看懂日报 · 2026 年 10 月 21 日 · 星期三
kandong
Isaac Lab 3.0 正式发布:支持多后端架构与零拷贝数据访问
NVIDIA Isaac Lab 3.0 正式向公众发布,确立了下一代机器人学习的基准。该版本引入工厂式多后端架构,允许任务在 Newton、PhysX 等物理引擎及不同渲染器间切换而无需重写逻辑;提供 Warp 原生数据路径实现零拷贝访问;并支持 Kit-less 执行模式以简化部署流程。
智能驾驶
Kodiak Driver 创下连续运行 64 天新纪录,为年底高速公路无人化做准备
Kodiak AI 宣布其搭载 Kodiak Driver 的无人驾驶卡车在 Permian Basin 工业部署中创下连续运行 64 天的新纪录,期间从未断电重启。
Waymo 宣布将在西班牙马德里开展 Robotaxi 服务,计划于 2027 年迎来首批乘客
Waymo 宣布正在为在西班牙马德里的完全自动驾驶网约车服务奠定基础,预计将于 2027 年迎来首批乘客。公司表示将采用分阶段、安全优先的方法,先进行人工驾驶,随后由当地经过培训的自动驾驶专家进行严格的技术验证,以确保 Waymo Driver 适应当地的交通模式和道路条件。目前尚未获得运营许可或开始收费服务,相关车辆预计将在未来几天出现在街道上。
具身智能
目标图像即控制目标:用于机器人操作的基于空间的 grounded 目标图像合成研究
该研究指出通用图像编辑指标无法预测机器人操作的成功率,在 CALVIN 和 SIMPLER-Bridge 基准上验证了大型专有编辑器在多步任务中表现不如小型微调开源模型。
舍弗勒具身智能机器人数智工厂在太仓正式启用
舍弗勒于10月20日在太仓正式启用具身智能机器人数智工厂,该厂集智能装配产线、场景化训练及数据采集中心、数字孪生平台及算力中心为一体。工厂实现“机器人造机器人部件”的闭环智能制造模式,标志着关节模组等核心零部件正式投入量产。数智工厂采取开放合作模式,支持客户在工业场景下对物理AI系统进行训练和测试。
世界模型与仿真
Fréchet Forcing:基于短片段训练长视界流式世界模型
论文提出 Fréchet Forcing 方法,用于微调世界模型以解决长序列生成中的漂移问题。该方法在无需教师模型或在线评论器的情况下,利用流匹配损失、上下文保真度和现实匹配三个约束,使模型在机器人操作和相机控制探索任务中能在超过 4,000 帧的长序列内保持稳定性并遵循动作指令。材料为 arXiv 预印本,未提及同行评审状态或具体部署许可。
Time-JEPA:利用物理时间序列锚定视频世界模型
论文 Time-JEPA 针对视频世界模型缺乏物理状态演化信息的不足,提出用低维时序对齐的物理量作为辅助监督信号进行微调。该方法在自动驾驶、机器人操作和人体运动等多个领域均提升了当前状态解码、多步未来预测及运动学重建性能,且在跨条件与变量分布偏移下表现更稳健。外部评估显示其能增强对物理异常及交互的敏感度,且方法可迁移至不同视频骨干网络。
Ropedia W0 跨本体移动操作世界模型发布,五大评测领先英伟达 Cosmos 3
新加坡具身创企 Ropedia 联合南洋理工大学等机构发布了跨本体移动操作世界模型 Ropedia W0。该模型基于视频扩散架构,通过统一的动作表示(相机运动与投影骨架)实现人类、机械臂及人形机器人间的预测能力迁移。
谷歌开源 Harness²:让大模型在运行中自我魔改代码与提示词
谷歌开源了名为 Harness² 的框架,旨在解决递归自我改进(RSI)在真实开放世界中缺乏标准答案和过度拟合的问题。该系统采用双层递归架构:任务级递归通过提议 - 探测 - 合成机制在无裁判环境下进行行为对比以修补缺陷;改进级递归则将调试记录沉淀为元能力存入经验库,供后续任务检索复用。
计算机视觉
EgoXperience:基于人类经验的以自我为中心的世界 grounding 表示学习
该论文提出 EgoXperience 全栈范式,旨在解决从第一人称视频中重构人类活动所需的运动、几何与手物交互一致性难题。核心包括自动标注引擎 EgoX-Engine,结合几何验证的目标跟踪与 SLAM 世界对齐;以及由此构建的 EgoX-Data-6M 数据集(50 小时室内外任务驱动数据)和评测基准 EgoX-Bench。
产业与监管
Waymo 订购数千辆极氪 Ojai 扩张美国 Robotaxi 车队
Waymo 已订购数千辆极氪的“Ojai”自动驾驶车型用于扩张其美国 Robotaxi 车队。车辆在奥地利完成组装、并在亚利桑那州加装 Waymo 自研自动驾驶系统后投入运营,这是中国车企整车首次大规模进入美国自动驾驶出行市场。材料同时提及大众集团拟冻结员工薪资至2030年、丰田本田恢复泰国生产及Stellantis加拿大工会投票支持罢工等行业动态。
快讯
- ULTRA:面向人形机器人全身自主运动操作的统一多模态控制框架arXiv · 机器人与计算机视觉
- Self-Improving Video-to-Action Models:一种通过环境交互进行自我改进的视频到动作模型arXiv · 机器人与计算机视觉
- CondenseVLA:用于高效多帧 VLA 的可学习历史压缩arXiv · 机器人与计算机视觉
- PICA-WAM:通过跨外观自对齐实现视觉扰动不变性的世界动作模型研究arXiv · 机器人与计算机视觉
- Think before Go:面向图像目标导航的分层推理方法arXiv · 机器人与计算机视觉
- PrismWAM:在世界动作模型中解耦状态表示arXiv · 机器人与计算机视觉
- GPT-6 Astra:原生视觉 - 触觉策略用于富接触操作arXiv · 机器人与计算机视觉
- 面向受限感知场景的多机器人水下结构三维检测 GPU 流水线arXiv · 机器人与计算机视觉
- ActionRoPE:面向平面相机游戏世界模型的基于动作的世界坐标一致控制方法arXiv · 机器人与计算机视觉
- DUET:面向任务无关的人形机器人上下肢执行解耦框架arXiv · 机器人与计算机视觉