LPA-CWM:一种基于反事实世界模型的物理推理学习仲裁器
针对现有反事实世界模型均匀聚合候选响应且未显式融入物理先验的问题,该研究提出 LPA-CWM 方法,引入轻量级 Learned Physical Adjudicator(3.0M 参数)在密集 MOVi-F 轨迹上训练,通过比较视觉上下文与响应结构预测相对权重。
针对现有反事实世界模型均匀聚合候选响应且未显式融入物理先验的问题,该研究提出 LPA-CWM 方法,引入轻量级 Learned Physical Adjudicator(3.0M 参数)在密集 MOVi-F 轨迹上训练,通过比较视觉上下文与响应结构预测相对权重。
针对机器人仿真到现实部署中缺乏明确操作区安全性保证且无法修正控制器的挑战,本文提出一种课程驱动的闭环框架,将场景驱动进化策略与基于统计模型检测的验证紧密集成。该方法从候选区域出发,在优化策略性能的同时逐步扩大安全操作边界,最终输出神经控制器及其经统计验证的安全与性能区域。
该研究利用视觉振荡器网络(VONs)和注意力广播解码器(ABCD),仅从视频数据中学习可解释的二维振荡器隐变量,在潜空间执行单步最优控制以跟踪图像指定的航点。实验在双段气动软体连续机器人上评估了不同动力学模型,证实基于 ABCD 的模型能显著降低图像空间跟踪误差,并支持静态保持、稳定外推平衡及松弛至静止等开环性能。
论文针对昂贵目标域数据稀缺且噪声大的问题,提出多保真度策略梯度(MFPG)框架,利用廉价低保真数据构建控制变量以降低方差而不引入偏差。作者将该方法扩展至现代 Actor-Critic 架构及 GPU 并行仿真与物理机器人环境,解决了直接优化有偏目标的局限。
论文作者发布了 Isaac-Net,这是一个集成到 Isaac Lab 的 GPU 批处理 5G NR 模块,能在单卡上模拟约一百万个机器人环境。该工具在锁步更新物理引擎的同时精确复现了 ns-3 5G-LENA 的中位延迟与 AoI 指标,解决了传统独立延迟模型无法捕捉网络拥塞尾部效应的缺陷。代码已开源,适用于需要高保真网络仿真的大规模具身智能训练场景。
论文提出了 DR-IPC 方法,通过轻量级路径引导与非线性模型预测控制直接生成角速度和推力,结合扩展卡尔曼滤波与非线性扰动观测器实现状态估计与扰动重构。该方法在 Gazebo 和 MARSIM 仿真及室内外实验中验证了抗风、悬吊负载、狭窄通道、球体撞击及动态避障能力。
I2CD 冻结预训练的 Hunyuan3D-2 扩散模型并训练轻量级交叉注意力头,直接从单张 RGB 图像预测用于物理仿真的凸碰撞几何。该方法无需后处理即可加载到 MuJoCo、PyBullet、Genesis 和 Isaac Sim 等引擎中,在 OmniObject3D 数据集上体积 IoU 最高且速度提升 6-37 倍。
推荐理由:I2CD 直接预测凸分解,无需后处理即可加载到物理引擎,在 MuJoCo 等跨模拟器测试中表现优于传统重建 - 分解流水线。
针对现有具身世界模型存在‘模型惰性’、重视觉保真而轻物理推理的问题,该研究提出 EVEWorld 框架,通过实例引导恢复(IGR)和时序实例对齐(TIA)提升生成轨迹的物理一致性。
该文论证了强化学习管道中的奖励、课程门控、评估统计和参考动作均为代理变量,各自具有特征的发散机制。作者针对每一层提出了传统形式与替代方案,包括一阶成本、峰值统计、可达性检查及相位解耦评估等。研究通过一个在单台笔记本电脑 GPU 上运行 13,500 次迭代的模拟人形机器人策略实验进行了验证,展示了课程门控失效和批量推测试验中的相位混叠问题。
针对现有驾驶模拟器忽略轮胎 - 路面物理交互的局限,本文提出 SceneFactory-3D,这是一个基于 GPU 批处理、由物理规律驱动的 multi-agent 驾驶仿真器。
该研究针对自动驾驶仿真中难以精确控制场景极端程度的问题,提出将场景对抗性定义为条件分布中的分位数。通过构建历史条件的风险分位数请求与参考风险分布映射,结合联合扩散模型生成多智能体未来轨迹,实现了在高速场景下对最小后侵入时间(PET)等物理风险的精准调控。实验显示该方法能以 98.75% 的准确率满足分位数请求,误差控制在极小范围内,为安全测试提供了可量化的风险规格接口。
IEEE Spectrum Robotics 发布本周精选视频合集,涵盖新加坡科技设计大学开发的 ALBATROSS 混合空海机器人(利用机翼实现自旋降落与风帆航行)。
推荐理由:视频合集展示了从仿生飞行到灵巧手、飞虫神经控制及灾难救援的多项前沿演示,为团队提供跨领域灵感与工程参考。
World Embedding Benchmark 包含来自流体力学、固体力学等八个家族的八千个受控仿真案例,每个案例均配对渲染视频与物理标注。基准支持文本 - 视频检索、物理属性回归及多分类任务,评估显示预训练全模态嵌入模型在跨模态对齐和同类对分类上表现较弱,而轻量探针能从冻结的视频嵌入中恢复有用信息。
Boston Dynamics 正式发布 Atlas 机器人新一代手部(GR3),采用 13 个自由度的四指结构,放弃小指以平衡成本与可靠性。该设计具备高保真仿真能力,支持强化学习训练及 sim-to-real 迁移,能够执行灵巧捏取、工具触发等复杂操作,并配备密集压力触觉传感器以实现精细感知。
推荐理由:波士顿动力发布 Atlas 新一代手部,通过高保真仿真与强化学习设计实现灵巧操作,为工业场景提供低成本、可量产的解决方案。
Torc 成立 DataLoop and Simulation (DL+S) 部门,旨在统一组织内从数据摄入、处理到模型验证及部署的完整开发周期。该部门利用 Ray 等工具标准化工作流,管理每小时约 9TB 的卡车运营数据并构建闭环实验循环以加速 AI 模型迭代。通过整合仿真生成合成数据与强化学习,DL+S 确保在海量多模态数据处理下实现高效计算与可审计的安全部署。
Innodata 宣布开放位于新泽西州的运动捕捉实验室,旨在解决物理 AI 领域缺乏高质量真实世界交互数据的痛点。该设施与 Vicon 合作,利用红外光学追踪相机实现亚毫米级精度和毫秒级延迟,直接捕获人体或机械体的三维运动数据,而非依赖 2D 视频推断。
针对测试阶段环境动力学与训练分布不一致导致预测不可靠的问题,本文提出了 JEPA-TTT 方法。该方法在预训练的联合嵌入预测架构(Joint-Embedding Predictive Architecture)世界模型基础上,仅对动作条件化的潜在动力学预测器进行自监督更新,而保持视觉编码器和奖励头固定以保留预训练表征与任务目标。
推荐理由:该工作提出在测试阶段持续训练潜在动力学预测器,使预训练世界模型能自适应动态变化。
上海通用具身智能企业苏度科技宣布完成新一轮超10亿元融资,由上海国投先导、孚腾资本等联合领投,估值突破20亿美元。该公司致力于构建跨任务泛化的通用物理智能底座,其自研的机器人系统#Sudo R1采用3D世界模型与强化学习一体化设计,宣称在不使用真机数据前提下可实现接近100%的Zero-shot成功率,并具备双手操作、柔性体处理等十余项技能。
针对机器人执行动作偏离指令的问题,研究提出了一种无需任务奖励或标签的在线自补偿 VLA 方法,利用指令与执行残差更新策略。同时引入 RoboStress 仿真基准,整合摩擦、背隙等关节模型以模拟复杂部署场景。实验显示该方法在物理机械臂上将平均任务成功率提升超过 30 个百分点,且泛化至未见过的物体。材料为预印本论文,未提及同行评审状态或具体机构归属。
论文提出 Minkowski Positional Encoding(MinkowskiPE),通过联合时空坐标对查询和键特征应用洛伦兹变换,使注意力分数仅依赖于相对时空间位移并保持全局平移不变性。
智元与长隆集团今日正式启动位于长隆飞船乐园的首个大规模具身智能部署项目,向长隆交付了第 20000 台下线的通用人形机器人。超过 300 台 AGIBOT 机器人被集成到娱乐、教育、访客服务和酒店运营等七大核心场景中,包括现场表演、科学教育、导览、零售服务、AI 伴侣体验及体育竞赛。
推荐理由:智元与长隆联合发布首个大规模具身智能主题园区,交付第 20000 台机器人并部署超 300 台于七大场景。
Google DeepMind 发布 MuJoCo 3.14.0 版本,新增 IPC 实验性接触模式以支持无穿透柔性接触,并引入归档资源提供者接口。修复了惯性分解警告、稀疏牛顿求解器错误及多项 API 兼容性问题,同时优化了 MJCF 保存时的帧变换处理与程序化模型编辑性能。
推荐理由:MuJoCo 3.14.0 发布,新增无穿透柔性接触模式与归档资源提供者,修复惯性分解警告及多项 API 兼容性问题。
NVIDIA 展示利用 Agentic AI 工作流检查 Blender 三维场景、在 OpenUSD 中生成仿真数据并添加物理属性,最终输出符合 SimReady 要求的数字孪生。该流程实现了从原始场景到仿真就绪交付物的自动化验证,支持物理 AI 系统的开发管线。
NVIDIA Isaac Lab 3.0 Early Access 正式发布,确立了下一代机器人学习的架构基础,提供跨物理引擎(Newton、PhysX)、渲染器及可视化后端的统一任务 API。
推荐理由:NVIDIA Isaac Lab 3.0 Early Access 发布,提供跨物理引擎与渲染器的统一任务 API、零依赖执行及 Warp 原生数据路径。
VicOne 指出物理 AI 面临攻击者篡改感知或决策时的安全挑战,涵盖 BadVLA 等后门攻击、UniPwn 蓝牙漏洞及运行时感知操纵三类风险。NVIDIA Isaac Sim 搭配 VicOne Radeis 可在部署前验证对抗输入影响,而 VicOne Lab R7 演示显示无线漏洞链可在 60 秒内引发失控行为。
在2026浦江创新论坛上,上海人工智能实验室升级发布书生·端砚科学发现平台并全面开放全栈服务。该平台接入最新推出的书生科学多模态大模型S2和书生物理世界模型W0,旨在推动AI科研从单任务执行走向可持续、可核验、可复现的完整过程。
推荐理由:上海AI实验室升级发布书生·端砚平台,接入S2多模态大模型与W0物理世界模型,打通从假设提出到真实实验验证的闭环。
Skild AI 发布 S1 机器人基础模型,利用上下文学习技术从单个视频演示中理解并执行此前未见的新任务,无需更新权重或进行特定后训练。该模型在植物种植等长程多步操作中成功率提升七倍,仅需 11 分钟即可从录制演示过渡到硬件自主执行。
推荐理由:Skild AI 推出 S1 机器人基础模型,支持单视频演示学习新任务,无需重新训练即可执行长达 10 分钟的复杂操作。
NVIDIA 推出面向 Robotaxi 的全栈开放平台,整合了 DGX 训练计算机、Omniverse/Cosmos 仿真验证计算机及 Hyperion 车端计算架构。
推荐理由:NVIDIA 推出全栈开放平台,提供 Alpamayo VLA 推理模型、Cosmos 世界基础模型及 Omniverse 仿真工具链,支持从训练到车端部署的闭环开发。
Drake v1.57.0 新增多体植物与场景图对虚拟传送带的仿真支持,并在 meshcat 中实现基于点击拖拽施加虚拟力的功能。该版本为最后支持 macOS Sequoia (15) 的发布,计划于 2026-12-01 将 Python 绑定从 pybind11 迁移至 nanobind。
Google DeepMind 于 2026 年 9 月 8 日发布 MuJoCo 引擎版本 3.13.0。该版本引入新的离散积分器(integrator="discrete"),将约束求解与隐式速度更新合并,使被动弹簧和致动器增益在远超显式稳定性极限的时间步长下保持稳定,并修复了旧版隐式弹性模型需迁移至新积分器的 API 变更。
Mobileye 提出以安全架构、边缘案例驱动学习、专用软件栈及规模优先工程为核心的物理 AI 方法,覆盖完全自主的 Robotaxi/消费级 AV 及工业与家用 Mentee 人形机器人。该体系通过 Meteor 识别长尾场景并利用 Genario 生成合成数据训练,旨在实现硬件软件垂直整合下的安全实时决策与灵巧操作能力。
Genesis World v1.4.0 新增将场景与完整轨迹导出为可跨机器加载的独立归档能力,确保通过 `gs replay` 实现位精确回放。此次更新还允许在连杆任意局部点施加外部力矩、保存内存构建场景及记录无资产依赖的轨迹文件。此外,修复了包括 URDF 解析、FEM 顶点约束及 GPU 休眠在内的多项次要漏洞与资产处理问题。
Google DeepMind 发布旗舰级气象模型 WeatherNext 3,该模型直接学习实时卫星观测数据而非数值模式,实现每小时更新与最高 5 公里分辨率,降水预测精度较基线提升显著。系统已集成至 Search、Gemini、Maps 等产品,提供清洁能源变量预测及全球高分辨率气象图,支持研究人员通过 BigQuery 和 Earth Engine 查询数据。
推荐理由:DeepMind 发布 WeatherNext 3,利用实时卫星数据实现每小时更新与 5 公里分辨率,显著提升降水预测精度并支持清洁能源变量。
Kodiak AI 与其客户 Atlas Energy Solutions 合作发布了可在 Permian Basin 运营的可牵引三挂拖车(triples)的自动驾驶货运技术,这是该公司的行业首创。
推荐理由:Kodiak 发布能牵引三挂拖车的自动驾驶技术,通过感知、规划与控制系统的升级解决长车距与动力学挑战。
Google DeepMind 发布 MuJoCo 3.12.0,核心更新包括新增支持位置/速度设定值及前馈输入的 PID 控制器和重新设计的直流电机控制器。引擎层面优化了大网格凸碰撞检测速度与柔体块求解器收敛性,并修复了盒盒碰撞穿透与近奇异面裁剪导致的接触失效问题。
推荐理由:DeepMind 发布 MuJoCo 3.12.0,新增 PID 与直流电机控制器、优化碰撞检测及纹理加载规范。
加拿大 Sherbrooke 大学团队发布了 Ice Dart 无人机及其新型着陆系统,该系统利用碳纤维机身、摩擦减震器及受猫爪启发的可伸缩微型棘爪,使无人机能在高达 58 度的陡峭冰坡和强风条件下自主降落并抓地。
Skild AI 发布旗舰机器人基础模型 S1,该模型专为上下文学习(ICL)构建,无需微调即可仅凭一段视频演示执行长达 10 分钟的未见任务。实验显示,在未见任务上单段演示的 ICL 成功率达 66%,显著优于传统语言提示 VLA;模型具备抗干扰、错误恢复及常识推理能力,且部署时间从数小时缩短至分钟级。
推荐理由:Skild 推出 S1 机器人基础模型,支持通过视频演示实现长时程未见任务的零样本执行与策略修正。
World Labs 发布 R2S2R 引擎,结合生成式世界模型与任务导向仿真,能将一个真实机器人任务转化为数千个受控变体(如改变光照、物体位置及物理属性),用于训练策略泛化。该系统在 ALOHA 等平台上验证了仿真评估与真实硬件测试的一致性,支持在不依赖特定控制模型的情况下复用虚拟世界进行多机器人策略开发与筛选。
Drake v1.56.0 提供 drake/version.h 头文件并启动将 Python 绑定从 pybind11 迁移至 nanobind的进程。此次更新移除了对 Docker 镜像及 drake-apt 站点的支持,同时弃用了 Eigen 旧版自动微分功能改用自研实现。用户需关注相关 issue 以获取 beta 版本测试指南及构建系统依赖升级说明。
Genesis World v1.3.3 发布,修复了刚性求解器收敛回归问题,引入 torch-like 选项 use_deterministic_algorithms 以确保机器内位精确复现。
推荐理由:该版本修复了刚性求解器收敛回归并引入确定性算法选项,同时改进了 MuJoCo 兼容性以支持原生接触点多接触模式。