中科慧远启动 A 股 IPO,推出 CASIVIBOT Z1-Lite 与 Z1-SE 具身质检机器人
中科慧远视觉技术于 2026 年 11 月 7 日完成辅导备案登记,正式启动 A 股上市进程。公司由中科院博导张正涛创办,构建了“慧视”、“慧脑”及“慧灵”三大标准化平台,并推出搭载多模态成像系统的 CASIVIBOT 工业具身质检机器人。目前该机器人已发布 Z1-Lite、Z1-SE 两款型号,分别面向微电机电子检测与硬质材料刀具检测场景,产品在国内服务五十余家行业龙头企业。
中科慧远视觉技术于 2026 年 11 月 7 日完成辅导备案登记,正式启动 A 股上市进程。公司由中科院博导张正涛创办,构建了“慧视”、“慧脑”及“慧灵”三大标准化平台,并推出搭载多模态成像系统的 CASIVIBOT 工业具身质检机器人。目前该机器人已发布 Z1-Lite、Z1-SE 两款型号,分别面向微电机电子检测与硬质材料刀具检测场景,产品在国内服务五十余家行业龙头企业。
英伟达发布了面向快速精准视觉规划的通用解码框架VFlash。该框架利用视觉信息的几何结构,通过并行预测完整空间信息替代传统逐Token生成,在三维点运动预测任务中单次生成速度提升约25倍,动作解码最高加速12倍、整体机器人推理加速5.1倍。
推荐理由:英伟达推出VFlash并行解码框架,将机器人推理加速5倍、动作解码提速12倍,并提升任务成功率。
第九届中国国际进口博览会期间,安波福分别与它石智航、上海电气签署战略合作协议,双方合作涵盖机器人规模化部署及工业场景联合验证。根据规划,来自两家合作伙伴的数百台具身机器人将逐步进入安波福一线生产场景开展技术验证与方案优化,运行数据将反馈至产品开发与模型优化环节。
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。
11月5日丰田宣布自2027年1月1日起设立独立机器人事业部Toyota Robotics,整合研发团队并将机器人定位为未来核心支柱。同时中国本部长由太田资大接任,以推进南北丰田渠道整合及研发资源加速协同。
该研究提出一种针对固定根向图标量智能体的网络化可容许性保持(APC)架构,利用异质非对称输入边界下的 APIR 生成物理输入。在满足方向特定兼容性条件时,闭环动力学形成指数衰减误差与定向共识的级联,确保统一走廊、有界指令及唯一完整解。仿真结果表明,只要根组件包含至少一个知情智能体,部分固定即可保证安全参考跟踪。
针对人机交互中机器人处理模糊指令的挑战,本文提出了 ProCompNav 框架。该方法包含两阶段流程:首先构建候选池,随后通过递归比较判断(RCJ)策略,利用二元问题迭代缩小范围并剔除不一致候选项,从而在无需目标独有属性区分的情况下识别用户意图。
CoMPAS3D 发布包含 18 名舞者共 3 小时萨尔萨舞的交互运动数据集及 Salsa 评估域,涵盖 2,800+ 专家标注片段。该基准定义动作分类、能力估计和跟随生成三项任务,结合运动学指标与六维主观评分揭示生成舞蹈与真实数据的差距。微调视觉语言模型在真值序列上表现良好且与专家判断相关,为具身智能交互提供新评测工具。
论文提出 RAYEN 框架,旨在解决学习系统中难以同时保证硬凸约束满足且计算成本高的问题。该方法支持线性、二次、二阶锥及线性矩阵不等式等多种约束组合,无需昂贵的正交投影或软约束近似,在训练和测试阶段均能确保任意输入与权重下的约束满足。
推荐理由:RAYEN 框架在训练与测试阶段均保证硬凸约束满足,相比现有方法显著降低计算开销并提升轨迹优化求解速度。
该研究提出了首个行为世界模型(BWM)InterTrack,旨在解决通用运动追踪器仅适用于平地而跨地形控制器任务特定的问题。其 Transformer 架构联合预测动作、状态及行为分布,学习环境条件化的动力学;通过自动标注管道从重定向动作重建三维支撑几何以扩展交互训练数据。
推荐理由:报告提出首个行为世界模型 InterTrack,在复杂地形交互与跌倒恢复上显著优于基线,并提供了代码、数据及预印本链接。
论文提出了 PF M-HR 方法,这是一种直接在大规模无序姿态数据上训练的流匹配先验,旨在改进基于物理的人形机器人强化学习中的运动先验利用。该方法引入了姿态几何评分(PGS)来量化关节坐标变化与先验捕捉的姿态局部几何的一致性,并利用 PGS 调节跟踪奖励以引导策略探索。实验表明 PFM-HR 在单运动和通用运动跟踪上均有所提升,特别是在高动态运动场景下表现更好。
针对强化学习在机器人操作中因缺乏可靠视觉语言奖励模型而难以应用的问题,本文提出了 DenseReward 稠密机器人奖励模型。该工作开发了一套自动化失败数据生成流水线,能在仿真中合成碰撞、抓取失败、物体掉落及恢复等物理真实失败的轨迹,无需人工标注。
针对部分可观测环境下多机器人协同难以通过无通信实现的问题,本文提出 CoDiMAD 框架。该方法利用 MAPPO 训练全局特权 Oracle,构建离线数据集,并通过条件去噪扩散概率模型将 Oracle 蒸馏至仅依赖局部感知的学生网络。
该论文提出了 AnyDexRT,这是一种针对类人手灵巧手的低校准遥操作方法。它结合了自监督指尖对应学习和少样本人类引导来锚定映射关系,并利用接触分类器优化捏取姿态。实验表明该方法能提升重定向质量、减少手动调优并提高控制直观性。
论文提出 CTS-MoE 方法,将多地形移动建模为多任务强化学习,通过感知门控混合专家架构和分离的评论家网络,在 Unitree Go1 机器人上实现了从 73.3% 到 93.3% 的成功率提升。该方法降低了动作抖动并避免了切换瞬态,支持四种户外地形类型的转移。
论文介绍 ActQuant,一种针对视觉语言动作(VLA)模型的动作引导混合精度后训练量化框架。该方法通过跨张量比特分配器根据动作预测贡献度分配位宽,并利用动作感知曲率优化块内量化尺度。
论文针对视觉语言动作(VLA)策略内部表征难以直接解读的问题,提出一种将稀疏自编码器(SAE)特征分析与机器人行为事件锚定的可解释性流程。该方法从末端执行器轨迹中提取关键帧并聚类为事件,利用视觉、状态和时间线索引导 SAE 特征排名,可选用 VLM 进行事件描述。
VTAM 是一种针对接触丰富操作的视觉 - 触觉世界动作模型,无需触觉或动作预训练即可工作。该模型共享冻结的视频 VAE 和预训练视频 Transformer 权重,先适配以联合预测未来视觉与触觉潜变量,再端到端微调以预测动作、本体状态及基于触觉光流计算的轻量力流代理。
针对生成式模型产生的机器人数据存在动作标签噪声问题,论文提出 RoboCurate 框架,通过逆动力学模型在仿真器中执行预测动作并测量与生成视频的运动一致性来验证动作。
视觉 - 语言 - 动作模型(VLA)常因数据集偏差而依赖视觉捷径,忽视语言指令意图。该工作提出首个反事实基准 LIBERO-CF,在相同场景布局下分配替代任务以评估语言遵循能力。
推荐理由:该工作提出首个 VLA 反事实基准 LIBERO-CF,并给出无需修改架构的 CAG 方法以缓解视觉捷径导致的指令遵循失效问题。
论文提出 WoVR 框架,旨在利用世界模型作为强化学习(RL)的可靠仿真器以进行视觉语言动作(VLA)模型的策略后训练。针对现有方法因幻觉和长视界误差累积导致推演不稳定的问题,WoVR 通过可控的动作条件视频世界模型、关键帧初始化推演以及世界模型与策略的共同演化来调节 RL 与不完美的想象动态的交互。
推荐理由:提出 WoVR 框架,通过可控视频世界模型与关键帧初始化解决幻觉问题,实现长视界稳定推演与策略优化。
论文 EmboTeam 提出一种神经符号框架,利用大语言模型生成结构化状态期望,并通过 PDDL 符号搜索验证与协调,最终落地为团队级并行行为树及机器人子树的技能执行与同步。
arXiv 论文介绍 GUARD 框架,该框架融合概率状态估计中的概率核优化技术与不确定性识别方法,为机器人控制算法推导关键阈值。系统将估计的不确定性及其来源转发给控制器以调整安全裕度并触发备份轨迹初始化。实验在模型预测控制和强化学习控制器上验证,结果显示在强化学习中碰撞率降低 44-67%,中高风险场景下备份策略激活减少 50-75%;MPC 仿真中成功避免碰撞。
论文提出 CubeDAgger 方法,旨在解决现有交互式模仿学习算法在动态任务中因专家 - 智能体切换时机差异导致动作突变、破坏机器人稳定性的问题。该方法基于 EnsembleDAgger 基线进行三项改进:引入正则化显式激活监督时机阈值;将专家 - 智能体切换系统转化为多候选动作的最优共识系统;向智能体动作注入自回归有色噪声以实现时间一致的探索。
该论文针对具身智能体在仿真基准测试中暴露验证标准(Criteria Exposure)的做法提出质疑。研究发现,当智能体被暴露于此类标准时,虽能快速生成高评分代码,但一旦标准微调便失效,且技能跨任务迁移性差。作者进一步提出了更忠实于指令的验证标准方案。
推荐理由:实验表明暴露验证标准会导致模型过拟合评分而非完成任务,且技能迁移性差。
该方法提出两阶段“生成 - 排序”架构解决具身智能体的自然语言指令到符号目标的翻译问题。实验在 Embodied Agent Interface Benchmark 家庭场景进行,DeepSeek-V3、Qwen2.5-7B/72B 等开源模型经微调与 CORE 偏好学习后,优于简单提示及知识图谱基线。论文已接受于 ECC 2026,代码与权重开放许可。
针对仅具备相对位置测量和单一绝对位置锚点的差速驱动机器人团队,提出一种直接从优化推导的两层估计控制方案。该方法利用图邻域估计器重构质心、锚点向量与中心坐标,结合距离梯度形状调节与有限旋转消除姿态漂移,在 ROS 2 Gazebo 仿真及五台物理机器人的实验中验证了局部指数收敛性。
论文提出 OopsieRecover 框架,旨在解决视觉语言动作(VLA)模型在部署时易失败且难以泛化的问题。该方法假设语义能捕捉失败原因及修正逻辑,利用反事实推理从少量修正演示中推断意图,并将其编码为密集空间表示和条件代价以引导策略。实验涵盖 6 个任务及物体姿态、场景变化等变体,结果表明仅需少量修正即可让 VLA 在广泛的新情境下克服失败,无需针对每种变体收集新数据。
论文介绍 Latent RL Prior 两阶段框架,通过蒸馏大规模 RL 轨迹生成基于本体感觉和潜在任务上下文的流匹配动作解码器,并在视觉适应阶段仅用动作监督学习视觉接口。
针对视觉语言动作模型(VLA)在分布偏移下易发生不可预期故障的问题,本文提出 VLA-Tug 方法,通过在骨干网络潜在层进行轻量级探测来提前检测故障并界定漏检与误报率边界。
针对类人机器人难以与人类伙伴协调的问题,本文提出了 Social Humanoid 系统。该系统在 Unitree G1(29-DoF)上生成并执行对社会响应性的全身运动,其高层策略通过共享标记化表示对人与机器人的运动进行灵活序列建模,能在遮挡时预测伙伴动作;低层控制器负责执行生成的运动。
该研究提出一种基于颗粒堵塞和冷热液体热传导的触觉显示原型,实现了软度与温度变化的同时调控。机械评估显示可控刚度提升 300%,热表征表明表面均匀性良好且温度范围覆盖 10°C 至 50°C。闭环控制将设定值误差维持在 0.2°C,该技术适用于感知研究、医疗模拟及情感触觉领域。
SCALE 提出一种针对网络受限与异构任务截止时间的物理智能体实时潜在通信方案,通过匹配连续消息中的 token 相似度来复用信息并避免冗余传输。该方法在三个基准测试及蜘蛛机器人案例中显著提升了带宽受限网络下的任务性能与准时交付率。代码已开源供复现。
SLA 是一个从 pi05 策略初始化、利用冻结三维感知模型进行联合优化的空间语言动作模型,旨在将隐式空间对齐能力扩展至持续预训练阶段。该模型通过特征依赖门控自适应聚合多 VLA 层视觉嵌入,并融合部分深度与相机标定数据以支持异构机器人数据集的空间学习。所有辅助组件仅在训练时使用,允许直接复用预训练的 VLA 权重并保持原始推理架构不变。
MOMASPLAT 通过结合 3D Gaussian Splatting、前馈 3D 基础模型与基于运动学的动作重定向,解决了移动操作中因导航不确定性导致基座位姿变化而引发的视觉 - 运动策略失效问题。
论文提出 SHORE 方法解决在线三维装箱中的稳定性问题,结合 learned stability probability 与 on-policy return estimate。
针对现有康复系统仅预设运动学轨迹而忽视神经肌肉激活的问题,该研究提出一种可个性化的 Transformer 模型,将表面肌电信号映射为与末端执行器交互时的接触力轨迹。
推荐理由:该研究提出基于 Transformer 的模型,将肌电信号映射为康复机器人的接触力轨迹,在健康受试者实验中实现了低误差预测与即时推理。
该论文提出一种训练时的形状教师对齐机制,利用预训练的 3D 形状特征作为图像策略编码器的对齐目标,将几何结构转移至纯图像接口策略中。在 LIBERO 基准测试中,该方法使物体和空间套件的政策收敛速度分别提升 4.7 倍和 5.6 倍,同时提高了任务成功率,且部署时无需依赖形状教师或深度输入。
推荐理由:提出形状教师对齐方法,在 LIBERO 基准上加速策略收敛并提升成功率。
研究对比了三种控制分配器在 Crazyflie 软件环仿真中的表现,发现故障几何感知策略在剩余效率η=0.496时能实现117/120次安全首次接触着陆。该工作区分了电机条件选择与植物模型失配敏感性,为具身智能应急控制提供了可验证的算法基准。
论文介绍 RoboARCade 基准,旨在评测多模态智能体作为机器人策略(agentic robot control)在长程操作任务中的表现。该基准基于开源基准但放宽了初始条件范围,涵盖三种具身形态并在 MuJoCo 仿真后端运行。