逐际动力更新开源工程底座 FluxVLA Engine V2 技术报告
逐际动力更新了开源工程底座 FluxVLA Engine 的第二版技术报告,重点补充了在线强化学习后训练实验、仿真评测扩展及真机部署验证。报告显示,在仿真侧支持多种策略接入 LIBERO 闭环评测;推理端针对多组模型与设备组合的实测显示,优化后的推理频率提升显著。
逐际动力更新了开源工程底座 FluxVLA Engine 的第二版技术报告,重点补充了在线强化学习后训练实验、仿真评测扩展及真机部署验证。报告显示,在仿真侧支持多种策略接入 LIBERO 闭环评测;推理端针对多组模型与设备组合的实测显示,优化后的推理频率提升显著。
2026年10月27日,由中冶建筑研究总院国家钢结构质量检验检测中心与北京小雨智造科技有限公司共建的“工业具身智能焊接与检测技术联合实验室”正式揭牌。仪式上公布了首个客户案例:在老牌国企北泡轻钢车间,12台小雨未来机器人已投入日常作业,月产能提升30%,同等焊接质量下综合成本降低49%。该实验室旨在将智能装备工艺研发与国家级权威质量验证打通,推动具身智能从概念向工业级基础设施转变。
在2026智元创新日主论坛上,智元联合创始人彭志辉公布公司最新经营与量产进展:今年9月完成第2万台具身智能机器人下线,2026年上半年整体营收接近20亿元。智元具身智能机器人已覆盖工厂、酒店、零售等多类线下场景,承接产线上下料、游客接待等真实工作任务。
来自上海人工智能实验室、浙江大学和上海交通大学的研究人员构建了一个包含 100 小时人类活动数据的新数据集,用于训练人形机器人的移动与操作协同能力。该系统集成了头戴式 GoPro HERO13 摄像机、VIVE Ultimate 追踪器及 MANUS Metagloves 等传感器,能记录佩戴者视角视频、身体动作重建、手指动作和触觉数据。
延锋国际与国地中心达成战略合作,共建汽车行业具身智能场景数据中心与训练示范场。双方通过双向授牌建立分工:国地中心的异构人形机器人“麒麟”训练场及 OpenLoong 开源社区技术成果导入延锋制造场景验证迭代;延锋的场景需求、数据资源及标准化产线开放协同研发。合作旨在打通创新链,推动具身智能从演示走向真实工业现场,利用汽车制造高节拍与高可靠性要求探索规模化落地路径。
矩侨工业近日完成由蚂蚁集团领投的亿元 A 轮融资,资金将用于扩大织物电子皮肤生产及推进触觉技术研发。该公司已服务超 400 家客户,其中具身智能领域超 200 家,触觉手套累计交付近万只。其新一代“皮肤 2.0
超进化智能(HyperVolve)近日完成由蓝驰创投领投的数亿元天使轮,资金将用于算力基建与团队扩充。公司创始人陈恺依托 OpenMMLab、书生及司南等过往成果,致力于研发具备元研究能力的“超级研究员大脑”。其核心路径 RSI 聚焦模型层参数自更新,旨在推动大模型从辅助工具转向自主提出假设并持续迭代的新阶段。
宇树科技(688836)于10月28日发布上市后首份财报。前三季度营收18.17亿元同比增长55.71%,主要得益于G1机器人累计下线约1万至2万台;归母净利润3.87亿元同比大增270.54%,但剔除去年同期股份支付影响后,扣非净利润同比下降18.78%。
针对轨迹级 GRPO 训练中重复执行已掌握前缀及低效探索的问题,本文提出两阶段自适应框架。首先利用成功专家轨迹构建可复用中间检查点并基于动作分歧选择关键节点;第一阶段在节点处进行单步强化学习以改善局部决策;第二阶段随任务进展逐步扩展策略责任范围。实验显示该方法在 MobileGym 和 CUA-Gym-Hub 上相比基础 GRPO 减少环境交互 56-61% 并提升性能,相关预印本已公开。
智元今日发布 GO-3 Preview 具身基础模型,该模型支持从预训练、后训练到部署后的全生命周期学习,并在 RoboDojo、RoboTwin 和 RoboColiseum 三项主要具身智能基准测试中获得第一名。
推荐理由:智元发布 GO-3 Preview 预训练模型,在三大基准测试中位列第一,并开放全生命周期学习架构与仿真工具链。
论文针对具身智能模型的物理环境任务泛化挑战,提出 WorldBridge 架构,通过视频预测与动作桥接实现任务迁移。实验显示,在 RoboTwin 2.0 上仅用分布内监督成功率为 25.07%,加入无标签视频提升至 55.90%,再增加少量带标签演示可达 70.70%。该方法结合视觉记忆与动作强制机制,在多个操作基准测试中达到当前最佳性能。
推荐理由:该工作提出 WorldBridge 架构,通过视频预测与动作桥接实现任务泛化,在 RoboTwin 2.0 等基准上达到 SOTA。
论文介绍 CaPtain,这是一个开源的后训练流水线,旨在将小型开放视觉语言模型(VLM)转化为无需依赖大型闭源模型或预训练 VLA 的代码策略机器人代理。该方法首先通过合成轨迹进行监督微调对齐基座模型,随后应用多回合强化学习,并引入读取仿真特权状态的物理评论家来分配信用。
推荐理由:该工作提出 CaPtain 流水线,利用物理评论家解决多回合强化学习的信用分配难题,将小模型在仿真与真实机器人上的成功率提升至超越前沿水平。
2026年10月20日,舍弗勒在太仓正式启用具身智能机器人数智工厂。该工厂将关节模组装配产线与机器人训练、数据采集及数字孪生系统连接,利用真实产线验证机器人技能与工艺。
宇树科技发布 2026 年第三季度报告,这是其上市后的首份成绩单。报告显示,前三季度营收 18.17 亿元,同比增长 55.71%;归母净利润 3.87 亿元,同比增长 270.54%。
四川红旗连锁于 2026 年 7 月终止与机器人公司合作的无人售货系统研发项目。该项目启动 16 个月后宣告失败,主要原因为机械臂在密集货架面对异形商品时抓取失误率高、稳定性不足,且视觉系统在复杂光照下易出现偏差。尽管样机预计 5 月下线,但实验室环境与实际场景差异巨大,导致系统暂未达到大规模商业化落地标准。
保隆科技电感式编码传感器荣获"2026最佳技术实践应用奖”,该产品已定点用于人形机器人关节模组,实现100%磁免疫且厚度仅为传统方案1/3。公司同时斩获"2026最佳出海实践奖”,其泰国工厂已于2026年实现量产,匈牙利欧洲制造中心二期完成产线调试。
10月28日,宇树宣布与红杉中国共同成立“杉宇・创计划”,专注于发掘和投资具身智能、机器人应用及其上下游关键技术等早期项目。该计划主打“工程师 + 投资人”双重视角,由宇树提供技术认知和工程指导,红杉提供全链条资本和投后服务,旨在支持创业者从原型机起步打造可规模化产品。双方合作已从单纯的资本加持升级为深度的产业协同。
禾赛科技宣布布局机器人运动引擎与三维世界数据引擎,旨在构建物理AI时代的基础设施。动力模组体积缩小37%、功率密度提升3倍,已赋能Sharpa灵巧手并进入英伟达参考方案;Kosmo系统可同步生成多种三维形态,在DQ冰淇淋门店部署中使任务成功率提升至99%。截至2026年第二季度末,禾赛已累计交付动力模组超1万套,正从激光雷达公司向物理AI基础设施公司转型。
推荐理由:原文披露了动力模组与三维数据引擎的具体性能指标及在真实门店的部署效果,为评估其技术成熟度提供了参考。
无界动力发布并开源了端侧 7B 参数、完整预训练的 MWA™-Phoenix 隐空间世界模型基座。该模型在 LIBERO-Plus、LIBERO-Pro 及 RoboDojo 真机榜等六项评测中位列榜首,其中 LIBERO-Plus 总体成功率达 94.63%。
同一新闻,精选展示《无界动力发布并开源MWA™-Phoenix隐空间世界模型基座》
杭州灵颜科技近日完成种子轮及种子+轮融资,资金将用于产品迭代与算法平台建设。公司采用线驱技术实现面部 32 个自由度(年底计划推出 46 自由度版本),交互延迟控制在 10 毫秒以内。目前 B 端已获杭州商旅、头部通信公司及多家连锁咖啡品牌青睐,主要用于景区导览和前台接待场景。
北京中科慧灵机器人技术有限公司近日完成数亿元A++轮融资,资金将用于产品量产与技术研发。公司依托中科院自动化所背景,构建了“本体+具身大脑+灵巧手”全栈体系,其中具身大模型CAS-brain及轻量化感知—动作模型CASBOT PA计划于2027年下半年开源。
智元发布具身Agent框架Genie Master,将Physical RSI(具身递归自进化)应用于真实便利店业务流。该框架通过EEP协议连接推理与执行,利用Harness RSI积累提示词经验、Policy RSI更新动作策略模型,使机器人在无人在环状态下自主分析失败原因、调整策略并沉淀长尾场景经验。智元计划于11月2日开展6台精灵G2机器人连续上岗的24小时直播考核。
推荐理由:智元发布Genie Master框架,在真实便利店场景验证Physical RSI机制,支持机器人自主诊断问题、调整策略并积累长尾经验。
RoboParty正式发布全栈开源人形机器人RP1,提供从机械结构、电气系统到底层控制与仿真训练工具的全套资源。RP1拥有24至30个自由度,搭载自研ROMOMO关节模组,公开URDF及网格模型等资源,并开放hhtools动作重定向等开发底座,旨在降低硬件适配门槛,支持开发者深入研究与修改底层技术。
推荐理由:RoboParty发布全栈开源人形机器人RP1,开放从机械图纸到运动算法的底层研发链路。
深圳水下机器人公司潜行创新宣布完成近亿元C+轮融资,投资方包括深圳市广聚投资控股(集团)有限公司、浙江云创启真等机构。本轮资金将用于水下具身智能核心技术研发及产品迭代,推动其行业级ROV、消费级水下无人机等产品在全球130多个国家和地区实现规模化应用。
该论文针对模仿学习中所有演示状态被同等对待的问题,形式化了状态关键性的定义,即专家动作的微小扰动导致的下游价值最坏情况退化。作者提出了 SCRIM 方法,通过训练对抗干扰策略和价值评论家来估计每个演示状态的关键性得分。
针对多无人机协同运输中的稳定性与鲁棒性挑战,该工作提出一种紧凑型定制力传感器及张力感知外环控制架构。通过静态动态测试验证了传感器的线性度等性能,并在位置不确定性的仿真与室内实验中证实了其在抗干扰与协调方面的优势。相关实验视频已公开,论文为 IEEE Robotics and Automation Letters 预印本版本。
本文提出并验证了机器人面对未知物理条件进行诊断以改善行为的六个必要顺序条件:有意义的参考、可识别性、证据使用、决策价值、相对于固定替代方案的选择价值以及安全实现。
针对高维非线性系统的安全证书合成难题,本文提出一种离散时间神经可达性框架,利用贝尔曼 - 伊萨科斯值传播学习向后可达管与避障管。方法结合方程驱动的自监督与结构化策略学习,通过无梯度值探测构造近似教师动作,将对抗优化转化为监督学习,并利用窗口化时序课程稳定长视界价值传播。
该论文针对持久目标监控场景下的多机器人信息路径规划问题,提出了一种基于网格的时空高斯过程卡尔曼滤波框架。该方法将匿名目标存在表示为离散工作空间上的单一隐式场,而非每个目标单独建模;通过递归更新融合足印级相机测量值,支持任意视场和范围相关噪声,并利用高斯过程导出的时间进程更新以处理移动目标的不确定性增长。
针对视觉难以区分明确取物意图与偶然接触的挑战,该研究提出一种多模态方法,耦合视觉语言动作(VLA)模型与顺应控制器以降低交互力。系统通过 RGB 图像、时序触觉反馈和本体感觉进行微调,并在人体受试者研究中证明其优于无触觉或无控制的基线方案。
该论文提出了一种语言驱动的导航框架,使移动机器人能够理解自然语言请求并自主导航至目标位置。系统由模块化 ROS 2 组件组成,能识别环境中的目标物体、利用 RGB-D 数据估计其位置并生成导航指令,最终通过 ROS 2 Nav2 栈执行。
本文提出利用大规模抓取数据集支持机械臂在工具使用中的功能性灵巧性,而非仅限于抓取生成。研究构建了一个包含 35.5 万条轨迹的抓取预训练数据集,结合分层模仿学习框架对底层控制器进行预训练和微调。
针对人类演示质量不一致的问题,论文提出 LOPAL 方法,利用高斯混合模型编码轨迹及其局部质量评估,并通过共享自主机制在数据缺失区域请求用户修正。该方法在仿真与真实世界管道检测实验中均有效,实现了最高 27.31% 的性能提升并减少了数据采集努力。材料已接受 IEEE RAL 发表,预印本链接为 arXiv:2606.16888。
FTP-1 是首个通用的触觉基础策略,旨在解决现有触觉策略依赖固定本体和传感器的问题。该模型通过异构编码器将图像、阵列及状态信号投影为统一的形态感知潜在 token,并由共享触觉 Transformer 专家联合建模。
推荐理由:FTP-1 是首个跨传感器触觉基础策略,在 26 个数据源预训练后,未见过的传感器也能提升接触丰富操作的成功率。
FAWAM 是一种将力信息融入感知、预测与闭环执行的力感知世界动作模型。该方法通过编码历史六轴力/扭矩信号调节动作生成,联合预测未来动作与末端 wrench 以显式建模接触演化,并引入残差修正模块利用预测轨迹在线优化实时力反馈下的动作。在多个接触丰富任务中的真实实验显示,其平均成功率分别比纯视觉基线提升 36.25%,比现有力感知基线提升 21.25%。
论文提出了 GTP-FA(Grasp-Then-Plan with Failure Attribution)框架,旨在解决抓取与运动规划耦合导致的故障归因困难问题。
推荐理由:提出 GTP-FA 框架,通过故障归因优化抓取与规划模块,在 RL、IL 及 VLA 设置下均提升任务成功率。
针对长视野接触型操作中仅模仿成功样本监督不足的难题,该研究提出 RePO-VLA 框架,通过恢复感知初始化、进度感知语义价值函数及价值条件化微调等技术,将对抗性成功率从 20% 提升至平均 75%。材料介绍了 Failure-Recovery Benchmark (FRBench) 基准测试,并在仿真与真实世界双臂任务中验证了该方法的有效性。
推荐理由:RePO-VLA 框架通过区分成功、恢复与失败轨迹,利用价值条件化微调提升 VLA 模型的鲁棒性。
AmaraSpatial-10K 是一个包含 10,071 个合成 3D 资产的数据集,所有资产均经过标准化处理以支持直接摄入。每个资产提供符合物理尺度的.glb 文件、分离的 PBR 贴图、凸碰撞包络、配对参考图像及多句文本元数据。
推荐理由:该数据集提供标准化 3D 资产与独立评测套件,显著改善检索召回率并提升仿真稳定性。
RAPID 机器人智能拆解平台通过集成龙门机械臂、RGB-D 感知及自动螺母工具,在真实场景下实现电动电池包的一键螺丝拆卸。实验对比显示,示教姿态策略成功率达 97%(耗时 24 分钟),视觉伺服为 83%(36 分钟),而基于 GPT-4o-mini 和 Qwen 3.5 的智能体在结构化工具接口下任务完成率达 100%,自动 ROS 服务发现失败率为 43.3%。
论文提出了 MO-Playground 和 MORLAX,旨在解决现有多目标强化学习算法无法有效利用大规模并行化的问题。MORLAX 是 GPU 原生的新算法,配合可 pip 安装的 MO-Playground 环境库,能在几分钟内近似帕累托集,相比传统 CPU 方法快 26-271 倍,相比先前的 GPU 方法快 19 倍,同时学习出更优的帕累托前沿超体积。