MuJoCo v1.4.6 发布:非刚性求解器与可微仿真性能大幅提升
MuJoCo v1.4.6 更新抛光了有限元(FEM)、物质点法(MPM)及粒子动力学(PBD)等非刚性求解器,使可微仿真原生兼容 PyTorch 且速度提升约 3 倍。该版本在 GPU 小批量场景下将刚体与隐式 FEM 求解器提速数倍,内存减半并支持更多物理设置器。修复了包括接触力丢失、NaN 发散及 fp64 精度在内的多项关键 Bug,同时移除了不稳定的稳定流体求解器。
MuJoCo v1.4.6 更新抛光了有限元(FEM)、物质点法(MPM)及粒子动力学(PBD)等非刚性求解器,使可微仿真原生兼容 PyTorch 且速度提升约 3 倍。该版本在 GPU 小批量场景下将刚体与隐式 FEM 求解器提速数倍,内存减半并支持更多物理设置器。修复了包括接触力丢失、NaN 发散及 fp64 精度在内的多项关键 Bug,同时移除了不稳定的稳定流体求解器。
Spatial Harness 提出将场景表示为显式的可执行世界状态,以物理引擎反馈为基础进行空间推理。系统通过 Perceiver 整合问题约束与视觉估计确定物体和相机坐标,并在物理引擎中实例化状态,由 Reasoner 执行视角变换并引导推理。
推荐理由:该工作将场景表示为可执行的物理状态,利用物理引擎反馈来校准视觉语言模型的推理过程。
在乌镇世界互联网大会上,魔芯科技发布了新一代通用4D世界模型MoWorld 2.0。该模型在前代空间生成与实时交互能力基础上,进一步将重力、弹力、流体等十余种物理要素融入同一架构,能更准确模拟物体运动与环境变化。
Google 前高管 Jeff Dean 与李飞飞对谈中披露其新公益公司 Discovery Loop 的进展。该公司已搭建支持人与 Agent 协作的框架,运行约 20 个自动改进循环,目标是将领域专家生产力提高 20-50 倍。
上海AI实验室发布书生·天枢(Intern·LabOS)分布式自主实验室网络操作系统,旨在组织各地实验室协同开展湿实验。该系统以SCP-Lab为统一接口,借助书生物理世界模型W0驱动机器人完成操作,打通异构设备自主执行与数据回传链路。材料描述的是系统架构与功能验证,未报告真实药物上市或大规模商业化部署结果。
推荐理由:原文给出了科研操作系统与物理世界模型的协同设置及开放入口,相关团队可据此判断它是否适合现有实验流程。
该研究提出一种针对固定根向图标量智能体的网络化可容许性保持(APC)架构,利用异质非对称输入边界下的 APIR 生成物理输入。在满足方向特定兼容性条件时,闭环动力学形成指数衰减误差与定向共识的级联,确保统一走廊、有界指令及唯一完整解。仿真结果表明,只要根组件包含至少一个知情智能体,部分固定即可保证安全参考跟踪。
针对强化学习在机器人操作中因缺乏可靠视觉语言奖励模型而难以应用的问题,本文提出了 DenseReward 稠密机器人奖励模型。该工作开发了一套自动化失败数据生成流水线,能在仿真中合成碰撞、抓取失败、物体掉落及恢复等物理真实失败的轨迹,无需人工标注。
针对稠密交通中罕见且安全关键场景的鲁棒规划问题,该研究提出 Adversarial World Modeling (AWM) 框架,将对抗性鲁棒规划学习建模为约束极小极大博弈。
arXiv 论文介绍 GUARD 框架,该框架融合概率状态估计中的概率核优化技术与不确定性识别方法,为机器人控制算法推导关键阈值。系统将估计的不确定性及其来源转发给控制器以调整安全裕度并触发备份轨迹初始化。实验在模型预测控制和强化学习控制器上验证,结果显示在强化学习中碰撞率降低 44-67%,中高风险场景下备份策略激活减少 50-75%;MPC 仿真中成功避免碰撞。
Adam Y. Shavit 提出停车问题的形式化分析,区分了静态适配、最终可达性与资源受限可达性三种间隙指标。研究证明在特定场景中,倒车入库与直进式停车的不对称性源于有限操作次数下的修正需求差异:一次反转即可满足倒车入库的最小间隙要求,而直进式停车至少需要两次反转才能达到同等安全裕度。
推荐理由:该文通过形式化论证揭示了倒车入库与直进式停车在有限操作次数下的可达性差异,为理解驾驶员直觉提供了理论依据。
针对自动驾驶领域需重新训练才能适配新驾驶目标的限制,本文提出 GuidedWAM 框架,在采样阶段通过可微分能量机制向冻结的世界动作模型注入新的驾驶目标。该方法利用采样时的引导调度、每能量归一化及速度有界修正来稳定生成过程。
Cosmos Policy 和 RoboCasa 审计显示,在干净数据上学到的价值选择器比随机差 1.66 个百分点,82% 的状态候选结果相同。Token 剪枝虽降低 FLOPs 但端到端加速仅达 1.15 倍,未达 1.5 倍目标且自适应分配实验无结论。研究还发现并修复了计算密集型规划路径下渲染腐蚀率上升的问题,发布了检测器与修复脚本。
针对物理 AI 任务中自回归视觉语言模型逐点生成导致效率低下的问题,该论文提出 VFlash 方法,利用轻量级 drafter 通过 Flash Primitive Decoding 联合预测视觉原语(如包围盒、轨迹)的坐标。
SCALE 提出一种针对网络受限与异构任务截止时间的物理智能体实时潜在通信方案,通过匹配连续消息中的 token 相似度来复用信息并避免冗余传输。该方法在三个基准测试及蜘蛛机器人案例中显著提升了带宽受限网络下的任务性能与准时交付率。代码已开源供复现。
VisionSIM 是一个统一的、基于物理的多模态仿真平台,旨在解决现有仿真器对新兴传感器(如事件相机、SPAD、iToF/dToF 和热成像)过度理想化的问题。
USB Gym 是一个基于公开患者 CT 构建的超声图像匹配测试床,其标准引擎利用网络从 CT 标签绘制器官纹理以模拟超声。该测试床包含可替换的三个部分(器官分割器、控制器和奖励函数),在六个预留患者的 60 个回合中评估了 20 种已发表方法,最终确定仅使用图像相似度奖励(SSIM)的组合作为基准线。
论文介绍 GPWM,一种直接操作 3D 物理空间的生成式粒子世界模型,通过结合流匹配与扩散强制力来生成刚性、可变形及颗粒材料的连贯轨迹。该模型在包含 2550 万帧的 ParticleWorlds 数据集上训练,统一架构覆盖多种材质与交互场景,平均将预测误差降低 31%。此外,GPWM 支持噪声空间规划,通过搜索潜在噪声而非动作空间来实现目标导向的操作,在推和抓取等接触丰富任务中表现优于传统方法。
推荐理由:该工作提出基于粒子运动的生成式世界模型,在统一架构下实现多材质预测并支持噪声空间规划以解决接触丰富任务。
该研究将机器人强化学习环境接口标准化为线协议,在 Pendulum、HalfCheetah 等四个任务中注入最多 23 种边界故障。通过步长账本与回合计数检查运行过程而非结果,该方法能捕获所有跨界故障且仅增加中位数 3% 训练时间。论文已接受 CoRL 2026 Workshop,代码、规范及实验日志均已公开。
Anas Shrinah 等人提出一种感知几何对称性的代理辅助测试方法,通过变换障碍物配置至共享规范坐标系,使在单一参考任务上训练的神经网络代理能复用于任意任务,从而减少高保真仿真数据需求。
DCAP 框架摒弃静态姿态预测,通过语义释放状态驱动耦合刚柔模拟器实现物理真实的物体放置。该方法在标准任务中将 VLM 物理性与自然度提升 21.2 分、人类偏好提升 26.5%,并将平均穿透深度降低 72.3%。研究证明准确建模语义意图与物理实现的分离过程对解决室内放置问题至关重要。
针对机器人操作移动物体时观测滞后导致技能成功率预测不准的问题,作者提出时间索引技能成功模型,用于预测给定延迟后启动技能的整任务成功率。该模型在 MuJoCo 仿真中,于 100 至 300 毫秒延迟下比静态能力模型提升 2.8 至 6.2 个百分点;在真实 UR5e 机器人上,针对注入 0.2 秒延迟的滚动球捕捉任务,该模型预测成功率与校准度优于静态模型。
推荐理由:提出时间索引技能成功模型以解决延迟下的技能选择与定时问题,在仿真与真实机器人实验中均验证了校准性。
该论文提出 WAM-Sim 模型,旨在解决自回归驾驶世界模型在长 rollout 中出现的结构漂移、身份漂移和质量衰减问题。该方法通过持久分层记忆(包含姿态对齐的结构 token、只读场景 token 和一次性实例 token)来维持跨时间尺度的上下文一致性,并利用在线流匹配强化学习优化自生成的 rollouts。
该论文提出 Structure from Collision (SfC) 方法,旨在从多视角碰撞观测中恢复物体的隐藏内部结构(如空腔)。针对传统密度表示法难以直接指示空腔位置及梯度信息弱的难题,作者将问题重构为假设空间推理:全局阶段利用前向仅材料点法 (MPM) 进行无梯度优化筛选假设,局部阶段通过可微 MPM 模拟以拉格朗日粒子系统形式进行基于梯度的细化。
该研究提出针对城市无人机配送的序贯工程框架,整合枢纽选址、路径规划及基于混合整数线性规划的频率优化。应用首尔区级数据验证显示,将枢纽从 1 个增至 4 个使所需航程由 30.6 km 降至 21.9 kg,月能耗降低 13.1% 至 13.2 MWh,但单件配送成本因租金与人力上升而从 1.18 美元增至 2.20 美元。
论文介绍 ArtCrafter,这是一种用于从成对图像(静止态与张开态)生成可控关节式 3D 物体的前馈生成模型。该模型基于 DiT 架构,通过共享基槽和配对槽布局联合生成部件级网格,并利用三元组注意力机制确保跨状态几何一致性,同时引入排斥损失防止部件穿透。
G-Maneuver 学习型控制器在特技级机动任务中达到 90.11% 成功率,通过 Sim2Real2Sim 闭环筛选出真实车辆试验安全区域,接受率为 16.9%。研究利用汽车安全分析框架识别覆盖测试参数,证实航向变化、侧滑和归一化偏航率等运动学指标在仿真与现实间匹配良好,为安全部署提供依据。
VIPA 提出一种基于视角不变的投影仪相机系统仿真,通过聚合多视角模拟损失优化对抗图案,在真实场景中成功欺骗各类分类器。实验表明该方法在目标与非目标攻击中均取得更高成功率,同时提升隐蔽性并最小化感知退化。该研究为动态环境下的物理世界对抗攻击提供了新的鲁棒解决方案。
本文提出了一种基于消费级服务器的可复现评估框架,旨在降低接触式机器人操控评估的成本门槛。实验显示,在稀疏数据条件下,三种独立训练的动作分块策略在 780 次 rollout 中零成功,而单步策略成功率介于 2.6% 至 11.8%。研究进一步表明,失败源于训练公式与多步预测机制而非开环执行,为物理策略开发提供了可复用的评估工具。
推荐理由:作者提供了一套基于消费级 GPU 的可复现评估框架,以低成本验证了动作分块策略在稀疏数据下的失效原因。
光轮智能与宇树科技近日达成合作,结合光轮 SimFoundry 仿真底座、RoboFinals 评测平台及 RoboStack 部署反馈工具,围绕模型训练、能力验证和真实场景应用展开协同。双方将针对宇树机器人不同配置探索数据生产与训练机制,建立“部署—反馈—训练”持续迭代机制,推动具身智能规模化落地。
论文介绍 SIRIS 框架,通过扰动仿真器构建具有相同候选方案但预测结果不同的工作负载对,测试大模型是否能识别仿真限制并据此做出正确选择。实验评估了十三款前沿 LLM 在系统设计问题上的表现,发现仅凭识别限制并不保证选择正确,且强模型有时会放弃有效推荐;自我修正虽能恢复部分选择但也引入新错误。
推荐理由:该预印本通过扰动实验发现,前沿大模型在依赖有缺陷的仿真器时难以识别错误并坚持有效推荐,揭示了系统理解评估的新挑战。
TurtLES 是一个包含 400 条轨迹、每条 400 个时间步的 14 TB 数据集,涵盖几何、雷诺数及攻角变化。该基准通过高保真隐式大涡模拟生成具有活跃能量级联和密集不规则网格的数据,用于评估神经算子在自回归推演中的表现。研究识别了时序不稳定和小尺度能量丢失等关键失效模式,为工业相关网格分辨率下的湍流尾迹代理模型提供了新标准。
World Labs 发布 Frameboy 研究预览,允许用户通过浏览器以最高 15 fps 的速率控制相机并实时探索由 Atlas 生成的 3D 场景。该演示基于高度优化的 Atlas 变体,支持从单张输入图像或文本描述生成全新视角,并可集成至 Viewfinder 应用用于构建和流式渲染自定义场景。
推荐理由:World Labs 推出 Frameboy 演示,支持以 Atlas 世界模型实现实时交互与流式帧生成。
LeRobot 软件栈 v0.7.0 重构了安装、训练推理及硬件底层,移除 cu128 索引并升级 torch 至 PyPI CUDA 13 构建。新版本将环境配置重命名为*EnvConfig 格式,统一策略数据类型为单精度,并新增 FSDP2/HSDP 并行训练框架与 opt-in EMA 权重平滑功能。
驭势科技在CeMAT ASIA 2026展示升级后的L4级无人驾驶牵引车T30,该车型通过升降式自动脱挂钩装置实现自主倒车、拖斗挂接与脱钩,并与无人叉车协同完成装卸转运。
推荐理由:驭势科技发布升级的L4级无人驾驶牵引车T30及协同作业方案,展示了自动脱挂钩、VLM/VLA技术栈与AI编程交付平台。
FrontierPhysics 是一个由 42 位物理学家基于自身研究设计的端到端基准,包含 56 个涵盖理论、计算和实验物理的任务。该基准要求智能体完成文献综述、制定计划、开展研究与实验并产出结构化输出及科学手稿。
智元机器人将六台精灵 G2 投入上海徐汇便利店进行 24 小时全栈验证,累计完成 1730 项任务。其中“迎宾员”阿豪、“理货员”火宝等四台成功转正,“补货员”倦王和“保洁员”冷姐因主动性与边界控制不足暂未转正。
同一新闻,精选展示《六台智元 G2 机器人完成上海便利店 24 小时实测》
针对扩散基视觉语言动作模型存在的虚假视觉依赖和随机动作生成问题,作者提出无需训练的 Selected Diffusion Noise 方法。该方法将扩散噪声作为可控自由度,先利用反事实负样本集过滤候选动作块,再基于 JerkRMS 选择运动学最稳定的块。实验显示在三个 VLA 策略上,仿真与真实环境中的性能分别提升 8-10% 和 18.33%,有效改善了落地可靠性。
针对现有世界模型仅能预测事实性观测的局限,该研究提出 CWMDT 框架,通过构建场景的数字孪生(结构化文本表示)并引入大语言模型推理干预传播路径,使标准视频扩散模型能够生成反事实视觉序列。在两个基准测试中,该方法实现了最先进水平性能,表明数字孪生表示可为基于前向仿真的世界模型提供强有力的控制信号。材料为预印本版本,未报告真实机器人部署结果或具体实验条件细节。
NVIDIA 发布了基于 Cosmos 世界基础模型的交互式世界模拟框架,旨在为物理 AI 训练和评估提供共享基础。该框架通过流式传输视觉观测响应动作与场景控制,支持预测动作的视觉后果及从外部模拟器维持的物理状态生成观测。演示涵盖了相机导航、机器人操作、可控视频迁移和多视角自动驾驶仿真。代码、模型检查点及项目网站已公开。
推荐理由:NVIDIA 推出 Cosmos 框架,支持通过视觉流与动作控制实现实时交互式世界模拟,覆盖相机导航、机器人操作及自动驾驶场景。
针对现有以自我为中心的自动驾驶系统在混合交通场景中因多车决策冲突导致的安全问题,论文提出 CoSafe 框架。该框架利用车路协同(V2X)通信,使路边单元能监控场景级风险并实施联合干预,将安全保证从单车接管扩展到场景级协作。
推荐理由:提出 CoSafe 框架,利用 V2X 通信实现场景级协同干预,在混合交通下显著降低违规率并提升自动驾驶得分。