Spatial-UMI-Dream:基于度量几何扩展世界动作模型以支持 UMI 灵巧操作
该论文提出 Spatial-UMI-Dream,这是一个 5B 参数的空间世界动作模型(WAM),在 605 小时 RGB-D UMI 数据上通过两阶段训练预训练,旨在联合预测未来 RGB、鱼眼对齐的度量深度及动作。
该论文提出 Spatial-UMI-Dream,这是一个 5B 参数的空间世界动作模型(WAM),在 605 小时 RGB-D UMI 数据上通过两阶段训练预训练,旨在联合预测未来 RGB、鱼眼对齐的度量深度及动作。
针对传统运动学模型假设的曲率剖面可能违背机械属性的问题,该研究提出了一种基于泰勒近似的多段剪刀式支撑结构。实验表明,集成该结构的腱驱动连续体机器人能抵抗非规定变形,显著提升了形状精度并防止在反向载荷下形成 S 形弯曲。通过机械约束可允许变形量,该方法减少了独立形状变量的估计数量,优于经典柔性背骨设计。
原力灵机宣布升级具身智能模型服务平台Dexmal MaaS,重点推出面向真实场景的后训练能力,支持SFT、DAgger和RECAP三类Pipeline。开发者可上传操作数据在云端完成训练并部署推理,缓解本体算力不足问题。平台提供DexOS Lite客户端与MaaS API接入方式,已在物流仓储等场景实现超99%的成功率及亚毫米级精度质检。
丰田汽车宣布设立专门的人形机器人部门“Toyota Robotics”,将其定位为与电动化并列的核心战略板块。新部门将于2027年1月正式运行,由执行役员兼首席生产官志贺武文兼任负责人。此次调整旨在利用其在汽车制造领域积累的自动化技术经验,加速推进人形机器人的关键技术研发及商业化落地。
极智嘉在 CeMAT 上展示了通用人形机器人 Gino 1、Gravity 具身模型及全仓智能软件平台,旨在构建端到端仓储解决方案。文章指出,利用世界模型进行动作预判与抗干扰可提升操作稳定性;结合多形态机器人协同与共享数据底座,系统能持续沉淀运营经验并自主进化,推动仓库迈向全天候无人化自主运营。
11月5日,由广汽集团孵化的慧仑科技与广汽动力业务单元(广汽动力BU)签署具身智能机器人生产合作协议,正式落地双方6月的战略框架协议。分工上,慧仑科技输出技术体系、工艺规范和全套生产物料;广汽动力BU承接整机总装、性能测试和成品交付,联合搭建万台级标准化产线。
光轮智能与宇树科技近日达成合作,结合光轮 SimFoundry 仿真底座、RoboFinals 评测平台及 RoboStack 部署反馈工具,围绕模型训练、能力验证和真实场景应用展开协同。双方将针对宇树机器人不同配置探索数据生产与训练机制,建立“部署—反馈—训练”持续迭代机制,推动具身智能规模化落地。
11 月 5 日第九届中国国际进口博览会上,博世展示智能辅助驾驶、AI 智能座舱及机器人触觉感知等技术。其欧洲本地化 ADAS 项目将搭载于奇瑞 6 款新车,计划 2028 年量产并五年内交付超 80 万台。此外,博世在上海成立电驱动技术方案中心,并于 2026 年初正式成立中国机器人中心布局具身智能数据采集基础设施。
Agility Robotics 作为首家上市的纯足式人形机器人公司,首日收盘报 11.49 美元,略高于 SPAC 交易初始价。尽管大盘下跌,该公司拥有超 3 亿美元 Digit 5 订单,预计 2027 年向早期客户交付。
Ambi Robotics 正为 Black Friday 等物流旺季做准备,其 AmbiSort B Series 系列系统通过自动引导、扫描及端到端分拣优化最后英里交付。公司将在八个设施部署新系统版本,并提前向东部枢纽站点增派备件以降低停机时间。此外,Ambi 利用 AI 模型分析工单数据辅助员工快速解决现场问题,同时保持核心支持团队由真人提供培训与故障修复以建立信任。
LeRobot 软件栈 v0.7.0 重构了安装、训练推理及硬件底层,移除 cu128 索引并升级 torch 至 PyPI CUDA 13 构建。新版本将环境配置重命名为*EnvConfig 格式,统一策略数据类型为单精度,并新增 FSDP2/HSDP 并行训练框架与 opt-in EMA 权重平滑功能。
美国人形机器人公司 Agility Robotics 于 11 月 4 日在纳斯达克通过 SPAC 合并方式上市,股票代码 AGLT,开盘后股价最高上涨近 80%。
Agility Robotics 于 2026 年 11 月 4 日完成与 Churchill Capital Corp XI 的合并并在纳斯达克上市,股票代码 AGLT。公司披露了约 4.65 亿美元的总融资额(含 PIPE 及信托账户资金),Digit 机器人已在九家客户设施累计运行超过 6.5 万小时。管理层表示正在探索轮式或其他形态的机器人以拓展消费级市场,并考虑向行业授权 IP。
戴盟近日公开了其从Daimon-Infinity中筛选出的TacClaw-Infinity触觉数据集,包含1万小时采集、100万条轨迹和10亿帧数据。该数据集支持无本体训练(Zero-Robot Transfer),在π0.5等模型上使花瓶擦拭任务成功率由50%提升至74%,且无需专用触觉架构即可利用现有策略。
推荐理由:戴盟公开TacClaw-Infinity触觉数据集及完整研究流程,验证了无本体数据在跨机器人迁移中的有效性。
企查查显示,原动力(深圳)智能有限公司近日完成工商变更,新增智元创新为股东,注册资本增至114.4419万元。此次认缴出资0.4419万元对应持股比例0.3861%,属于典型的“小额占位”式生态投资而非控股或并购。截至发稿,公开渠道尚未披露原动力智能的具体产品方向及业务协同条款。
XROGO 在 CeMAT ASIA 2026 正式发布“机器人到岗计划”,聚焦制造上下料及机房配电室巡检两类真实岗位。该计划采用“租赁服务 + 工人带教”模式降低部署门槛,联合伙伴共建解决方案以提升持续作业能力。XROGO 愿与全球生态携手,推动机器人在具体作业中接受检验并扎根客户场景一线。
开普勒宣布采用NVIDIA物理AI全栈平台,将Isaac Lab、GR00T和Cosmos等技术与自身工业机器人硬件及真实数据结合,推动具身智能从模型训练走向真实工业环境验证与产业化。在部署方面,依托Omniverse构建数字孪生,利用Jetson Thor实现端侧感知推理与控制,并采用GPU平台统一AI训练基础设施。
智元机器人将六台精灵 G2 投入上海徐汇便利店进行 24 小时全栈验证,累计完成 1730 项任务。其中“迎宾员”阿豪、“理货员”火宝等四台成功转正,“补货员”倦王和“保洁员”冷姐因主动性与边界控制不足暂未转正。
同一新闻,精选展示《六台智元 G2 机器人完成上海便利店 24 小时实测》
论文介绍 Warp 方法,利用上下文条件化的单调双三次样条对冻结基策略的样本进行紧凑变换,在保持维度排序的同时实现非线性重塑。研究涵盖 ManiSkill 四项任务及物理 SO101 销钉插入实验,结果显示该方法在演化策略优化下恢复能力最强,且在限制交互次数的强化学习流程中,相比强随机残差方法将成功周期时间中位数减少约 30%。
论文提出了 PS2-RL 框架,旨在解决传统方法在提供形式化安全保证与可扩展性之间的权衡问题。该方法利用学习到的备份策略在线生成隐式控制不变集,无需显式计算不变集即可实现快速恢复和端到端训练。理论分析表明该框架可应用于任意现有强化学习算法,并在高达 10 维状态空间的机器人控制任务中验证了其性能与安全性。
研究团队利用超材料物理在刚性板上构建谐振器晶格,克服了传统波介导显示的分辨率限制。该系统仅由八个外围致动器驱动,即可在任何表面位置生成具有厘米级分辨率的局部触觉虚拟像素。四组感知实验显示,参与者对瞬态与持续振动的多像素图案定位、探索及辨别准确率介于 95.3% 至 100% 之间。
论文提出 FLAG(Flow policy with Latent-Augmented Guidance)方法,旨在解决高维动作空间中重要性加权监督学习易发生权重崩溃的问题。
该研究利用 YOLO11n-OBB 检测器与 ArUco 参考位姿,使固定顶置相机下的约 200 美元 Waveshare RoArm-M2-S 无需腕部旋转即可分拣任意朝向的书写工具。
针对高质量遥操作数据集收集成本高且硬任务方向性不对称的问题,本文提出一种通过时间反转易任务来辅助硬策略学习的框架。该方法包含闭环数据采集、分层数据清洗(利用运动学先验和评论家引导的优势过滤)以及迭代策略学习三个核心组件。在两个仿真基准和真实机器人实验中,该方法在不依赖大量硬任务遥操作的情况下,相比基于反转和强化学习的基线方法,显著提升了复杂高精度操作任务的成功率并提高了训练稳定性。
推荐理由:提出利用逆向易任务轨迹作为监督信号,通过闭环采集与分层清洗降低硬任务遥操作成本。
AutoDex 是一种无需持续人工操作的灵巧抓取数据采集系统。该系统利用生成的抓取候选方案进行规划与执行,通过多视角物体跟踪处理手物遮挡下的标注,并利用残差扭矩碰撞监测及姿态导向复位实现闭环运行。
针对扩散基视觉语言动作模型存在的虚假视觉依赖和随机动作生成问题,作者提出无需训练的 Selected Diffusion Noise 方法。该方法将扩散噪声作为可控自由度,先利用反事实负样本集过滤候选动作块,再基于 JerkRMS 选择运动学最稳定的块。实验显示在三个 VLA 策略上,仿真与真实环境中的性能分别提升 8-10% 和 18.33%,有效改善了落地可靠性。
论文提出 InDex 框架,旨在解决预训练视觉语言动作(VLA)模型因平行夹爪接口而隐含多指接触协调的问题。该方法利用归一化孔径信号监督标量抓握意图,并分两阶段学习同步末端执行器 - 意图块及基于扩散的手部解码器。
该论文提出 Back to the Familiar Future (B2FF) 框架,旨在解决视觉语言动作(VLA)策略在操作过程中偏离名义轨迹的问题。该方法利用初始观测生成熟悉的未来状态库,并在检测到失败时通过可恢复性感知选择器选定里程碑作为固定视觉目标,从而将离轨观测映射回熟悉空间。
论文 AcroRL 提出一种基于强化学习的框架,通过调制恒定参考轨迹实现四旋翼的紧凑位置约束倒飞,同时兼容传统轨迹生成与跟踪。该方法在 JAX 仿真中相比最强优化基线将位置均方根误差降低 32%、稳定时间缩短 57%,硬件实验在多偏航角配置下成功完成倒飞且位置 RMSE 低于 0.35m,并开源了实现代码。
该图基概念建模框架通过整合功能建模与图论表示,明确表征人机系统中集体工作的关系及环境结构以支持早期协同策略探索。案例研究在灾难机器人领域展示了其如何识别支持灵活管理协调开销的协作能力,从而在设计实施前显式分析协调需求的时间演变。论文当前处于 IEEE Transactions on Human-Machine Systems 审稿中,提供 12 页正文与 5 幅图示。
针对软体机器人高维非线性动力学建模难的问题,本文提出一种不确定性感知的主动探索框架,自主学习任务无关且可泛化的动力学模型。该方法在连续臂、流体中的关节鱼和肌肉骨骼腿等三个仿真平台及真实气动连续臂上进行了评估。相比随机探索和任务特定基线,通过主动收集信息量大的数据,实现了更高的建模精度,并在未见任务中获得了更高的零样本控制回报,同时在感知噪声、执行延迟和材料非线性下表现鲁棒。
该论文提出了 MARLIN 框架,通过大语言模型在多机器人系统中提供高层规划并指导策略学习。系统利用语言模型进行机器人间的行动协商以生成计划,并在训练中动态切换强化学习与语言协商模式以提升探索效率。研究在仿真和物理机器人上进行了评估,结果显示该方法在早期训练阶段表现更佳且对最终性能影响有限。代码已开源。
该论文提出通过迭代强化学习实现通用机器人策略在部署阶段的在线自我改进。研究构建了结构化评估体系,系统验证了算法设计选择(如价值估计、策略提取与资源分配)的有效性。结果表明,正确的配方不仅能提升多任务性能,还能增强对未训练任务的泛化能力,且训练任务分布与基于价值的强化学习是实现这一泛化的关键条件。
Fluidic Body 是一种让操作者像使用手一样控制蜂群机器人的系统。通过在虚拟空间中建立手与蜂群间的流体映射,用户通过简单的手部动作(如张开或握紧)即可改变蜂群的物理属性:张开时蜂群变软以绕过障碍,握紧时蜂群变硬以推动物体。
针对脑控机器人中解码器评估忽略序列性的问题,本文将其形式化为部分可观测马尔可夫决策过程(POMDP),证明存在由最坏对数 Chernoff 信息决定的遗憾相变。研究推导出闭式遗憾预测器 U_id,在真实 EEG 数据上揭示了准确率相同但遗憾差异巨大的病理陷阱,为传感器与解码器选择提供诊断工具。
论文提出了 cuRoboV2-Fast,这是一种 GPU 加速的规划器,旨在降低无碰撞、感知负载且受扭矩限制的运动规划的延迟和执行时间。该方法利用 B-spline 轨迹优化减少迭代次数,并通过加速机器人计算和可微逆动力学适应变化的负载。
该论文提出了 HALO 系统,利用程序化生成的千个虚拟家庭合成视觉 - 语言 - 动作数据以解决人形机器人训练的数据瓶颈。HALO 习得了坐椅子、导航至命名物体、侧身过门等技能,并能编排这些技能完成复合长周期任务。系统在从未见过真实家居的训练下实现零样本迁移,在六个未建图的真实环境中进行了 360 次试验,成功率为 91%。代码与视频已公开。
推荐理由:HALO 系统通过程序化生成合成数据实现零样本迁移,在六个未建图真实环境中达到 91% 成功率。
该论文提出 VABAR(Variational Automation Benchmark for Agentic Robotics),旨在评估代理机器人在物体形状与姿态变化下的可靠操作能力。
该研究在机器人操作仿真中评估了代码策略代理利用执行反馈进行重试的效果。结果显示,固定的查找表选择反馈模板与重采样方法在恢复成功率上相当(Qwen2.5-Coder-7B 在五轮重试内分别达到 85.3% 和 68.3%),且固定任务引导也能实现类似的恢复点估计。
该研究提出了 Open-HumanScale-50K 数据集及 Open-HumanWAM 模型,这是首个将以第一人称视角的人类视频预训练规模扩展到 5 万小时的完全开放方案。
推荐理由:原文给出了基于5万小时人类视频预训练的开放配方与实验结果,相关团队可据此复现并验证纯人类数据在机器人策略学习中的缩放规律。