波士顿动力披露 Atlas 新款人手设计细节:13 自由度、去拇指及仿真优化策略
波士顿动力发布了为 Atlas 机器人设计的新型四指人手,具备 13 个自由度且采用直接驱动架构,取消了小指并缩小了夹持器尺寸。该设计基于过往经验平衡了灵巧性、强度与可靠性,特别针对高保真物理仿真进行了优化,以支持强化学习策略的训练与迁移。公司强调通过模块化设计和严格的验证流程确保耐用性,目前已在总部广泛测试但尚未部署至整个机器人车队。
波士顿动力发布了为 Atlas 机器人设计的新型四指人手,具备 13 个自由度且采用直接驱动架构,取消了小指并缩小了夹持器尺寸。该设计基于过往经验平衡了灵巧性、强度与可靠性,特别针对高保真物理仿真进行了优化,以支持强化学习策略的训练与迁移。公司强调通过模块化设计和严格的验证流程确保耐用性,目前已在总部广泛测试但尚未部署至整个机器人车队。
Sharpa在IROS现场发布三款产品:一体式触觉感知灵巧操作机器人D01、新一代全触觉超紧凑灵巧手W02以及高保真外骨骼触感数据手套AE01。D01全身覆盖电子皮肤,采样率100Hz;W02将21个主动自由度塞入更紧凑结构,实现零抓握半径与整手触觉覆盖;AE01通过双向接口采集自然手部动作与接触反馈。
推荐理由:Sharpa发布D01机器人、W02灵巧手及AE01数据手套,构建触觉全栈体系以解决真实场景下的接触感知与闭环控制难题。
本文提出 PhysMoDPO,这是一种直接偏好优化框架,旨在解决全身体控制器(WBC)生成的轨迹虽符合物理但偏离原始文本指令的问题。该方法将 WBC 集成到训练流程中,利用基于物理和任务特定的奖励函数为合成轨迹分配偏好,从而在保持物理合理性的同时遵循文本指令。
该研究构建 DriveMind 大规模驾驶视觉问答数据集与训练免费探测工具,发现视觉语言模型中的推理过程并非规划轨迹的因果驱动因素,而是自回归生成的副产品。实验表明移除自车或导航先验会导致规划分数大幅下降,而移除思维链(CoT)仅产生微小变化,证实了推理与规划的脱钩现象。
针对学习基自动驾驶赛车赛道几何难以系统变化的问题,作者提出了 RoboRacer Arena 这一基于自然语言规范的赛道构建流水线。该系统通过种子覆盖引导的构造器生成闭合回路布局并验证占用图,自动构建 Isaac Sim 仿真环境,初始参考集包含 130 条赛道。
论文提出了 GeniWorld,这是一种基于预训练视频生成模型的交互式世界模型,旨在解决机器人策略在未见环境中的鲁棒性问题。该方法利用 URDF 渲染将数值动作转化为视觉表示,解耦了本体运动学与环境动力学,从而减轻场景过拟合并支持闭环控制。实验表明,即使仅使用固定场景数据训练,该模型也能实现域内优越性能及零样本泛化到高度随机化的未见环境,并能生成多样化的操作轨迹以提升下游策略的鲁棒性。
针对决策时规划中仅关注终端状态而忽略中间过渡可实现性的问题,本文提出了 ACID 框架。该方法引入循环动作一致性约束,利用逆动力学模型从预测的转移中推断动作并验证其一致性,将每步残差融入规划成本。实验涵盖四个动作条件世界模型及八项任务,包括仿真中的物体操作与多体控制、视觉导航以及真实机器人操作,结果显示 ACID 在保持基线精度的同时大幅减少了规划计算量。
论文提出 3DPWM,这是一种完全在 3D 空间运行的无任务特定世界模型。该方法首先对部分点云进行补全以构建完整几何场景,随后在此场景中学习动作条件化的动力学。实验表明,该模型能支持长达 100-300+ 步的可靠长序列预测,同时支持开环与闭环规划,并实现了成功的仿真实验到现实世界的迁移。
该研究在 LIBERO 仿真环境中对 DeepThinkVLA 模型进行了反事实干预实验,验证了将推理链作为控制表面的有效性。当推理链被错误指令污染时,用正确生成的推理链替换可恢复 47.8% 的成功率;而若推理链仅复述视觉信息则无影响。实验证实文本编辑能直接修正或破坏机器人行为,为部署时的接口暴露决策提供了量化依据。
该研究通过控制通道引入噪声,构造性证明了在含障碍的欧氏域及无边流形上可实现全局渐近稳定。数值实验验证了该方法在圆形障碍物场景及二维球体上的有效性,并分析了非凸障碍物下噪声强度对系统亚稳态的影响。
PI-UDF 是一个结合解析正向运动学与可学习连杆几何嵌入的统一微分框架,用于预测机械臂间的碰撞距离。该框架将学习到的距离场集成到非线性 MPC 中作为微分化的双臂间隙项,并通过配额驱动边界挖掘与不对称越界惩罚提升安全临界保真度。在真实双 Franka 平台上验证了高速近距离 14-DoF 双臂交换、单臂动态规避及动态规划配置下的闭环碰撞感知运动生成能力。
WorldAlign 提出解耦 4D 奖励框架,通过几何先验优化静态区域、利用 VLM 评估动态主体,在无需人工偏好标注下实现在线后训练。该方法在 Wan2.1 和 Wan2.2 两个预训练图像转视频生成器上联合提升了静态与动态一致性,且未抑制整体或主体运动。
针对现有自主水面车辆(ASV)模拟器缺乏并行环境且依赖精确水动力建模的问题,本文提出一种利用 CAD 模型和少量开阔水域实测轨迹来近似并修正水动力及推进器参数的框架。该方法实现了无需先验水动力和螺旋桨信息的零样本仿真到现实迁移,在 BlueBoat ASV 上验证了路径跟随与驻留保持任务的成功性。论文已提交至 ICRA 2027,代码开源。
针对现有世界动作模型(WAM)因预测原生高维视觉特征导致训练成本高的问题,本文提出 MiniWAM 及 PRISM 方法。PRISM 结合逆动力学监督与特征重建,从当前 - 未来转换中学习紧凑的未来表示;MiniWAM 冻结该编码器后联合预测目标与机器人动作。
论文提出 REACT 框架,解决基于流的视觉语言动作(VLA)模型在长程连贯性与即时反应性之间的权衡问题。该方法通过维持持久动作缓冲区并在每个控制步对全时间步进行滚动去噪,使执行的动作块经过多次观测细化后再部署。
论文指出生成的任务视频若与当前相位时序错位会转化为有害引导,导致成功率大幅下降。作者提出 Reliability-Aware Future Conditioning (RAFC),将其视为控制问题而非生成问题,在每一步估计对接收片段的信任度并选择合适的时间假设,无需时序对齐监督即可学习。
WAND 提出一种强化学习框架,利用时序卷积网络估计风致扰动加速度并通过 WindAdapter 模块进行前馈补偿。该方法在 12 种仿真设置中成功率平均提升 8.3 个百分点,室内风扇飞行测试成功率为 90%(18/20),验证了实时机载导航可行性。
针对固气动力学及相互作用难以同时保持各相运动特征且需符合物理规律的挑战,论文提出 PAVG 模型。该模型采用双分支架构显式建模固体与气体动力学,利用时空交叉注意力捕捉物理交互,并构建了包含超 70 万条轨迹的仿真语料库覆盖多样场景。评估显示其在运动遵循度、物理合理性与视觉质量上优于现有方法。材料为预印本论文,未报告真实机器人部署结果。
针对采样式系统辨识中轨迹无法区分不同参数效应导致估计不可靠的问题,作者提出了基于舒尔补得分的信息解耦轨迹设计框架(IDTD)。该方法通过归一化分数、选择最优轨迹片段并聚合对数分数的方式,确保每个区间暴露的参数子集贡献明确。
推荐理由:提出信息解耦轨迹设计框架,在多种仿真与真实机器人上降低参数识别误差并提升策略迁移效果。
针对重复快速动作下布料结果存在显著变异性的问题,研究者在四项动态任务中执行了同一轨迹共 269 次 rollout。结果显示,这种变异性主要由布料物理属性驱动且随速度增加,幅度远超机器人噪声并无法被现有四款校准后的现代布料仿真器复现。团队同步发布了包含 OptiTrack、视觉与机器人日志及对应仿真孪生的数据集,以评估学习策略可靠性。
MirroS团队发布AgentGarten,将可执行的代码环境与实时神经渲染器连接,实现超过30 fps的吞吐。系统通过代码裁决物理规则以避免幻觉,利用神经模型生成逼真视觉反馈,支持智能体在捉迷藏、陪伴小狗等场景中通过自我博弈与复盘手册快速掌握策略。项目提供技术报告、博客及GitHub仓库链接。
推荐理由:MirroS发布AgentGarten,通过代码定义物理规则与神经渲染器实时生成视觉的闭环架构,支持智能体在可执行环境中边玩边进化。
NVIDIA 开发者利用 GPT-6 Astra 等前沿模型结合 Omniverse 库,通过自然语言指令构建可编辑的 3D 资产、测试机器人拆解及数字孪生场景。实验涵盖使用 Houdini 与 Isaac Sim 生成动画、在 Onshape 中配置 CAD 模型以及分析燃气轮机工况,实现了从概念到仿真应用的快速转化。
本文提出 Artisan 系统,通过引入多智能体流水线与物理仿真反馈,将 3D 资产生成的目标从外观复现转向运动与功能捕捉,支持无碰撞运动、重力下稳定性及准确的质材属性。
推荐理由:提出 Artisan 系统与基准,在保持空间保真度的同时实现最低碰撞率与最高稳定性。
SafeWorld 本周从隐身状态正式亮相,获得由 Shine Capital 和 a16z Speedrun 领投的 1220 万美元种子轮融资。该公司推出了机器人安全仿真软件,旨在帮助企业在真实世界部署前测试机器人在罕见、危险或意外情况下的行为,而无需承担实际风险。
北京 Physical AI Infra 平台公司厘清智能宣布完成天使轮及天使 + 轮数亿元融资,蚂蚁集团连续两轮加码并领投。资金将用于物理世界数据管线、模型研发与训练、物理仿真、能力评测及跨本体适配部署系统。该公司已推出 T1 系列数采手套(含 T1 Lite、T1、T1 Pro)和 EgoDepth 设备,致力于构建 Physical AI 时代的智能基础设施。
Physical AI Infra 平台公司厘清智能近日完成数亿元天使轮及天使+轮融资,其中蚂蚁集团连续两轮加码并领投天使+轮。该公司由前英伟达科学家李一鸣创立,致力于建设连接模型智能与物理世界的基础设施平台,涵盖数据采集、模型训练、物理仿真及部署等环节。目前公司已推出 T1 系列数采手套和 Ego 数采设备用于记录真实任务信息,融资将加速其技术研发与产品落地。
论文提出 OptCar(Optimized Car)配方,旨在桥接从通用到专用的前向运动学动力学预测基础模型,以保留跨地形泛化能力并优化特定车辆性能。该方法采用 Transformer FKD 架构,利用 FiLM 条件化多步预测,并通过环境特定的系统辨识结合有限真实数据进行专业化微调。
针对现有视觉世界模型在机器人领域仅能处理单阶段任务(如抓取)且难以应对复杂序列规划的局限,本文提出 WorldDP 框架。该框架采用分层架构,利用高层世界模型作为转移函数优化运行时可行子目标,再由低层扩散策略执行;同时引入对象中心表示以解耦环境实体并支持针对各实体的顺序规划。在多个机器人基准测试中,WorldDP 持续优于现有基线,验证了结合物理基础规划与高效执行的优越性。
针对物理辐射传输模型计算昂贵且现有学习基线缺乏不确定性信息的问题,该研究提出一种基于 VAE 的变分潜空间框架。实验在 PROSAIL 高光谱植被立方体和 Sentinel-3 OLCI 海洋影像上验证,证明像素级模型适合受控仿真,而全卷积 VAE 对含缺失或污染像素的真实观测更鲁棒且具备高通量生成能力。
针对现有可微决策树在时序规划上的局限,研究引入时间维度并通过动作分块与参数高效重构算法优化策略。实验显示,从蒸馏后的动作分块策略热启动的模型,在四个仿真环境中匹配神经网络策略性能的同时,参数量减少高达 80%。代码已公开于 GitHub,为具身智能的可解释性提供新路径。
GAGR-Lab 是一个通过笛卡尔游戏场景和权威 Rust 轨迹执行来测量机器人空间感知与函数构建能力的研究框架。该框架在 Llama 3.2 11B Vision Instruct 模型上试点显示无目标命中,但独立分析搜索控制在 600 个方向案例中全部成功且可重复验证。目前仅报告了部分评估结果,完整的难度矩阵与多模型对比数据尚未测试。
论文提出了 Agentic RSR 框架,旨在解决场景重建与策略开发分离的问题。该框架利用视频、任务描述和已知机器人模型,通过智能体恢复度量尺度并迭代优化场景,随后在 MuJoCo 中检查交互并开发从特权姿态到视觉观察的策略。
推荐理由:提出将场景重建与策略开发通过同一任务链接的框架,在真实机器人上实现了 80% 的仿真成功率保留。
针对足式机器人控制器在部署后动力学变化导致性能下降的问题,本文提出 Look-back and Look-ahead Adaptive Model Predictive Path Integral control (LLA-MPPI)。
论文介绍 DIGHT 共适应框架,耦合数字交互生成器与人形追踪策略。方法先在仿真中执行多个文本条件候选交互,利用固定追踪器构建涵盖可执行性与交互保真度的物理偏好信号。
该论文提出了一种端到端的自主管道,用于设计和构建定制木制组件。生成式 AI 代理将用户提示转化为初始 3D 几何形状,并通过基于梯度的修复阶段调整组件几何以解决不连续和重叠问题。该方法在 60 个新自然语言输入中实现了 86.7% 的机器人螺丝刀驱动成功率,并在两个 UR5e 机器人上对其中十种结构进行了物理组装演示。
推荐理由:提出端到端自主设计流程,通过可微几何修复显著提升了机器人组装成功率。
该论文提出 AeroEval,一种用于分阶段验证 AI 生成无人机任务的代理辅助中间件系统。它结合确定性程序分析与上下文感知的 LLM 智能体,依次验证语法、API 使用及任务意图,并基于执行轨迹和环境背景评估行为实现情况。
针对自主水下航行器(AUV)依赖多普勒速度日志(DVL)进行导航时,传统回归损失对大残差敏感且未考虑测量不确定性的问题,研究提出了结合 DeepONet 架构的新型 NAVi-DeepONet 模型。
该论文研究了针对变形线性物体(如绳索)的动态操控问题,提出在指定终点位置及到达方向的目标设定下,通过单摆动作完成打击任务。作者扩展了 DeformX 仿真器至 DeformX2.0,引入 GPU 加速与气动模型以提升效率;提出 TRACE 方法生成带方向约束的打击数据,并训练条件流匹配策略;最后提出 RECAP 残差校准策略以适配真机参数。
推荐理由:提出 DeformX2.0 仿真器与 TRACE、RECAP 策略,实现变形绳索打击任务从仿真到真机的跨域迁移。
针对纯视觉合理性无法捕捉真实交互脆弱物理流形的问题,作者构建了包含一万条样本的 AgiBot-PhysPref 数据集以隔离物理违规情况,并提出 RobotAPO 框架在连续流匹配去噪空间中进行优化。该方法通过轻量级对抗反事实提议器探索物理交互边界,无需外部结构条件即可保持纯提示推理接口。实验显示,该框架在真实机器人复现中相比最强内部基线将任务成功率相对提升了 37.4%。
针对现有世界动作模型依赖预定义时间间隔的问题,该方法引入事件对齐的视觉动作推理框架,将视觉预测与关键交互事件直接对齐,在想象 rollout 中聚焦任务关键状态变化并细化推理粒度。同时增加执行有效性头以剔除冗余动作。实验显示其在 DOMINO 基准上成功率提升 10.26 个百分点,且在 RoboTwin 2.0 表现优异,能从 Level 1 无适配迁移至 Level 2 和 Level 3。