跳到正文

技术方向

具身智能 最新动态

机器人模型、硬件、学习方法和真实部署;区分仿真、遥操作演示与自主运行。

1,139 条精选近 30 天 643 条共收录 4,549 条

更新

精选归档 · 第 52 页

10月1日周四第 1021–1040 条
  1. Hugging Face Daily Papers82

    InterEvolve:面向人形机器人位姿与操作的测试时奖励程序演化

    论文研究人形机器人在未训练过的任务中通过复用现有技能、自我改进并保留学习成果的能力。核心思路是利用规划与控制接口,将对象感知基础模型转化为行为策略,并通过大语言模型修订奖励程序结构、数值优化器调整常数,在仿真中验证后迭代提升。实验表明该方法能释放基础模型的潜在能力,处理复杂场景与长周期任务,并在宇树 G1 真机上实现自主运行。

    推荐理由:该文提出无需重训的测试时演化方法,利用对象感知基础模型与奖励程序优化,在仿真及宇树 G1 真机上实现复杂任务。

  2. Hugging Face Daily Papers78

    Inherit-MAS:基于工作流与执行继承的多智能体系统测试时演化方法

    论文介绍 Inherit-MAS 框架,利用生物进化中的继承与选择原理,在多智能体系统中显式实现工作流与执行的继承机制。该方法通过元模型合成带角色声明的工作流,并由独立评估器诊断缺陷;在常规优化轮次中继承最新候选人的工作流并剔除无用节点,同时仅在请求与执行上下文完全匹配时复用历史结果以避免冗余计算。

    推荐理由:该工作提出通过工作流与执行继承机制优化多智能体系统,在保持性能的同时显著降低计算开销。

  3. Hugging Face Daily Papers78

    Kinematic MeanFlow:面向机器人基础模型的单步动作生成策略

    论文研究如何在机器人基础模型中实现低延迟的单步动作生成,以克服多步流匹配的高推理耗时。作者发现直接应用 MeanFlow 会导致性能崩溃,并提出 Kinematic MeanFlow(K-MF)框架。

    推荐理由:提出 Kinematic MeanFlow 框架解决 RFM 推理延迟问题,在 GR00T-N1.6 上将动作头延迟降低约 74%,支持从头训练与微调。

  4. Hugging Face Daily Papers84

    GUI-HARVEST:基于证据驱动的 GUI 代理自我改进与 Harness 演化

    论文介绍 GUI-HARVEST,一种自动优化 GUI 模型执行环境的框架,旨在解决意图对齐、失败诊断与模式复用三大挑战。该方法将模型输出与前后截图对齐以定位界面转换差异,利用重复任务运行构建联合证据单元,并将验证后的发现转化为有界的源代码编辑。

    推荐理由:该预印本提出 GUI-HARVEST 框架,通过证据驱动的 harness 演化实现冻结骨干模型的自改进,在多个基准上验证了通用性与性能增益。

  5. Hugging Face Daily Papers78

    基于选择的结构化推理:迈向高效的多模态搜索智能体

    针对小模型在多模态搜索任务中因自由生成推理导致的高延迟与低效问题,本文提出了一种基于选择的结构化推理(SSR)框架。该框架将高层推理重构为预定义的、可复用的自然语言候选集,模型在每个步骤仅根据当前上下文从这些候选集中进行选择,无需辅助任务头。

    推荐理由:该框架将推理重构为候选选择,利用共享 KV Cache 并行评分,在保持任务性能的同时显著降低多模态搜索代理的推理延迟。

9月30日周三
  1. Hugging Face Daily Papers85

    通过失败库自进化从运行时反馈中学习:面向视觉语言动作模型的更安全策略

    针对复杂环境中 VLA 模型需平衡任务成功与意外接触的挑战,本文提出 FailBank 四阶段框架,将运行时反馈转化为持久的策略改进。该框架在 VLA-Arena 基准上评估显示,相比基线策略和纯运行时屏蔽方法,FailBank 能显著提升任务成功率并降低由策略引起的累积成本,证明运行时反馈可作为持续监督而非临时约束。

    推荐理由:FailBank 框架利用运行时反馈实现 VLA 策略自我进化,在基准测试中显著提升了任务成功率并降低了累积成本。

  2. 智元 AGIBOT · Newsroom78

    智元 AGIBOT:2026 上半年全球人形机器人出货量第一

    IDC 数据显示,2026 年上半年全球人形机器人出货量约 2.5 万台,同比增长 432.1%;智元 AGIBOT 以超过 8,600 台的出货量位居全球第一,占比约 35%,累计产量于 9 月突破 2 万台。

    推荐理由:智元发布 2026 年上半年全球出货量第一数据,并披露珠海长隆与零售场景的规模化部署进展。

  3. Hugging Face Daily Papers78

    HIDE:评估部分可观测环境下机器人操作记忆能力的基准与 SEEK 增强框架

    针对机器人操作中隐藏任务状态难以仅凭当前观察确定的问题,该研究引入 HIDE 基准,包含重复计数、历史状态召回和执行进度追踪等 15 个任务。作者提出 SEEK 框架,结合三种互补的记忆机制以保留历史证据并跟踪执行状态。评估显示现有策略在 HIDE 上存在显著局限,而记忆增强能提升仿真与真实实验中的成功率;单一机制虽有益处但可能损害其他任务,组合方案表现最佳。

    推荐理由:该工作提出 HIDE 基准与 SEEK 框架,揭示部分可观测环境下机器人策略对历史状态记忆的依赖及现有方法的局限。

9月29日周二
  1. 智元 AGIBOT · Newsroom75

    智元 AGIBOT 与 ASD 合作在百家门店部署 100 台 X2 人形机器人

    智元 AGIBOT 宣布与厨具公司 ASD 合作,在中国百家零售门店部署了 100 台 AGIBOT X2 人形机器人作为店内销售助理。这些机器人负责迎宾、需求询问、产品推荐及导购等任务,并在促销或交易环节与人店员协作。

    推荐理由:智元与 ASD 宣布在百店部署 X2 人形机器人,展示其在真实零售场景中的接待、推荐及人机协作能力。

  2. Hugging Face Daily Papers78

    Inducing Process Supervision from Outcome-Only Reinforcement Learning

    该研究提出 TIPS 框架,通过仅基于最终结果的强化学习来训练生成式过程奖励模型(PRM),从而以低成本实现步骤级验证。实验显示,该方法在数学和智能体基准测试中表现优异,TIPS-Qwen3-4B-Thinking-2507 在 ProcessBench 上达到 85.2 F1,超越了 GPT-5.4-Instruct 等强提示词模型,但仍落后于 o1-mini。代码与数据已开源。

    推荐理由:该方法利用结果奖励引导过程监督,在仅用少量轨迹数据下实现了超越强提示词模型的推理效果。

  3. Hugging Face Daily Papers85

    MotorMind:为通用视觉语言模型搭建零样本机器人操作框架

    论文介绍 MotorMind,这是一个连接通用视觉语言模型(VLM)与确定性机器人控制的中间层动作表示及异步执行框架。该方案无需任务特定策略训练、代码智能体或 SAM3 等定位工具,在 LIBERO-PRO 基准上实现 66.7% 成功率(扰动下为 53.8%,优于此前零样本方法的最高 13.3%),并在真实 xArm6 机器人上达到 95% 平均成功率。

    推荐理由:该工作提出 MotorMind 框架,证明通用 VLM 无需额外训练或工具即可实现零样本机器人操作,显著优于现有方法。

9月28日周一
  1. Hugging Face Daily Papers78

    MM-ABC:面向通用移动操作的看见、协调与想象基础模型

    论文提出了 MM-ABC 基础模型,旨在解决移动操作中空间感知与异质臂基协同控制的挑战。该模型结合稀疏多级别视觉语言模型特征进行空间感知;引入仅用于训练的“未来分支”,利用世界想象和几何意图作为额外监督信号以增强感知与操作意图预测;并通过掩码联合注意力及清洁动作 X 预测来协调独立的操作与移动流。

    推荐理由:该工作提出 MM-ABC 基础模型,通过视觉、协调与想象机制统一处理移动操作中的感知与控制挑战。

  2. 智东西 · 机器人84

    香港大学MMLAB发布PhysicalRSI 1.0具身智能系统基线

    香港大学MMLAB团队发布了PhysicalRSI 1.0(物理递归自进化)系统,旨在解决通用大模型在精密操作与多步任务中的控制难题。该系统通过System 2规划反思与System 1执行反馈的协同机制,实现Harness(工作程序)的自我改写与迭代。

    推荐理由:港大团队提出自进化基线PhysicalRSI 1.0,在RoboDojo评测中成功率与分数均领先GPT-6 Astra等竞品。

9月26日周六
  1. Hugging Face Daily Papers78

    X-Tree:通过 tokenizing 可复用经验实现高效智能体泛化

    针对现有多步智能体训练忽略任务间重复子程序的问题,该工作提出从数据本身恢复层级结构并构建可复用经验树(X-Tree)。该方法将常用且成功的技能组合为子技能节点,无需调用大语言模型即可指导高效泛化。研究将其集成至离线强化学习、在线强化学习验证及策略自蒸馏三种训练设置中,在 WebArena、ScienceWorld 和 WebShop 三个基准上实现了显著的性能提升。

    推荐理由:该工作从数据中恢复任务层级结构并构建可复用经验树,在 WebArena 等基准上显著提升了多步智能体的成功率。

9月25日周五
  1. Hugging Face Daily Papers78

    Mara Chain:重思失败为 AI 系统自动进化的垫脚石

    该论文提出 Mara Chain,一种将优化过程中被丢弃的候选方案转化为后续迭代基石的新方法。现有 propose-evaluate-select 流程常因直接丢弃不合格候选而导致重复探索相同失效模式;Mara Chain 则保留并利用先前尝试积累的证据对拒绝项进行迭代精炼,同时限制链长并应用 Pareto-filtered Top-N 选择以控制候选池规模。

    推荐理由:该工作提出 Mara Chain,将优化中被丢弃的候选方案转化为后续迭代的基石,在 AppWorld、TerminalBench 2.1 和 MuSiQue 等基准上显著提升了任务性能并减少了采样次数。

9月24日周四
  1. IFR 国际机器人联合会 · 官方新闻71

    IFR:全球工业机器人存量破 500 万,中国安装量占全球近六成

    国际机器人联合会(IFR)发布《World Robotics 2026》报告,显示 2025 年全球工厂运营工业机器人存量增至 500 万台,同比增长 9%。其中中国市场表现强劲,年安装量达 35.4 万台,占全球部署总量的 59%,中国本土制造商国内市场份额升至 55%。

    推荐理由:报告披露 2025 年全球工业机器人存量达 500 万台,中国安装量占比近六成且本土品牌份额过半。

9月23日周三
  1. Hugging Face Daily Papers84

    Beyond Future Prediction: Denoising as Generative Adaptation for Robot Control

    论文介绍 NowWAM,一种不依赖未来视觉预测的机器人控制共训练框架,通过去噪当前观测直接耦合生成目标与动作表示。在 LIBERO-Plus 基准上,配合 FLUX2-Klein 模型达到 87.7% 成功率,相比基线提升 6.1 个百分点,同时将训练视觉 token 减半并加速推理。

    推荐理由:提出无需未来预测的 NowWAM 方法,在 LIBERO-Plus 基准上提升性能并降低计算开销。

  2. 智元 AGIBOT · Newsroom72

    智元与长隆发布首个大规模具身智能主题园区,交付第 20000 台机器人

    智元与长隆集团今日正式启动位于长隆飞船乐园的首个大规模具身智能部署项目,向长隆交付了第 20000 台下线的通用人形机器人。超过 300 台 AGIBOT 机器人被集成到娱乐、教育、访客服务和酒店运营等七大核心场景中,包括现场表演、科学教育、导览、零售服务、AI 伴侣体验及体育竞赛。

    推荐理由:智元与长隆联合发布首个大规模具身智能主题园区,交付第 20000 台机器人并部署超 300 台于七大场景。