跳到正文
10月26日周一
  1. arXiv · 机器人与计算机视觉47

    ACWM-RM:一种无需真实视频的参考自由奖励模型

    ACWM-RM 是一种联合评估视觉质量与动作跟随保真度的奖励模型,在 AVM-Eval 基准上优于 IDM 等基线且无需真实视频。该模型基于包含 506.3k 对的 AVM-Pref 数据集预训练,利用动作不匹配对监督动作跟随、视频不匹配对监督视觉质量并暴露生成视频伪影。下游强化学习实验表明其在两项指标上均表现更佳,揭示了 IDMs 在生成视频上的可靠性局限。

  2. arXiv · 机器人与计算机视觉51

    VLA 是否知晓其将失败?物理 AI 系统中可解释的成功与失败模式

    该研究提出利用 OpenVLA 激活的稀疏自编码器(SAE)表示来预测机器人任务失败,并在达到不可恢复状态前识别出相关特征。作者通过定位显著激活变化的时间区间,揭示了导致成功或失败的特定行为模式,并开发了基于 VLM 的解释管道生成这些模式的描述,验证了其与特征激活的一致性。

  3. arXiv · 机器人与计算机视觉78

    RADIANT:面向物体的前馈全局光照模型

    arXiv 发布 RADIANT 论文,提出一种基于物体表征的神经网络渲染器,无需每场景优化或运行时光线追踪即可合成新场景的全局光照。该架构将每个物体表示为 32 个表面补丁 token,利用 SE(3) 不变的内积嵌入几何距离与朝向以捕捉光传输,避免了对多边形数量的二次方依赖。

    推荐理由:提出基于物体表征的前馈全局光照架构,在同等算力下训练步数更少且精度更高。

  4. arXiv · 机器人与计算机视觉35

    双体交互视频揭示物理 AI 编码器中的关系物理属性

    V-JEPA2 与 VideoMAE 两个冻结的自监督视频编码器在双体设置下,能可靠区分弹性与非弹性碰撞。V-JEPA2 的动能读数可跨环境迁移且其预测器对产生动能的碰撞更敏感,但两模型均无法保持随几何变化而稳定的摩擦系数。该研究揭示了现有工作仅关注单物体量的局限,表明关系物理属性(如动量传递)在视频编码器中的表征能力存在显著差异。

  5. arXiv · 机器人与计算机视觉49

    StackGen3D:基于多视图轮廓生成稳定三维积木堆叠框架

    StackGen3D 框架通过物理感知图神经网络预测支撑关系,结合条件流匹配模型与轻量几何优化,从给定库存和正交轮廓生成稳定结构。最佳十选策略将物理稳定性由 45.3% 提升至 72.4%,同时实现 0.970 的轮廓 IoU。该工作展示了结合关系物理推理、可扩展数据策展与条件生成建模在创意三维组装中的潜力,相关海报已在 IROS 2026 会议公开展示。

  6. 盖世汽车 · 汽车资讯87

    无界动力发布并开源MWA™-Phoenix隐空间世界模型基座

    无界动力正式发布并开源MWA™-Phoenix端侧7B参数完整预训练模型,该模型在LIBERO-Plus、LIBERO-Pro等六项评测中取得领先成绩,验证了其在环境扰动与复杂操作方面的能力。

    推荐理由:无界动力发布端侧7B隐空间世界模型及仿真工具,在多项评测中验证了仅凭RGB输入完成复杂操作与真机执行的能力。

  7. Hugging Face Daily Papers74

    Rollback:通过世界模型回溯实现策略改进的范式

    Rollback 将世界模型从单向模拟器转变为反事实引擎,支持回溯至关键决策点并分支探索替代动作,从而在不依赖独立学习价值模型的情况下生成细粒度监督信号。该方法构建了分布式世界模型搜索与异步真实机器人执行的统一训练系统,利用真实过渡数据通过轻量级 LoRA 管道修正动力学(测试时物理 grounding)。

  8. Hugging Face Daily Papers78

    PhysEvolve:基于验证器的可执行世界因果推理自进化框架

    针对视觉语言模型在动力学与物理因果关系上不可靠的问题,本文提出了 PhysEvolve 框架。该框架通过共享的 VLM 提出可执行的物理世界程序,利用确定性物理引擎冻结并模拟基线及反事实分支(如物体移除、目标坑洞),合成离散任务并通过精确验证反馈更新策略与课程。

    推荐理由:该工作提出基于验证器的自进化框架,利用确定性物理引擎生成反事实数据以训练视觉语言模型进行因果推理。

10月24日周六
  1. 量子位75

    达瓦科技发布实时世界模型Scenes AI,单卡运行34B大模型并获NVIDIA大奖

    达瓦科技发布实时世界模型产品Scenes AI,在2026 NVIDIA创业企业展示中拿下「半程展示卓越企业奖」。该模型不预测下一帧画面,而是维护包含场景、物理、光照等变量的持续运行世界状态,仅更新发生变化的局部(如天气、画风),其余状态保持锁定。

10月23日周五
  1. 盖世汽车 · 汽车资讯40

    奇瑞发布 CheryMind 物理 AI 模型与紫微芯片,首发 L4 Robotaxi 及 eVTOL 智能体

    奇瑞在 2026 全球创新大会上发布为物理 AI 而生的垂类基础大模型 CheryMind 及自主可控的紫微 C/S/M 系列芯片。现场首发了支持 L4 级无人驾驶的全球原生前装 Robotaxi 智能体、飞行速度达 120km/h 的全自主复合翼 eVTOL 飞机智能体,以及充电 5 分钟续航增加 500km 的迅龙秒充技术。

  2. arXiv · 机器人与计算机视觉65

    气动抓取的先验进化与任务对齐方法研究

    针对气动抓取中优化问题高度非凸且数值目标难以完全表征成功条件的局限,本文提出在解析规划器内引入学习机制。首先从优化后的运动中学习轨迹先验,并通过基于 CEM 的过程进行进化;其次设计执行感知批评器,利用接触、升力和完成结果评估轨迹成功率,其冻结能量可作为可微抓取成本直接塑造轨迹生成。仿真与真实世界实验表明该方法提升了优化的可靠性、轨迹一致性及抓取性能。

  3. arXiv · 机器人与计算机视觉27

    基于可达性分析的自主水下航行器浮游生物分类器鲁棒性验证框架

    针对动态非结构化环境中噪声导致 CNN 分类器误判问题,研究提出一种基于可达性分析的新型鲁棒性验证框架。该框架结合连续时间神经 ODE 模型与 SilCam 粒子成像仪高分辨率数据,经 IEEE OES AUV Symposium 2026 接收,能自动过滤模糊数据并提供形式化稳定性保证。此举显著提升了自主采样可靠性并减少了海洋生物学家的后期人工验证工作量。

  4. arXiv · 机器人与计算机视觉85

    无人类演示的跨城市自动驾驶策略学习:NOMAD 方法

    论文针对自动驾驶在新城市部署成本高、需大量人类演示数据的瓶颈,提出 NOMAD(No data Map-based self-play for Autonomous Driving)方法。

    推荐理由:提出 NOMAD 方法,利用自博弈强化学习仅凭地图信息实现跨城市策略迁移,无需目标城市的人类演示数据。

  5. arXiv · 机器人与计算机视觉82

    AlignDrive:面向端到端自动驾驶的横向 - 纵向对齐规划方法

    该论文提出 AlignDrive 框架,通过级联设计将纵向规划从独立预测任务转化为基于路径的条件推理过程。模型侧引入锚点回归设计以条件化纵向预测并降低几何不确定性;数据侧采用规划导向的数据增强策略模拟罕见安全关键事件。

    推荐理由:提出级联框架将纵向规划转化为路径条件推理,在 Bench2Drive 基准上实现 SOTA 性能并显著改善协调性与安全性。

  6. arXiv · 机器人与计算机视觉65

    CENIC:用于接触动力学的凸误差控制数值积分方法

    该论文介绍了一种名为 CENIC 的新型变量步长积分器,旨在解决现有离散时间仿真器在处理接触动力学时面临的精度与速度权衡问题。该方法融合了凸时间步进和误差控制的优点,能在保持与 MuJoCo、Drake 等主流仿真器相当的实时运行速率的同时,提供对精度和收敛性的保证。论文已提交至 IEEE Transactions on Robotics (T-RO),并提供了补充视频材料。

  7. arXiv · 机器人与计算机视觉35

    Decentralized Bi-Level Optimization for Cooperative Orbital Transportation of a Rigid Payload 提出去中心化双层优化框架

    针对轨道拥挤背景下大型非合作载荷的运输需求,该研究提出一种由精确梯度驱动的去中心化双层优化框架。方法将问题分解为内层凸推力分配与外层有效载荷扭矩轨迹搜索,在无需全量非线性规划收敛的情况下快速获得燃料高效解。理论收敛性已确立,且通过包含闭环故障恢复的大规模蒙特卡洛仿真验证了其在航天器群应用中的适用性。

  8. arXiv · 机器人与计算机视觉43

    PhysTrace:可解释的时间序列物理一致性评估框架

    PhysTrace 是一个无需训练的框架,通过对齐多模态大模型生成的历史条件期望与观测视频窗口,在 IntPhys2-Timing 基准上实现最高 70.7% 的物理原则命中率。该方法揭示了预训练扩散/流模型重建视频中属性与时空噪声依赖的违规模式,为跨时间步的可解释物理一致性分析提供了新工具。

  9. arXiv · 机器人与计算机视觉15

    Navigating human-robot interaction challenges in private and residential aged care homes

    该章节探讨机器人系统与 ambient intelligence 如何在 cluttered 和 dynamic 的养老环境中增强老年人照护,重点解决低数字素养人群的无障碍交互与隐私信任问题。评估指标涵盖每日误报率、故障恢复时间及系统长期可靠性,旨在支持符合 AI 监管要求的规模化部署。

  10. arXiv · 机器人与计算机视觉58

    DiffDreamer:耦合世界模型与可微分仿真的敏捷四旋翼控制

    论文提出了 DiffDreamer 框架,旨在解决四旋翼动态门竞速等任务中外部运动预测与高频控制的挑战。该方法将学习到的世界模型(捕捉外部动力学和历史特征)与可微分仿真器(传播机器人显式物理状态)紧密耦合,并将演员目标分解为基于评论家的非可微任务奖励路径和基于仿真的可微运动奖励路径。

  11. arXiv · 机器人与计算机视觉72

    Dispersive Tree Agreements for Multi-Robot Coordination

    该论文提出了名为 WarpWeaver 的分布式实时规划算法,旨在解决非线性系统的多机器人协同最优控制问题。研究将原有的单机器人分散式树搜索框架扩展至多机器人团队,通过局部约束替代互耦并采用分散式列生成进行空间租金协商,从而在准静态状态下认证近优解。

  12. arXiv · 机器人与计算机视觉58

    LAST-V2X:面向 V2X 安全应用的通信诱导故障语言驱动自适应场景合成与测试

    该论文提出 LAST-V2X 框架,利用大语言模型将自然语言测试描述转化为基于道路几何、V2X 通信语义和车辆行为的可执行场景。框架集成物理交通仿真与空间感知通信建模,通过消息级故障注入评估信息退化对车辆决策的影响,并采用匹配执行区分通信诱导故障与非相关安全违规。实验在多种 CARLA 环境中进行,展示了该框架生成可靠场景、提升故障发现能力以及通过自适应细化优化测试配置的效果。

  13. arXiv · 机器人与计算机视觉78

    PhyEvolve:面向物理感知的视频生成的多智能体状态演化规划方法

    针对现有文生视频模型难以理解用户提示中隐含的物理演化问题,本文提出 PhyEvolve 框架。该框架包含导演、物理演化和作曲三个智能体,通过结构化状态演化规划将自然语言提示转化为具有因果联系的状态转换序列。

    推荐理由:提出多智能体框架通过结构化状态演化规划增强提示词,在不重新训练现有生成模型的情况下提升视频生成的物理一致性与状态连续性。

  14. arXiv · 机器人与计算机视觉78

    AgentDreamer:面向文本可控物理仿真的代理式三维运动推理

    论文提出了 AgentDreamer,这是一个由智能体引导的优化框架,旨在通过显式的三维运动规划将文本指令与仿真运动对齐。给定文本指令和场景几何,现成的智能体将其转化为结构化语义运动先验(指定移动对象、方向及时间顺序),并用参数化函数表示以生成密集三维轨迹。

    推荐理由:提出 AgentDreamer 框架,利用智能体生成语义运动先验并优化可微 MPM 模拟器以对齐文本指令与物理可行运动。

  15. arXiv · 机器人与计算机视觉58

    铰接车辆高速编队的一体化纵横向控制方法

    该论文提出了一种针对铰接车辆高速编队行驶的一体化控制框架,结合了先进的纵向和横向控制策略以解决安全高效自动驾驶的挑战。在纵向控制方面,基于 PID 框架提出了新的串稳定性证明,确保动态工况下的车距调节鲁棒性;采用弧长误差公式以适应曲线道路场景。

  16. arXiv · 机器人与计算机视觉48

    Alpha:LLM 驱动具身操作系统的故障注入与鲁棒性评估框架

    Alpha 是一个针对 LLM 驱动具身操作的仿真故障注入与鲁棒性评估框架,通过向感知、执行和规划层注入校准后的故障来揭示失效根源。在包含 150 个回合的平衡矩阵中,确定性脚本预言家以 64.0% 成功率完胜仅得 44.0% 的 Llama-3 智能体,且排除了规划器输出损坏后两者物理表现完全一致。

  17. 文远知行 · Newsroom60

    文远知行凭物理 AI 飞轮入选 WICV 2026 十大汽车 AI 应用案例

    文远知行因基于 GENESIS 通用仿真模型与 WITT 认知基础模型的物理 AI 闭环,入选 WICV 2026“2026 年十大汽车 AI 应用案例”。CEO Tony Han 在主题演讲中分享了将 L4 自动驾驶技术应用于 L2 ADAS 的经验,强调以算力密度衡量智能水平并坚持安全优先。

    推荐理由:文远知行因基于 GENESIS 与 WITT 的物理 AI 闭环入选 WICV 2026 十大案例,展示了从 L4 技术向 L2 ADAS 迁移及规模化部署的路径。

10月22日周四
  1. 盖世汽车 · 汽车资讯70

    特斯拉万台人形机器人训练计划的现实挑战:制造规模能否转化为稳定劳动能力?

    在2026年第三季度财报电话会上,马斯克确认Optimus早期生产启动并规划百万台产能,但承认AI、机电设计及可靠性问题仍需一年甚至更久解决。文章指出,单纯扩大制造规模无法保证训练效率,灵巧手的硬件成熟度与工业场景的持续运行要求存在矛盾。

  2. arXiv · 机器人与计算机视觉78

    物理参数偏移下的因果世界模型

    针对世界模型在物理条件超出训练分布时精度下降的问题,本文研究了输入选择与计算机制两个因果建模组件。在合成基准中,冻结的依赖掩码将 OOD 均方根误差从 1.769 降至 0.697;在 CausalWorld 机器人连杆质量外推任务中,引入显式仿射系数的指端局部世界模型,使已知 PD 控制器下的关节 R2 中位数从 0.609 提升至 0.727。

    推荐理由:该工作通过显式参数化动力学偏置项,使因果世界模型在物理参数发生偏移时仍能保持预测精度。

  3. arXiv · 机器人与计算机视觉53

    强化学习在FPGA与集成电路平台的硬件加速与系统级优化:综述

    Hamza Kheddar 发布了一篇关于强化学习在 FPGA 和集成电路平台上进行硬件加速及系统优化的综述论文。文章梳理了超过100项相关研究,按 RL 家族、抽象层级、硬件实现策略及应用领域进行分类,重点分析了模型架构、实施方法、性能评估(资源利用率、延迟、吞吐量等)以及软硬件协同设计中的挑战与未来方向。

  4. arXiv · 机器人与计算机视觉82

    PCLA-Bridge:CARLA 智能体跨域部署框架发布

    PCLA-Bridge 是一个无需活跃 CARLA 服务器即可运行未修改 CARLA Leaderboard 智能体的工具,支持从任意传感器源到任意控制目标的部署。

    推荐理由:PCLA-Bridge 框架允许在不修改 CARLA Leaderboard 模型的情况下,将其跨域部署到 MetaDrive、AWSIM 等仿真引擎及真实数据流中。