四旋翼控制器对比受调参、参考预览、执行器建模与回退策略影响的可复现仿真研究
该研究在含转子陀螺耦合、电机滞后与饱和的非线性被控对象上对比级联PID、悬停LQR、BL-SMC、带LQR回退的线性MPC（LMPC-F）、启用预览的LMPC-F和几何SO(3)控制器，发现统一的十二候选调参协议改变了固定基线下的平均RMSE排序，使BL-SMC从末位升至首位，且该排序在50组新实现上重现、48候选预算下不变。
#Evaluations and benchmarks
arXiv cs.ROAI 评分6060 arXiv cs.ROAI 评分7272 VLA-HWBench：VLA 模型在边缘硬件上的推理时间去向
VLA-HWBench 在 NVIDIA Jetson AGX Thor 和 AMD Ryzen AI Max+ PRO 395 上对 18 个开源 VLA 模型做七阶段推理拆解，发现动作生成策略比模型规模更决定延迟，参数规模最多解释 15% 的延迟方差。
arXiv cs.ROAI 评分7171 RobotAgentBench 发布：面向开放世界机器人自主性的评测基准
作者提出 RobotAgentBench（RAB），一个面向真实开放世界家庭环境的机器人智能体评测基准，通过智能体辅助、人在回路的真实到仿真流程构建 50 种家庭布局，包含 90 个原子任务、18 个短时程任务、8 个长时程任务和 4 个开放式场景。
arXiv cs.ROAI 评分6464 PhysLadder：面向接触密集操作的分层仿真-实机匹配基准，评测 GPT-6 Astra
作者提出 PhysLadder，一个用于评估接触密集操作物理交互能力的分层仿真-实机基准，包含 16 项家务任务，分为接触选择与几何对齐（L1）、持续接触下的力调节（L2）、接触重构与力调节协同（L3）三个累积层级。
arXiv cs.ROAI 评分6262 BEHAVIOR-Spatial 基准发布：评测机器人空间理解能力
研究团队提出 BEHAVIOR-Spatial 基准，基于 BEHAVIOR-1K 构建，包含 49 个活动中的 3256 道空间问题、14 个操作任务中的 1240 条定位查询，以及覆盖 14 个操作任务和 10 个导航任务的动作评测。
arXiv cs.ROAI 评分7171 RoboWorM：面向具身视频世界模型的运动真实性与加速影响评测基准
作者提出 RoboWorM，一个面向机器人操作视频世界模型的部署感知评测基准，基于机器人运动学树和固定相机配置等硬件先验考察结构与时空保真度。该基准汇集单臂、双臂和人形形态的 1,605 条片段，覆盖马尔可夫与长程非马尔可夫任务及单视角、多视角设置，并提出 KIVA 与 RIGIS 两个不依赖视觉语言模型的确定性指标。
arXiv cs.ROAI 评分6363 RoboJev-27B 开源机器人任务成功判定视觉语言模型
RoboJev-27B 是开源的视觉语言模型，输入任务指令与 10 帧操作画面即可预测机器人是否完成任务。它在同型号 SO-101 的 268 条留出片段上达到 95.2% 平衡准确率和 0.993 AUROC，在未见实验室或机器人的 459 条片段上 AUROC 为 0.890。单条片段在单张 H100 上推理中位耗时 0.26 秒，模型与推理代码及 20,628 条预测的评测结果一并公开。
arXiv cs.ROAI 评分6262 WorldFailBench：世界模型能否理解策略失败
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。
SoftBank RoboticsAI 评分4242 SoftBank Robotics 位列 Grand View Research 专业室内设施移动机器人全球销量第一
SoftBank Robotics Group 依据 Grand View Research 2025 年市场研究，按估算营收在专业室内设施移动机器人（含清洁机器人与室内配送服务机器人）全球市场排名第一，其曾在 2021 年居首。
未来机器人网 · 微信公众号AI 评分4242 中信证券研报：GPT-6 Astra进入机器人控制，物理AI迎来重大拐点
中信证券研报判断，OpenAI 于2026年9月3日发布的GPT-6 Astra正从机器人高层任务规划向动作生成与执行控制延伸，通用模型与专用模型短期更可能分工协同。
arXiv cs.ROAI 评分7272 ContactBench 1.0：面向日常接触丰富机器人操作的基准
作者提出 ContactBench 1.0，用 36 个参考任务和 40 多个物体资产把接触丰富操作拆解为八项基本技能，资产可在消费级 3D 打印机上复现并配有对应仿真模型。在六个基准任务上评测近期纯视觉与视觉-触觉策略学习方法，结果显示纯视觉策略难以感知或响应接触事件，视觉-触觉策略也未带来明显提升。该基准将开源，提供实物与仿真资产及受控任务变体，用于评测机器人系统的泛化能力。
arXiv cs.ROAI 评分6262 ArtifactArena：用模型在物理世界构建的机器人来评测模型
ArtifactArena 是一个开放式评测平台，让模型面对软硬件协同设计挑战，在仿真竞技场中构建可运行的机器人并互相对战。平台通过文本描述、物理仿真器反馈和对战数据三种方式引导模型改进机器人产物，并用头对头锦标赛产生的 Elo 排名比较前沿模型。作者开放框架与锦标赛基础设施，供社区持续提交，形成不饱和的长期测试平台。
arXiv cs.ROAI 评分6060 RMMBench：面向机器人移动操作的综合评测基准
作者提出 RMMBench，一个要求机器人理解语言指令并在连续空间中执行长程任务的移动操作评测基准，构建了覆盖 70 个典型任务场景的“导航-操作”任务套件。结果显示，领先的视觉-语言模型（VLM）在移动操作任务的空间定位上仍面临明显挑战，长程交互中的空间感知能力有待加强。该工作已被 CoRL 2026 接收。
arXiv cs.ROAI 评分7272 前沿VLM智能体能否胜任机器人通用任务？Embodied Agent Arena实证研究
研究提出Embodied Agent Arena，在几何、空间推理、可供性、任务规划与操作五个维度评测十个VLM智能体，共1000个案例，其中包含168例的GeoProbe基准，用于相机、运动、深度与尺度估计。
arXiv cs.ROAI 评分6767 RobustRLlib发布：统一17种鲁棒强化学习算法并给出273种扰动配置评测
RobustRLlib 是一个以算法为中心的鲁棒强化学习库与基准，在统一接口下集成了17种代表性在线、离线与安全强化学习算法。其评测平台覆盖多种现实偏移以及人形机器人和视觉-语言-动作任务，在273种扰动配置上给出当前鲁棒强化学习算法的能力分布，指出哪些场景仍然有效、哪些仍存在明显鲁棒性缺口。项目提供开源代码、项目页和教程，便于复现与扩展。
arXiv cs.ROAI 评分7272 NimCritic：动作感知量化的长程操作进度预测模型
研究提出动作感知量化方法，用视觉语言模型把长程操作轨迹拆成物体级子任务并分配加权动作信用，构建800小时以上训练视频数据集和含19618个人工校准评估帧的LOOM基准。
机器之心 · 微信公众号精选AI 评分7676 清华团队构建HandsOn灵巧操作基准，66项任务评测机器人双手能力
清华大学丁宁团队联合北京邮电大学、北京大学及自然意志Nature Will的研究员构建了面向跨本体灵巧操作的仿真平台与评测基准HandsOn，包含66项人工验证任务和18,000条人类仿真遥操作示范。
推荐理由：读者可了解灵巧操作评测为何要区分执行与迁移，以及当前多任务策略在双手协作任务上的具体失败环节。
维科网机器人 · 微信公众号AI 评分7272 云深处科技联合七所高校发布五项具身大脑成果
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：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，合作方包括麻省理工学院、清华大学、浙江大学等七所高校。
Xbotics具身智能实验室 · 微信公众号AI 评分6767 港大与忆生科技提出DexHoldem：用德州扑克评测灵巧操作智能体
香港大学与忆生科技参与的DexHoldem将德州扑克搬上真机，用UR10e机械臂和Shadow灵巧手同时评测灵巧操作、牌桌状态感知与闭环运行，已被NeurIPS 2026 Workshop接收。
3D视觉工坊 · 微信公众号AI 评分5858 RoboWorld Challenge 2026 开放报名：设 WorldNav、HA-VLN 2.0、SafeDrive-VLA 三个赛道
RoboWorld Challenge 2026 已开放报名，设 WorldNav、HA-VLN 2.0 和 SafeDrive-VLA 三个赛道，分别考察语言引导的开环路线规划、动态人群中的社会导航和指令冲突下的安全驾驶，最终提交截止 2026 年 11 月 30 日。
机器之心 · 微信公众号AI 评分7272 厘清智能发布 PrismWAM 与 RoboDoctor，分列 RoboTwin 2.0 与 RoboDojo 榜首
厘清智能创始人、清华大学李一鸣团队发布世界动作模型 PrismWAM 与执行诊断框架 RoboDoctor。PrismWAM 将语义上下文与物理状态解耦，在无额外动作数据预训练下于 RoboTwin 2.0 取得 83.67% 平均成功率、Clean-to-Random 场景 75.5%，位列官方榜单第一。
钛媒体AI 评分5858 硅谷101圆桌：GPT-6 Astra对机器人、Agent与AI制药意味着什么
硅谷101邀请Pokee.ai创始人朱哲清、破壳机器人创始人许华哲和华盛顿大学助理教授王晟，讨论GPT-6 Astra发布后对个人Agent、机器人和AI制药三条路线的影响。
HuggingFace Daily PapersAI 评分7171 RoboJev-27B 开源机器人操作成功检测视觉语言模型
RoboJev-27B 是一个开放权重的视觉语言模型，输入任务指令与 10 帧操作画面即可判断机器人是否完成任务。它在同型号 SO-101 的 268 条留出数据上达到 95.2% 平衡准确率和 0.993 AUROC，在未见实验室与机器人的 459 条数据上 AUROC 为 0.890。单张 H100 上每条推理中位耗时 0.26 秒，模型与推理代码及 29 组模型/协议条目的评测结果一并公开。
简智机器人 · XAI 评分6060 Gen-HumanEgo 发布一个月 HuggingFace 下载量超 55 万，位列机器人数据集第二
GenRobot 的 Gen-HumanEgo 开源数据集发布一个月后在 HuggingFace 下载量超过 55 万，位列机器人数据集第二。该数据集将同步的自我视角视频经 Data Foundation Model 转换为视频、动作、手部追踪、深度和语义标注对齐的统一 token 表示，面向机器人学习训练。GenRobot 表示后续还将发布更多开放数据集。
新智元 · 微信公众号AI 评分5858 至知创新研究院公开IQuest-Q1技术报告：320B开源基模的百万任务训练细节
至知创新研究院公开320B总参数、15B激活参数的IQuest-Q1完整技术报告，披露30项Benchmark成绩及训练细节。团队从代码仓库和已有智能体轨迹构建超过100万个可执行、容器化任务实例，并设置环境准备、执行时检查、轨迹审计三层机制防止Reward Hacking。
arXiv cs.ROAI 评分6060 EvSLAM：面向高速机动的事件相机SLAM基准框架
作者提出EvSLAM，一个面向事件相机状态估计的基准框架，覆盖多种数据采集平台、极端光照和挑战性运动模式，并给出高速机动的明确定义与新的评测指标。论文先分析现有事件相机VO/VIO方法的局限和公开数据集不足，再用该框架评测当前最优方法，总结出较优架构与仍待解决的问题。
arXiv cs.ROAI 评分6262 S²：用感觉运动对齐作为具身策略成功的离线代理指标
作者提出 Sensorimotor Alignment（S²），一种无需训练的离线指标，用于衡量模型的感觉表征与物理运动几何结构的对齐程度。研究发现 S² 在多个具身模型家族中与下游机器人任务成功率正相关，可在闭环评测前低成本筛选模型，也能在微调为 VLA 之前识别有潜力的 VLM 主干。
arXiv cs.ROAI 评分6161 RGraph-Eval：用任务场景图评测机器人视频生成
作者提出 RGraph-Eval，一个基于参考演示的机器人视频评测框架，用任务场景图显式暴露生成视频中物体、抓取和放置等交互错误。该框架由基础模型流水线识别操作角色、定位物体掩码、推断并校验状态转移与动作区间，并重建被操作物体的三维运动，输出包含可见物体、关系变化和三维路径形状的可解释评分。
arXiv cs.ROAI 评分7474 LocoManiLab：人形移动操作的数据、策略、控制器与部署统一测试平台
LocoManiLab 是一个覆盖数据采集与生成、策略训练、评测和实机部署的人形移动操作统一测试平台，任务集包含五类家庭场景下的 234 个原子与组合任务，并提供 51.5 小时仿真遥操作数据。
HuggingFace Daily PapersAI 评分6060 Embodied Agent Arena 实证研究：前沿 VLM 智能体能否胜任机器人通用任务
研究团队提出 Embodied Agent Arena，用 1000 个案例评测十个 VLM 智能体在几何、空间推理、可供性、任务规划和操作五个维度的表现，其中 168 例来自新基准 GeoProbe，覆盖相机、运动、深度与尺度估计。
HuggingFace Daily PapersAI 评分6262 S^2：用感觉运动对齐作为具身策略成功的离线代理指标
研究提出免训练的离线指标 Sensorimotor Alignment（S^2），衡量模型感知表征与物理运动几何的对齐程度。作者称 S^2 在不同模型家族中与下游机器人任务成功率正相关，可在闭环评测前用于筛选模型，也能在昂贵的 VLA 微调前识别有潜力的 VLM 主干。
机器人全球资讯 · 微信公众号AI 评分6060 弗若斯特沙利文报告：2026年上半年全球人形机器人收入榜前五均为中国企业，优必选居首
国际咨询机构弗若斯特沙利文发布《2026年全球人形机器人市场研究报告》，2026年上半年全球人形机器人销量3.6万台、收入5.4亿美元，已超过2025年全年的3.5万台和5亿美元。
Robotics & Automation NewsAI 评分7272 Google DeepMind 用 Gemini 4 Argon 从视频教会 Apptronik Apollo 人形机器人新技能
Google DeepMind 随 Gemini 4 Argon 发布展示了一项机器人训练技术：模型观看人玩 cornhole 的原始视频后，分析环境、映射空间坐标并计算全身关节运动，自动生成仿真代码，再将学到的行为迁移到 Apptronik 的 Apollo 人形机器人上，实机测试中连续命中七次。
HuggingFace Daily PapersAI 评分5858 FrontierCS 2：面向计算机科学研发的智能体基准发布
研究者推出 FrontierCS 2 基准，包含 48 个开放性任务，做法是取一篇论文及其作者发布的代码、删去论文贡献部分，把删余代码作为人类参考基准。与只给问题描述并在运行后评一个程序的早期基准不同，FrontierCS 2 让智能体进入研究环境、继承可运行仓库并可随时提交补丁，评测器只返回开发套件分数，评估器、保留的最终套件和参考均保持私密。
Xbotics具身智能实验室 · 微信公众号精选AI 评分7777 机器人仿真器怎么挑：成败一致但接触力相差十倍
文章解读 Manda Robotics 十月初发布的仿真器对比报告，用同一台 Franka 七轴机械臂和同一套控制程序在 PhysX、MuJoCo、MuJoCo Warp、Genesis 四个物理引擎上跑了十来组实验。
推荐理由：文章用统一条件的对比实验说明仿真器分歧集中在接触力而非成败，并给出可迁移的排查与复核方法。
3D视觉工坊 · 微信公众号精选AI 评分7676 商汤联合团队评估GPT-6-Astra具身能力并开源SenseNova-RoboRSI框架与27B模型
商汤与香港科技大学（广州）等组成的联合团队发布报告《Has GPT-6-Astra Achieved Embodied Intelligence?》，在12个基准上系统评估GPT-6-Astra的具身能力，并同步开源SenseNova-RoboRSI评测框架与27B具身模型。
推荐理由：报告把模型能力拆成可测条件并给出harness消融数据，读者可据此判断具身能力评估与成本的真实瓶颈。
机器之心 · 微信公众号AI 评分7373 RoboColiseum评测GPT、Claude、Gemini机器人能力：Claude Opus 5.5险胜，通用操作仍落后策略模型
具身智能评测平台RoboColiseum发布评测报告，Claude Opus 5.5以76.28分在四款多模态模型中居首，GPT-6 Astra以75.99分紧随其后，GPT-6.1 Sol和Gemini 4 Argon分别为70.91分和66.86分；官方总榜前两名仍为专业具身策略模型Paimon（77.54分）和HiDream-O1-Embodied（76.92分）。
HuggingFace Daily PapersAI 评分5656 SERA：面向历史依赖操作的自演化机器人智能体框架
研究提出SERA（Self-Evolving Robotic Agent），通过可编辑的harness把高层VLM组织成机器人智能体，配合固定的VLA执行器提供低层控制。harness利用观测和执行反馈维护任务上下文，自演化机制通过环境rollout提出并评估harness修订，选定配置在留出测试前固定。在RoboMME上，SERA自主选择达到51.38%的总体成功率，而无自演化时为44.38%。
HuggingFace Daily PapersAI 评分4747 PAPAV：从计算机使用到机器人使用的多模态具身智能体统一能力框架
论文提出 PAPAV，一个以能力为中心的统一框架，用感知、预判、规划、行动、验证五项功能刻画多模态具身智能体（MMEA），并据此对比多模态智能体（MMA）与机器人系统（RS）。跨 64 个基准的分析显示，显式评测集中于行动，仅 5 个评估预判、3 个评估验证。物理约束使错误更难逆转，PAPAV 为设计可靠物理智能体与衡量五项能力进展提供共同基础。
arXiv cs.ROAI 评分5858 FoveaVLA 用注视动作替代 VLA 中的腕部相机
FoveaVLA 是一个用学习到的注视动作替代腕部相机的视觉-语言-动作（VLA）模型，在预测每个动作块的同时预测下一次策略查询需要观察的交互区域，并从原始分辨率图像中裁剪该区域与全景一起输入策略。