NavBind:诊断导航 VLA 在路线分叉处的指令 - 动作绑定问题
论文 NavBind 提出一种方法,用于诊断视觉语言动作(VLA)导航模型是否真正遵循指令而非仅依赖视觉线索或历史轨迹。研究构建了包含 3,252 个路线分叉场景的数据集,通过对比不同分支下的动作序列、概率分布及注意力变化,发现高导航成功率并不等同于对指令的忠实执行。材料为预印本,未报告真实机器人部署结果。
推荐理由:该工作通过构建路线分叉数据集,揭示导航 VLA 模型高成功率可能未忠实遵循指令的现象。
论文 NavBind 提出一种方法,用于诊断视觉语言动作(VLA)导航模型是否真正遵循指令而非仅依赖视觉线索或历史轨迹。研究构建了包含 3,252 个路线分叉场景的数据集,通过对比不同分支下的动作序列、概率分布及注意力变化,发现高导航成功率并不等同于对指令的忠实执行。材料为预印本,未报告真实机器人部署结果。
推荐理由:该工作通过构建路线分叉数据集,揭示导航 VLA 模型高成功率可能未忠实遵循指令的现象。
论文提出 SMR,一种基于语义条件的流式神经运动重定向方法。该方法将人类动作转换为机器人感知的任务空间目标,利用在仿真中受接触、动力学和执行器约束的物理专家直接跟踪这些目标,并训练单因果 Transformer 对执行后的状态轨迹进行建模。实验表明,相比直接优化和物理修正基线,该方法在保持语义保真度和物理有效性的同时,实现了更优的闭环控制性能。
推荐理由:提出 SMR 方法,利用语义条件物理专家在仿真中生成符合动力学约束的运动轨迹,并通过因果 Transformer 实现流式重定向。
该文介绍 SimPT(Simulation-based Post-Training),一个集成策略 rollout、修正数据采集、策略训练及独立评估的自动化仿真框架,旨在解决人类在环后训练中监督成本高和重复实机评估受限的问题。
arXiv 论文 ACT--Flow 提出一种在线学习框架,结合自适应动作分块 Transformer 与条件残差流策略,用于视觉引导的插入任务。该方法通过锚点引导预热吸收成功执行的动作,并基于更新后的先验重新计算残差目标;层级评论家评估交互结果以加权生成的残差候选者。
SLoSa 是一个神经符号压缩与微调框架,旨在训练具备小体积、低能耗和安全意识的机器人任务规划基础模型。该方法利用经典规划器构建安全感知数据集,并通过验证引导的奖励机器进行监督与强化学习微调以对齐安全约束。
论文介绍 GGraph,这是一个开源的 GPU 加速图库,旨在为自主移动机器人提供稀疏的空间表示以支持规划与强化学习。现有图库多针对单机器人或固定图设计且依赖 CPU,限制了可扩展性。
针对移动操作器需适应物体及空间环境的挑战,本文提出 COWBOY 框架,利用向量化环境感知全身控制器处理千种场景下的到达与避障,再训练局部 RL 专家进行物体交互,最终蒸馏为单一视觉策略以控制移动基座、机械臂、灵巧手和主动相机。该策略能从点云观测自动适应场景几何并执行操作。材料为预印本论文,未报告真实机器人部署结果或具体性能指标。
针对视障人士使用导盲犬或手杖在陌生区域导航时的不确定性问题,该研究提出了 Context-Aware Navigation Explanation 框架,利用大语言模型将感知上下文与规划的未来轨迹整合,生成自然语言的机器人移动解释。
该论文提出 inr2action 方法,利用共享的元学习初始化拟合机器人操作视频,将每个独立经验编码为固定大小的权重增量(delta)作为记忆。该方法通过投影层将权重增量映射为 token 嵌入,进而条件化语言模型进行问答和解码器执行关节命令回归,无需在查询时检索帧。实验显示,该方法在 RoboMME 基准上超越随机猜测,且证明了元学习初始化对于编码内容的关键作用。
论文提出了 Real2Sem2Real (R2Sem2R) 方法,旨在解决现有方法依赖深度传感或仅针对演示对象生成数据的局限。该方法利用 DINOv3-distilled Gaussian splats 跟踪 SE(3) 姿态,结合语义对齐将数字孪生体与演示物体匹配,并将人类手部动作映射为可行的机器人抓取策略。
推荐理由:该方法利用单个人类 RGB 演示生成跨语义实例的机器人数据,在真实机器人上验证了策略泛化能力。
均胜电子与北京恩力动力成立均恩新能源,宣布首款固液混合电池达到量产标准。该产品采用硫化物固态电解质路线,能量密度达300至600Wh/kg,循环寿命超2000次,支持5C至15C高倍率放电及热失控预警。
均胜电子旗下均恩新能源研发的固液混合电池已达到量产标准,正依托全球渠道加速出海。该产品走硫化物固态电解质路线,能量密度最高达380Wh/kg,循环寿命超2000次,并搭载车规级BMS与热失控预警系统。产品覆盖人形机器人、轮式机器人等各类具身智能设备,均胜电子在机器人赛道已形成从控制器到能源方案的完整矩阵。
推荐理由:均胜电子旗下均恩新能源宣布其首款固液混合电池达到量产标准,能量密度最高380Wh/kg并具备车规级BMS与热失控预警能力。
该论文针对基础模型智能体在长期部署中受限于固定权重和上下文的问题,提出 Memory-Centric Continual Learning (MCCL) 框架。
论文介绍 AW-0 框架,通过统一架构联合建模代码、未来视频和机器人动作,利用代码专家生成可复用的技能程序以连接规划与执行。作者还提出了自动化策展流程来构建技能库。在 RoboTwin 2.0 及物理双手操作任务上的评估显示,该方法在任务性能、语言遵循、语义推理及鲁棒性方面均优于 VLA 和 WAM 基线。材料为预印本论文,未提及同行评审状态或具体开源代码仓库。
推荐理由:该工作提出结合代码规划与视频预测的代理世界动作模型,在仿真及物理任务上优于基线。
工信部就五项强制性国家标准公开征求意见,其中 GB 4785 第四次修订方案将前部、后部和侧面的 ADS 标志灯(小蓝灯)界定为标识自动驾驶的关键,规定只有具备 L3 及以上系统的车辆才可选装,且功能激活时自动点亮、退出时自动熄灭,禁止手动开关。
10 月 19—21 日,2026 中国汽车供应链大会在河南开封成功举行。会议指出中国智能座舱已由配置竞争转入平台竞争,2026 到 2027 年是补强高端芯片、基础软件等五大底座的关键窗口期。大会还围绕车规芯片技术瓶颈突破及汽车新材料产业堵点难点开展深度研讨。
VISION 2026 会议显示,尽管 AI 使复杂检测配置难度降低 90% 至 95%,但图像质量、布光设计及物理系统搭建仍是决定成败的核心。行业共识认为集成商角色正从组件组装转向提供涵盖硬件选型与照明的综合解决方案,人类专家在训练验证及优化真实应用中的价值不可替代。
针对智能体编排学习中依赖人工设计课程、优势坍塌及评估信号噪声等挑战,论文提出 R^2Orch 新范式。该方法包含两个循环:内环通过自博弈在自选任务上优化编排器,外环优化内环的改进方式。研究引入递归可学性目标以奖励能产生多样化结果的任务选择,并提出技能撤出机制,当自博弈评估显示无需某项技能时将其移除。实验表明该范式在问答、数学、代码及交互任务上均优于基线。
推荐理由:提出 R^2Orch 范式,通过技能内化循环与递归自博弈解决编排学习中的课程设计与评估信号噪声问题。
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。
英伟达发布并开源了面向机器人数据集的数据引擎Flora,该系统由动作描述、时间分段和奖励三个模型组成,可将原始机器人视频转化为带时间戳的动作描述及过程/结果奖励。Flora基于Qwen3.5微调,在WGO-Bench等基准测试中表现优异,标注成本约为GPT-6 Astra的1/125(每小时0.72美元对比88.49美元),目前已用于训练GR00T系列模型。
推荐理由:英伟达开源Flora数据引擎,将机器人视频转化为高质量训练信号,成本仅为GPT-6 Astra的1/125。
千诀科技在首届2026物理AI与世界模型大会上正式发布预测式世界模型Polibrain。该模型不堆画面预测,专注物理规律与跨本体复用,支持四足、人形等多形态机器人适配。其核心技术包括多项式表征(提取关键变量)、因果记忆(筛选历史信息)及松耦合架构(分离世界理解与动作执行)。相关理论工作比LeCun团队相近研究早约一年,旨在解决具身智能泛化难题。
生数科技世界模型团队于10月21日开启Motubrain 2.0训练全流程公开直播,计划持续半个月。此次直播涵盖预训练、后训练、Agent任务执行及递归自我改进四个环节,旨在打开具身模型训练的“黑盒”,向公众展示从训练到能力迭代的全过程,并探讨规模化训练与跨场景泛化等关键问题。相关研究仍处于探索阶段,具体效果需后续验证。
清华AIR孵化企业紫荆智康发布了“紫荆AI医院”系统的重大升级,核心是多学科人类与智能体协作(Multidisciplinary Human-Agent Collaboration)技术。
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。
英伟达发布并开源了实时生成式手术世界模型Cosmos3-H-Dreams,该模型基于160亿参数基础模型开发,利用约526分钟真实腹腔镜胆囊切除术视频训练。通过教师 - 学生蒸馏和FlashDreams流式推理框架,模型仅需单张NVIDIA RTX PRO 6000 GPU即可实现实时交互,支持根据器械操作指令生成对应的手术画面及组织形变模拟。
推荐理由:英伟达开源了支持单卡实时推理的手术世界模型,将生成式仿真扩展至腹腔镜胆囊切除术场景。
德国总理默茨与英伟达 CEO 黄仁勋在柏林 Kraftwerk 签署联合意向书,双方将合作开发物理 AI 前沿模型并建立欧洲领先的工业 AI 生态系统。NVIDIA 宣布对 Agile Robots、Avelios Medical、Mirelo 和 Reflex Aerospace 四家德国初创企业进行新投资,此前已承诺近 100 亿欧元支持欧洲生态。
推荐理由:NVIDIA 宣布在德国启动多项新投资并签署联合意向书,旨在推动工业 AI 与制造业深度融合。
NVIDIA 推出 Nemotron 3.5 Super VL 和 Bolt 语言多模态模型、Kumo 结构化数据模型、Cosmos 世界模型、Alpamayo 2 Edge 自动驾驶推理模型、BioNeMo 蛋白质设计模型及 Ising 量子计算模型。材料提供了各模型的开源仓库链接与部署入口,并列举了合作伙伴在特定行业的应用案例。
推荐理由:NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 等开源模型系列,提供欧洲主权 AI 基础与后训练工具链。
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。
美国具身智能初创企业 Eka Robotics 近日宣布完成 1.5 亿美元的 A 轮融资,投后估值约 14.5 亿美元。本轮由 a16z 和 F-Prime 联合领投,三星等机构跟投。公司专注于研发重视力反馈的 VFA(Vision-Force-Action)机器人基础模型及自研灵巧夹爪,采用物理仿真与强化学习相结合的技术路线。目前正与多家工业客户开展试点合作。
论文提出 Agent S4,一种能利用任务经验自动构建与优化界面的自主科学智能体。该方法通过元智能体分析合成任务轨迹,在无成功标签下进化界面库,并利用群体进化策略在未见验证任务上筛选高泛化性方案。
针对长周期任务中代理单次成功但重复运行失败的稳定性问题,论文提出了 RiseHarness 框架。该框架在固定模型权重的前提下,通过翻转同一配置下的成功与失败轨迹,结合运行时监控的内部痕迹分析模型动作与命令执行、反馈及上下文管理的交互机制。
论文介绍 Embodied Manipulation Media Adaptation (EMMA) 框架,旨在解决大规模机器人操作数据获取成本高的问题。该框架包含 DreamTransfer 架构,用于生成多视图一致且几何合理的具身操作视频,支持前景、背景和光照的文本驱动编辑并保留三维结构;同时提出 AdaMix 混合训练策略,根据策略表现自适应加权样本以强调挑战性任务。
Gibson Virtual Environment 提出基于真实空间虚拟化的环境,包含来自 572 栋建筑的超 1400 个楼层空间。该环境内置"Goggles"合成机制,支持无需额外域适应即可在真实世界部署模型,并体现物理与空间约束。代码、数据集及项目网站已开放访问。
针对富接触操作场景,视觉信息难以区分不同接触结果且反应式控制响应滞后,本文提出 ForeTac 预测性接触引导框架。该框架通过代表 - 预测 - 评估 - 引导循环,编码当前触觉状态并基于候选动作序列预测未来触觉潜变量轨迹,利用从成功与失败物理交互中学到的接触质量目标进行评估。
这篇博士论文提出训练神经隐式表示来离线学习哈密顿 - 雅可比(HJ)可达性解,以在实时控制中区分安全与必撞状态。研究展示了五种方法:前四种将学习到的函数作为模型预测控制的终端约束或控制巴利尔函数的候选项,第五种则通过顶点输入的并行树搜索生成标签,解决了网格求解器限制低维模型的问题。仿真和硬件实验表明,该方法在短视域和移动障碍物场景下比几何及手工设计的基线具有更好的碰撞避免能力。
本文介绍了一种端到端管道,用于捕获手术室中的运动并训练手术机器人策略,已在活体动物上验证。作者引入了一种安装在标准腹腔镜器械轴上的器械状态记录器,利用惯性传感器、飞行时间传感器和霍尔传感器恢复其姿态和钳口状态,无需外部相机或追踪器。
该研究针对传统四足机器人难以利用机械共振的问题,提出了一种框架,使非线性动力学在设计过程中可预测。作者展示了高顺应性四足机器人 eBert,利用新理论工具识别出六种非线性正常模式(NNMs),并在仿真和硬件上验证了其存在。
论文提出 NeoWorld-Pro 框架,利用多模态大模型的零样本推理与代码合成能力,将单张 RGB 图像转化为指定物体几何、关节及物理属性的可执行程序,并通过物理引擎闭环迭代修正生成结果。实验表明该方法优于开环及现有单目重建方法,支持稳定堆叠等复杂下游任务。材料为 NeurIPS 2026 接收的预印本,未报告真实机器人部署结果。
针对过驱动多旋翼分配中贪婪策略导致指令跳变、努力最小化策略无法保证权限的问题,提出基于对数行列式度量与控制屏障函数的新方法。该方法在六旋翼与八旋翼仿真及 300 次随机任务中,将硬力矩误差降低 79 倍且从未离开认证集。鲁棒变体在全部 150 个扰动系统上保持权限下限,支持未建模气动与延迟下的闭环控制。