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。
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。
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。
arXiv 论文提出 Physics-Informed Causal Reasoning (PICR) 方法,旨在解决系统状态随时间变化导致相同动作产生不同响应的难题。
针对机器人与床垫、蹦床等弹性表面交互导致的形变问题,作者提出 Elastra 仿真框架。该框架利用仅垂直移动的单元结合弹性连接与阻尼来模拟变形与恢复过程,并通过接触力驱动运动更新几何以计算后续受力。
推荐理由:该框架通过垂直移动单元模拟弹性体变形,在床垫与蹦床场景下将机器人站立成功率提升显著。
Google DeepMind 正式发布新一代视觉语言动作模型 Gemini Robotics 2.5,该模型在灵巧性、可靠性和安全性方面实现显著提升。相比基线模型,其在多步骤任务中的成功率提升 30% 至 100%,执行速度提高 20% 至 30%。
Google DeepMind 发布了 Gemini Robotics 2.5 视觉语言动作模型,该模型与 Apptronik Apollo 2 机器人及奔驰产线合作进行了试点测试。
同一新闻,精选展示《DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型,奔驰工厂测试成功率达 96%》
论文提出 CADENCE 方法,针对工业仓储和共享工作空间中的机器人团队运动规划评估问题,指出标准指标如总成本(SoC)无法完全反映真实执行性能。研究在固定 7x7 工位上部署了七台差速驱动机器人,生成了涵盖空载、随机及瓶颈场景的 480 次硬件实验数据。
针对动态和视觉遮挡条件下的准确安全机器人操作挑战,本文提出 SyncTwin 数字孪生框架。离线阶段利用 VGGT 从 RGB 图像快速重建物体级三维资产形成可复用几何库;执行阶段通过跟踪真实世界物体状态持续同步数字孪生,并利用存储资产补全部分观测的几何。
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。
针对大语言模型规划器缺乏执行与安全保证的问题,本文提出 EvoPlan 框架。该框架包含三部分:首先离线挖掘信号时序逻辑(STL)移动约束以屏蔽策略;其次利用进化式 PDDL 规划器结合程序验证迭代修复计划;最后通过闭环执行循环将 Nav2 生成的路径与约束对齐并动态重规划。
这篇论文提出了一种混合系统,将学习任务控制器和神经 3D 安全监控器集成到传统工业工作流中。研究团队在电机生产线上部署该系统,自动执行变形电缆插入和焊接任务。系统在少于 20 分钟的真实数据下连续运行了 5 小时 10 分钟,完成了 108 个电机的组装,无需物理围栏且产品质检通过率高达 99.4%。
推荐理由:该预印本展示了学习增强型自动化在真实电机产线的应用,实现了无围栏连续作业与高质量焊接。
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。
论文提出 TwinBridge 框架,通过结合 3D Gaussian splatting 与物理仿真构建数字孪生,为现实世界的在线强化学习提供策略初始化及稠密视觉奖励。该框架将基于仿真的监督蒸馏为视觉奖励模型,在真实交互中结合执行历史计算稠密奖励以优化人机协作下的策略。实验显示,该方法在五项实验室操作任务上实现了 98% 的平均自主成功率,且每任务仅需最多 25 分钟的真实世界交互时间。
推荐理由:该框架利用数字孪生提供策略初始化与稠密视觉奖励,在五项实验室任务中实现 98% 自主成功率,仅需每任务最多 25 分钟真实交互。
小鹏汇天宣布建成国内首家 eVTOL 全域验证中心,覆盖广州天河、黄埔及佛山三水三大基地,总面积超 7.5 万平方米并设 50 余个实验室。该体系按“部件、系统、整机”三级展开测试,自主研发旋翼动态标定试验台等专用设备,使整机电推进系统耐久性验证效率提升 8 倍以上。
极智嘉正式推出《24/7自主智能仓计划》,目标是通过具身智能解决复杂拣选难题,并构建拥有“仓库大脑”的全仓智能系统。该系统整合RMS、WES、IOP三大底层模块与监控、分析、部署三类AI Agent,旨在实现从发现问题到自主决策的闭环,让仓库在7×24小时运行中持续学习进化。材料介绍了其Gravity统一具身框架及Gino 1等产品的落地表现,并引用了全球市场数据以佐证其规模化商业能力。
论文提出了 CoEnv(Code-driven Exploration)框架与 CoEx 方法,旨在解决通用编码代理缺乏安全练习场的问题。该方法通过 CoEnv 将多视角 RGBD 数据重建为物理仿真的数字孪生环境,使智能体能在可执行的数字孪生中编写、调试并优化完整的多臂协作程序。
推荐理由:提出 CoEnv 框架,利用代码驱动代理在数字孪生中探索多臂协作程序,验证后转移至硬件,显著提升了无人类演示任务的成功率。
CHERI 月球微型漫游车采用铝制底板、非爆炸释放机构及四弹簧阵列实现分离,经拓扑优化将固有频率提升至 84 Hz 以满足 70 Hz 要求。最终构型通过正弦振动、随机振动及冲击测试,光学运动捕捉验证了着陆器清除效果并确认俯仰角速度为关键可控参数。
北京通用人工智能研究院、北京理工大学、清华大学和德塔智能联合推出了Zero-HLM框架。该框架基于Real-to-Sim-to-Real技术路线,利用手机采集真实场景构建数字孪生环境,结合少量仿真遥操作示范自动生成大规模物理验证训练数据。
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。
论文介绍了 DreamTacVLA 框架,旨在解决视觉语言动作(VLA)模型缺乏对物理接触感知的局限。该框架采用分层感知方案,结合高分辨率触觉图像、腕部相机局部视野及第三人称宏观视野,并通过层级空间对齐损失统一多尺度感官流。
arXiv 论文提出结合果蝇全脑记录与神经机械数字孪生的研究框架,测试优化内在目标是否能生成与果蝇行为及内部表征相匹配的人工智能体。研究采用 DIAYN 等算法训练无外部奖励的智能体,在虚拟系留球实验中成功复现了果蝇的自发运动统计特征、内部表征编码及未来转向预测能力,表明分层内在动机框架是逆向工程动物自主性的有力工具。
推荐理由:该研究利用果蝇全脑记录与神经机械数字孪生,验证了基于内在动机的分层策略能复现生物自主探索行为。
EAST 是一个数字孪生框架,旨在解决仅以任务成功衡量具身智能安全性不足的问题。它将文献中的安全隐患转化为涵盖感知、指令、环境、动作和时序的故障注入测试。该框架包含专家审核的安全故障分类学和八个可执行算子,通过三阶段工作流生成测试规范并验证故障实现。
推荐理由:该框架将文献中的安全隐患转化为数字孪生环境下的故障注入测试,能独立评估任务成功背后的安全风险。
该论文提出了一种分布式预测 flocking 控制器,用于在无领导者或全局地图的情况下协调大量微型机器人。研究在数字孪生环境中对比了六种屏障函数安全公式,发现离散时间 CBF 在多种任务(如趋光性、轨道运行)和不同集群规模下表现最佳,能有效平衡安全性与秩序。材料仅基于仿真结果,未涉及真实物理部署或量产数据。
推荐理由:原文在数字孪生环境中对比了六种安全约束公式,发现离散时间 CBF 在密集集群中碰撞最少且协调性最佳。
该研究针对多无人机协同探索室内受限空间时面临的 Sybil 攻击(恶意节点伪造身份干扰探索),提出五种无需额外安全基础设施的防御方案,仅依赖无人机自身的传感器与地图数据。实验在包含办公室、隧道及三层建筑等七类场景的 70 张地图上进行模拟测试,结果显示在超过 2350 次任务中,隔离机制能将受攻击团队的探索覆盖率恢复至未受攻击水平,仅在特定合谋或大规模团队场景下存在局限。
推荐理由:论文提出无需额外安全设施的防御机制,通过传感器与地图审计抵御无人机群中的 Sybil 攻击。
Generative Bionics 宣布计划在意大利建立首个占地 5000 平方米的专有“Physical AI Data Factory”,预计于 2027 年第四季度投入运营,旨在将人形机器人从实验室演示推进至可靠的工业部署。
研究针对 HAKUTO Rover Flight Model 设计了热接口方案,通过解析模型与数值仿真优化了电子设备安装位及太阳能板角度。最终在真空环境中完成热平衡测试,确保 rover 质量低于 4 kg 并满足月球辐射等热学条件。该成果已在德国不来梅举行的第 69 届国际宇航大会(IAC)上提交论文。
舍弗勒于10月20日在太仓正式启用具身智能机器人数智工厂,该厂集智能装配产线、场景化训练及数据采集中心、数字孪生平台及算力中心为一体。工厂实现“机器人造机器人部件”的闭环智能制造模式,标志着关节模组等核心零部件正式投入量产。数智工厂采取开放合作模式,支持客户在工业场景下对物理AI系统进行训练和测试。
推荐理由:舍弗勒在太仓启用集智能装配与数字孪生于一体的数智工厂,实现机器人制造机器人部件的闭环模式。
MR-MPCC 是一种针对速度控制型六自由度末端执行器在移动参考系扰动下的路径跟踪控制框架。该架构采用上层 MPCC 优化路径进度并惩罚轮廓误差,下层 RMRC 将笛卡尔速度映射为受关节与安全约束的可行关节速度。实验在 ROS2--MuJoCo 管道中于 UR5e 平台验证,相比 PI 和时序 MPC,其显著降低了移动参考系下的几何路径跟踪误差与偏差。
该研究提出一种低复杂度自适应预设性能控制器,通过匹配请求与饱和输入直接调整性能函数,解决不确定流体动力学下的轨迹跟踪难题。BlueROV2 仿真对比显示,该方法在八字形机动中维持了预设性能,而传统方法在输入受限下失效。真实水池实验进一步验证了该水下机器人平台闭环控制的稳定性与可行性。
DeepMind 发布 Gemini 4 Argon,该模型在 ERQA 基准测试中纯推理得分 87%,超越其他前沿模型。Argon 支持从遥操作到自主控制的闭环视觉回路,能基于真实视频或手绘草图构建物理校准的 MuJoCo 仿真双胞胎,并开放了多模态后见性标注与价值函数预测等工具。
推荐理由:DeepMind 发布 Gemini 4 Argon,在 ERQA 基准测试中纯推理得分 87%,并开放了从代码生成到仿真构建的机器人工作流入口。
Google DeepMind 正式上线通用物理推理模型 Gemini 4 Argon,该模型具备视觉语义推理、物理理解和代码生成能力。Argon 支持通过观看视频或手绘草图构建仿真环境(Real2Sim),在 MuJoCo 等环境中进行零样本控制与技能学习,并能分析操作过程以优化机器人表现。
推荐理由:DeepMind 上线通用物理推理模型 Gemini 4 Argon,支持从视频或草图构建仿真环境、零样本控制及自我改进优化机器人动作表现。
NVIDIA Omniverse 库结合 SimReady Foundation 规范与智能体技能,提供将 CAD 几何转换为 OpenUSD 并验证材质、碰撞及物理属性的结构化工作流。开发者需按此流程配置关节等属性以在测试前确保机器人行为模拟的准确性。该方案旨在简化机器人仿真资产准备过程,避免仅转换几何而忽略关键物理配置的常见错误。
针对遥操作中缺乏力反馈和存在视觉遮挡的问题,本文提出一种基于数字孪生的增强现实(AR)遥操作界面。该系统整合裸手追踪与双机械臂,将机器人手部网格上的触觉测量渲染为视觉力反馈,并提供用户可控的虚拟视角面板或遮挡感知透明渲染以缓解视野受限。研究通过涉及任务 1 和任务 2 的用户评估,验证了该界面在需要精细力度调节及遮挡环境下收集高质量演示的有效性。
NVIDIA Isaac Lab v1.2.0 发布,结合 Isaac Sim 4.2.0 新增基于 RTX 的瓦片渲染及多智能体环境支持。更新包含 Allegro 手、Shadowhand Cube 等直接工作流示例,修复渲染延迟并优化域随机化性能。