Drake v1.59.0 发布:默认自动建模闭环运动学并支持 macOS 27 Golden Gate
Drake v1.59.0 默认启用 MultibodyPlant 的闭环运动学自动建模,用户可通过配置选项或 API 关闭该功能。新版本正式支持 macOS 27 Golden Gate,并将 x86-64 最低微架构目标提升至 x86-64-v2。此外,pip 安装需显式选择 [mosek] 额外依赖才能使用 MosekSolver,同时修复了多项内存泄漏与解析问题。
Drake v1.59.0 默认启用 MultibodyPlant 的闭环运动学自动建模,用户可通过配置选项或 API 关闭该功能。新版本正式支持 macOS 27 Golden Gate,并将 x86-64 最低微架构目标提升至 x86-64-v2。此外,pip 安装需显式选择 [mosek] 额外依赖才能使用 MosekSolver,同时修复了多项内存泄漏与解析问题。
机器人学习顶会 CoRL 2026 公布获奖名单,加州大学伯克利分校的 SuperMimic 研究获得最佳论文奖,该方法基于可微世界模型将人形机器人全身控制训练算力降低超千倍,单卡 3 小时即超过百卡基线并已在宇树 G1 真机验证。英伟达与斯坦福联合团队的 RoboTTT 获最佳学生论文奖,其通过测试时训练将策略上下文扩展至 8000 个时间步,在多项灵巧装配任务中平均完成率提升至 79%。
推荐理由:CoRL 2026 最佳论文展示可微世界模型将人形机器人训练算力降低千倍,最佳学生奖提出长上下文策略方法。
UC Berkeley 和 NVIDIA 联合发布开源工具 RoboSimStudio,旨在让 AI 智能体(Agents)在无大量训练数据的情况下编写、模拟并优化机器人程序。
MIT CSAIL 和卡内基梅隆大学研究人员提出了名为 Workspace Models 的新方法,旨在解决现有基于 AI Agent 的机器人在处理长历史视觉数据时存在的延迟高、计算成本大及反应慢的问题。
推荐理由:MIT CSAIL 与卡内基梅隆大学提出 Workspace Models,通过离线大模型蒸馏轻量化模块解决机器人长时记忆延迟问题。
该论文测试了单步随机码本匹配(nearest-of-m)在冻结 DINOv2/v3 令牌上的表现,发现 m=16 即可覆盖枚举的未来且延迟约为扩散方法的 1/30。研究证实该方法在模式不确定性下优于多步流匹配和能量分数生成器,但指出其在连续高维输出上存在欠分散性限制,且准确的风险分析并未提升规划成功率。
推荐理由:该文在冻结 DINOv2/v3 令牌上验证了单步随机码本匹配方法,发现 m=16 即可覆盖枚举未来且保持低延迟,同时揭示了该方法在连续高维输出上的欠分散性限制。
UC Berkeley 与 NVIDIA 在 2026 年机器人学习会议上联合提出“代理式机器人”(agentic robotics)新思路,旨在将机器人编程从依赖海量数据的机器学习问题转化为可复用语言模型能力的代码生成问题。
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。
论文研究了布朗运动先验下高斯混合分布间的随机密度控制问题。由于直接求解无闭式解,作者引入升维路径空间构造,将轨迹增广源目标标签,分解为显式的分量间桥接问题及有限维熵耦合分配。
推荐理由:该文提出高斯混合分布的升维路径空间构造,量化了投影间隙与路径空间障碍,为密度控制提供理论边界。
论文介绍了 pico-WAM 这一提供物理状态的紧凑世界动作模型,用于追踪策略与动力学交互。研究基于 206 个 Push-T 演示和 15 次训练种子,对比了不同数据 regimes 与搜索配置。
GPT-6-Astra 在 LongChang 自动化探索框架中,于无提示的模拟世界实验里以 16.7% 的发现率率先识别出异常物理规律。其余 11 个测试大语言模型得分均为 0%,且记录显示存在未调查的异常与部分定律识别不全现象。该研究通过多智能体自主循环验证了 LLM 在科学发现中的潜力,相关代码与论文已公开。
论文介绍 GEMS 框架,通过一次性重建并仅更新变化区域的持久化 3D 高斯溅射图,结合代理推理管线按需渲染新视角以回答时空问题。作者构建了包含 15 个环境、473 对问答的 GEMS-Bench 基准,实验显示该方法在物体定位和时空问答上优于基线,且渲染质量与专用更新方法相当。代码和数据已公开。
针对长序列操作因累积误差和搜索复杂度高的难题,本文提出向量量化世界模型(VQ-WM),将离散长程搜索与连续视觉反馈控制相结合。该方法利用首达时间估计器作为准度量以对齐控制器能力,在汉诺塔物理操作中仅凭短轨迹数据即实现 100% 成功率,并能泛化执行训练集未见的长序列解法;同时在涵盖操作与移动的多项仿真基准上,性能优于最强世界模型。
推荐理由:提出结合离散长程搜索与连续视觉反馈的潜在反馈运动规划框架,在汉诺塔任务中实现仅用短轨迹数据即达 100% 成功率。
该论文提出将 FOUND-IT 几何与语义基础模型集成至移动操作平台,以构建实时、任务驱动的开放集 3D 场景图。通过严格的在机实验评估了该系统在物体变化检测、多会话建图、可导航路径确定及直接抓取支持等任务中的有效性。材料指出尽管传统机器人建图技术已有广泛演示,但将此类新型空间记忆整合到完整自主性管道仍需基础与系统层面的突破。代码已开源于 GitHub。
当前视频世界模型的内存测试常将场景设置、动作执行与结果展示混为一谈,导致低分被误读为遗忘。本文提出 MIST 评测,分离变化指令与应留下的记忆痕迹,定位到模型能设景却无法执行指令的瓶颈。
推荐理由:提出 MIST 评测与 M3-Agent 方法,从执行侧诊断视频世界模型的记忆失效瓶颈并提升基准。
MR-MPCC 是一种针对速度控制型六自由度末端执行器在移动参考系扰动下的路径跟踪控制框架。该架构采用上层 MPCC 优化路径进度并惩罚轮廓误差,下层 RMRC 将笛卡尔速度映射为受关节与安全约束的可行关节速度。实验在 ROS2--MuJoCo 管道中于 UR5e 平台验证,相比 PI 和时序 MPC,其显著降低了移动参考系下的几何路径跟踪误差与偏差。
Drake v1.58.0 正式支持 Xcode 27 及最低 macOS Tahoe 版本。针对有序容器操作 drake::symbolic::Expression 或 Variable,必须显式传入 CompareLess 等模板参数以适配新版 libc++ 优化,旧默认写法将在三个月后失效且 Xcode 27 下立即报错。
CoRE-MPC 是一种利用非线性降阶模型进行规划并保证满序系统递归可行与约束满足的鲁棒 MPC 方法。该方法在 80 态振荡器链、Burgers 方程及 9,768 态软体机器人仿真中验证,两态 ROM 方案求解时间低于 1ms,速度比全序鲁棒 MPC 快 13 至 61 倍且闭环成本仅高 27% 至 35%。代码将于发表时开放。
论文提出改进的世界模型训练方法以支持基于梯度的规划,核心是解决模型训练目标(下一状态预测)与测试时使用方式(动作序列估计)之间的差距。作者引入训练时数据合成技术,在多种物体操作和导航任务中,将基于梯度的规划效率提升至传统无梯度交叉熵方法的水平,同时仅需 10% 的时间预算。材料为 arXiv 预印本版本,未提及同行评审状态或具体部署结果。
论文介绍 DriftWorld,一种基于漂移生成模型的行动条件世界模型,旨在解决扩散模型因多步迭代去噪而成本高昂的问题。该模型在训练中学习条件漂移,推理时仅需单次前向传播即可为给定动作序列生成未来观测。
推荐理由:DriftWorld 通过漂移生成模型实现单次前向传播生成未来观测,在多个机器人基准上速度提升 12 倍以上且保持视觉质量。
何恺明团队发布论文NAT-ARC,提出一套纯视觉的ARC解题方案。该方案不依赖LLM,利用ImageNet上的自然图像(如猫狗)进行MAE预训练以获取视觉先验,再迁移至抽象格子推理任务。
推荐理由:何恺明团队提出NAT-ARC,利用ImageNet预训练打破纯视觉模型在抽象推理任务上的scaling瓶颈。
MIT CSAIL 与天津大学联合开发 X-Hinges 设计软件,旨在将日常静止物品转化为具备自我意识的交互工具。该软件允许用户在自定义设计时自动嵌入两种不同材料:一种用于发送最强信号的传感器,另一种用于不产生干扰的导线状元素,从而解决传统同材打印导致的信号混淆问题。
推荐理由:MIT CSAIL 与天津大学联合推出 X-Hinges 设计软件,支持在 3D 打印中自动嵌入双材料传感器以解决信号干扰问题。
Drake v1.57.0 新增多体植物与场景图对虚拟传送带的仿真支持,并在 meshcat 中实现基于点击拖拽施加虚拟力的功能。该版本为最后支持 macOS Sequoia (15) 的发布,计划于 2026-12-01 将 Python 绑定从 pybind11 迁移至 nanobind。
MIT CSAIL、Google 和东北大学联合开发的 InstructMesh 工具,结合 Microsoft TRELLIS 系统与 GPT-4 大语言模型,允许用户通过自然语言提示生成并编辑 3D 设计。
推荐理由:MIT CSAIL 联合 Google 等推出 InstructMesh,结合 TRELLIS 与 GPT-4 实现可编辑的生成式 3D 设计工具。
Drake v1.56.0 提供 drake/version.h 头文件并启动将 Python 绑定从 pybind11 迁移至 nanobind的进程。此次更新移除了对 Docker 镜像及 drake-apt 站点的支持,同时弃用了 Eigen 旧版自动微分功能改用自研实现。用户需关注相关 issue 以获取 beta 版本测试指南及构建系统依赖升级说明。
Drake v1.55.0 正式移除对 Eigen legacy autodiff 的支持,转而使用自研的 AutoDiffXd 标量类型。该版本将 Python 绑定从 pybind11 迁移至 nanobind,未来将逐步停止对 pybind11 的支持。
Drake v1.54.0 发布,新增对 Ubuntu 26.04 ("Resolute") amd64 架构的支持,并将教程从 Deepnote 迁移至官网。该版本不再提供 Docker 镜像(已弃用),同时修复了 pydrake 原生代码内存泄漏并更新了包括 abseil_cpp_internal、bazel 在内的多项依赖库。
Drake v1.53.0 正式支持 Ubuntu 26.04 与 ARM64 架构,AutoDiff 性能提升 30%-100%。旧版 Docker 镜像将于 2026-06-01 弃用,用户需改用官方发布的预编译二进制包或.deb 安装包。该版本还修复了多体动力学问题并新增多项数学规划与绑定功能。
Drake v1.52.1 此次发布主要修复了 wheel 构建中存在的潜在崩溃问题。该版本将此前更新的 rules_rust 依赖从 v0.69.0 进行了回退处理,并提供了包含预编译 SNOPT 数学规划工具箱的官方二进制包。用户可下载 drake-1.52.1-{noble|mac-arm64}.tar.gz 文件获取对应平台的稳定版本。
Drake v1.52.0 正式发布,新增对 Amazon Linux 2023 的 pip 安装支持及 Ubuntu 26.04 预览版支持。该版本将新 AutoDiff 实现设为默认(旧版将于 2026-07-01 移除),并停止维护 Ubuntu 22.04。此外,发布包不再附带二进制文件,用户需改用 nightly 构建或直接从 release 附件安装.deb 包。
Drake v1.51.0 发布,新增 drake::logging::level 别名以平滑迁移至新日志 API。该版本同时弃用将于 2026-09-01 移除的 TAMSI 求解器,并将 Ubuntu 22.04 作为最后一个支持版本。此外,多体动力学模块新增连续时间 desired_state 输入端口及关节力矩限制功能,系统默认自动微分实现也将在 2026-04-01 切换至新方案。
Drake v1.50.0 正式推出 Ubuntu on aarch64 架构的夜间预编译二进制包,同时宣布自 2026-06-01 起将不再发布 Docker 镜像。该版本是支持 Ubuntu 22.04(Jammy)的最后一次发布,并引入了 C++ 标准>=23、GCC>=13 等新的工具链下限要求。
Drake v1.49.0 作为最后一个支持 Ubuntu 22.04 的版本,将 C++、GCC、Clang 及 Python 等工具链版本下限上调。此次更新修复了模拟器默认上下文内存泄漏问题,并将 MOSEK 依赖库升级至 11.1.2 以适配 Python 3.14。官方提供了 drake-1.49.0-{jammy|noble|mac-arm64}.tar.gz 预编译二进制包供用户下载。
Drake v1.48.0 正式支持 macOS 26 Tahoe,修复 RenderEngineVtk 渲染能量损失并将 VTK BRDF 模型改为多散射近似以提升亮度。新版本引入 AutoDiff 新实现选项,将于 2026-07-01 移除旧版支持,用户需尽快切换默认配置以规避后续兼容性问题。
Drake v1.47.0 新增 CMake 与 Bazel 构建标志以在编译时禁用 GL、GLTF 客户端及 VTK 渲染引擎。该版本将 macOS 二进制包升级至 Python 3.14,移除 3.12 轮子,并将 Gurobi 更新至 12.0.3 需用户同步安装。修复了多体动力学几何验证、Meshcat 缓存及优化回调中的多个段错误与未定义行为问题。
Drake v1.45.0 正式移除对 WORKSPACE 的遗留支持,全面转向 Bazel 模块架构。此次更新将构建工具 bazel 升级至 8.4.0,同时修复了多体动力学几何查询及 IrisNp2 求解器约束相关的多项 Bug。官方提供 drake-1.45.0-{jammy|noble|mac-arm64}.tar.gz 预编译二进制包供用户直接安装使用。
Drake v1.44.0 发布,新增自动微分基础教程并调整 Wheel 包将 Mosek 设为 PyPI 依赖而非内嵌。版本引入 IrisNp2 新策略支持、SchunkWsgTrajectoryGenerator 上下文优化及 Acceleromer 等新 API 绑定。
Drake v1.43.0 正式发布预编译二进制包,引入 DifferentialInverseKinematicsSystem 控制器与 IRIS-NP2 并行规划算法。此次更新移除了 manipulation_station 示例,新增 glTF 渲染修复及数学规划线性约束重载功能。发布物包含 SNOPT 求解器支持,默认 C++ 标准升至 23 并升级至 Clang-19 等构建依赖。
Drake v1.41.0 版本发布,新增 DiscreteTimeApproximation 离散时间系统转换功能及 ProjectedGradientDescentSolver 投影梯度下降求解器。
Drake v1.40.0 发布,新增离散时间稳态卡尔曼滤波与积分器克隆功能,并启用 Mesh 和 Convex 几何的非均匀缩放以支持镜像加载。软件栈升级至 macOS Python 3.13 和 Linux manylinux_2_34,移除对 Python 3.11 的支持并将 pybind11 切换至上游版本加补丁。
Drake v1.39.0 正式发布,将构建系统从 WORKSPACE 迁移至 Bazel 模块,旧版支持将于 2025-09-01 后移除。此次更新优化了 MultibodyPlant 的隐式 PD 控制输入端口并修正了 VTK 光照计算错误。此外,规划器新增 IrisZo 参数化功能且多项依赖库升级至最新版本。