HuGe:利用以自我为中心的经验扩展人形通用视觉语言动作模型
针对将视觉语言动作模型扩展到具身智能时面临的全身控制协调与数据收集成本高的挑战,该研究提出了 HuGe 系列模型。该模型预训练于超过 2000 小时的以自我为中心的人机混合数据,采用三种代表性架构预测潜在运动令牌及手部控制信号。
针对将视觉语言动作模型扩展到具身智能时面临的全身控制协调与数据收集成本高的挑战,该研究提出了 HuGe 系列模型。该模型预训练于超过 2000 小时的以自我为中心的人机混合数据,采用三种代表性架构预测潜在运动令牌及手部控制信号。
论文提出 MimicAll 强化学习框架,旨在解决共享策略在结构、形态和动力学各异的人形机器人间的通用问题。该方法将结构化本体描述编码为全局与关节对齐的条件,结合观测历史与身体匹配的运动参考来预测关节目标偏移。
推荐理由:提出强化学习框架 MimicAll,通过结构化本体描述实现跨异构人形机器人的全身运动追踪。
部署人形机器人任务策略需要可靠的运行时监测器以预判不可恢复的跌倒并触发回退。该方法将任务定义为学习给定回退策略的随机有限视界可恢复包,通过统一框架在价值学习与主动探索间迭代,将数据探索重构为避障问题,利用不确定性引导探索未知状态同时避开确信不可恢复区域。
推荐理由:提出主动可达性学习框架,解决接触丰富系统的恢复包数据获取瓶颈,实现零样本迁移至真实硬件。
该研究介绍了 RAIWAY,一款由团队自主研发的大轮双足机器人,其核心在于提出了一种基于接触信息的控制方法,用于在不规则和不连续地形上的滚动运动。该方法利用仿真中的接触信息蒸馏出潜变量表示,部署时控制器仅需本体感知即可在线推断该表示,无需直接安装接触传感器。
FFR于10月23日完成对FFAI机器人业务的合并交易,贾跃亭任CEO。公司发布“FF OmniMind”统一AI大脑品牌,预计10月出货量突破300台、累计超1100台且持续正毛利交付。FFR给出2026年指引:本体销量约2000台;五年展望预计2027年营收约4520万美元、累计销量约13.3万台,预测以必要融资为前提存在不确定性。
丰田拟将自身转型为全球机器人公司,计划每年投入 64 亿美元并部署 40 万台机器人以推进工厂自动化。其 AI 机器人子公司 Walden Robotics 已于今年 7 月上市,估值达 11 亿美元且获 3 亿美元融资。尽管高盛预测丰田到 2035 年可能占据人形机器人市场 3% 至 8%,但投资者对其过往氢能汽车及固态电池项目未达预期持谨慎态度。
特斯拉确认位于美国弗里蒙特的 Optimus 擎天柱人形机器人产线已启动初期生产(Early Ramp),首批达到量产标准的机器人正式下线。尽管双手等硬件仍在迭代,马斯克计划先制造约 1 万至 2 万台机器人送入专用设施进行自主练习以积累训练数据,形成持续迭代循环。
针对人形机器人对轻量化、敏捷且节能的腿部机制需求,本文提出了一种新型串联 - 并联腿部设计,结合膝部并联机构、踝部并联机构及非线性膝踝耦合结构,将所有执行器置于髋部附近。该设计利用耦合机构被动辅助踝关节运动以分担负载,并通过仿真与硬件验证了非线性传动模型。实验表明,共享传动机制使双关节能互借执行器容量,在 6kg 腿部重量下将足部有效反射质量降至 0.37kg,显著降低了动态人形机器人的远端惯性。
该研究指出人形机器人的安全过滤器仅在特定参数配置下有效,缺乏通用方法确定这些参数导致部署后可能失效。作者展示了无需额外权限即可通过正常交互利用此漏洞的攻击方式,并开发了自动化工具 SIREN 来识别脆弱目标。实验表明 SIREN 在 SPARK 数据集的所有脆弱场景中均能发现攻击,且能在真实人形机器人上成功诱导碰撞事故。
推荐理由:论文揭示人形机器人安全过滤器存在可被正常交互利用的漏洞,并展示了自动化攻击工具 SIREN 在仿真与真实机器上的有效性。
论文提出 ViT-H 框架,通过扩散模型直接从单目视频中生成类人参考动作,跳过中间的重构与重定向阶段,并利用运动追踪结果进行偏好优化以提升可执行性。该工作还引入了自回归变体以实现低于 400ms 延迟的实时遥操作。在 Unitree G1 机器人上的实验表明,ViT-H 在运动质量和可执行性方面均优于现有的重建 - 重定向 - 追踪流水线,且模型规模与数据规模的扩展效果良好。
推荐理由:ViT-H 框架通过生成式视频到类人控制范式,利用运动追踪反馈优化生成器,在 Unitree G1 上展现出优于传统流水线的运动质量与可执行性。
论文介绍了 CoCarry 数据集及配套的 Contact-Support-Structured Retargeting 方法,旨在解决双具身智能体在协同搬运中保持个体运动合理性与跨主体、主体 - 物体关系一致性的难题。
思灵机器人与英伟达在GTC大会上联合发布面向科研的人形机器人Agile ONE SN,该产品基于Isaac GR00T开发平台打造并预配置完整软件栈。硬件方面本体高1.4米、重43公斤,具备31个自由度,板载Jetson Thor计算平台及多视角传感系统。
10月22日,优必选与中欧数字协会签署谅解备忘录,聚焦制造业、物流等领域推动人形机器人落地。双方将依托本土资源网络协助理解监管规则并对接潜在客户,旨在从单纯出口硬件转向“中国硬件 + 本地集成”的生态模式。此次合作属框架性意向,不涉及具体采购金额,最终业务转化取决于后续项目对接。
上纬新材旗下消费级品牌启元机器人于10月25日完成第5000台下线,距离9月发售仅一个月。整机制造合作方沪光股份将汽车零部件精密制造能力迁移至机器人环节,实现每2.5分钟下线一台,日产能达200余台。产品定位为学伴、玩伴和家庭助手,支持AI启蒙课程、语音游戏及360度避障等功能,部分用户日均使用时长超1小时。
智元组织110台远征A3在济南黄河国际会展中心成功挑战吉尼斯世界纪录“最多人形机器人同时群舞”。表演展示了机器人在精准定位、动作同步及实时调度下的协同能力。智元合伙人王闯介绍,此次挑战使用了自研LinkBots群控调度系统,配合UWB厘米级融合定位与5G/Wifi双模通信,支持千台以上机器人协同;平台采用分层协作架构以应对断联等异常,并支持折叠包装、自主出入箱及单人部署。
针对现有行为基础模型仅能执行预定义动作且缺乏环境适应性的问题,论文提出 ReactiveBFM 实时闭环规划控制框架。该方法通过调度前缀采样课程缓解暴露偏差,使生成式规划器从不完美的物理状态中学习误差恢复;引入异步重规划机制解决自回归规划与高频跟踪的延迟失配,结合轨迹分块保证时空流畅执行。
推荐理由:提出 ReactiveBFM 框架,通过前缀采样缓解暴露偏差并解决规划延迟问题,在 Unitree G1 上实现零样本移动目标抓取与高成功率闭环控制。
该论文提出一种结合数据驱动运动先验与强化学习的混合框架,旨在解决类人机器人在复杂地形中的全身协调控制难题。核心方法包括一个自监督的、基于注意力的接触规划器用于预测未来身体与环境交互,以及一个接触条件化的跟踪器将计划转化为协调动作。
推荐理由:提出利用运动数据作为训练先验的强化学习框架,通过自监督接触规划器与跟踪器实现人形机器人在复杂地形的稳健移动。
针对动态场景中非马尔可夫特性导致线索消失的问题,本文提出 WholeBodyMem 方法,利用 SAM3 追踪任务物体并因果选择关键帧构建感知记忆,供动作专家通过交叉注意力读取。该方法在仿真和真机(宇树 G1)上均显著优于无记忆及均匀采样基线,将基础策略成功率分别提升至 72.6% 和 88.3%,同时改善了标准 SIMPLE 任务表现。作者开源了包含六个仿真与六个真机任务的 HuMeGo 基准。
推荐理由:提出 WholeBodyMem 方法,利用预历史记忆将仿真与真机任务成功率分别提升至 72.6% 和 88.3%,并开源 HuMeGo 基准。
LocoManiLab 提供涵盖数据采集、策略训练至物理部署的统一测试床,支持五类家庭场景下共 234 个原子与组合任务。该测试床基于 51.5 小时模拟遥操作数据,评估了十二种策略及两种策略在五种控制器下的表现,验证了仿真到现实的一致性。
该研究提出一种名为 STR 的方法,利用时空偏好将人类演示转化为全身控制与操作轨迹。通过视觉语言模型选择关键信号与身体部位,并在关键帧分配额外求解迭代次数及更高交互权重,同时引入力学感知接触锚定优化物体表面接触位置。
针对人形强化学习奖励函数设计难、易过拟合或失稳的问题,本文提出 MPBRS 方法,通过势能差引导探索且不改变最优策略。该方法在九个人形机器人上验证了仅需关节映射和默认姿态等元数据即可实现统一配置,相比标准塑形具有更一致的缩放行为和更低调参敏感性。
HoloBoxing 提出了一种利用预训练全身控制器学习类人机器人拳击的简单配方。该方法将可复用的运动技能与任务决策分离,由紧凑规划器请求目标点,冻结控制器处理关节执行,并通过模仿初始化与强化学习结合优化交互行为。实验表明,在复用表示拟合和单卡任务运行的基础上,仅需约七分钟额外训练即可实现模拟拳击实验中的行为评估,无需重新学习全身控制。
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。
论文提出 ExtremControl 低延迟全身控制框架,通过底层加入缩放速度前馈减少约 70ms 跟踪延迟,并直接在 SE(3) 位姿上操作以避开关节空间重映射。系统支持光学动作捕捉与 VR 追踪,端到端延迟低至 50ms,实现了乒乓球平衡、抛接球等现有遥操作无法完成的任务。
推荐理由:提出 ExtremControl 框架,通过速度前馈与 SE(3) 位姿控制将端到端延迟降至 50ms,支持乒乓球平衡等新任务。
该研究在模拟 Unitree G1 上训练策略,发现地球训练的模型在月球平坦刚性地面生存率为 0.64 至 0.75,而月球训练策略无法站立于地球。粗糙地形训练将地球和月球的综合瓦片生存率分别提升至 0.98 和 0.99,且重力随机化策略在关键测试单元的平均生存率至少为 0.84(地球)和 0.96(月球)。所有结果均为基于接触模型与土壤刚度的仿真预测。
论文提出了 RISE 方法,旨在让人形机器人在跌倒后根据场景和任务需求灵活选择恢复姿势与路径。该方法通过学习恢复词汇表连接意图与动作,并利用视觉扩散规划器预测未来状态以引导运动生成。实验在仿真中展示了多样化的恢复策略、地形适应及无需重训练的测试时导向能力,并在宇树 G1 机器人上进行了实物演示。材料为预印本版本,仅包含摘要信息。
推荐理由:该工作提出 RISE 方法,利用视觉扩散规划器在推理阶段引导人形机器人跌倒恢复策略,支持任务目标导向的多样化动作生成。
论文提出了 SP-HLM 框架,旨在解决人形机器人全身操控中高层策略与底层控制的接口问题。该框架采用稀疏姿态驱动机制,结合任务关键的五个体位与学习得到的潜在运动先验来表征空间意图和全身协调。
推荐理由:该工作提出稀疏姿态驱动的人形机器人全身控制框架,通过解耦任务意图与运动协调,在仿真及真机实验中提升了人形机器人的运动跟踪与操作成功率。
针对优化重定向管道和未来帧条件引入的计算延迟问题,本文提出 HuMiT 系统,其统一跟踪策略仅需当前帧的根高度、速度及四个稀疏关键点 SE(3) 姿态作为紧凑参考目标。实验显示该系统在头戴设备流与策略输出间实现约 20ms 通信推理延迟,跨不同运动类型的光流延迟中位数为 65ms。研究在宇树 G1 人形机器人上验证了系统,展示了接住抛球等秒级反应能力及协调的行走操作能力。
推荐理由:提出仅需稀疏参考目标的低延迟全身遥操作策略,在 Unitree G1 上实现约 20ms 通信推理延迟与 65ms 光流延迟。
论文提出一种针对人形机器人步态控制的预见性感知方法,通过轻量级足点预测模型仅采样关键区域的地形高程图,替代全量输入或昂贵的注意力机制。该方法在训练收敛速度、稀疏足点场景及未知地形泛化上均优于基线,并实现了从仿真到 Unitree G1 真机的零样本迁移,支持室内外多种障碍与台阶任务。
PHD-Hand 是一款采用独特柔性铰链和弹簧钢弹性驱动杆的连杆驱动类人手,无需微型移动部件即可实现单指三自由度操作。该设计仅需预算级 3D 打印机即可制造,显著降低了灵巧机器人手的开发门槛并使其尺寸更接近人手。原型已在抓取与物体操作任务上完成评估,论文已提交并被 IEEE-RAS Humanoids 2026 会议接收。
该论文提出在偏好条件强化学习中评估奖励、优势、损失及 PCGrad 等不同层级的目标聚合策略。实验结合响应度与效用指标,对比两种人形控制框架发现:早期聚合能产生更广泛的行为响应但伴随其他目标的非预期变化,而晚期聚合虽提升控制精度却牺牲了部分响应性。材料为预印本版本,未报告真实机器人部署结果或具体性能数字。
研究提出耦合视觉 - 运动重映射方案,将全景方位角畸变与其逆上肢偏航变换配对。原型实现全局缩放(GZ)与焦点 + 上下文(F+C)两种模式。在包含 8 名受试者共 72 次试验的测试中,GZ 完成次数最多(23/24),但仅 6/8 参与者偏好该模式,显示完成率与用户偏好存在差异。
墨甲于2026年10月21日在芜湖发布身高0.9米、全身22个自由度的消费级人形机器人墨宝,搭载自研MoAgent具身智能体与MogaCloud云端平台。产品支持FaceID身份关联及20余种语言交互,面向儿童识物问答与长辈陪聊等场景,具备空间记忆寻物及社交导航避让功能。目前全球累计销量超3000台,覆盖100余个应用场景并进入60多个国家,同步启动全球预订。
伽马智能在上海徐汇区注册成立,是中国电信人工智能研究院(TeleAI)孵化的首个市场化创新企业,由中电信产业私募基金战略投资。公司致力于构建具备自进化能力的人形机器人基座大脑,围绕高自由度全身运动与灵巧操作研发价值驱动的具身模型,面向国资央企提供解决方案。研发团队已实现具身大脑、小脑与数据的能力闭环,支持机器人在真实交互中持续学习并协同云端节点完成任务。
AGCO 与 Agility Robotics 签署协议,计划于 2027 年在堪萨斯州 Hesston 的制造设施试点部署 Agility Digit 人形机器人。该机器人将利用 AI 持续学习以适应工作流程,支持分拣、堆叠零件及智能放置存储箱等关键组装操作。结合 Agility Arc 云平台,此举旨在提升工厂灵活性并增强员工在重复或危险任务中的作业安全。
RoboBusiness 2026 第二场活动于今日上午 9:30 PT 开幕,核心议题聚焦人形机器人当前能力、技术挑战及早期工业落地经验。全天议程涵盖从 OLogic 的以自我为中心学习、Arm 的物理 AI 可扩展架构到 Tesla 工程师探讨的真实世界物理 AI 失效原因等深度讨论。
具身智能公司伽马智能近日在上海市徐汇区注册成立,是中国电信人工智能研究院(TeleAI)孵化的首个市场化创新企业。该公司由中电信(上海)人工智能产业私募基金战略投资,将围绕人形机器人的“自进化”与“全身模型”推进研发,致力于实现机器人在真实交互应用中持续学习,形成移动、平衡与操作相互协同的全身能力,并与云端模型和各种智能节点深度协作。
宇树科技于 10 月 21 日发布新款人形机器人"H2-X 功夫传奇 守护”,最长续航可达约 8 小时。视频展示其能徒手抬起汽车、从 4 米高空平稳落地及踢凹车门等高强度动作。该机器人或面向应急救援、安保防护等领域,打破高动态人形机器人耗电高的固有认知。
论文提出 REACT 框架,旨在从人机演示中学习可部署的人形机器人交互策略。该方法利用视觉语言模型(VLM)进行语义接触建模与重定向,将人类伙伴的遮挡状态转化为生成式预测目标以弥补感知缺失。研究在仿真及宇树 G1 真机平台上验证了该框架在五种高接触密度交互任务中的有效性,证明其能仅凭机载传感器完成操作。
推荐理由:提出 REACT 框架,利用 VLM 进行接触重定向与生成式伙伴建模,解决人形机器人与人类交互中的严重遮挡问题。
论文提出 SuperMimic 方法,通过拟合标准刚体仿真器的日志过渡数据构建单一可微世界模型,与跟踪策略在单循环中联合训练并利用时间反传播获取解析梯度。该方法在单 GPU 上 3 小时即超越基线(128 GPU 训练 7 天),将 GPU 工时降低超 1000 倍,并在 129,514 个基准动作中仅失败 25 次;经过 9.8 小时双 GPU 训练后实现零失败。
推荐理由:该工作提出用可微世界模型统一处理全身运动跟踪,将训练时间从 7 天降至 3 小时且失败率大幅降低。