Open-World Law-to-Action:用视觉语言先验与触觉推断隐藏物理的部件运动规律
作者提出 Open-World Law-to-Action(L2A)框架,由视觉语言模型为每个可动部件提出运动方式、运动规律项和可能的锁定因素,再通过带闭式证据的贝叶斯线性回归在线辨识部件规律,触觉可推翻先验。
作者提出 Open-World Law-to-Action(L2A)框架,由视觉语言模型为每个可动部件提出运动方式、运动规律项和可能的锁定因素,再通过带闭式证据的贝叶斯线性回归在线辨识部件规律,触觉可推翻先验。
EXE 是一个第一视角跨本体预训练框架,从人类操作视频中学习因子化潜在动作表示,将共享操作先验与本体特有信号分离。作者称该共享动作空间让机器人策略从多样人类演示中获得可泛化的操作语义,同一预训练可同时用于平行夹爪和灵巧手。在 RoboTwin 2.0、RoboCasa GR1 和真实操作任务上,EXE 相比无预训练基线取得一致提升。
作者提出 HA-DiPO,一个在集中训练分散执行(CTDE)下运行的分层多智能体强化学习框架,用于异构腿足机器人协同搬运未固定的共享载荷。高层用集中式评论家联合训练各机器人独立的协调策略,并以扩散策略表示多模态协调响应;低层由各本体专属的运动策略跟踪协调指令,策略从零通过奖励驱动的仿真交互学习,执行时仅用本地观测、无需机器人间通信。
作者提出 WorldFailBench,用失败原因、失败阶段和失败边界三项任务检验世界模型是否忠实模拟策略失败。基准覆盖 LIBERO 和 RoboTwin 仿真环境中的操作任务,以及 G1 人形机器人的真实操作任务,对七个世界模型的实验显示它们在理解策略失败上存在明显差距。
MimicAll 是一个强化学习框架,用结构化本体描述符编码全局与关节对齐条件,实现异构人形机器人共享全身运动跟踪策略。训练覆盖16个人形机器人家族的4096个变体,并构建了跨五个分布层、464个机体的基准。在相同训练转移量下,随机化 G1 机体在 100STYLE 上的30秒成功率共享训练为99.4%,单机体专用策略为42.9%。
ReSight 是面向具身智能体的任务驱动自改进记忆系统,保留关键帧及其时空关联,并把观测证据与可扩展派生字段分离,以便按新需求重新处理历史观测。系统通过 Explore-Distill-Mount(EDM)从执行与探索记录中识别能力缺口,将探索得到的方案转化为可复用的记忆构建器、查询工具和技能。
一篇综述梳理了113种基于学习的灵巧操作方法,覆盖所用灵巧手、训练仿真器与结果报告方式。作者指出,近半数工作采用同一套配方:在GPU仿真器中对特权状态做强化学习,再蒸馏为仅用视觉的学生模型迁移到硬件,且几乎都集中在同一个仿真器上。
MOTIO 是一个智能体技能工程系统,可将普通人类动作视频、真实感 3D 资产、动作参考和可复用机器人技能转化为可执行的人形移动操作程序,无需任务专用遥操作或机器人演示采集。
作者提出B-Adapt与BVSLAM两种方法,应对快速光照变化下自动曝光未及时调整导致图像饱和、视觉SLAM丢失对应关系的问题。B-Adapt采集自适应曝光包围以覆盖场景动态范围并保持光度重叠,BVSLAM直接把多曝光序列作为因子图状态估计的约束,不依赖HDR合成。
AgiBot 发布 Genie Studio 2.0,这是一个覆盖开发、部署与运营的具身智能应用平台,由 Flywheel、Agent、Monitor 三个模块组成,串联数据采集、模型训练、评估、推理、任务编排与机器人集群管理。
推荐理由:原文给出平台三大模块与多个产线验证数据,可据此判断具身应用从开发到运维的工程链路。
箸境牵头申报的“具身智能机器人物流分拣搬运高质量数据集建设项目”入选2026年江苏省高质量数据集建设重点项目名单,“具身智能办公、餐饮等场景原子技能数据集”项目入选培育项目名单。箸境携人形机器人“小箸”与“境仔”亮相2026物理AI与世界模型大会展会现场。其办公、商超、餐饮、家政四大场景具身智能数据集已在江苏省数据交易所完成上架及场内交易。
箸境牵头申报的“具身智能机器人物流分拣搬运高质量数据集建设项目”入选2026年江苏省高质量数据集建设重点项目名单,“具身智能办公、餐饮等场景原子技能数据集”项目入选培育项目名单。箸境携人形机器人“小箸”与“境仔”亮相2026物理AI与世界模型大会展会现场。其办公、商超、餐饮、家政四大场景具身智能数据集已在江苏省数据交易所完成上架及场内交易。
拓斯达2026年三季度报告显示,前三季度营业收入19.69亿元、同比增长16.68%,归母净利润1.46亿元、同比增长196.38%。工业机器人及自动化应用系统收入10.28亿元、同比增长88.83%,工业机器人签单量约1万台、出货量约8600台。
摩根大通10月23日研报指出,特斯拉Optimus在Fremont工厂量产渐进,产量指引为1到2万台,近期中国整机反弹偏情绪驱动,实质需求仍是研发测试采购。同日上海国际具身智能技能大赛上,800支队伍参赛,命题方直言真实场景数据采集远远不够,机器人泛化能力受限。
行元智能10月27日推出跨本体数据引擎Chorus众行,将智能眼镜、胸戴相机、UMI设备等多源人类操作视频经清洗与三维重建,适配至多种机器人本体。在当前测试配置下,Chorus实现约85%的有效数据转化率,适配16种机器人本体,1小时预筛选人类视频可生成约13.6小时跨本体动作轨迹,结合3倍指令增广实现约40倍有效训练数据扩容。
北京人形10月上线“慧思开物应用商店”,机器人技能被封装成应用,可检索、下载并一键部署到全尺寸通用机器人等本体上运行。商店同时提供数据集与仿真资产,官方免费开放技能应用库,开发者上架技能被付费调用后可共享收益。用户可在手机应用市场搜索“具身天工”,以开发者身份进入应用商店使用相关功能。
研究提出质量可控策略 QCP,可在推理时控制执行速度、运动平滑度等单项质量属性及其组合。为把可控质量范围扩展到初始示教之外,作者设计了迭代事后重标注循环:按目标质量标签收集在线 rollout,将成功轨迹加入数据集,再按实测质量对累积轨迹做事后重标注并微调策略。
柯马宣布在产品组合和设计流程中集成英伟达技术,包括采用英伟达 Jetson 边缘计算的工业机器人控制器、将机器人产品线接入英伟达 Isaac Sim,以及用英伟达软件栈优化内部物流产品的视觉功能与控制策略。
有开发者用 RealMan ECO65 机械臂的运动作为标定目标,将腕部 iPhone 与外部 iToF 传感器对齐,并把 RGB 彩色深度点云与关节运动数据导入办公室数字孪生。
基于微观断层扫描重建的数字果蝇在MuJoCo中实现六足行走,三足步态由相位振荡器锁相推导自组织形成,并加入反射纠正规则与粘附实测。其复眼视觉每眼输出721个小眼,全部结论来自固定种子的完整仿真。
泰盈科技集团在泰山脚下建成具身智能机器人登山训练场,复刻泰山红门至中天门段3.8公里、3100余级台阶地貌,设11条测试赛道,供人形机器人与四足机器狗为首届CMG世界机器人登泰山大赛实测调优。训练场含低识别台阶、陡滑窄阶、S形急转台阶等特殊赛道,重点考核环境感知、动态平衡与步态切换能力,目前已入选山东省首批重点支持建设区域枢纽型训练场。
野村证券发布人形机器人与中国具身智能行业研究报告,认为机器人正沿大语言模型路径发展,但当前大脑尚未达到GPT-2阶段,世界模型成熟度甚至低于2012年的AI。报告提出连续工作时长、精细手部操作、适应新本体速度、示范次数和工厂现场准确率五项检验指标,称目前机器人在所有指标上都相距甚远,工厂现场准确率约60%而工业要求98%以上。
NVIDIA、MIT、香港大学、UCSD 团队的 Long-WAM 与 Meta FAIR、Mila 等机构的 RoboJEPA 于 10 月 7 日同日提交 arXiv,分别衡量增加视觉历史与扩充训练算力的收益。
清华大学学生AI4S协会10月9日举办论坛,校长李路明直言“很多研究工作已经没有意义”,诺奖得主奥马尔·亚吉提出“选择科学”,并描述由AI提出材料方案、机器人系统合成与表征的自主运行实验室。多位教授强调基础数据库建设:北大肿瘤医院高翔宇主张“一人一档”全程多点取样,清华徐志平用物理传递连接简单与复杂体系,中石化孙丽丽提醒数据误差沿链条逐级放大。
可可矩阵(COCO Matrix)发布机器人模型CO01,把示范、失败尝试和即时指导作为上下文中的经验提示,无需更新权重即可适应新任务。同一预训练模型下,一段约1分钟的示范在未见任务上平均成功率达52%,微调达到相近水平需约180条示范、约9小时。真机评测中每项最多尝试五次,保留自身历史时累计成功率从首次33%升至84%,不保留历史为56%。
清华大学张长水、崔森团队提出具身智能系统RoboCoach,用世界模型CoachWorld在想象中闭环试跑长程任务,定位首个超时的薄弱子任务并定向请求人类示教,只更新对应技能专家。在固定示范预算下,Franka成功率从13.3%提升至75.0%,AgileX从40.0%提升至83.8%,均匀采集基线分别仅为30.0%和47.5%。四条未见过的新任务路线平均成功率35.0%,共享策略基线为0%。
推荐理由:论文给出世界模型定位薄弱子任务、定向示教后成功率提升的完整实验,可参考其数据预算分配思路。
UIUC、冷泉港实验室、布朗大学和马普所的研究者提出 DSReg(Dependency-Sparsity Regularization),可直接加在已训练好的 LeJEPA 上,使学到的每一维对应一个真实世界变量,无需重建观测、解码器或标签。
三星 Samsung RX Lab-China 团队提出 ε4P(Imperfection for Precision),按数据缺陷类型把不完美数据分别准入 flow matching 的不同噪声区间,从而把直接混训时有害的数据转化为性能增益。
清华大学和新加坡国立大学研究者提出ParallelWorld,在具身智能体高层规划中加入多步候选未来预演,将任务成功率从56%提升至83%。该方法在预演循环中生成并验证多条候选动作分支,执行时只走选中轨迹的第一个动作,再依据新观察重新规划。在LIBERO-Pro的八种设置中成功率均高于直接基线,但自适应搜索平均耗时约为直接执行的5.8倍。
禾赛发布三维世界数据引擎 Kosmo,由手持 AI 空间相机 Kosmo One 和云平台 Kosmo World 组成,前者采集真实环境,后者把采集结果转成可编辑、可复用的三维空间数据。
NVIDIA 团队联合西蒙弗雷泽大学提出 GATOR,用生成式重建打底、多模态智能体局部精修,从随手拍照片重建完整且带场景位姿的 3D 物体。该方法只在合成场景上训练,零真机微调即在真实桌面与室内扫描的几何、外观、位姿指标上领先基线,不精修约 0.5 分钟就胜过 GPT-6-Astra 跑 20 分钟。作者同时指出合成数据依赖、商业 API 绑定和极端位姿下的稳定性仍是落地待解问题。
Xbotics 具身智能实验室发布“二十一讲”第6讲下篇,讲解如何从物体位姿生成抓取候选,并完成相机系到机器人基座系的坐标转换。文章拆解抓取点、接近方向、开合宽度、安全偏移与姿态匹配五个要素,对比 Eye-in-Hand 与 Eye-to-Hand 两种手眼标定拓扑,并给出可达性校验、观测退化降级和感知失败排查流程。
国际机器人联合会《World Robotics 2026》报告显示,全球工厂在运工业机器人已超500万台,2025年新装超60万台、同比增长11%,中国以35.4万台占全球59%。
DIY 双足机器人 CBR-II 的项目视频回顾了用强化学习训练行走策略、从仿真到实机部署的完整流程,并展示了硬件上的最终结果。该机器人目前已能行走并单腿站立。
Afferent-Omni 是面向具身智能与灵巧操作的开源视触觉指挥控制(C2)框架,提供实时视触觉感知、闭环操作与具身 AI 评测能力。其 FastAPI 后端含 9 个模块化路由、15 个 REST 端点,并以 50 Hz WebSocket 流实现闭环;集成低于 15 ms 延迟的神经形态反射弧、多指拓扑与声学摩擦剖面。
水下机器人赛道在2026年集中出现融资与订单,世航智能年内订单超10亿元,深海智人在南美和东南亚签下8台工作级ROV、合同总额3亿元,欧卡智舶连续中标两个水域保洁项目合计约2717万元。文章以深海智人、卫澜深海、欧卡智舶分别对应卖出装备、完成任务、复制平台三道关,指出水下数据稀缺、稳定利润未被证明、岸上工程人才不足仍是行业未算清的部分。
通用大模型开始参与机器人控制,GPT-6 Astra等模型在测试中已能理解复杂指令、识别物体并规划操作步骤,但精细操作仍需专门控制系统配合。HexaShell和WorldScape-RSI等方案探索“大模型决策+专门模型执行”分工,测试显示任务表现有所改善,但结果主要来自受控环境。数据采集方面,头戴式操作视频报价约每小时100至300元,复杂实机数据可达每小时1000元左右。
舍弗勒在中国太仓启用约7500平方米的人形机器人灯塔工厂,由六台人形机器人在五个工位完成线性与旋转执行器等关键部件的上料、分拣、装配、检测、贴标和包装。工厂还包含训练与数据采集中心、数字孪生平台和数据中心,可对装配精度、工时、能耗等参数进行实时镜像与优化,并面向客户和合作伙伴在真实工业条件下训练和测试物理AI系统。
按营收复合增长、扣非净利复合增长等成长指标与净资产收益率、毛利率等盈利指标,文章筛选出机器人数据采集产业链10家企业,龙旗科技、奥比中光、奥普特分列前三。榜单覆盖具身数采硬件ODM、RGB-D深度采集硬件、光学动捕、专业具身数据服务与数采中心运营等环节,凡拓数创营收复合增长72.81%为样本最高。数据基于历史,不构成投资建议。
作者提出 TouchSafeBench,一个在 Habitat 3.0 中构建的物理接地基准,用于评估视觉语言模型(VLM)的碰撞接地能力,包含 2,940 个模拟室内共处片段,覆盖社交导航与社交重排两类场景,并提供同步多视角 RGB-D 观测、俯视轨迹图、标定相机元数据与仿真器接触标签。