Eureka Robotics 发布物理 AI 视觉引导机器人,实现从数月到数天的部署提速
Eureka Robotics 推出基于数百万零件预训练超模型的物理 AI 系统,支持零样本抓取与边缘计算本地推理。该系统兼容多品牌机械臂并具备容器化离线更新能力,可将工厂部署周期从数月缩短至数天,同时保障数据控制权与低延迟运行。
Eureka Robotics 推出基于数百万零件预训练超模型的物理 AI 系统,支持零样本抓取与边缘计算本地推理。该系统兼容多品牌机械臂并具备容器化离线更新能力,可将工厂部署周期从数月缩短至数天,同时保障数据控制权与低延迟运行。
2026 年 11 月 18 日举行的 webinar 由 inVia Robotics、Gideon 和 Ambi Robotics 三位创始人共同解析 AI 对供应链机器人的变革。
Boston Dynamics 通过 Spot 机器人与 Orbit 平台整合 PLC、SCADA 及自主移动机器人(AMR)等多源数据,利用 Google Gemini 视觉能力识别滴漏管道等动态隐患。客户利用 MCP 层构建每日定制简报或触发自动巡检,将设备故障预测与运营决策速度提升至自动化水平,有效消除传统人工整合数据的延迟瓶颈。
GlobalFoundries 将成为首家在汽车行业之外测试 Boston Dynamics Atlas 人形机器人的客户,双方计划于 2027 年初开始合作,探索其在半导体制造任务中的应用。
蚂蚁灵波举办首届具身大模型挑战赛决赛,15 支队伍在 48 小时内完成数据采集、模型调优及真机部署。冠军团队 TARS(平均年龄 25 岁)选择从零手搓新数据并夺冠;华中科技大学 EVA 队通过递归自我改进方案获二等奖;天津大学 SST 队利用倒放视频标注技术获二等奖。比赛揭示了硬件适配与跨任务泛化的工程挑战,蚂蚁灵波现场发布开发者生态计划以支持模型落地。
海康机器人在 CeMAT 展会发布明智系列单体智能机器人,将感知、决策与执行集成于本体,实现最快 30 分钟投产。该产品面向汽车、锂电等行业的局部工序搬运,约九成场景无需额外工程介入即可直接上线使用。此前该系列已在汽配零部件车间等中小制造企业开展试点,部分客户在单点验证后主动扩大应用范围。
文章探讨了人形机器人“大小脑”(感知决策与运动控制)计算平台的架构选择趋势。中科慧灵等厂商坚持采用AMD双处理器实现物理隔离,以保障实时性、资源独立与安全降级;而维他动力、星尘智能及优必选则推动单SoC算控融合方案,旨在缩短数据路径、减少硬件冗余并降低开发复杂度。
该研究通过仅替换首模型排名精英集为环境排名精英集的固定状态干预,使 Walker/Cheetah 任务中选定序列的实现追踪成本在所有 12 个种子单元均降低。跨 32 项任务的 52 个冻结 TD-MPC2 检查点对比显示,在改进显著的 10 个检查点上平均收益为 67.8 分(95% CI [31.9, 103.6]),其余 42 个仅提升 0.2 分。
针对多步环境交互中单点错误导致状态改变且经验丢失的问题,提出 Rollback-Induced Reflection (RIR) 框架。该方法将可靠恢复定义为联合决定干预时机、恢复位置及保留信息的边界控制问题,在回滚至选定先验状态的同时,蒸馏废弃轨迹中的可复用知识以指导后续决策。实验表明,该结构化反思记忆与选择性回滚机制能提升多个 LLM 骨干网络在长程基准任务上的平均性能。
本文针对传统偏好学习中教师作为被动预言家的局限,提出利用二阶心理理论(ToM-2)让学习者主动生成理解陈述来修正教师的知识模型。研究在仿真环境中对比了不同教学策略,发现当存在多教师交替导致的模型漂移时,ToM-2 方法能有效减少漂移并恢复学习效率优势。该工作包含人类受试者实验,结果显示 ToM-2 陈述能提升学习者的最终对齐度。
该研究提出参数依赖线性矩阵不等式(LMI)框架,解决受乘性车轮滑移影响的非完整移动机器人轨迹跟踪问题。在 Kanayama 坐标下,该方法在半全局球域(σ_bar = 0.10)内实现指数衰减与 H-无穷范数增益优化,并在±50% 滑移比工况下较固定增益基线保持稳健性。论文包含 23 页、18 幅图及 50 个参考文献,预印本已上传 arXiv。
该研究提出了一种针对未知洋流下欠驱动非最小相位水下滑翔机的三维轨迹跟踪观测器辅助控制架构。RE MUS 仿真在三种轨迹和四种洋流场景下,将有效顺航扰动降低 89-96%,平移残差减少约 99%,均方根跟踪误差从 4.04 m 降至 0.24 m。论文包含 31 页及 15 幅图,已上传至 arXiv 并收录于 Ocean Engineering 期刊。
该研究提出迭代最佳响应(IBR)策略,解决无人机在通信受限与不确定环境下的城市级包裹配送任务分配问题。实验显示,相比最早截止期优先、匈牙利算法及随机冲突基线分配,IBR 在满通与稀疏通信下均实现具有竞争力的完成率且计算耗时更低。论文包含 8 页正文与 6 张图表,代码与权重暂未提及开放许可。
作者提出了一个基于 GPU 的求解器,用于解决轨迹规划问题。该方法采用多射击动力学表述和增广拉格朗日法处理约束,并开发了两类针对树稀疏结构的内层 LQR 求解器以利用不同级别的并行性。数值结果表明,与高性能 CPU 求解器相比,该方案在大规模问题上具有更优的性能。
针对家庭环境服务机器人部署难题,研究提出基于商用 XR 笔的增强现实控制界面,并对比了运动控制器、手势及 RViz 基线。10 人实验显示运动控制器在感知工作量和可用性上得分最佳且接近计算机基线,而手势操作导致显著更高工作量;XR 笔虽任务选择时间最短但受头显切换至手部追踪问题影响未达统计显著性。该研究已获准于 2027 年日本神户 IEEE/SICE 系统集成国际研讨会展示。
该论文提出 PRIME 方法,通过跨注意力机制聚合过去感知、推理及导航目标的潜在表示,为 VLA 模型提供情境记忆反馈,使其感知查询具备意图驱动性。实验显示,该方法在基准测试中实现了 82.47 的驾驶得分和 60% 的成功率,显著优于现有基线。材料仅包含预印本摘要与元数据,未涉及真实部署或开源代码。
推荐理由:PRIME 通过引入情境记忆嵌入机制,以极小参数成本实现了感知模块的意图驱动注意力,在 Bench2Drive 基准上刷新了 VLA 模型的驾驶得分与成功率。
针对 VLA 策略在长视野执行中因物理条件未达成而盲目推进导致任务失败的问题,本文提出 CommitFlow 闭环执行框架。该框架冻结基策略,通过语义承诺监控(SCM)比对阶段要求与当前状态证据以阻止违规动作,利用边界流(BoundaryFlow)生成基于当前状态的局部修正,并通过关系增益校准(RGC)选择满足约束的最小修正强度。
OpenRoIS 是一个由社区驱动的开源中间件,实现了 OMG 标准化的 Robotic Interaction Service (RoIS) Framework 2.0。
论文介绍 Navi-Agent,这是一个零样本连续环境视觉语言导航(VLN-CE)智能体。它从视觉观测和运动历史构建无坐标的空间状态,以导航拓扑图组织节点与边,支持基于观测的近似自定位、任务进度验证及视觉重访恢复。实验表明该方法在几何受限基准中达到最先进水平,且性能可与依赖几何定位的方法竞争。材料为 arXiv 预印本,未提及同行评审或具体部署结果。
针对当前视觉语言动作(VLA)模型在密集视觉输入下易受视觉捷径干扰而偏离人类目标的问题,论文提出 HINT 框架。该框架借鉴人类操作原理,仅在模式转换时进行稀疏语义推理以解决子任务与目标,随后通过多视图定位和视觉跟踪维持承诺。
针对低空无特征海床导致的尺度模糊与惯性 -DVL 融合无法修正漂移的问题,该研究提出将物理交互作为几何约束的接触辅助因子图定位框架。实验在水箱、港口及仿真环境中验证,该方法相比滤波导航和无接触图方案显著降低轨迹漂移并提升物体复访精度。系统支持在线初始化,利用吸盘操作器接触事件构建高置信度因子以隐式实现闭环,无需外观识别即可稳定估计状态。
该数值研究针对平面三自由度、三缆索下肢康复机器人模型,评估了围绕名义计算力矩控制的有界深度确定性策略梯度残差修正效果。在典型综合不确定性与扰动工况下,笛卡尔均方根误差从 0.0221419 m 降至 0.0128462 m(约降低 42%),但另一圆形参考轨迹中关节限位违规样本数却由 44 增至 101。
Jingwen Li 等人在 arXiv 发表论文《Communication in modular robotic motor control: Bilateral controllers under realistic constraints》,在双机械臂肌肉骨骼模拟器中对比了单体控制器与引入可学习延迟通信通道的双侧模块化架构。
针对富接触操作任务中传统检测器反应滞后的问题,本文提出了 ContactGuard 系统。该系统利用未标记的机器人轨迹训练出动作条件的潜在视觉嵌入预测器,无需像素级视频预测即可在接触前评估未来后果。
Siliang Lu 撤回的论文提出一种结合物理预测安全过滤器的课程学习控制器,旨在解决状态基车辆控制任务中传统方法参数校准繁重及学习法缺乏安全保证的问题。研究在 Python-CarSim 平台上验证了该方法在不同机动下的改进效果与可扩展性,但因贡献不足未进一步投稿期刊或会议。
该论文提出 GRACE 方法,通过结合扩散模型与 MPPI 控制实现无需梯度的机器人动作引导,解决了碰撞检查等不可微约束难以优化的问题。在仿真环境中该方法优于扩散和采样基线;在真实 7 自由度机械臂实验中,GRACE 达成 45 次任务中的 43 次成功且无碰撞,而未经引导的基准方法仅成功 17 次。代码与实验视频已公开。
该论文介绍了 WarpMPC 工具箱,旨在通过数值优化最大化 GPU 上解决大规模(10,000 至超过 100,000)序列二次规划(SQP)迭代的吞吐量。所有问题具有相同结构时,利用时间、成本和约束的稀疏性共享特性,提出展开稀疏线性分解和求解方法,主导交替方向乘子法(ADMM)求解器运行时间。
论文介绍 MorphQuad 一种可变形态四旋翼飞行器,通过独立关节化的转子系统与新型控制推力分配算法,实现任意方向最大推力矢量输出与几乎全域稳定性。硬件保留平面结构并消除控制奇点,支持连续多圈旋转、阀门转动、抓握按压等超人手力级操作及抗风恢复能力。材料为预印本论文,未报告真实场景部署结果或商业化状态。
推荐理由:提出可变形四旋翼架构与闭环控制算法,实现任意姿态飞行、超人手力级操作及抗风恢复能力。
本文介绍了一种具有可证明鲁棒性的 Transformer-Actor-Critic 模型预测控制(MPC)架构,利用历史感知序列模型塑造局部优化并维持严格的物理安全保证。
论文提出了 VANDERER 框架,旨在解决移动智能体在无地图环境下的自主探索问题。该方法利用单目图像数据,通过视觉好奇心模块(VCM)预测导航世界模型中的动作结果并计算好奇心成本,以此引导预训练的扩散策略生成最大化探索效率的动作。实验表明,该框架在多种仿真环境中表现优于前沿搜索等基线方法,实现了 2.3 倍的探索效率提升,验证了视觉与几何好奇心在户外环境中的关联性。
该论文提出了一种针对扭矩控制机械臂的紧凑型无偏交互误差模型预测控制(MPC)方法。该方法基于操作空间抵消原理,将交互建模为可预测量,利用力域随机游走状态估计持久交互与模型误差,并通过 30 变量凸二次规划映射修正。
推荐理由:作者提出一种面向力控机械臂的预测性交互误差 MPC,在仿真与实物 UR5e 上验证了其对持续负载的无偏跟踪能力。
论文介绍 Simulation-Informed Diffusion(SID),一种基于约束感知扩散模型的去中心化框架,通过模拟邻域机器人的未来轨迹来指导自身规划并仅在拥堵时触发协调。实验显示该方法在规划有效性和约束满足上优于基线,可扩展至 108 个机器人和 160 个障碍物的场景。材料为 NeurIPS 2026 论文,链接指向 arXiv 预印本。
针对异质机器人在未知环境中受限于感知、通信和计算能力的挑战,本文提出一种由主机器人领航、移动传感器(如无人机)辅助的协作框架。该框架利用提出的β稀疏高斯过程模型,在带宽约束下在线决定传输哪些地图区域及执行何种导航动作,同时预测未探索区域。仿真结果表明,该方法相比无通信基线将累积路径成本降低约35%,相比全信息高斯过程基线减少94%的传输信息量,并验证了基于预测的地图预测及任务相关区域选择的优势。
针对现有机器人模仿学习策略仅依赖当前或短时观测、难以解决长时程任务中历史依赖性模糊的问题,本文提出 DSSP 方法。该方法利用状态空间模型(SSM)的连续序列建模特性构建历史编码器,将完整观测流压缩为紧凑上下文表示,并通过动力学感知辅助目标优化以保留未来状态演化关键信息。
推荐理由:提出全历史编码的扩散状态空间策略,在仿真与真实操作中实现更小模型尺寸下的最先进性能。
针对标准世界动作模型在视角或布局变化时性能骤降的问题,该研究提出 OA-WAM,通过固定于回合的身份地址定位对象并读取其状态变化。模型在预训练多模态主干的每一层中,物体槽位键仅依赖地址和帧位置,值携带当前状态;同一地址同时索引动作指针和逐对象预测,可触发重定位。
LLM-Flax 利用大语言模型为 Flax 规划流水线自动生成规则、处理故障并评分物体,在 MazeNamo 等八个设置下使平均成功率提升约三个百分点。该研究通过离线生成与运行时引导验证了可复用规则的效能,同时指出信息质量与推理效率是主要挑战。论文已提交至 arXiv(编号 2604.26569),代码与权重暂未提及开放许可。
该研究针对连杆绕髋关节平衡的平面类线性双足机器人,推导了含膝部的 6-DOF 运动方程并设计控制系统。数值模拟证明未来状态计算与行走性判定可在忽略不计的时间内完成,且通过迭代计算实现了瞬时判定。论文已接受将在 IEEE ICRA 2026 发表,修正了参考文献作者名及公式笔误。
针对模块化可重构机器人因定位误差导致刚性主动耦合失效的问题,研究提出一种无需力传感器的自对齐工具更换器。该装置利用等腰三角形导引槽和倒角壁产生被动对齐力,实验证实能容忍±20度旋转偏差及7毫米横向偏移。相关论文已上传至 arXiv 并包含代码与数据开放许可。
针对模块化机器人可拆卸关节承受大载荷的问题,本文提出基于 NSGA-III 的多目标步态优化框架,以移动速度、静态稳定性和归一化关节负载为三个优化目标。仿真显示加入关节负载目标后,最大关节反作用力降低 11.5%,最小稳定性提升 41.2% 但前向速度下降 10.5%。
针对人机协作中人类策略随 AI 行为动态调整的挑战,本文提出 NestRL 方法,将任务建模为交互式部分可观测马尔可夫决策过程(I-POMDP)。该方法通过在各级别对自适应智能体进行联合训练,使智能体学习有限层级 I-POMDP 的解,从而避免收敛于仅适用于特定搭档的不透明协调策略。