跳到正文
10月9日周五
  1. 量子位78

    DeepSeek-V4系列因分块KV Cache压缩出现相位敏感性:同一任务准确率随Token站位周期性起伏

    字节Seed团队研究发现,DeepSeek-V4系列模型在长上下文检索中表现出显著的“相位敏感性”,即同一条信息仅改变输入位置(Token站位),其检索准确率便会呈现与压缩步长一致的周期性波动。

    推荐理由:字节Seed团队发现分块KV Cache压缩引入相位敏感性,导致模型检索能力随输入位置周期性波动,后训练与架构迭代可显著缓解该问题。

  2. arXiv · 机器人与计算机视觉60

    RiCo:通过局部接触推理进行刚体交互神经仿真

    论文介绍 RiCo 方法,该方法通过稀疏邻域内的接触表面点表示物体间交互,结合点的状态与邻近表面的相对几何、运动及物理属性进行推理。实验显示在 MOVi-benchmark 上相比基线减少 31-35% 的位置和姿态误差,并实现高接触保真度。方法支持从零样本小场景到包含 270 个物体的大场景泛化,且多球碰撞实验提供了初步的仿真到现实迁移证据。

10月8日周四
  1. The Robot Report78

    AWS 推出开源物理 AI 工具链助力机器人开发全流程

    AWS 今日推出开源物理 AI 工具链,旨在解决将训练好的模型转化为可在现实世界可靠运行的系统的难题。该工具链整合了 AWS SageMaker、IoT Greengrass 与 NVIDIA Isaac Sim、Isaac Lab、GR00T 及 Cosmos 等组件,支持合成数据生成、模型训练、仿真验证及边缘部署的端到端工作流。

    推荐理由:AWS 整合自身服务与 NVIDIA 软件栈,发布开源物理 AI 工具链以打通从合成数据生成到边缘部署的全流程。

  2. 智东西 · 机器人51

    北京具身公司灵生科技获亿元级融资,推出RUDA统一架构与自进化闭环系统

    北京具身智能企业灵生科技宣布完成亿元级A轮融资,投资方包括华方资本、道禾元启等。该公司定位为具身智能基础设施服务商,自主研发了RUDA机器人统一系统架构,构建了“数据采集—模型训练—机器人执行—反馈回流”的自进化闭环。

  3. arXiv · 机器人与计算机视觉68

    解码机器人模拟中的神经群体动力学

    Wenhui Chen 等人构建了一个包含人工肌肉、多模态传感器及强化学习控制器的机器人模拟系统,成功复现了动物运动皮层中精确的自愿运动及其鲁棒性。研究发现神经旋转产生垂直于抓取方向的振荡机动以优化轨迹调整,并揭示了传感器与电机冗余下的反直觉能量原则及学习过程中的顿悟时刻。该工作通过任务驱动的具身模型阐明了神经群体动力学与运动结果之间的因果联系,为未来智能机器人的类动物移动能力提供了新视角。

  4. arXiv · 机器人与计算机视觉58

    STRIKE:学习视觉状态迁移以构建物理世界模型

    论文提出了 STRIKE 框架,旨在通过预测交互如何改变场景来构建物理世界模型,而非仅生成连贯运动。该方法将视觉状态迁移学习与稠密视频生成解耦,利用事件对齐的监督信号训练基于图像的迁移模型,并结合预训练的视觉语言规划器与动态模型进行推理。

  5. 盖世汽车 · 汽车资讯70

    动易科技发布四层具身智能技术栈,任务执行效率提升超百倍

    动易科技近日提出Embodied PhyStack四层具身智能技术栈,将传统三层架构拆分为通用大模型、物理智能体PhyAgents、运控模型PhyCore和机器人本体PHYBOT。实验数据显示,该架构使机器人长程任务执行效率提升超百倍,新场景训练时间从一周压缩至3小时。动易科技指出,未来具身智能企业应将研发资源集中于物理交互数据、实时决策能力、全身控制及真实场景工程闭环。

  6. Hugging Face Daily Papers78

    Sensor-Language-Action 模型:连接感知与行动的统一框架及 OpenSLA 发布

    论文介绍 Sensor-Language-Action (SLA) 建模框架,将多模态传感器观测、自然语言与动作在统一模型中连接,利用语言作为语义接口实现异构动作的表示、预测与解释。

    推荐理由:该工作提出统一传感器、语言与动作的建模框架,并构建大规模基准验证其在临床预测等真实任务中的性能。

10月7日周三
  1. arXiv · 机器人与计算机视觉45

    Toward Trustworthy Physical AI for Human Interaction:提出融合安全、行为可解释性与感知对齐的可信物理 AI 框架

    针对机器人进入人类空间过快而信任标准滞后的问题,该研究提出一个整合具身、控制、认知与设计维度的可信物理 AI 框架。框架通过统一物理能力、可观测行为及用户交互预期来涌现信任worthiness,涵盖安全、行为可解释性和感知对齐三大核心要素。目前为 arXiv 预印本(arXiv:2610.07382),尚未进入同行评审或正式出版阶段。

  2. The Robot Report27

    Sovereign AI 与物理 AI 算力格局:NVIDIA 收购 Hugging Face 构建底层生态壁垒

    NVIDIA 以 129 亿美元收购 Hugging Face,确立其在物理 AI 领域的“房东”地位,确保开发者无论使用何种芯片均能访问其模型库。尽管 OpenAI、Anthropic 等厂商加速自研芯片(如 Broadcom Jalapeño),但定制芯片在软件成熟度与 CUDA 生态上仍需数年追赶。

  3. The Robot Report72

    TwelveLabs 发布 Pegasus 1.6 模型以增强物理 AI 的视频理解能力

    TwelveLabs 发布了 Pegasus 1.6 模型,旨在通过视频理解赋能物理 AI。该模型专注于第一人称视角(egocentric video)的理解,无需特定硬件即可处理现有视频数据及静态图像。Pegasus 1.6 提供动作分割、密集标注、质量评分、搜索策展和合规标记五种工作流,帮助机器人团队从真实人类经验中提取结构化知识,用于训练灵巧操作等任务。

10月6日周二
  1. Hugging Face Daily Papers83

    基座模型可通过从训练数据获取线索进行推理

    该研究探讨了训练数据如何在基座模型的响应起始 token 与后续推理行为之间建立关联。实验表明,固定特定的起始 token 线索(如'. Okay'或'Alright,')可使基座模型在数学和代码任务上的表现接近强化学习(RL)微调版本。

    推荐理由:原文揭示了训练数据中的特定起始 token 可作为推理触发器,通过因果干预验证了其对数学、代码及模型安全行为的控制作用。

  2. arXiv · 机器人与计算机视觉72

    事件边界处的远见:评估视频世界模型的物理预测能力

    针对视频世界模型仅间接评估预测能力的现状,本文引入基于 62 次真实自由落体录制和 124 个片段的事件锚定评估协议,分离后果生产、时间定位与物理实现。结果显示 Runway 和 Veo 虽能生成事件但常延迟发起,Cosmos-Predict-2.5 和 MAGI-1 则难以产生可测量后果;人类研究进一步揭示在合理延续中存在真实歧义。

  3. arXiv · 机器人与计算机视觉68

    Teaching Vision-Language Models to Use the Scale They Are Given: Label-Free Equivariance Training for Metric Physical Reasoning

    论文提出一种无需标注的等变性自蒸馏(EquiSD)训练方法,解决视觉语言模型在视频尺度推理中仅部分利用提示词参考的问题。该方法利用物理量缩放关系的精确性作为监督信号,通过投影预测并微调模型,使其能在未见过的尺度上接近精确关系。实验显示,该方法在合成视频和 QuantiPhy 基准测试中均提升了跨尺度的准确性,且无需真实世界标注或模拟器答案。

  4. arXiv · 机器人与计算机视觉78

    VLAs 是否理解并适应所操作的物体?还是仅仅重放已学行为?

    本文探讨了视觉语言动作模型(VLA)的泛化能力是源于对物体物理属性的全局理解以适配未见场景,还是仅靠偶然鲁棒性重放已学行为。研究通过线性探测和表征相似性分析发现,在七种主流 VLA 中,质量、易碎性等物理属性比语义类别等属性更难解码;机器人预训练反而削弱了语言流中对物理属性的线性编码。

    推荐理由:该研究通过线性探测与表征相似性分析,发现主流视觉语言动作模型对物体质量等物理属性的编码较弱,且在任务中难以据此调整运动策略。

  5. arXiv · 机器人与计算机视觉78

    未过期计划:一种用于加速扩散策略的免费监控器

    该研究提出了一种无需训练即可加速扩散策略的监控方法,核心在于利用‘未过期’的策略片段作为内部相似性信号,仅在检测到显著偏差时触发重计算。实验在超过 114 种加速器配置和四个策略家族上验证,该方法平均将每次调用的计算量降低 1.55 至 3.09 倍,且在接触丰富的第五类任务中成功维持了预定的性能余量。

    推荐理由:原文提出一种无需训练的扩散策略加速监控器,通过统计偏差而非特征距离来维持闭环成功率。

  6. arXiv · 机器人与计算机视觉58

    单目无标记生物力学:用于脊髓损伤临床可解释步态评估的研究

    本研究发布了 SCAI SCI Gait 数据集,包含 239 名成年脊髓损伤患者的同步视频、动作捕捉与测力板数据。研究通过单目视频拟合参数化人体网格并驱动 OpenSim 模型,实现了无标记下肢运动学与地面反作用力的精准预测,其结果与金标准测量高度一致(r=0.68-0.90, RMSE=4.18-6.49 度;力值 r=0.85-0.87)。

  7. Hugging Face Daily Papers45

    Task-Sufficient Contraction:机器信息接口的源选择方法

    该方法提出在编码器或优化器选定前,即可通过声明的任务对信源进行收缩,若满足任务充分性则能保留完整下游问题族。研究针对固定动作集与二次型损失给出了精确收缩刻画,区分了精确、架构条件及近似等收缩类型,支持异构机器交换所需信息而无需对齐内部表示。

10月5日周一
  1. arXiv · 机器人与计算机视觉42

    GARV:图感知细化与高层机器人计划安全验证方法研究

    该研究通过对比 RoboGuard 在表面计划与图细化轨迹上的判定,发现五类动作抽象中的 12 个受控案例存在差异而 16 个端到端控制符合预期。作者据此提出基于图的轨迹细化可作为轻量级缓解手段及物理 AI 安全监测器的诊断工具。论文包含 5 页正文、1 张图表,预印本状态待注册 DOI。

  2. arXiv · 机器人与计算机视觉72

    物理量是否存在于激活中?视频扩散模型内部物理量的定位研究

    该论文探究视频生成模型(世界模型)是否内化了物理原理。作者对视频扩散 Transformer 的内部表示进行探测,发现运动学和刚体动力学等物理量在去噪过程早期即可高精度线性解码,且信息集中在物体相关 token 中并具备部分外推能力。研究还表明这些探测方向可作为 steering vectors 用于改变模型输出。材料为预印本论文,未涉及真实机器人部署或具体产品发布。

  3. arXiv · 机器人与计算机视觉58

    ManiPhysicsBench:一种用于评估 VLA 操作物体保持能力的物理基准

    论文介绍 ManiPhysicsZoo 和 ManiPhysicsBench,利用材料属性和几何信息计算抓取损伤阈值以评估物体变形风险。研究在 LIBERO 和 SimplerEnv 上发现现有模型存在任务成功但物体损坏的问题,并指出连续抓取标签能提升物体保持能力但可能降低通用性。

10月4日周日
10月3日周六
  1. The Robot Report12

    Eli Lilly 与普渡大学将在 RoboBusiness 2026 分享 AGV 人机交互实地经验

    Eli Lilly 与普渡大学专家将于 10 月 20 日在加州圣克拉拉的 RoboBusiness 2026 展示 AGV 实地研究心得。双方将解析制造现场的人机感知数据及可复用的合作指南,旨在解决学术界成果难以落地生产线的难题。该活动聚焦制药环境下的机器人安全与系统集成实践。

10月2日周五
  1. 量子位70

    丘成桐新论文致谢 GPT 和 Claude:从排斥到接纳的转折

    丘成桐参与的关于七维空间球面曲率的新论文在致谢中感谢了 ChatGPT 6 Astra 和 Claude Pro 辅助探索证明思路与计算,解决了悬置 70 年的经典猜想。材料回顾了丘成桐近三年对 AI 态度从“无影响”到“改变效率”的转变,并引用陶哲轩等菲尔兹奖得主关于数学研究核心在于概念理解的警告,探讨 AI 在基础科学中的边界与价值。

9月30日周三
  1. 工业和信息化部 · 文件与征求意见38

    工信部公示《智能网联汽车 供应链网络安全技术要求及试验方法》等 29 项国标立项征求意见

    工业和信息化部于 2026 年 9 月 30 日至 10 月 29 日公开征求《智能网联汽车 供应链网络安全技术要求及试验方法》等 29 项推荐性国家标准计划项目意见。公示期间公众可登录“工业和信息化标准信息服务平台”反馈意见,联系电话为 010-64102958、68205241。

9月29日周二
  1. 智东西 · 机器人42

    前黑芝麻智能 CMO 杨宇欣出任 Striding AI(正行创新)总裁

    9 月 29 日独家获悉,前黑芝麻智能首席市场营销官杨宇欣加入 Striding AI(正行创新)并出任总裁,全面负责全球市场拓展与商业化落地。该公司由姚颂、正大集团及于超联合发起,聚焦世界动作模型与强化学习技术,旨在推动具身智能进入真实商业场景。团队背景涵盖 AI 芯片、商业航天及强化学习领域,今年 6 月已完成近亿美元天使轮融资。

9月28日周一
  1. Momenta · 智能驾驶技术与运营67

    Momenta 携手 DSAT 为全球标致及吉普车型引入智能驾驶技术

    2026 年 9 月 24 日,东风斯泰兰蒂斯汽车技术(武汉)有限公司与 Momenta 宣布达成全球战略合作,覆盖 Peugeot 和 Jeep®品牌。双方将基于 Momenta 的 R7 World Model 共同开发高级驾驶辅助系统,该系统将在中国、欧洲及其他全球市场的新款生产车型上推出。

    推荐理由:Momenta 与 DSAT 达成全球战略合作,将基于 R7 世界模型为标致和吉普车型开发高级驾驶辅助系统。