。其研究方向为多视角3D人体姿态估计。
Singularity HubAI 评分5151 蓝红光控制藻类微机器人集群变形并释放至模拟伤口
加州大学圣迭戈团队造出由活体藻类和纳米颗粒组成、可用光色切换聚散的微机器人集群，蓝光使其按掩模聚成指定形状，红光使其散开。在模拟伤口测试中，AI 分析伤口并激光打印匹配掩模，机器人在蓝光下按伤口形状组装到医用胶带上，红光照射后不到两分钟释放超过 90% 到目标区域。作者指出该系统目前依赖光照、仅限表面应用，还需给纳米颗粒装载药物并在真实伤口与活体组织中测试。
石麻笔记 · 微信公众号AI 评分7474 专访罗剑岚：LWD如何让机器人在部署后持续学习
本文是对罗剑岚博士的专访，介绍其新工作LWD（Learning While Deploying），让通用机器人策略在真实部署中持续从自身经验在线强化学习。LWD用offline RL预训练加online RL微调统一离线与在线的优化目标，价值函数单独用VLM训练并同时利用正负样本（约60%多正样本、30%多负样本），部署数据平均约40秒回流进入训练流程。
Toyota Research Institute RoboticsAI 评分5454 TRI 团队提出从真实数据提取冬季失控场景的方法并发布 NHTSA 事故聚类工具
Toyota Research Institute（TRI）的 Human Interactive Driving 团队在 AutoUI 会议发表论文，介绍一种数据驱动、以用户为中心的场景开发方法，用于研究漂移能力控制在道路安全中的应用。
Singularity HubAI 评分6262 洛桑联邦理工团队让不同设计机器人共享技能，论文发表于 Science Robotics
洛桑联邦理工学院研究者在 Science Robotics 发表方法，让多台不同设计的机器人基于一次人类示教完成同一任务。该方法不依赖AI，而是分析三转关节机械臂的物理属性，标出各机器人运动范围内的安全区域，并按共享物理限制把三关节机器人分成六类，将限制写入各自程序，作者称之为 kinematic intelligence。
Ars TechnicaAI 评分5353 EPFL 提出 Kinematic Intelligence，让机器人跨本体迁移技能并避开奇异点
EPFL 研究团队在 Science Robotics 发表 Kinematic Intelligence 框架，让机器人仅凭一次人类示教就能把技能安全迁移到不同构型的机器人上，论文见 http://dx.doi.org/10.1126/scirobotics.aea1995。
简智机器人 · X精选AI 评分7171 Genrobot 开源 Phase 3 UMI 双手操作数据集
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。
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。
Sanctuary AIAI 评分5555 Sanctuary AI 展示液压灵巧手的零样本在手操作能力
Sanctuary AI 展示其专有液压手在真实世界中零样本完成在手操作：完全在仿真中训练的策略可连续十次将字母立方体重定向到目标姿态且不掉落。操作全程仅靠指尖、无手掌支撑，需同时稳定抓握并逼近姿态目标。原文称其手具备较高主动自由度可实现手指外展，液压驱动与紧凑液压阀为工业级类人灵巧操作提供路径。
Hexagon · XAI 评分2222 Hexagon全球机器人信任度研究
全球对机器人的看法并非千篇一律，而这正在影响其采纳进程。 🌎 哪里的信任度最高？ 🤖 什么在阻碍人们？ ⚙️ 谁已准备就绪，谁仍持谨慎态度？ 态度正决定着谁率先行动。探索我们研究中的数据： https://hxgn.biz/4rOBrpD
Berkeley AUTOLAB精选AI 评分6868 CaP-X：面向机器人操作的编码智能体基准测试与改进框架发布
Berkeley AUTOLAB等团队提出CaP-X开放框架，用于系统研究机器人操作中的Code-as-Policy智能体，核心包括交互环境CaP-Gym和评测12个前沿模型的CaP-Bench。
推荐理由：原文给出了Code-as-Policy智能体的系统评测框架和测试时扩展可缓解抽象依赖的发现，对研究编码智能体操作控制有参考价值。