SPARK-VLA:一种无需外部 3D 输入的视觉语言动作模型空间表征蒸馏与知识路由方法
针对视觉语言动作模型(VLA)理解三维物理结构的需求,本文提出 SPARK-VLA 框架,在无需推理时引入外部 3D 输入或专家的前提下实现空间适配。
推荐理由:提出无需外部 3D 输入的 SPARK-VLA 框架,通过注意力对齐蒸馏与轻量路由实现参数高效的 3D 感知 VLA 学习。
针对视觉语言动作模型(VLA)理解三维物理结构的需求,本文提出 SPARK-VLA 框架,在无需推理时引入外部 3D 输入或专家的前提下实现空间适配。
推荐理由:提出无需外部 3D 输入的 SPARK-VLA 框架,通过注意力对齐蒸馏与轻量路由实现参数高效的 3D 感知 VLA 学习。
针对强化学习难以完美优化奖励导致行为不合规的问题,本文提出结合离线规划生成轨迹数据集并蒸馏为基于原始观测的策略的方法。该方法引入双重平均损失和ρ-最优强化机制以解决历史依赖策略的难题,并在需要获取信息才能成功的 Scavenger 挑战域中实现超过90%的成功率,而强化学习基线最高仅为5%。研究还展示了该蒸馏策略在遵循未见过的模糊指令及泛化至更大平面图时的迁移能力分别超过60%和75%。
推荐理由:提出将离线规划蒸馏为策略的新方法,在信息获取任务中成功率超90%,显著优于强化学习基线。
SimDuoReal 探索了从简单物体中心学习目标中涌现复杂双手灵巧性的可能性。研究通过共享奖励在强化学习中训练策略,使其在无手工设计运动序列的情况下发现预抓取、抓取、换手及手部调整等行为。
论文介绍了一种名为 MIND(Mechanistic Interpretability for Neural Diagnosis)的方法,旨在解决理解视觉运动策略在机器人操作任务中失效原因困难的问题。
针对机器人在未见环境中寻找目标物体的挑战,本文提出了 CPNav 导航框架。该框架结合碰撞感知规划与统计校准的 VLM 动作评分,无需地图即可实现物体目标导航。
论文介绍 GUARD 框架,该框架利用扩散和流匹配生成的机器人策略的训练分布构建异常信号,将其与稀疏任务奖励结合并通过学习到的 Q 函数传播以引导去噪过程。在 Adroit 平台的四个灵巧操作任务中,该方法在标称和扰动动力学下平均成功率分别达到 96.0% 和 80.0%,优于最强基线 21.0 和 20.0 个百分点且保持最低异常分数。
推荐理由:提出利用训练分布中的异常信号引导去噪过程,在不修改预训练策略的情况下提升灵巧操作成功率与仿真到现实迁移效果。
Weijie Yuan 等人发布论文《Mobility Information Capacity of Multi-Robot Systems: Safety-Aware Maneuver Design》,提出一种联合表征多机器人系统在动力学、不确定性和安全裕度约束下机动自由度的框架。
该研究通过两个仿真任务证明,当用户接管控制时,按序重训剩余会话可恢复目标策略;若仅微调动作则无法完全消除被移除用户的影响。实验显示单纯删除数据并单次重训会因丢失训练顺序而失败,且日志虽能识别有害用户但难以优于计数法评估影响力。
Agibot 是一款开源、模块化且低成本的农业机器人平台,旨在解决农业自动化研究中缺乏灵活平台的难题。该平台集成了四轮独立转向驱动、可更换计算单元、分布式嵌入式控制及多模态传感,支持感知 - 规划 - 执行 - 验证的完整闭环框架。
该论文提出了一种针对线性倒立摆(LIP)人形机器人的步态规划框架,旨在同时保证避障和运动稳定性。方法通过构建由相交矩形组成的安全走廊,将避障与可捕获性约束相结合,实现了具有递归可行性保证的序列模型预测控制(MPC)。规划器能自主适应受限场景,例如在门意外关闭时切换为原地行走。性能对预测视界依赖较小,在高保真仿真中利用 Digit 机器人验证了其在杂乱环境中的实用性。
论文介绍 BATCH 框架,旨在解决利用人类演示进行机器人学习时面临的具身差异、视角、动作空间和时间结构不一致的挑战。该方法通过循环一致性目标学习自监督时间表示以建立跨具身对应关系,无需人工标注。
该研究提出一种统一惯性编码器,通过运动学 IMU 合成在共享输入空间下联合训练人类与类人机器人数据,结合连续时间编码及传感器随机化。模型无需物理仿真、真实机器人训练轨迹或微调,即可零样本迁移至宇树 G1 实体机器人,在五个数据集上实现最低速度误差(G1 实机为 0.099m/s),并支持仅基于人类数据训练的类人机器人运动描述检索与泛化。
推荐理由:提出统一惯性编码器,实现从人类运动到宇树 G1 机器人的零样本迁移与速度估计。
该论文提出一种实时物理参数估计器,用交互驱动的高斯混合后验替代固定语义类索引,直接基于连续视觉嵌入检索和加权历史交互。方法包含支持感知的融合机制以应对稀疏数据,并通过学习到的嵌入优化提升检索相关性。实验显示该方法能恢复多模态物理信念、拒绝无关历史且不依赖空间地图离散化;在高保真自动驾驶赛车仿真中,控制器随圈数增加积累证据而自适应调整,提升了性能并保持摩擦感知行为。
论文介绍 UniLatent 框架,旨在解决机器人数据集因几何、外观和运动学差异难以复用的问题。该方法在仿真中渲染成对的源目标机器人观测,将源视觉编码器对齐到冻结的目标编码器,使基于编码源演示训练的策路能直接在目标观测上运行,无需像素级图像翻译。
论文研究了六种预训练视觉语言动作(VLA)模型在四个 LIBERO 任务集上的适应效率,发现模型间样本效率差异显著:pi_0.5 比 pi_0 所需演示少 2-5 倍且在长视野任务差距最大;GR00T 系列中 N1.5 的适应效率优于后续版本。研究还指出冻结视觉语言模块会严重损害联合训练的 pi 模型但对 GR00T 影响甚微,且验证损失低估了 pi_0.5 的样本效率优势。
论文针对可微模型预测控制(MPC)训练中非光滑敏感性和昂贵评估两大瓶颈,提出 SmoothedTurboMPC 求解器与 Short-Horizon Actor-Critic(SHAC)算法。
针对自主系统在不确定性下安全导航的挑战,本文提出一种偏好增强分布强化学习方法。该方法将风险偏好的变化表示为量化权重分布的偏移,并通过偏好引导探索让智能体接触多样化偏好;部署时优化最坏情况下的偏好分布以生成保守策略,从而减少超参数调整和对外部传感器信号的依赖。实验表明,该方法在仿真环境和车辆平台上均能降低碰撞率并提高任务成功率。
天翼电信终端与优必选签署全面战略合作协议,未来三年将共同推动家庭陪伴机器人终端行业规模突破百万台、超仿生及轮式人形机器人等终端行业规模突破十万台。中国电信云网融合底座将封装 AI、量子、卫星及安全能力嵌入机器人本体,并依托全国渠道网络开展租赁服务与营业厅创新体验场景试点。
灵猴机器人宣布面向具身机器人的液态单目相机首发订单于11月10日突破1000台,该产品在工博会发布后不足一个月即达成。其核心采用柔性变焦技术,通过调节液态镜片屈光度实现毫秒级连续对焦,解决定焦相机在动态场景中的虚焦问题。该技术路径将工业成熟光学能力迁移至机器人领域,旨在提升移动导航、柔性抓取及人机交互等场景的视觉稳定性。
维他动力于 11 月 10 日发布 DEV 极客版四足机器人,官方售价 22988 元,“双十一”限时价 20988 元。该平台面向个人开发者,硬件预装激光雷达、双目摄像头等传感器并支持 AI Agent 辅助开发,底层兼容 ROS2 且提供仿真工具与动作包仓库。材料提及公司首款产品“大头”已实现量产交付,但 DEV 极客版的具体部署状态未作说明。
11月9日,上纬启元机器人生产基地暨全国首个"Expert"个人机器人制造基地项目在杭州富阳签约。该项目由上纬启元、金固股份与富阳产业投资集团三方设立运营主体,旨在将研发验证至场景应用串联并带动配套企业集聚。上纬启元作为上纬新材旗下品牌,其启元Q1和T1产品已于9月首发发货,新基地负责承接制造与全国总部运营职能。
苹果开源的机器人自主控制系统 HALO 在宇树 G1 人形机器人上完成真实测试,单项任务平均成功率为 91%,引发市场关注。消息面发酵推动人形机器人板块走强,同星科技等概念股涨停。宇树股价受此影响高开高走,盘中最高触及 809 元,市值一度突破 3200 亿元。
NVIDIA 在 CoRL 大会上发布了更新后的开放世界动作模型 GR00T 2 和开源机器人学习框架 Isaac Lab 3.0。GR00T 2 基于 10 万小时数据训练,在无特定演示情况下完成 50 项评估任务中的 40 项,支持少样本泛化与灵巧操作技能迁移;在 RoboCasa365 等基准测试中位列前三。
NVIDIA 在 CoRL 大会上推出 GR00T 2 开放世界动作模型,支持灵巧操作技能迁移与少样本泛化;同时发布 Isaac Lab 3.0 框架集成 Newton 物理引擎以模拟变形物体。材料介绍了多项新基准、数据工作流及智能体编程工具,旨在提升机器人从实验室演示到工业部署的精度与自主性。
推荐理由:NVIDIA 在 CoRL 大会上推出 GR00T 2 世界动作模型及 Isaac Lab 3.0,提供传感器与变形物体的高保真仿真工具链。
Boston Dynamics 发布视频展示 Atlas 人形机器人通过腿部加装轮子进行移动的实验。该实验结合经典模型控制与全身强化学习,旨在验证在无序真实地形中的动态稳定性及系统失效响应。
NVIDIA Holoscan 5 通过持续计算逆动力学,使机器人在手动引导时仅需电机提供支撑扭矩即可保持直立并抵消重力。该技术为示教学习、物体操作及人机协作提供了关键的基础闭环能力。
UC Berkeley BAIR 团队在 CoRL 2026 会议上展示多项机器人学习成果,包括早期职业主题演讲、33 篇主会论文及 4 个 Late-breaking results 海报。
推荐理由:UC Berkeley BAIR 团队在 CoRL 2026 会议展示多项机器人学习成果,涵盖从具身记忆、灵巧操作到世界模型及仿真工具的最新进展。
UC Berkeley 与 NVIDIA 在 2026 年机器人学习会议上联合提出“代理式机器人”(agentic robotics)新思路,旨在将机器人编程从依赖海量数据的机器学习问题转化为可复用语言模型能力的代码生成问题。
波士顿动力 Atlas 团队工程师 Xiaoyu Wu 分享了将 Atlas 机器人改装为轮式的研究项目,通过替换脚踝执行器并调整模型,利用强化学习实现了侧滑漂移和空中转体等高难度动作。该项目旨在验证在硬件极限下全身体控制器与真实执行器的协同效果,成功缩小了仿真与现实差距,相关技术洞察已反馈至标准配置中。
推荐理由:作者分享了将 Atlas 机器人改装为轮式并成功通过强化学习实现高难度动作的测试床项目,验证了精准电机模型与全身体策略在硬件极限下的协同作用。
11月5日,菜鸟在香港智慧港宣布向AI与具身智能企业开放全球仓网,打造物流实景训练集群,覆盖仓储拣选、自主导航等数十个行业场景。同时推出“科技出海三日达”服务,解决高科技产品跨境运输、海外部署及售后运维难题。截至2026年10月,菜鸟物流科技已在全球29个国家落地超1100个项目,消费级机器人等业务收入同比增长一倍以上。
伽马智能联合中国电信孵化的TeleAI及宇树推出LocoManiLab,这是面向人形机器人移动操作的统一测评框架。该平台覆盖五类家庭空间、13个场景实例和234项任务,以宇树G1人和Dex3灵巧手为测试本体,拆解策略模型与全身控制器两个层面进行综合评测。
大晓机器人首席科学家陶大程提出“双脑”协同设计,由云端 SenseNova 负责任务理解与技能组织,端侧开悟世界模型专注物理状态判断与后果预测。系统通过具身 Harness 连接感知、记忆与控制,构建自主执行、经验学习与递归自我改进三个递进闭环。方案强调真机与仿真(Real2Sim2Real)相互校准,利用有限真实交互验证关键不确定性,推动机器人从完成任务转向积累可复用的物理知识底座。
优理奇宣布完成5亿元Pre-A轮融资,老股东超额追加投资,新进机构包括绿地集团、柯力传感等产业及财务投资人。绿地集团作为下游应用伙伴成为战略投资人,双方将围绕安保、酒店、康养等场景,在机器人模型、本体、数据及解决方案方面展开合作。
基元律动于2026年11月5日发布Agent原生模型NeoHorse-1.5-Flash Preview,该模型基于Qwen3.8-Flash训练,总参数180B、激活参数6B。
LobeHub 团队将支持 Agent 自主拆任务、派活、写代码、审 Bug 及跨项目接力的协作平台 LobeHub 开源。实测显示,其主管 Agent 可组建多智能体编辑部完成选题与网页开发全流程,并能临时新建 Worker 接力工作;系统通过共享工作空间保留进度,结合 Acceptance 验收机制确保人类掌握最终控制权。GitHub 仓库已开放源码供部署体验。
拓斯达在“TOPS DAY 2026”全球开放日上发布全尺寸工业双足人形机器人 Star,身高 172 厘米、重 72 公斤,双臂负载能力 10 公斤。该机器人设计起点为现有产线,整机尺寸适配工厂布局,手臂采用 7 轴仿人结构并配备十字轴手腕,复刻人工作业姿态,关节处搭载高精度关节模组。
上海具身数据基础设施企业刻行时空宣布完成新一轮近亿元融资,由咏归基金领投。资金将重点投入为机器人提供多样性数据与能力评测的预部署环境、高精度姿态追踪模型及加速落地的“采集 - 训练 - 仿真 - 推理”数据基建。公司此前已向海外合规交付上千小时宇树真机数据,通过率超过99%。
智平方在雅加达 DTIIF 2026 论坛上宣布,成为首家签约印尼国家战略投资管理机构 Danantara Indonesia 旗下 DDMF 的机器人企业。双方将围绕通用智能机器人与具身智能技术在制造业、物流业及公共服务等领域的真实应用展开合作。此次合作标志着中国通用智能机器人企业首次进入印尼国家战略产业布局,旨在通过本地化部署加速当地工业自动化与现代化进程。
优理奇机器人(UniX AI)宣布完成5亿元Pre-A轮融资,老股东超额追加,新进机构包括绿地集团、柯力传感等。绿地集团作为战略投资人及下游应用伙伴,将协同推进机器人在安保、酒店、康养等场景的全闭环落地。
进博会上,安波福宣布首批它石智航A系列机器人进入真实产线,计划2026年底前完成百台级部署并覆盖8大工艺;同时向合作伙伴供应高性能计算平台。舍弗勒启用太仓数智工厂,集成制造、场景训练与数字孪生功能,人形机器人相关业务订单约4亿欧元。