跳到正文
  1. 盖世汽车 · 汽车资讯83

    芯驰科技开源D9-MAX软件SDK,面向具身智能场景

    芯驰科技正式开源D9-MAX软件SDK,该SDK基于车规级异构单芯底座,主要面向具身智能“小脑”场景,旨在为物理AI和机器人研发提供底层算力与软件支持。针对传统多板架构的痛点,D9-MAX芯片在一颗芯片内融合感知、运控与安全岛功能,其基于ARM DynamIQ Shared Unit技术,将12核CPU划分为8核与4核两个物理独立集群,实现运控与交互任务的物理硬隔离。

    推荐理由:芯驰科技开源面向具身智能的D9-MAX软件SDK,提供车规级异构单芯底座与实时协议栈,支持6轴运动控制与功能安全认证。

  1. 智元 AGIBOT · Newsroom66

    六台智元 G2 机器人完成上海便利店 24 小时实测

    智元 AGIBOT 在上海徐汇区一家运营中的便利店完成了为期 24 小时的实地测试,六台 G2 轮式人形机器人累计完成 1,730 项任务。其中四台通过最终性能评估,涵盖顾客服务、货架补货、咖啡制作及清洁等场景。

    推荐理由:智元在便利店完成 24 小时实测,验证了 G2 机器人在真实零售场景下的任务执行与自适应能力。

  1. arXiv · 机器人与计算机视觉83

    服务代理型机器人集群:工作负载特征、KV 缓存抖动与准入控制

    该研究量化了由 GPT-6-Astra、RPent 和 pi0.5 生成的 80 个 LIBERO-PRO 任务集的工作负载,发现视觉语言大脑的长上下文 KV 缓存会挤占动作策略的执行资源。在 H800 GPU 上,静态并发上限可将吞吐量从约 2.4 提升至 5.00-5.55 任务/分钟,并满足严格的动作截止时间要求。

    推荐理由:论文量化了多机器人集群中视觉语言大脑与动作策略的并发资源冲突,提出基于工作负载特征的准入控制原则。

  1. The Robot Report78

    人形机器人开发商 Agility 拟通过 SPAC 交易融资约 4.65 亿美元

    Agility Robotics Inc. 与 Churchill Capital Corp XI 宣布,预计其合并后的 SPAC 交易将筹集约 4.65 亿美元资金,包括来自信托账户、PIPE 及已获得的股权融资。

    推荐理由:文章披露 Agility Robotics 拟通过 SPAC 融资约 4.65 亿美元,并公布 Digit 5 产品进展与多领域客户部署计划。

  1. 量子位80

    清华联合无问芯穹、智元提出具身智能群体经验学习新范式

    清华大学联合无问芯穹、智元提出群体经验学习(CEL)新范式,让机器人通过借鉴同伴经验实现自主进化。在96台真实机器人集群中验证了该范式,五项任务成功率均超人类平均水平,且随规模扩大持续提升。系统层面构建了容错异步训练系统,算法层面提出失败引导的经验检索微调方法,打通了从单台能力提升到群体持续进化的产业化链路。

    推荐理由:清华联合无问芯穹、智元提出群体经验学习新范式,在96台机器人集群中验证了规模化落地路径。

  1. 智元 AGIBOT · Newsroom78

    智元发布 Genie Studio 2.0 具身智能开发运营平台

    智元发布 Genie Studio 2.0 集成平台,连接机器人模型、任务工作流与现场系统,支持新任务环境七天验证。平台包含 Flywheel 模块用于数据收集、模型训练及仿真测试,Agent 模块用于拖拽式任务编排,Monitor 模块用于车队监控与远程干预。

    推荐理由:平台整合数据、模型与现场系统,支持新任务环境七天验证,已在制造与轨交项目完成闭环。

  1. 盖世汽车 · 汽车资讯78

    智元正式发布安规级重载具身机器人精灵G2 Max

    10月26日,智元正式推出面向拆码垛、物料转运等场景的安规级重载具身机器人精灵G2 Max。该产品单臂负载20kg、双臂额定负载40kg,具备7自由度力控与视觉引导能力,可兼容多种工业物料且无需大量重新示教。

    推荐理由:智元发布安规级重载机器人精灵G2 Max,集成力控与视觉融合方案以解决搬运精度难题,并适配既有产线布局。

  2. arXiv · 机器人与计算机视觉82

    无 fp32 主副本的 VLA 全权重微调会静默抹除大部分更新

    研究发现当 VLA 模型以 bfloat16 存储可训练权重且无 fp32 主副本时,AdamW 优化器会将小于 1/512 权重的更新静默舍入丢弃。在 LIBERO 基准测试中,移除该 fp32 副本导致 SmolVLA 和 pi_0.5 模型的成功率分别从 4.3% 提升至 49.3%、从 5.1% 提升至 80.9%,且修复方案仅需一行代码修改 LeRobot 配置。

    推荐理由:作者发现主流 VLA 微调默认配置因缺失 fp32 主副本导致更新静默丢失,提供修复方案并验证其显著提升成功率。

  1. 智元 AGIBOT · Newsroom87

    智元开源 AGIBOT WORLD Release 4:面向物理推理的数据集

    智元宣布开源 AGIBOT WORLD 2026 的第四版发布内容“物理推理”数据集,将任务设计重心从操作难度转向决策复杂度。该数据集覆盖具身智能五大研究方向,包含超 10 类逻辑推理场景,记录同一目标在不同状态与约束下的决策与执行过程。通过连接高层指令、子任务分段、动作步骤及空间标注,支持决策模型与底层策略的协同训练,旨在帮助机器人从孤立操作迈向自主完成复杂现实任务。

    推荐理由:智元开源 AGIBOT WORLD Release 4,提供涵盖多状态约束的物理推理数据集与细粒度标注,支持决策 - 执行联合训练。

  2. arXiv · 机器人与计算机视觉82

    FluxVLA Engine:面向具身智能的一站式 VLA 工程平台发布

    FluxVLA Engine 是一个开源的配置驱动型工程平台,旨在将异构的具身策略组件转化为可复现的数据至部署工作流。该平台标准化了数据集、视觉语言与世界模型接口,集成了双臂仿真、自动数据生成及人机协同修正功能,并通过实时分块与加速推理后端支持物理执行。代码已公开于 arXiv 链接,解决了阻碍具身学习算法可靠部署的工程瓶颈。

    推荐理由:FluxVLA Engine 提供统一配置驱动平台,整合仿真、数据生成与实时推理接口,解决具身策略从算法到部署的工程碎片化问题。

  1. arXiv · 机器人与计算机视觉85

    RealtimeWAM:如何实现世界动作模型的实时运行?

    针对世界动作模型(WAM)高推理延迟限制机器人控制响应的问题,作者提出了 RealtimeWAM 这一无需重新训练的通用框架。该框架通过层间依赖重叠观测处理与预测、在视觉稳定区域缓存特征以及复用 Transformer 残差等策略协调并行执行与自适应计算。

    推荐理由:该工作提出无需重新训练的通用框架,通过并行执行与自适应计算显著降低推理延迟,在真实任务中提升成功率。

  1. arXiv · 机器人与计算机视觉78

    ActTune:面向 VLA 推理的动作感知精度与 GPU 工作点自适应调节

    针对视觉语言动作(VLA)策略频繁调用推理导致的高能耗问题,该研究提出 ActTune 框架,通过层间精度分配与基于负载的 GPU 工作点选择来优化能效。该方法利用轻量决策树从配置误差中学习,在每次策略调用前选择最佳精度,并异步应用校准后的 GPU 工作点以控制延迟预算。

    推荐理由:ActTune 框架通过感知动作的量化敏感度与动态调整 GPU 工作点,在保持任务成功率的同时显著降低能耗并提升推理速度。

  2. arXiv · 机器人与计算机视觉78

    StairVLA:面向视觉语言动作模型的分层阶段感知动作生成框架

    针对扩散或流匹配动作头在处理去噪轨迹时缺乏阶段感知的不足,该研究提出 StairVLA 框架,利用部分去噪动作作为高层长视界规划与局部精细化的接口。系统采用高层 VLA 进行早期去噪以生成可复用的长时序轨迹,同时由轻量级精炼器高频更新局部动作块。

    推荐理由:该方法通过分层架构复用高层 VLA 计算并保留高频闭环修正,在 LIBERO 基准上提升成功率并降低推理延迟。

  1. arXiv · 机器人与计算机视觉83

    超越 LLM 服务:表征具身智能视觉语言动作工作负载以指导系统设计与部署

    该研究针对机器人操作中严格的推理截止时间问题,对四种代表性 VLA 模型在边缘 GPU 服务器和车载 SoC 上的运行行为进行了系统表征。实验通过 43,200 次闭环测试发现,动作张量维度决定计算或内存瓶颈,平台平衡可改变瓶颈位置,且 GPU 频率缩放存在依赖平台的能效甜点。

    推荐理由:文章基于 4.3 万闭环实验,量化了边缘端 VLA 模型在 batch-1 控制场景下的瓶颈与能效权衡,为架构、硬件及运行时策略的联合设计提供数据支撑。

  2. arXiv · 机器人与计算机视觉78

    FreeSpeed:一种用于生成式机器人策略的免训练速度控制方法

    针对模仿学习策略继承演示速度且测试时修改易导致分布外观测的问题,本文提出 FreeSpeed 模块,无需重新训练即可对预训练策略的动作块进行后处理以调节执行速率。

    推荐理由:提出无需训练的模块,通过动作块的方向不一致性信号自适应调节执行速度,在仿真与真实任务中均保持高成功率。

  3. arXiv · 机器人与计算机视觉83

    RACE:基于可靠动作块扩展的视觉语言动作模型框架

    针对 VLA 模型因频繁调用策略导致的停顿问题,本文分析发现长动作块内的错误集中在操作子技能转换处。为此提出 RACE 框架,利用辅助一步去噪预测切换时机并以此调节动作生成。在仿真基准中,RACE 在更长动作块下成功率优于微调及近期 SOTA;在真实机器人上,使用 4 倍长动作块将空闲时间减少约 5 倍且成功率更高。代码与演示已公开。

    推荐理由:原文分析了长动作块中的错误集中点,提出通过辅助去噪预测切换时机来降低误差。

  4. arXiv · 机器人与计算机视觉85

    通过预测不确定性触发通用主义推理的双系统 VLA 方法

    针对双系统视觉语言动作模型中通用推理模块固定频率调用的静态策略浪费计算资源的问题,提出 TUD 自适应推理框架。该方法利用缓存上下文下的动作重预测跨步离散度作为预测不确定性信号,无需人工标注或辅助模型即可动态跳过不必要的通用调用。在 VLA-Arena 基准测试及真实机器人实验中,TUD 在匹配调用预算下实现了更高的成功率,并将通用模型调用次数减少了 75%,同时有效分离成功与失败的轨迹。

    推荐理由:提出基于预测不确定性的自适应推理框架,在保持低开销的同时显著降低通用模型调用次数并提升成功率。

  1. arXiv · 机器人与计算机视觉82

    FastOPD:面向轻量级 VLA 部署的同策略蒸馏方法

    针对大规模视觉语言动作模型计算成本高难以部署的问题,本文提出了 FastOPD 框架,通过同策略蒸馏将大模型知识迁移至紧凑学生网络。该方法结合单状态教师监督与自一致性目标,理论上可恢复理想少步模型的分布特性。

    推荐理由:提出基于同策略蒸馏的轻量化框架,在仿真与真机实验中验证了大幅降低推理延迟同时保持性能的方法。

  1. Skild AI · Research Blog78

    Skild AI 营收破亿:Deepak Pathak 谈部署作为机器人研究的核心支柱

    Skild AI 在首次商业部署十个月后年经常性收入突破 1 亿美元,其中约 90% 来自操作任务。CEO Deepak Pathak 与总裁 Abhinav Gupta 强调部署是机器人研究的隐藏支柱,并介绍了基于 NVIDIA 基础设施的 S1 模型,该模型支持通过上下文学习适应变化而无需重新训练权重。

    推荐理由:Skild 宣布营收突破 1 亿美元,并阐述其以部署为核心驱动模型 S1 研发的策略与成果。

  1. Generalist · Research Blog70

    Frontier Lab 获新一轮融资以加速物理 AI 发展

    Frontier Lab 宣布获得包括 Radical Ventures(领投)、8VC、Union Square Ventures 等在内的新一轮融资,总融资金额超过 5 亿美元。公司计划利用这笔资金继续推进机器人学习规模化,开发下一代模型并扩展物理数据引擎与计算基础设施。此前 GEN-1 模型已在灵巧操作任务中展现出高可靠性与执行速度提升,新资金将支持其构建跨形态、环境与应用的通用智能系统。

    推荐理由:Frontier Lab 宣布获得包括 Radical Ventures、NVIDIA 等在内的新一轮融资,将用于加速机器人基础模型与物理 AGI 的研发及基础设施扩展。