看懂日报 · 2026 年 10 月 22 日 · 星期四
kandong
AgenticRoboRL:将代码智能体后训练引入具身机器人规划
AgenticRoboRL 是一个针对机器人规划器的后训练框架,结合监督微调与多轮强化学习,通过适配不同执行机制(如 VLA 技能调用与控制代码生成)提升规划能力。在 LIBERO-PRO 基准上,该方法使 9B 参数规划器在无外部记忆条件下的成功率从 18.1% 提升至 71.0%,接近带外部记忆的 Codex (GPT-5.5) 的 72.1% 水平。作者将开源该框架及训练好的规划器检查点。
具身智能
英伟达开源Flora数据引擎,低成本转化海量机器人视频为训练信号
英伟达发布并开源了面向机器人数据集的数据引擎Flora,该系统由动作描述、时间分段和奖励三个模型组成,可将原始机器人视频转化为带时间戳的动作描述及过程/结果奖励。Flora基于Qwen3.5微调,在WGO-Bench等基准测试中表现优异,标注成本约为GPT-6 Astra的1/125(每小时0.72美元对比88.49美元),目前已用于训练GR00T系列模型。
Dream Labs 发布世界动作模型 Dream-1 并开放 API
美国具身大脑公司 Dream Labs 宣布完成种子轮融资,并发布世界动作模型 Dream-1。该模型通过预测末端执行器位姿实现零样本泛化,可控制从未见过的双臂平行夹爪机器人执行新任务。Dream Labs 正式开放 Dream API,提供每小时 3 美元的调用服务及仿真微调选项。测试显示其在性能、速度和成本上具备优势,但零样本成功率在未见任务中约为 9%。
世界模型与仿真
上海AI实验室发布自进化合金设计专家模型书生·衍金
上海AI实验室联合中国科学院金属研究所等机构发布自进化合金设计专家模型“书生·衍金”(AlloyEvo)。该模型通过自主设计方案、智能评估性能并沉淀经验,在航空航天3D打印工程钛合金研发中实现突破:样品抗拉强度达1817MPa,较现有基准提升12.8%,均匀延伸率持平。AlloyEvo已集成至书生·端砚科学发现平台,支持高温合金、特种钢等新材料体系的设计与研发。
Learning the 4D World through Point Trajectory Forecasting
论文介绍 Video-Point Model (VPM),这是一个基于多视角视频历史和语言指令的世界模型,能够联合预测任意视角的未来视频和场景中持久点的 3D 轨迹。
NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 等开源模型系列
NVIDIA 推出 Nemotron 3.5 Super VL 和 Bolt 等新语言模型、Kumo 结构化数据模型、Cosmos 世界模型及 Alpamayo 2 Edge 自动驾驶推理模型。
计算机视觉
PointForward V2:面向前馈式驾驶重建的点对齐交互方法
论文 PointForward V2 针对动态驾驶场景的前馈式重建任务,提出利用紧凑的场景结构化寄存器来中介稀疏 3D 查询间的交互,以替代直接的全局注意力机制。
RSI 关键拼图:MemT 1.0 原生记忆模型发布
量子位报道了 MemTensor 开源的 MemT 1.0 系列模型(Nano 与 Flash),该模型将经验编码为内部动态状态,通过专门的记忆分支参与计算。在 SWE-bench Verified 任务中,MemT-1.0-Nano 平均成功率为 69.73%,优于无经验基线;在迷宫探索和信息更新场景中展现了更好的长期记忆复用能力。
Self-Credit:基于组内重缩放的长视界代理强化学习信用分配
针对长视界任务中稀疏奖励导致的信用分配难题,本文提出 Self-Credit 方法,利用策略模型生成的带引用摘要作为自生信用信号,并通过比较同一提示下成功与失败轨迹的引用动作进行组内重缩放以剔除不当信用。
产业与监管
德国政府与 NVIDIA 签署联合意向书推进工业 AI 及四项新投资
德国总理默茨与英伟达 CEO 黄仁勋在柏林 Kraftwerk 签署联合意向书,双方将合作开发物理 AI 前沿模型并建立欧洲领先的工业 AI 生态系统。NVIDIA 宣布对 Agile Robots、Avelios Medical、Mirelo 和 Reflex Aerospace 四家德国初创企业进行新投资,此前已承诺近 100 亿欧元支持欧洲生态。
快讯
- 拒绝提问、行动服从:机器人控制环路的运行时安全检查arXiv · 机器人与计算机视觉
- CLOSER:一种用于具身对象 - 目标导航的证据感知主动视觉验证方法arXiv · 机器人与计算机视觉
- DRAPE:面向多模态持续指令微调的动态跨模态提示生成arXiv · 机器人与计算机视觉
- Joints, Camera, Action!:为任意骨架协同生成 3D 运动与视频arXiv · 机器人与计算机视觉
- UniWALM:面向具身机器人控制的统一世界动作语言模型arXiv · 机器人与计算机视觉
- Latent Projection for Latent Planning:一种基于潜空间投影的规划方法arXiv · 机器人与计算机视觉
- Can a Display Be Used for Rapid LiDAR-Camera Extrinsic Calibration?arXiv · 机器人与计算机视觉
- FERPO:一种基于前向熵正则化的策略优化算法arXiv · 机器人与计算机视觉
- KoalaGS:基于复杂度感知的连续层级细节高斯泼溅方法arXiv · 机器人与计算机视觉
- AEON:统一视频与 3D 世界模型的框架arXiv · 机器人与计算机视觉