看懂日报 · 2026 年 11 月 10 日 · 星期二
kandong
NVIDIA 发布 GR00T 2 世界动作模型与 Isaac Lab 3.0 仿真框架
NVIDIA 在 CoRL 大会上发布 GR00T 2 开源世界动作模型,支持灵巧操作技能迁移与少样本泛化;同时推出 Isaac Lab 3.0 集成 Newton 物理引擎以模拟变形物体,并开放 DexBench、VABAR 等新基准。材料介绍了 GRAIL 数字生成管线、SGS 采样方法及 Graph-as-Policy 智能体框架等工具,旨在帮助研究者在仿真中训练机器人完成精细操作任务。
具身智能
DobotTrack:面向具身智能的目标 grounded 视觉 - 语言 - 动作学习框架
论文提出了 DobotTrack,这是一个结合辅助 grounding 监督与高效时序建模的视觉 - 语言 - 动作(VLA)框架,旨在让移动智能体根据描述识别目标并持续跟踪。
迈向代理具身智能时代:A2-MEAS 框架发布
论文介绍了 A2-MEAS 具身多智能体框架及 A2-WLA 动作模型,利用代码作为扩展接口结合 MetaBrain 进行训练监督与运行时引导。在 BEHAVIOR 2026 基准上 Q-score 达 0.5755-0.6411,RoboTwin 2.0 平均成功率超 93%,真实机器人长程任务失败后恢复率从 8% 提升至 82%,训练吞吐量提升 4 倍。
芯驰科技开源D9-MAX软件SDK,面向具身智能场景
芯驰科技正式开源D9-MAX软件SDK,该SDK基于车规级异构单芯底座,主要面向具身智能“小脑”场景,旨在为物理AI和机器人研发提供底层算力与软件支持。针对传统多板架构的痛点,D9-MAX芯片在一颗芯片内融合感知、运控与安全岛功能,其基于ARM DynamIQ Shared Unit技术,将12核CPU划分为8核与4核两个物理独立集群,实现运控与交互任务的物理硬隔离。
UC Berkeley BAIR 团队亮相 CoRL 2026:发布多篇论文与开源工具
UC Berkeley BAIR 团队在 CoRL 2026 会议上展示多项机器人学习成果,包括早期职业主题演讲、33 篇主会论文及 4 个 Late-breaking results 海报。
波士顿动力 Atlas 轮式改装测试床发布:强化学习与仿真到现实迁移验证
波士顿动力 Atlas 团队工程师 Xiaoyu Wu 分享了将 Atlas 机器人改装为轮式的研究项目,通过替换脚踝执行器并调整模型,利用强化学习实现了侧滑漂移和空中转体等高难度动作。该项目旨在验证在硬件极限下全身体控制器与真实执行器的协同效果,成功缩小了仿真与现实差距,相关技术洞察已反馈至标准配置中。
计算机视觉
腾讯混元Hy4正式发布:新增原生视觉与电脑操作能力
腾讯混元Hy4正式从预览版升级为正式版,总参数达770B,首次引入原生视觉理解与计算机使用(CUA)能力。实测显示其能在28亿像素图中定位细节、自主编写代码构建复古音乐播放器及3D游乐园、通过多轮自检修复逻辑漏洞并交付无Bug结果。模型已在腾讯云TokenHub等产品上线,权重近期开源,金融与科研领域表现优异。
百度文心首次披露 RSI 进展:ERNIE Evolve 已用于最新模型研发,文心 5.5 Flash 或将近期发布
11 月 9 日,百度文心首次披露递归自我改进系统 ERNIE Evolve,该系统能自主提出研究方向、开展实验并积累经验。目前 ERNIE Evolve 已应用于即将发布的文心 5.5 Flash 推理优化,在昆仑芯 P800 低时延场景生成速度提升至基线 623.6%,确定性推理吞吐提升至基线 133.7%。
产业与监管
NVIDIA 助力韩国跨行业推进物理 AI 生态发展
NVIDIA 利用其加速计算、AI 与仿真技术,联合三星电子在半导体工程(cuISS/cuDSS/cuEST/PhysicsNeMo)、Kakao Mobility 在 L4 自动驾驶开发(Hyperion/Halos)以及 LG Electronics 在机器人学习与工厂仿真(Isaac GR00T/CLOiD/Jetson AGX Thor)等领域推进物理 AI 生态。
快讯
- A Stochastic Latent Variable Generalization of Joint-Embedding Predictive ArchitecturesarXiv · 机器人与计算机视觉
- Flex-RSI:前沿智能体在视觉与机器人任务中的递归自我改进基准arXiv · 机器人与计算机视觉
- AR-Edit:无需反演的免训练自回归视频编辑方法arXiv · 机器人与计算机视觉
- VICTR:一种用于视觉语言动作模型的基于价值的上下文学习框架arXiv · 机器人与计算机视觉
- Trajectory Forcing:利用扩散轨迹实现长视频生成的自回归方法arXiv · 机器人与计算机视觉
- VLA Handover:基于失败预测的从机器人端到大模型服务器的切换方法arXiv · 机器人与计算机视觉
- Goodhart in the Planner:基于采样的控制利用从人类偏好学习的奖励arXiv · 机器人与计算机视觉
- 仅需少量梯度符号:视觉语言模型的少样本适应方法arXiv · 机器人与计算机视觉
- PoseRieFlow:面向全身文本到姿态生成的黎曼流匹配方法arXiv · 机器人与计算机视觉
- NanoVDB 引入动态 GPU 体素网格与体素顺序处理技术arXiv · 机器人与计算机视觉