看懂日报 · 2026 年 10 月 29 日 · 星期四
kandong
FTP-1:一种面向多种触觉传感器的通用触觉基础策略
FTP-1 是首个通用的触觉基础策略,旨在解决现有触觉策略依赖固定本体和传感器的问题。该模型通过异构编码器将图像、阵列及状态信号投影为统一的形态感知潜在 token,并由共享触觉 Transformer 专家联合建模。
智能驾驶
Kodiak AI 与 DTL Transport 达成历史性协议部署 75 辆无人驾驶卡车
Kodiak AI 宣布与加州长途货运公司 DTL Transport 达成历史性的具有约束力的协议,DTL 将作为首批客户在自有车队中商业运营 Kodiak Driver。
具身智能
禾赛科技发布机器人运动与三维世界数据引擎
禾赛科技宣布布局机器人运动引擎与三维世界数据引擎,旨在构建物理AI时代的基础设施。动力模组体积缩小37%、功率密度提升3倍,已赋能Sharpa灵巧手并进入英伟达参考方案;Kosmo系统可同步生成多种三维形态,在DQ冰淇淋门店部署中使任务成功率提升至99%。截至2026年第二季度末,禾赛已累计交付动力模组超1万套,正从激光雷达公司向物理AI基础设施公司转型。
小米公布新一代仿生手:21个自由度源于工厂SOP数据分析
小米于10月27日公布新一代仿生手核心信息,包括21个自由度、26个电机混合驱动及1500点全掌触觉。该规格并非单纯参数堆砌,而是基于对汽车工厂1827个标准作业程序(SOP)的动作捕捉与仿真分析得出:数据显示人手关节在实际作业中利用率高且存在天然耦合,21个自由度在抓握成功率上优于低自由度方案但边际收益递减。
智元发布Genie Master框架,在便利店实测中实现机器人自主进化
智元发布具身Agent框架Genie Master,将Physical RSI(具身递归自进化)应用于真实便利店业务流。该框架通过EEP协议连接推理与执行,利用Harness RSI积累提示词经验、Policy RSI更新动作策略模型,使机器人在无人在环状态下自主分析失败原因、调整策略并沉淀长尾场景经验。智元计划于11月2日开展6台精灵G2机器人连续上岗的24小时直播考核。
RoboParty发布全栈开源人形机器人RP1,开放从机械图纸到运动算法的底层研发链路
RoboParty正式发布全栈开源人形机器人RP1,提供从机械结构、电气系统到底层控制与仿真训练工具的全套资源。RP1拥有24至30个自由度,搭载自研ROMOMO关节模组,公开URDF及网格模型等资源,并开放hhtools动作重定向等开发底座,旨在降低硬件适配门槛,支持开发者深入研究与修改底层技术。
世界模型与仿真
视频世界模型的潜变量为何与动作相关:预测优于重建
论文研究了不同预训练信号如何诱导视频世界模型潜变量中的动作相关结构。研究通过统一的逆动力学探针评估发现,时序视频预训练主要驱动了动作相关性,而像素重建保真度并非关键;具有强解码质量的模型可能表现出近零的动作恢复能力。此外,逆动力学监督显著提升了模型对视觉扰动的鲁棒性。该工作已接受至 CoRL 2026。
快讯
- E0.5:面向机器人世界 - 动作建模的从重建到未来预测的 3D 基础模型arXiv · 机器人与计算机视觉
- 基于评估引导的演示优化:MetaFine 开放竞赛获奖作品arXiv · 机器人与计算机视觉
- PDRVLA:一种带有物理动力学表示的视觉语言动作模型arXiv · 机器人与计算机视觉
- TOPS:重塑流源与传输以优化多任务机器人操作arXiv · 机器人与计算机视觉
- 离散 Token 能否无损表征视觉信号?——基于因子化向量量化的多模态模型研究arXiv · 机器人与计算机视觉
- 通过可微分仿真学习四旋翼穿越动态窄缝的视运动控制arXiv · 机器人与计算机视觉
- 从生物曲线到软体模块化机器人:基于不确定性的引导式改进学习逆向设计arXiv · 机器人与计算机视觉
- 免渲染事件帧仿真加速自主机器人导航的强化学习arXiv · 机器人与计算机视觉
- Learning to Code the World: Harness Evolution for Compositional 3D ReconstructionarXiv · 机器人与计算机视觉
- 基于连续图像的四足机器人相机到姿态估计方法arXiv · 机器人与计算机视觉