小鹏汇天建成国内首家 eVTOL 全域验证中心
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。
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。
百度正式披露全新世界模型ApolloWorld,利用AI构建持续变化的虚拟交通环境,支持多智能体交互与完整行程级别的实时推演。该系统已应用于萝卜快跑的全球化测试验证,宣称其虚拟路测效率相当于一辆配备安全员的真实测试车连续行驶三年。
推荐理由:百度披露ApolloWorld世界模型,支持实时推演完整Robotaxi行程,宣称虚拟路测效率可达真实测试的三倍。
computeSOSFunnels 开源包提出最小体积公式,在单轮车、摆杆及 12 状态四旋翼实验中验证了闭环系统对计划的跟踪。该工具在真实动力学下对漏斗边界 39,000 个样本均无违规,且构建半定规划耗时远大于求解时间。论文已提交 IEEE Transactions on Control Systems Technology,代码与文档公开可用。
英伟达通过加速计算与物理 AI 技术,帮助工程师在芯片制造全生命周期中更快评估替代方案、预测工艺行为并优化流程。借助 cuDSS、PhysicsNeMo 等工具,COMSOL、Applied Materials 及 Siemens 将多物理场仿真速度提升最高 35 倍,部分原本需数天的等离子体建模仅需毫秒级完成。
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。
该方法提出仅用相机通过多视图图像进行场景重建,结合视觉模型提取语义材质掩码并赋予物理属性,在消除硬件校准复杂度的同时提供媲美激光雷达融合的传感器仿真保真度。研究利用搭载传感器的测试车辆内部数据集验证,以激光雷达反射率作为基准,证实了其在玻璃等难处理材质上的几何与纹理表现优势。
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。
本文提出了一种重建流程,从人类控制和漫游车桅杆相机单目馈送中经验性地量化了对物理地面真值的逼真场景重建精度,并分析了月球遍历效应(如运动模糊、悬浮尘埃导致的雾霾、轨迹偏差和稀疏视角)的影响。
Pano2BIM 是一款几何约束型视觉语言智能体,能利用已知尺寸的平面图和单张 360°照片生成 LOD 200 级别的近似 IFC4 建筑信息模型。在实验室初步评估中,其测量工作流家具足迹交并比(IoU)达 0.53,优于基线的 0.44,且单次运行耗时约 42 分钟、API 成本仅 11 美元。该研究证明了低成本快速生成竣工 BIM 的可行性,有助于维护反映物理状态变化的数字孪生体。
NVIDIA Cosmos 是专为物理 AI 开发者打造的包含世界基础模型与开发工具的平台,旨在解决模型适配传感器、任务及数据并可靠落地应用的两大挑战。该平台提供智能体技能与世界模型训练的配方(recipes),帮助开发者将通用模型高效转化为特定场景的交互式仿真解决方案。
CoreWeave 推出 CoreWeave Physical AI Launchables,这是一套以模板形式封装的物理 AI 工作负载集合,使机器人、自动驾驶及仿真团队能通过单一指令直接启动任务,无需预先重新构建运行环境。
Stratasys在Formnext展会上于欧洲首次推出F870™ FDM®系统,旨在通过可扩展方案丰富面向大规模生产的聚合物终端零件制造能力。该系统专为汽车、航空航天与国防等行业设计,展示了来自丰田、通用汽车等制造商的工厂车间应用案例。Stratasys首席执行官Yoav Zeif表示增材制造正从单一应用扩展至整个生产工作流程,赋予制造商更高效率与韧性。
2026年10月31日,西湖大学在云谷校区正式成立世界模型研究中心,由AutoLab团队主导。该中心聚焦物理智能与世界模型研究,旨在突破智能系统理解物理规律与预测环境变化的瓶颈。
大晓机器人联合南洋理工大学S-Lab发布面向具体环境的世界模型Mundo,具备场景重建、自由视角探索和时空模拟能力。该模型仅需1至12张真实图像即可构建可编辑的三维代理场景,并通过代码定义物体质量与摩擦等物理属性,利用MuJoCo引擎计算运动与碰撞,最终由视频扩散模型渲染出符合物理规律的动态画面。
推荐理由:大晓机器人联合南洋理工大学发布Mundo,支持少量图像构建含物理属性的可交互三维环境,为机器人Real-to-Sim训练提供新工具。
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。
论文提出 GOFish,这是首个能直接基于鱼眼图像训练、渲染超过 180°视场并从同一场景提取对齐网格的 3D Gaussian Splatting 表面重建方法。
地瓜机器人大模型团队于10月27日开源世界模型仿真平台Uranus,发布技术报告、推理代码、SDK及两个版本模型权重,面向全球开放早期体验名额。
推荐理由:地瓜机器人开源Uranus仿真平台,提供因果架构与流式推理机制,支持多本体接入及分钟级连续推演。
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。
该研究提出利用刚体变换框架,将 CBCT、面部及牙科影像整合至统一坐标系以模拟下颌七种位置。两种专有模型显示平移分量误差主导且侧向各向异性,TMJ 级平均误差为 1.46 mm,显著高于牙列级的 0.47 mm (p<0.0001)。该方法适用于避免重复放射成像时评估下颌与关节的几何关联位置。
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。
TrackJoint 是一个 Modelica MultiBody 组件,能将三维路面转化为具有两个自由度的关节(沿参考线的行驶距离和侧向偏移),从而确定单帧连接器的位置、姿态和角速度。
ObjectTwin 提出一种基于扫描的测量协议,在冻结实例、相机及深度锚点等条件下仅替换物体表征以量化资产对应差距。实验显示,在两个室内 RGB-D 采集域和两种生成后端下,可见绑定生成的资产 MaskIoU 损失为 0.302-0.497。该研究确立了捕获对应关系作为衡量生成资产质量与物理评估之间独立接口的地位。
AutoVend 是一个基准测试框架,用于评估大型语言模型(LLM)代理在长周期自主售货业务中的表现。该研究构建了一个数据驱动的仿真器,模拟了包含共享仓库、采购提前期、付费补货、库存过期及运营成本在内的复杂环境。
该研究提出结合 ODE 热调节模型与行为马尔可夫链的数字孪生框架,利用 MmCows 数据集在奶牛核心体温两小时超前预测中取得 R2 0.783、F1 84.25% 及 PICP 92.38% 的性能。三阶段堆叠集成架构融合多模态特征与不确定性量化,显著优于消融实验基线,为精准畜牧养殖提供鲁棒的早期热应激检测方案。
论文针对单卡交互世界模型受限于显存容量与带宽的问题,提出 WorldPager 方法。该方法基于相机位姿已知的前提,将 KV 缓存存储于 GPU/DRAM/NVMe 层级而非重复计算,并通过预取机制避免等待。实验显示,在 RTX 4090 上可实现约 37.5 分钟的连续视频生成且主机内存恒定,int4 量化下未见质量损失。
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。
SPECOLA 是一款用于在仿真环境中评估机器人行为是否符合信号时序逻辑规范的开源工具。它提供 Python API 和命令行接口,允许用户定义规格并创建相应监控器,同时集成了 LIBERO、RoboCasa、Isaac Lab 等九个仿真环境的适配器。该工具旨在弥补单纯依赖成功率指标的不足,能够量化任务完成裕度、对目标参数的敏感度以及潜在的规范违反情况。代码与适配器已公开。
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。
该文章是一篇关于城市时空智能(STI)系统的综述论文,从双智能体视角探讨了如何将数字孪生技术与智能体技术整合到城市治理中。文章回顾了数字孪生如何构建持久且信息丰富的城市环境表示,以及智能体如何通过接口理解、推理、行动并随城市发展而进化。
论文介绍 SceneAgent,这是一个通过基于模拟器的视觉检查与修复来协调对象重建、物理建模和中间误差校正的代理流水线。它能处理 3D Gaussian Splatting、摄影测量、LiDAR 捕获、AI 生成的 3DGS 场景以及动态场景的 4D 视频,并结合对象分割、物理参数估计、部件分解、铰链连接和可变形仿真。
推荐理由:该工作提出 SceneAgent 代理流水线,将多种视觉捕获转化为可交互仿真环境并生成数字孪生体与演示数据,显著提升了策略学习基线。
离散事件仿真显示,带载货升降机配置的穿梭车在所有任务规模下平均循环时间均长于无升降机方案。在 n=15 位置时,前者周期为 333.231 秒/次,比后者增加 11.27%,导致每小时处理量下降 10.13%。该研究量化了单穿梭车替代双专用车的循环性能差异,但未评估系统最大吞吐量、投资成本或可靠性。
arXiv 论文 AuRA 提出一种自动化系统,旨在减少构建物理信息数字孪生时对人力的依赖。该系统结合执行感知的抓取选择、源自机器人状态的夹持器运动测量以及注册的前交互几何与外观先验,实现了无需视觉跟踪的自主数据采集和受损物体信息的恢复。
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。
Work Agents 提出以工作为中心的系统视角,将智能体定义为结合基础模型与运行时框架的执行单元。研究通过“工作持久性”和“开放性”两个维度分类数字工作形式,并识别出可靠执行所需的五大核心能力家族及联合优化方法。论文构建了统一框架以评估智能体在状态化工作空间交付可验证结果的可靠性,为未来持续委托与环境适应指明方向。
针对复杂高维生物搜索空间探索中物理执行受限于静态自动化和未建模物理变异的瓶颈,本文提出 VERID(Verified Infrastructure for Discovery Laboratories),这是一种持久化、高保真的实验室工作站语义数字孪生基础架构。
推荐理由:提出 VERID 语义数字孪生基础设施,通过仿真验证与错误恢复机制解决湿实验室自动化瓶颈。
针对机器人学习仿真中场景构建繁琐的问题,该研究提出了 WorldMirror 框架,将实到仿真(real-to-sim)构建定义为可执行世界程序的迭代优化过程。通过智能体分解观测场景、规划重建步骤并编排图像与三维生成工具,结合相机位姿锚定的场景表示来诊断和修正错误,从而从野外机器人演示中生成视觉保真且几何一致的交互式数字孪生,同时保持记录轨迹的物理有效性。
推荐理由:提出将实到仿真构建视为可执行程序的迭代优化,利用智能体编排工具生成物理一致的数字孪生。
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。
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。