BiGym 2.0:人形机器人家庭操作策略基准测试
论文提出了 BiGym 2.0,这是针对宇树 Unitree G1 机器人的家庭操作基准套件,包含 20 个任务和每个任务 60 次原生 VR 演示。研究在统一全身控制器下对比了视觉语言动作微调、模仿学习、演示驱动强化学习和冷启动编码代理,发现微调方法在九项任务平均表现最佳,而代理开发程序在所有演示驱动强化学习基线上均占优。材料开源了环境、演示和评估轨迹,并指出跨工作区堆叠等挑战仍待解决。
论文提出了 BiGym 2.0,这是针对宇树 Unitree G1 机器人的家庭操作基准套件,包含 20 个任务和每个任务 60 次原生 VR 演示。研究在统一全身控制器下对比了视觉语言动作微调、模仿学习、演示驱动强化学习和冷启动编码代理,发现微调方法在九项任务平均表现最佳,而代理开发程序在所有演示驱动强化学习基线上均占优。材料开源了环境、演示和评估轨迹,并指出跨工作区堆叠等挑战仍待解决。
针对人形机器人导航中高程图难以识别低矮障碍物(如倒下的瓶子)且运动策略易产生偏差的问题,作者提出了一种结合语义感知的移动与执行感知的导航新基准。该工作构建了闭环的视觉语言导航加移动控制框架以修正状态失配,并在仿真环境中评估了导航性能,同时在宇树 G1 人形机器人上验证了移动策略的有效性。结果表明,引入语义输入能减少与高程图表征不佳障碍物的接触,而抗偏差机制显著提升了导航成功率。
该论文演示了一种由视觉语言模型(VLM)引导的电磁数字孪生在线校准框架,使用宇树 G1 机器人和 NVIDIA Sionna。系统通过两次 VLM 调用:首先利用 ITU-R P.2040 标准将可见材料映射为电导率先验以辅助 Sionna 基于累积接收信号强度(RSS)进行梯度下降;其次利用剩余 RSS 校准误差和图像覆盖度在线规划下一测量点。
推荐理由:该工作演示了利用视觉语言模型引导电磁数字孪生在线校准的框架,在真实室内场景中实现了低误差的材料电导率估计与路径规划。
论文提出了 BRACE 方法,旨在解决现有全身跟踪器无法同时处理物体交互力和复杂地形的局限。该方法将施加的力和地形坡度直接融入参考信号中,通过足点和质心调整实现地形顺应,并利用手位移产生的力与质心变化进行解耦补偿。
论文提出 Rolling-WAM,旨在解决标准世界动作模型(WAM)在每个重规划周期需完成完整联合视频 - 动作去噪导致的延迟问题。该方法在连续重规划周期间分布联合去噪过程,维护具有交错噪声水平的视频 - 动作块滑动窗口:每一步完全去噪即将执行的 imminent 动作块,同时部分细化更远未来的块;随着新相机观测更新窗口,保留的未来块继续其去噪过程。
论文介绍 I-BFM,据称是首个针对人形机器人与物体交互的行为基础模型(BFM)。该模型利用前向 - 后向表示和无监督强化学习,学习人形、物体及其接触点之间的耦合动力学共享表征。
推荐理由:该工作提出首个面向人形机器人与物体交互的行为基础模型,通过无监督强化学习实现单一策略对多种任务的闭环控制。
针对四足机器人在不平坦地形上运输无固定堆叠货物的难题,本文提出 Payload-Adaptive Multi-Objective Reinforcement learning for Transportation (PAMORT) 框架。
推荐理由:提出 PAMORT 多目标强化学习框架,在仿真与宇树 Go2 真机零样本迁移中实现无传感器堆叠货物稳定运输。
OCLO 是一种无需人类运动数据即可训练的人形机器人全身行走与操作系统,仅通过两个末端执行器目标进行指令输入。该系统利用解析可达性先验在线生成骨盆高度和躯干朝向,并通过策略闭环采样优化任务无关成本;同时学习全身顺应性以应对外部负载。
推荐理由:OCLO 系统无需人类运动数据,通过解析可达性先验与策略闭环采样实现人形机器人全身协调与顺应控制。
针对物理系统中机器人策略学习成本高且探索不安全的问题,该工作提出了 VAMPS 框架,利用模型预测路径积分控制训练可复用策略而不依赖人类演示。
该预印本提出 AgenticTactileVLA,作为固定视觉语言动作模型(VLA)的执行时间监督器,利用手指位置和电机力反馈进行接触引导的自适应调整。该方法在 Unitree G1 机器人配合 BrainCo Revo2 手部执行任务时,针对未见物体实现了从基线 VLA 61.3% 到监督器 84.0% 的任务完成率提升,且无需触觉传感器或模型重训。
推荐理由:该预印本提出无需重训 VLA 的接触引导执行监督方案,在 Unitree G1 上验证了针对未见物体的泛化提升与修正触发机制。
ROOT 是一种用于发现奖励函数的框架,旨在使学习策略与用户指定的具身行为对齐。该方法将奖励设计转化为对持久实验树的观察引导搜索,利用视频语言模型提炼的行为洞察来诊断失败并指导奖励优化。
推荐理由:ROOT 框架通过可观测树搜索与视频语言模型诊断,解决了 LLM 生成奖励函数难以捕捉细微行为属性的问题。
该研究提出了一种针对类人机器人牵引被动轮式车辆(人力车)的全身控制框架,旨在解决在未知负载和地形下维持上肢接触与平衡的问题。方法上,利用拥有车辆状态、交互力和负载属性的特权教师模型进行训练,并通过蒸馏将教师动作和隐变量转化为基于本体感觉的历史条件化学生策略,随后进行强化学习微调。
针对人形机器人全身控制器在线学习新技能易导致旧技能遗忘的问题,研究提出 Similarity-guided LoRA-PNN 方法。该方法通过动态时间规整聚合的最优传输构建两级运动相似性度量,自动决定基于何种先验技能及分配多少新容量,从而在无需重访历史数据的情况下实现强正向迁移与高平均准确率。
推荐理由:提出利用动态时间规整与最优传输构建相似性引导策略,在六个连续技能类别中实现最佳正向迁移并节省 94.5% 可训练参数。
该研究针对现有通用策略无法保持清洁单腿站立的难题,提出了一种基于支撑脚相对坐标系的动态质心观测方法,使捕捉点状态可仅由关节编码器和惯性测量单元重构。作者开发了无需蒸馏的策略 DDC,在 Unitree G1 上实现了 90 个测试动作中 89 个的清洁单腿平衡能力。材料开源了策略、数据及 MuJoCo 基准评测工具,旨在将单腿平衡从演示任务转化为可量化的通用能力。
推荐理由:提出无需蒸馏的平衡策略,在仿真基准上实现单腿站立,并开源数据与评测工具。
论文提出 FAME 框架,旨在解决全尺寸人形机器人在外部手部受力下保持平衡的问题。该方法通过隐式编码上肢关节构型与双手动交互力,利用刚体逆动力学在线重构交互力而无需腕部传感器。实验在 MuJoCo 厨房环境及 Unitree H1-2 真机上验证,在 150mm 容差下任务成功率达 38.9%,显著优于未编码力或仅基于姿态的基线策略。代码与视频已开源。
论文针对人形机器人全身运动跟踪中策略与运行时安全滤波器(如 CBF)独立设计导致的失配问题,提出 CoFiT 约束感知微调方法。该方法在 TWIST2 和 SONIC 场景下分别将违规时间减少 91% 和 21%,并在 Unitree G1 硬件上实现所有试验无需操作员干预,而基线方法需 50% 的试验被停止。
论文研究人形机器人在未训练过的任务中通过复用现有技能、自我改进并保留学习成果的能力。核心思路是利用规划与控制接口,将对象感知基础模型转化为行为策略,并通过大语言模型修订奖励程序结构、数值优化器调整常数,在仿真中验证后迭代提升。实验表明该方法能释放基础模型的潜在能力,处理复杂场景与长周期任务,并在宇树 G1 真机上实现自主运行。
推荐理由:该文提出无需重训的测试时演化方法,利用对象感知基础模型与奖励程序优化,在仿真及宇树 G1 真机上实现复杂任务。
IDC 与沙利文数据显示,2026 年上半年全球四足机器人出货量约 4.9 万台,同比增长 92.5%,其中教育科研与家用消费贡献六成出货量但收入不足三分之一。行业级应用在制造业、电力等领域增长迅猛,宇树、具微、云深处等企业分别通过标准产品规模化、高危场景定制及电力巡检方案复用实现差异化营收增长。
加州理工学院联合斯坦福大学推出了HomeBody系统,该系统为GPT Astra配备了持久的空间记忆能力,并且能够执行复合式人形动作,从而应对长期任务。在一个典型的厨房场景中,HomeBody允许 Unitree G1 在 GPT Astra 的引导下进行清洁工作,同时还能从不明确的请求中找回记住的物品。
斯坦福大学与加州理工学院研究人员构建了名为 HomeBody 的系统,将 OpenAI 的 GPT-6 Astra 模型直接接入 Unitree G1 人形机器人,使其能在陌生厨房环境中自主导航、整理物品并从抽屉取物。
地瓜机器人宣布完成4亿美元C轮融资,由未来资产领投、美团战投及多家政府平台与一线机构联合跟投。本轮融资旨在强化旭日芯片全算力段产品布局,建设贯通数据采集、模型训练、仿真验证、推理部署的全链路软件平台,以软硬一体的具身智能基础设施满足从成熟品类到通用人形机器人的全场景开发需求。
推荐理由:地瓜机器人完成4亿美元C轮融资,强化旭日芯片布局与全链路软件平台建设,加速具身智能基础设施规模化落地。
IEEE Spectrum Robotics 发布每周精选视频与行业动态。本期重点展示 ETH Zurich Robotic Systems Lab 的人形机器人穿越稀疏三维结构(单杠)的演示。
Agility Robotics 的 ReST-RL 分层强化学习架构成功部署于 Unitree G1 硬件,解决了非结构化环境中双足运动载荷稳定难题,实现跨物体及外力干扰的高可靠零样本仿真到现实泛化。
Unitree 发布最新机器人基础模型 GEN-1.5,该模型能在数秒内从单个示例中学习新任务,无需梯度更新或微调。这是首个在大规模上涌现出一样本及少样本物理技能学习能力的模型,展示了广泛的单样本与少样本演示学习能力以及零样本物理泛化能力。尽管任务简单且为短视界,但团队认为这是构建物理世界通用智能的重要一步,同时指出部分“模型自行解决”的任务缺乏相关预训练数据。
宇树科技推出新型智能四足机器人巡检解决方案,专为危险、紧急及重复性任务设计。该方案旨在为电力系统建设、运行维护等工作提供高效保障,并在此次活动中向缅甸总统敏昂莱展示了相关能力。
宇树科技四足机器人发布全新智能电力巡检方案,专为危险、紧急及重复性任务设计。该系列方案为电力系统建设、运行维护等工作提供高效保障,旨在解决高危场景下的作业难题。
美国联邦通信委员会(FCC)于 7 月 28 日将重量超过 2 公斤的移动通讯机器人及光伏逆变器加入“受控清单”,禁止进口来自任何国家的新产品。该举措由国防部推动,理由是外国先进机器人构成网络安全风险并威胁关键基础设施安全。
宇树科技宣布推出 H2 Plus,一款基于 NVIDIA Isaac GR00T 的参考人形机器人,专门面向学术研究领域。该产品旨在为危险、紧急及重复性任务提供智能巡检解决方案,保障电力系统建设与运维工作的高效进行。
宇树四足机器人发布全新智能电力巡检解决方案,专为危险、紧急及重复性任务设计。该方案旨在为电力系统建设、运行维护等工作提供高效保障。
Hugging Face 开源机器人学习工具 LeRobot 发布 v0.5.0 版本,新增 Unitree G1 WBC 实现并强制要求 Python 3.12+。此次更新将依赖项 lerobot 同步至 0.5.0、transformers 升至 v5,同时修复了 frame_index 兼容性及 Parquet 元数据索引问题。
LeRobot v0.5.0 是该项目最大规模的更新,核心新增包括首次支持宇树 G1 人形机器人(含全身控制与遥操作)、引入 Pi0-FAST 自回归视觉语言动作模型及实时分块推理技术、集成 NVIDIA IsaacLab-Arena 仿真环境。
推荐理由:LeRobot v0.5.0 首发 Unitree G1 人形机器人支持并引入 Pi0-FAST 等策略,同时通过 EnvHub 实现仿真环境从 Hugging Face Hub 直接加载。
NVIDIA Isaac Lab 2.3.0 版本基于 Isaac Sim 5.1,重点增强具身智能与遥操作工作流。核心更新包括引入 Dexterous RL(DexSuite)环境以支持 Kuka 机械臂与 Allegro 手,集成 SkillGen 框架实现 cuRobo GPU 加速运动规划,并新增 G1 人形机器人环境结合强化学习与逆运动学进行移动操作任务演示。
推荐理由:Isaac Lab 2.3.0 发布,新增 Dexterous RL 环境、Mimic-SkillGen 集成及 G1 人形机器人仿真支持。
NVIDIA Isaac Lab 发布 v2.1.0 版本,正式支持使用 Apple Vision Pro 进行双手遥操作以采集灵巧手部数据,并集成 Isaac Lab Mimic 实现模仿学习工作流。
推荐理由:NVIDIA Isaac Lab v2.1.0 新增 Apple Vision Pro 遥操作与 HOVER 人形机器人仿真部署支持,并开放 USD 属性随机化等新功能。
宇树科技发布重要提醒,警示公众避免被虚假信息误导。该公司推出的四足机器人现已落地新型电力巡检智能解决方案,专为危险、紧急及重复性任务设计,为电力系统建设、运行维护等工作提供高效保障。
宇树科技为危险、紧急及重复性任务发布新一代智能电力巡检解决方案,旨在保障电力系统建设与运维工作。该方案依托 Unitree H1 四足机器人提供高效支持,覆盖电力系统的多种作业场景。
宇树科技推出 Unitree G1 Humanoid Agent 人形智能体,官方定价从$16K起。该产品旨在为危险、紧急及重复性任务提供高效保障,服务于电力系统建设、运营维护等工作场景。
宇树科技推出行业首款超广角 4D LiDAR 激光雷达,旨在为危险、紧急及重复性任务提供高效保障。该设备作为先进四足巡检解决方案的核心组件,服务于电力系统建设、运行维护等工作场景。
宇树科技推出基于 Go2 四足机器人的新型智能电力巡检解决方案,专为危险、紧急及重复性任务设计。该方案旨在为电力系统建设、运行维护等工作提供高效保障。
宇树科技预告了新款 H1 人形机器人。其此前推出的四足机器人智能巡检解决方案,专为危险、紧急及重复性任务设计,旨在为电力系统建设、运行维护等工作提供高效保障。
宇树四足机器人推出新型智能电力巡检解决方案,专为危险、紧急及重复性任务设计。该系列方案旨在为电力系统建设、运行维护等工作提供高效保障。