基元律动发布1250亿参数智能体大模型NeoHorse-1.5-Flash Preview
基元律动发布面向智能体任务的NeoHorse-1.5-Flash Preview并开放内测，模型基于Qwen3.8-Flash做递归自我改进迭代，主模型参数1250亿、激活参数60亿。
#Robot models and learning
智东西AI 评分5858 Xbotics具身智能实验室 · 微信公众号AI 评分2020 元力场四期报名：远征 A3 Ultra 首个系统化实战课程，从接口调用到场景应用
元力场四期开设远征 A3 Ultra 首个系统化实战课程，共 20 课时、4 大模块，覆盖本体与 AimDK 开发环境部署、运控智能、交互智能及二次开发与系统集成，从最小 RPC 调用进阶到迎宾导览、多点巡检等场景应用。课程由智元工程师团队与 ROS 教育基金会布道师联合开发，张新宇教授担任总指导，2026 年 11 月 10 日起开课，每课时 45-60 分钟，官网可看回放。
Xbotics具身智能实验室 · 微信公众号AI 评分6767 大晓机器人发布空间锚定具身基模 ACE-Brain-0.6 并开放 API
大晓 ACE 团队发布视觉空间锚定增强型具身基模型 ACE-Brain-0.6，把语言指令中的物体、部件与交互区域对应到视觉场景位置，并通过 ACE Hub 开放 API。
HuggingFace Daily PapersAI 评分5858 DRAP：面向物理AI持续学习的动力学风险自适应可塑性方法
研究提出DRAP，一种免回放的持续学习方法，用局部轨迹放大风险加权的动作梯度估计模型张量的历史重要性，并据此缩放各张量的AdamW有效学习率。该方法在OpenVLA的KappaTune子网络上实例化，在LIBERO Spatial、Object、Goal三个套件上做顺序适应，相比标准AdamW微调和EWC，在保持新套件学习能力的同时明显提升了旧行为的保留。
Robotics & Automation NewsAI 评分4747 Pudu Robotics 发布“One Brain, Multiple Embodiments”战略，并在欧洲首次展示六大产品线全阵容
Pudu Robotics 在阿姆斯特丹首届欧洲合作伙伴峰会上发布“One Brain, Multiple Embodiments”战略，并首次集中展示覆盖服务配送、商业清洁、工业配送、通用具身智能、商业割草与家庭草坪护理六大产品线的全阵容。
GuyuehomeAI 评分4747 基于深度强化学习的四旋翼目标追踪控制：64×64 视觉输入在 Isaac Lab 中的实验
四旋翼仅凭 64×64 相机画面追踪黄色目标球，加载官方预训练策略在 Isaac Lab 中完成追踪实验，目标可见率约四成，丢失目标后可自主盘旋重找。文章还讨论了该策略向 DJI Tello 迁移时已知的差距。
GuyuehomeAI 评分5858 Weeble 用 JSON 封装机器人策略并复跑摔落起身评测
Weeble 把强化学习策略连同观测布局、控制参数与训练环境指纹打包成单个 JSON 发布。本文不依赖 JAX，用纯 numpy 复跑起身、推扰与行走评测，数字与仓库基准对齐。
亿欧网 · 微信公众号AI 评分6262 王兴兴与稚晖君：宇树接通用模型、智元自研模型扎产线的路线分岔
文章对比宇树与智元在具身智能路线上的分歧：宇树把GPT-6 Astra接入G1当“外挂大脑”，王兴兴判断通用模型再跳一两代即可承担规划；智元只让Astra做System2，System1与100到1000Hz力控闭环自研，GO-3 Preview登顶RoboDojo、RoboTwin、RoboCosieum三个榜单。
古月居 · 微信公众号AI 评分7070 原力灵机升级 Dexmal MaaS，打通具身模型数据采集到真机部署链路
原力灵机对 Dexmal MaaS 进行全面升级，打通从数据采集、策略训练到云端推理和真机部署的完整链路，并支持 SFT、DAgger、RECAP 三类模型优化 Pipeline。
Robotics & Automation News同新闻AI 评分7878 智元发布具身基础模型 GO-3 Preview，在三项具身智能基准登顶
智元发布具身基础模型 GO-3 Preview，基于自研 WRAM（World Reasoning Action Model）架构，统一任务理解、未来状态预测与动作生成，并在 RoboDojo、RoboTwin、RoboColiseum 三项具身智能基准上排名第一，计划于 2026 年底完全开源。
钛媒体AI 评分4040 地瓜机器人、高擎动力、启元机器人开卷K12具身智能教育
地瓜机器人联合宇树科技推出面向中小学的具身智能教育方案，以旭日S100芯片实现算控一体，搭配Go2四足和R1人形本体，设计15款主题课程共180节课。高擎动力同日发布具身智能教育整体解决方案，课程已在人大附中、东直门中学等校常态化开展。启元机器人则为T1、Q1推送首次OTA，新增Hi Echo口语陪练与AI启蒙课程。
钛媒体AI 评分6565 GPT-6 Astra发布后，具身智能产业链格局如何变化
GPT-6 Astra发布后，通用大模型可直接控制机器人执行任务，具身数据订单回升、本体公司价值被重估，做具身大脑的模型公司则面临与基模大厂同场竞争。英伟达测试中Astra零样本直接输出动作成功率66.3%，高于π0.5，但单次推理平均耗时18.56秒，一次成功动作约消耗16万个token、折合1.96美元。行业目前更倾向让通用模型负责规划与语义层、具身模型负责毫秒级运动控制与执行层。
智东西AI 评分3838 智象创始人梅涛提出构建智能体化的全模态世界模型
智象元一（HiDream.ai）创始人兼CEO梅涛在2026世界顶尖科学家论坛第二届国际工程智能大会上提出构建智能体化的全模态世界模型（Agentic Omnimodal World Models），由LLM、通用世界模型Omni-Model与具身上下文三部分协同。
量子位AI 评分3232 智象创始人梅涛提出智能体化世界模型，称大语言、多模态与具身三条AI路线终将合流
智象元一（HiDream.ai）创始人兼CEO梅涛在2026世界顶尖科学家论坛第二届国际工程智能大会上提出构建智能体化的全模态世界模型（Agentic Omnimodal World Models），认为大语言、多模态和具身大模型三条路线终将汇流。
HuggingFace Daily PapersAI 评分7171 PyRUA-REAL：通过真实世界 RSI 实现机器人探索与自适应学习
PyRUA-REAL 框架让编码智能体把真实世界交互经验保存为持久记忆和可复用可执行技能，用于后续探索与代码改进。在八项真实世界任务上平均成功率为 91.1%，在 RoboDojo 基准的 42 项任务上平均成功率为 84.4%。研究还考察了智能体协作方式、执行反馈对代码改进的作用，以及部署时不依赖在线智能体决策的效率与能力。
钛媒体AI 评分3838 GPT-6 Astra冲击具身大脑行业：宇树、智元、千寻等厂商的危与机
GPT-6 Astra以通用大模型未经专门训练即驱动几百美元机械臂完成画金门大桥等操作，宇树科技借此实现自主识别调色盘、更换颜料、清洗画笔，商汤测评称其可承担VLA、WAM等专用模型的机器人操作与导航任务。
36Kr Embodied IntelligenceAI 评分6868 成都睿芯行完成数千万元融资，推出免训练抓取模型
成都睿芯行科技有限公司完成数千万元新一轮融资，投资方包括创新工场、中力股份及今天国际。公司推出基于类人脑机制的具身智能免训练抓取模型，称新零件无需训练即可抓取，可省去每个零件约一周的训练时间和上千元成本，并支持用千元级普通3D相机替代数万元级高精度3D相机。公司2025年6月与中力股份联合发布第一代工业拣选机器人，2025年11月发布“飞箱”产品与第二代双臂具身拣选机器人。
爱范儿AI 评分3434 对话星尘智能来杰：绳驱机器人、AOS 操作系统与 Lumo-2 具身模型的「iPhone 4 时刻」还没到
星尘智能创始人兼 CEO 来杰在专访中表示，公司以绳驱机器人本体、具身操作系统 AOS 和具身模型三位一体为架构，AOS 将感知、移动、操作与交互封装成技能模块，可适配 GPT 6 等大模型与 Agent，让开发者用自然语言开发应用。其 Lumo-2 具身模型具备隐式世界动态预测能力，结合强化学习搭建试错纠错闭环。来杰认为机器人行业的「iPhone 4 时刻」还没到，但可能比想象中更近。
New Strategy RoboticsAI 评分4242 CeMAT ASIA 2026：兰剑智能以Blue Brain统一调度三条展线
兰剑智能在CeMAT ASIA 2026展出由物流具身机器人通用大脑Blue Brain统一调度的全系列机器人与软件系统，按物料单元由大到小铺开料箱级全链路、托盘级密集存储与具身机器人演训场三条展线。
OFweek RoboticsAI 评分4242 地瓜机器人、高擎动力、启元机器人开始卷K12教育
10月30日，地瓜机器人联合宇树科技推出面向中小学的具身智能教育方案，同日高擎动力发布具身智能教育整体解决方案，启元机器人则公布T1、Q1首次OTA，加入Hi Echo口语陪练与AI启蒙课程。地瓜方案以集成CPU、BPU与MCU的旭日S100为核心，搭配宇树Go2四足和R1人形本体，设计15款主题课程、180节课，覆盖小学至高中。高擎称相关课程已在人大附中、东直门中学等校常态化开展。
arXiv cs.ROAI 评分5858 Warp：面向冻结机器人策略的结构化输出空间适配
作者提出 Warp，一种上下文条件化的单调双射样条适配器，对冻结基础策略的采样输出做非线性重塑并保持逐维顺序。在 ManiSkill 四个任务上，Warp 在匹配的进化策略适配器研究中恢复效果最强；改用 PPO 后顺序关系随任务变化。在物理 SO101 插销任务中，Warp 成功率与强随机残差相当，成功周期时间中位数约降低 30%。
arXiv cs.ROAI 评分6262 PS2-RL：可证明安全且可扩展的强化学习框架
作者提出 PS2-RL 两阶段框架，用学习到的备份策略前向积分系统动力学，在线生成隐式控制不变集，从而避免显式构造控制不变集带来的维度扩展问题。第一阶段用安全到达价值函数训练备份策略，实现向已认证基础集的安全恢复；第二阶段通过可微投影层端到端训练 RL 策略，严格保证由备份策略诱导的安全性。该框架不限制底层 RL 算法，可接入现有训练流程，并在状态维度最高 10 的机器人控制任务上完成评估。
arXiv cs.ROAI 评分5858 FLAG：用潜变量增强引导的流策略最大熵强化学习
FLAG 提出一种流策略最大熵强化学习方法，通过给状态空间增加流潜变量并优化可证明一致的代理目标，把采样区域局部化以缓解重要性权重坍缩。作者称该方法在有限重要性样本下即可完成表达性策略优化，并在基于状态的高维控制基准上取得表达性策略最大熵在线强化学习方法中的最优表现。该工作被 NeurIPS 2026 接收。
arXiv cs.ROAI 评分5353 表达性集群机器人的现实差距与感知差距研究
该研究将同一套去中心化协调代码部署在桌面、空中和人形移动操作机器人三类集群上，并在现场艺术表演中观察其表现。结果显示算法在三类平台均可靠执行，但物理形态使可见运动的时间尺度变化超过三倍并改变轨迹几何。观众调查还发现，观察者对集群运动的意义归因与情绪反应（舒适或威胁）并不随技术成功同步变化，且二者彼此不相关。
arXiv cs.ROAI 评分7171 RoboTryOn：用虚拟试穿将人类视频合成机器人灵巧操作演示
RoboTryOn 提出把人类到机器人的转换当作虚拟试穿，保留演示动作、物体和背景，只把人类替换成参考图指定的目标机器人。方法自回归转换关键帧并以其引导视频合成，运动以人手骨架为条件，再用带深度特征的逆动力学模型（IDM）从合成视频推断动作标签用于策略学习。实验显示，仅用合成数据训练的策略在包括双臂操作在内的新任务上平均成功率从2%提升到60%，且约三分之一采集成本即可达到纯遥操作示教策略的水平。
arXiv cs.ROAI 评分7272 DreamFree：免生成未来视频的世界动作模型表示蒸馏方法
DreamFree 提出一种无需生成未来视频的世界动作模型（WAM），通过表示蒸馏让视觉编码器仅凭当前观测预测冻结视频扩散模型的表示，再由动作模块提取动作相关信息。
arXiv cs.ROAI 评分6060 研究：机器人比物体更重时，惯量失配如何影响机器人策略学习
该论文研究机械臂与操作物体之间的惯量失配如何影响机器人策略学习，通过改变机器人和物体质量的受控仿真实验发现，强化学习在广泛质量组合下都能成功，而行为克隆在较轻机器人操作较重物体时学到的策略更可靠。
arXiv cs.ROAI 评分5858 LIFE：让机器人从经验中持续学习并积累能力的框架
作者提出 LIFE（Lifelong Intelligence from Experience）框架，让机器人持续观察、选择性记忆，并把经验转化为新能力。
arXiv cs.ROAI 评分7171 X-Fly：面向全动作块空中视觉语言导航的到达与停止学习框架
X-Fly 提出一种分阶段训练框架，用于全动作块空中视觉语言导航（VLN），解决执行完整动作块后策略查询状态偏离专家演示、缺乏恢复与停止监督的问题。
arXiv cs.ROAI 评分5858 PriMoRetarget：用优先级运动重定向实现人形机器人动作迁移
作者提出 PriMoRetarget，一个用显式优先级层级替代相对权重加权的运动重定向框架，让低优先级更新受约束以保留高优先级目标。该方法在覆盖单人动作、人物操作和人物交互的四组数据集上评估，生成的动作更能保留任务相关交互，并提供比常用重定向方法更易跟踪的参考轨迹。
arXiv cs.ROAI 评分6060 SimForcing：将仿真运动先验蒸馏进真实域机器人世界模型
SimForcing 提出一种仿真引导框架，通过潜空间运动蒸馏把仿真教师的运动知识迁移到真实域机器人世界模型，并用多块仿真条件与条件丢弃降低对仿真预测精度的依赖。
arXiv cs.ROAI 评分6767 Reverse to Advance：用易任务时间反转数据降低遥操作成本学习高难度操作策略
该论文提出一种遥操作成本有效的框架，利用易任务的时间反转轨迹作为高难度操作任务的监督信号，减少人工示教采集。框架包含闭环数据采集流程、基于运动学先验与 critic 引导优势过滤的分层数据精炼，以及迭代策略学习三部分。在两个仿真基准和实机实验中，该方法相比基于反转和强化学习的基线提升了高难度任务成功率，数据效率更高且训练更稳定。
arXiv cs.ROAI 评分6060 SDN：通过选择扩散噪声在测试时提升 VLA 策略鲁棒性
作者提出 Selected Diffusion Noise（SDN），一种免训练方法，把扩散噪声当作可控自由度来提升 VLA 策略的测试时可靠性。SDN 采样多个候选动作块并做两阶段筛选：先用反事实负集按任务相关视觉 grounding 过滤，再按 JerkRMS 选出运动学上最稳定的动作块。在三种 VLA 策略的仿真与真实环境实验中，分别取得 8-10% 和 18.33% 的提升。
arXiv cs.ROAI 评分6565 InDex：通过意图条件微调让VLA模型适配灵巧操作
研究提出 InDex 框架，用重定向演示得到的归一化开合信号监督标量抓取意图，分两阶段把平行夹爪 VLA 模型适配到多指灵巧手。在四个仿真任务中，InDex 配合 π0.5 取得 85.8% 平均任务成功率，比原生策略提升 35.5 个百分点，并在未微调的相似几何新物体上达到 69.0%。在三个 VLA 主干和单独训练的真实世界策略上同样有效，真实策略平均成功率从 71.0% 升至 83.0%。
arXiv cs.ROAI 评分6262 B2FF：用预想象里程碑为 VLA 策略做失败恢复
作者提出 B2FF 恢复框架，让 VLA 在执行前基于初始观测生成熟悉未来状态的里程碑库，恢复时由可恢复性感知选择器选定一个里程碑作为固定视觉目标，把偏离轨迹的观测映射回熟悉的未来。在注入失败的 LIBERO 基准上，按与注入失败对齐的受控恢复时机，B2FF 将基线 VLA 的平均成功率从 56.3% 提升到 74.0%，且无需微调底层动作生成器。该工作已被 CoRL 2026 接收。
arXiv cs.ROAI 评分6262 AcroRL：用双向推力强化学习实现四旋翼激进翻转
AcroRL 提出基于强化学习的框架，通过调制恒定参考轨迹完成位置受限的四旋翼紧凑翻转，并分别为正向到倒置、倒置到正向的转换训练策略。在 JAX 仿真中，该方法的位置 RMSE 比最强优化基线降低 32%，调节时间缩短 57%；实机在多种偏航配置下完成翻转，位置 RMSE 低于 0.35m，并验证了与下游轨迹生成和控制的兼容性。作者同时开源了实现代码，论文已被 CoRL 2026 接收。
arXiv cs.ROAI 评分6262 PredictiveGraphs：面向半静态场景的预测性时空场景图
作者提出 PredictiveGraphs，把对物体状态做贝叶斯推理的 Perpetua* 滤波器嵌入三维场景图的边，使机器人能对随时间变化的环境做时空语义推理并预测未来状态。
arXiv cs.ROAI 评分6565 软体机器人动力学学习：不确定性感知主动探索框架
作者提出一种不确定性感知的主动探索框架，可自主学习与任务无关、可泛化的软体机器人动力学模型。该方法在连续体臂、流体中关节鱼和肌骨腿三个仿真平台以及一台真实气动连续体臂上评估，相比随机探索和任务特定基线建模精度更高，并在未见任务的零样本控制中取得更高回报，在传感噪声、执行延迟和材料非线性下保持稳健。
arXiv cs.ROAI 评分6060 MARLIN：用语言协商引导多智能体强化学习
MARLIN 提出一种混合框架，让大语言模型在强化学习策略尚未学会有效行为前，通过机器人间语言协商生成高层动作计划来引导策略学习，并在训练中动态切换强化学习与语言模型协商。作者在仿真和实体机器人上分别用本地与远程语言模型评测，结果显示早期训练性能高于标准多智能体强化学习，最终性能受影响有限。代码已公开，论文被 ROBIO2026 接收。
arXiv cs.ROAI 评分7272 强化学习实现通用机器人策略的多任务规模化改进
该论文研究通用机器人策略能否在部署阶段同时针对多个不同任务进行在线改进，并系统评估了价值估计、策略提取和资源分配等算法与工程选择。作者构建了一套结构化评测来检验通用改进能力，发现合适的配方不仅能在线提升多任务表现，还能泛化到在线训练未涉及的任务，其中训练任务分布与基于价值的强化学习是关键因素。作者称这是机器人基础模型在线通用改进的早期证据之一。