跳到正文
今天11月11日周三1 条
  1. MIT CSAIL71

    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。

11月10日周二
  1. Boston Dynamics62

    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。

11月9日周一
  1. Dexmate62

    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。

11月5日周四
11月3日周二
  1. PsiBot/灵初智能71

    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。

  2. PsiBot/灵初智能71

    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。

11月1日周日
  1. Kinetix AI · YouTube20

    Kinetix AI 与 KaiRobotics 人形机器人 ROOF:在头顶受限空间学习跌倒恢复

    Kinetix AI 与 KaiRobotics 展示人形机器人在头顶受限空间下的跌倒恢复能力,相关研究名为《ROOF: Learning Humanoid Fall Recovery under Overhead Constraints》。内容以万圣节主题演示呈现,强调在狭窄空间中完成恢复动作,未披露具体机型参数、成功率或实验条件。

10月30日周五
  1. CMU Robotics Institute62

    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。

10月28日周三
  1. Shanghai AI Laboratory - Embodied Intelligence60

    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。

10月23日周五
  1. Kinetix AI · YouTube62

    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。

10月21日周三
10月20日周二
10月15日周四
  1. Harbin Institute of Technology Robotics58

    哈工大刘英想团队发表极端制造用高性能压电驱动器综述

    哈工大机器人技术与系统全国重点实验室刘英想教授团队在《极端制造》发表高性能压电驱动器综述,提出尺度、速度、力度、自由度和精度五个"度"的性能评价策略。文章阐述各维度性能调控机制,分析不同工作模式性能瓶颈,并提出多模式融合压电驱动新思路,以兼备高精度、大行程、大出力和快速度。

  2. Dexmate72

    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。

10月9日周五
  1. Tsinghua Embodied Intelligence and Robotics Institute57

    清华大学牵头科考队在西太平洋新锁定一处大型高温活动热液区

    清华大学、青岛海洋地质研究所、上海交通大学等单位的西太平洋热液联合科考航次历时18天,实施7次下潜作业,新锁定一处大型高温活动热液区,初步证实其具备大规模多金属硫化物资源潜力,矿石伴生金最高含量15.4ppm、伴生银最高1271ppm。

10月5日周一
  1. CMU Robotics Institute68

    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。

10月3日周六
  1. Sanctuary AI78

    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。

9月30日周三
9月28日周一
  1. CMU Robotics Institute62

    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。

9月24日周四
9月23日周三
  1. Skild AI62

    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。

  2. MagicLab/魔法原子70

    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。

9月11日周五
  1. PKU EPIC Lab64

    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。

  2. MIT CSAIL52

    MIT CSAIL 发布 X-Hinges 设计软件,将日常物品 3D 打印为内置传感的交互设备

    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。

  3. PKU EPIC Lab73

    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。

9月9日周三
9月7日周一
9月5日周六
  1. PKU EPIC Lab68

    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。

9月2日周三
  1. PKU EPIC Lab79

    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。

9月1日周二
  1. Harbin Institute of Technology Robotics73

    哈工大李天龙团队在《科学进展》发表CD5+树突状细胞微机器人磁控免疫治疗研究

    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。

8月24日周一
8月14日周五
  1. PKU EPIC Lab66

    PKU EPIC Lab 发布 HumanTracker 人形运动跟踪基准与 HumanScore 指标

    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。

  2. Harbin Institute of Technology Robotics65

    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。

7月15日周三
7月14日周二
  1. PsiBot/灵初智能81

    灵初智能与北大-灵初联合实验室发布并开源双灵巧手通用操作模型和全栈系统 EgoSteer

    灵初智能与北大-灵初联合实验室发布并开源双灵巧手通用操作模型和全栈系统 EgoSteer,包含数据处理管线 EgoSmith、机器人技术栈 Robot-Stack 和世界模型增强的 VLA 模型。

    推荐理由:原文给出从人手数据处理、真机纠偏到模型架构和实验数字的完整链路,读者可据此评估其可复现价值。

7月8日周三
  1. PKU EPIC Lab68

    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。

6月24日周三
  1. Harbin Institute of Technology Robotics62

    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。

6月8日周一
  1. PKU EPIC Lab64

    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。

6月5日周五
  1. PKU EPIC Lab61

    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。