机器人进便利店,为什么总在货架前摔瓶子?
红旗连锁终止机器人无人售货系统研发,暴露出具身智能从实验室走向真实零售场景时的落差。当前许多机器人更像展示和引流设备,而不是能够独立替代店员的商业系统。
阅读全文红旗连锁终止机器人无人售货系统研发,暴露出具身智能从实验室走向真实零售场景时的落差。当前许多机器人更像展示和引流设备,而不是能够独立替代店员的商业系统。
阅读全文OpenFlyV2 将视觉语言理解、空间推理与航迹控制整合进同一个机载模型,并在 NVIDIA Jetson Orin NX 上以 10 Hz 运行。研究显示,该系统可从仿真零样本迁移到真实四旋翼飞行任务。
阅读全文智元在创新日发布GO-3 Preview、WITA-OMNI、AGILE运动框架及灵渠OS 1.0,并提出用Worken衡量机器人有效智能工时。其技术路线正从单点能力竞争,转向模型、本体、系统和真实部署的协同。
阅读全文HuGe将超过2000小时的人类第一视角与机器人数据引入人形机器人视觉-语言-动作模型训练,尝试缓解真实机器人示范数据昂贵、身体形态不一致等问题。
阅读全文PDRVLA在VLA模型中加入轻量级物理动态模块,通过预测未来的RGB、深度和光流特征,帮助机器人在不在线生成视频的情况下理解动作后果。该方法结合视频世界模型监督与公开数据训练,在四项仿真基准上取得了较高成功率。
阅读全文RoboHarness提出一种不同于主流VLA路线的机器人控制思路:不为语言模型增加专门动作头,而是提供一个视觉—几何控制接口,让编码智能体直接调用实体任务。论文称,该方案结合Qwen3.8-Flash-Next后,在BEHAVIOR Challenge 2025任务上超过了当前先进VLA模型。
阅读全文RynnVLA-Latent提出一种不依赖原生机器人动作标签的预训练框架,将人类、机器人和仿真视频转化为具有3D运动含义的潜在动作监督。研究显示,这种方法有助于VLA模型跨本体迁移,并在多项模拟与真实操作任务中取得较强表现。
阅读全文机器人操作视频往往只记录过程,却没有明确的成功标签。RoboJev-27B将任务指令与视频帧结合,尝试以开放权重视觉语言模型充当机器人任务“裁判”。
阅读全文机器人基础模型的瓶颈不只在模型规模,也在于能否持续获得高质量、结构化的数据标签。FLORA 面向机器人训练全流程,统一提供时间戳字幕、过程奖励和结果奖励标注,并以较低成本支持大规模数据处理。
阅读全文HoloBoxing提出了一套面向人形机器人拳击任务的轻量训练方案:冻结预训练全身控制器,只训练一个紧凑的任务规划器。论文报告称,在已有控制器基础上,额外训练约需7分钟单GPU时间。
阅读全文HyperDrone 将GPU上的多旋翼动力学与高并行光线追踪结合,面向视觉强化学习提供高吞吐、可调保真度的无人机仿真。研究团队还展示了仅凭仿真训练的视觉偏航控制策略在真实Crazyflie上的运行效果。
阅读全文TARSphere 将物理仿真、具身 NPC、受限对话、可执行技能和事件驱动任务评估整合为一套机器人全栈框架。其基准测试显示,任务更新、人与机器人协作以及执行安全,仍是通用多模态模型走向具身智能的关键难题。
阅读全文一篇综述将递归自我改进引入机器人学习语境,区分了行为变好、后续学习受益、改进流程变优与真正递归之间的差异。现有研究已展示多种前置能力,但尚未单独证明物理系统获得了可归因于递归的收益。
阅读全文MambaAct 针对流匹配视觉-语言-动作模型推理成本高的问题,以紧凑型 Mamba 动作专家替换 Transformer 模块,并通过上下文压缩保留视觉语言条件信息。实验显示,该方法在降低延迟的同时维持并小幅提升了操作成功率。
阅读全文DONIC 提出一种面向双手灵巧操作的通用跟踪策略,并配套发布包含 1,575 段序列的 BiHOI 多视角数据集。实验显示,单一策略无需微调即可迁移到未见轨迹和未见物体。
阅读全文AgenticRoboRL 将编码智能体中的后训练思路引入具身机器人,让语言模型规划器在真实机器人执行框架中接受监督微调和多轮强化学习。实验显示,9B 规划器在 LIBERO-PRO 上的成功率从 18.1% 提升至 71.0%。
阅读全文λ₀项目发布了HumanVerse数据集,并提出一套将第一视角人类行为迁移到人形机器人的流程。研究显示,扩大与机器人动作对齐的全身人类数据,有助于提升复杂移动操作能力。
阅读全文HandsOn 提供了一个面向跨本体灵巧操作的可组合仿真平台与基准,覆盖多种机械臂、灵巧手和近 200 类物体。实验显示,即使是当前多任务策略,在复杂接触、动作协调和任务迁移上仍存在明显瓶颈。
阅读全文RoboValue 提出一个覆盖仿真与真实场景的机器人价值模型评测基准,从任务状态、时间进展、失败恢复和价值一致性四个维度检查模型反馈是否可靠。
阅读全文