履带车低附着路面惯性转向与运动预测研究
研究提出一种带被动拖车的铰接履带车动力学模型,并在冰面上实验评估,其预测表现优于运动学基线。作者还提出混合动力学-运动学模型以适应不同路面和情境,并在无常规转向机构的单履带车上演示惯性转向:内部质量受控移动可在冰面产生转向,该行为可用所提动力学模型将内部质量视为无摩擦拖车来预测。
NEWS / 动态
按时间浏览,使用右上角筛选切换领域。
研究提出一种带被动拖车的铰接履带车动力学模型,并在冰面上实验评估,其预测表现优于运动学基线。作者还提出混合动力学-运动学模型以适应不同路面和情境,并在无常规转向机构的单履带车上演示惯性转向:内部质量受控移动可在冰面产生转向,该行为可用所提动力学模型将内部质量视为无摩擦拖车来预测。

Faraday Future计划2026年底在美国上线机器人工厂,首台美国组装机器人定于2027年2月下线,并每年在美推出三到五款新或下一代机器人产品。全球执行董事长Jerry Wang在访谈中称,本地化旨在强化合规、供应链韧性、质量控制与客户支持,但未公开美国制造内容的具体比例及2028年前仍需进口的部件。
Haotian Zhai 等人提出 AtomTree,一个用 LLM 做状态感知任务规划的分层框架,逐步构建子目标与动作树,由 LLM 依据当前符号状态决定继续分解还是输出接地的低层动作。框架包含轻量记忆模块复用过往结果,并在低层动作停滞时触发分层回溯重规划,从最新状态重新生成子树计划。在 ALFRED 基准的零样本评测中,AtomTree 表现优于此前的 LLM 规划器。
作者提出一种分层规划与控制框架,让低层控制器反向引导高层轨迹选择:顶层MPPI规划器不依赖显式代价地图,而是用预训练低层强化学习控制器的价值函数作为隐式代价,MPPI负责轨迹探索、价值函数引导搜索。

Neura Robotics与慕尼黑工业大学在慕尼黑机场附近启用总投资约1700万欧元的TUM RoboGym,其中约1100万欧元来自Neura,场地超过2300平方米,计划初期运行三年。

Maxinsights 获得 3000 万美元种子轮融资,用于扩展其物理 AI 数据平台,该平台付费招募人员记录做饭、清洁等日常活动以生成机器人和 AI 模型训练数据。

A3 数据显示,2026年第三季度北美企业订购机器人10,989台、价值7.235亿美元,订单量同比增长24.8%,订单额增长26.1%,为当年最强季度。前三季度累计订单28,984台、约18.9亿美元,同比分别增长9.6%和13.3%;汽车零部件供应商订单增长90.4%,半导体与电子/光子学增长97.6%,协作机器人订单1,831台、同比增长约56%,占当季订单量的16.7%。
QbD-VLA 提出一种任务引导的混合精度量化方法,用短闭环评估中的任务成功率分配权重与激活位宽,并考虑模型组件间的相互影响。实验覆盖四个 VLA 模型和 LIBERO 全部四个套件,权重平均约 4 位、激活少于 6 位时仍保持较强任务表现;在 SIMPLER 上相对均匀量化的增益较小。
推荐理由:论文用闭环任务成功率指导 VLA 混合精度量化,并给出仿真与 Franka 实机上的差异结果,可供关注 VLA 部署成本的研究者参考。
作者提出 TERRA 在线自适应框架,用奖励加权预测损失修正仿真训练的世界模型,并训练损失预测器估计未来与性能相关的误差位置,以此在 MPC 中引导探索。仿真中,在严重分布外预训练条件下,TERRA 约在五次试验内达到约 90% 爬坡成功率,在奖励、完成时间和首次成功能耗上优于探索基线。
推荐理由:论文提出面向行星漫游车的在线自适应框架,用奖励加权预测损失引导探索,并给出仿真与 ERNEST 实机试验结果。

Symbotic 截至2026年6月27日的季度中,最大客户Walmart及其关联方贡献了90.5%的收入,该季度营收7.208亿美元、净利润5500万美元。2025年1月完成的Walmart门店级APD系统协议中,Walmart承诺5.2亿美元开发资金,Symbotic则支付2亿美元收购其机器人业务,并接受对其他客户同类APD系统年度销售数量的上限约束。

Warp Sciences 上周结束隐身状态,获得 2.15 亿美元融资,计划在美国建设化学合同研究组织(CRO),把化学家、机器人和 AI 结合,为研究团队合成并测试分子。
智元机器人提出Worken机器人有效工作量衡量框架,将活跃机器人数量、自主工作小时数与产出效率比三者相乘,定义为有效智能工作时长。该框架强调区分通电时间与自主生产时间,产出效率比需对照具体任务的既定基准。智元以10台机器人各自主工作6小时、效率比0.8的假设示例演示计算,并明确该数字非实际部署结果。

普林斯顿大学、得克萨斯大学奥斯汀分校、多伦多大学、NVIDIA 与智元机器人联合推出 WorldOracle,用同一初始观测和同一动作序列把动作条件世界模型的预测与真实执行逐帧对照评分。
推荐理由:WorldOracle 用同一初始帧与动作序列对照真实执行,给出七款世界模型的分解评分与长时程退化数据。
多位受访投资人称具身智能赛道投融资量下降约50%,老股转让报价集中在6.5折至8折,卖方多为早期股东。庚辛资本创始人张家康称资金门槛提高,价格带整体下移1/2到2/3,尽调焦点转向交付、回款与复购。受访者估算当前真实订单以央国企、军工和科研院所采购为主,合计一年约几十亿元,能否持续采购尚不确定。

Fort Robotics 宣布获得现有投资人约 2000 万美元新增承诺资金,其中 Tiger Global 领投约 1000 万美元,Mark Cuban Companies 参与,预计本周完成。

Avride与Wonder扩大合作,将自主配送机器人扩展至新泽西州泽西城和霍博肯、弗吉尼亚州阿灵顿县及宾夕法尼亚州费城,覆盖Grubhub平台上数十家新增商户。该扩张基于一年前在泽西城启动的试点,自启动以来该站点近20%的配送由机器人完成。用户下单时可选择机器人配送,机器人采用Avride的全自主驾驶技术,可在复杂城市环境中自主完成路径决策。

莱顿大学研究人员在模拟医院环境的实验室中评估了Ryberg Healthcare的Omnia自主UV-C消毒机器人,结果发表于同行评议期刊《Infection Prevention in Practice》,该机器人满足至少5 log减少的验收标准。

Teradyne Robotics 与 Sereact 宣布正式合作,把 Sereact 的物理 AI 平台 Cortex 运行在 Universal Robots 的协作机械臂上,面向零售、物流和制造场景。
一项系统映射从4195篇文献中筛选出235项测量或缓解自动驾驶系统测试现实差距的研究,按六类测试组件区分仿真与实机执行。其中76%聚焦缓解,主要针对场景与参与者真实感及感知;仅61项报告覆盖多类指标的度量,且不足以建立差距与测试结论间的因果联系。研究据此呼吁按主张分别评估并做组件级报告。
研究提出TRIM,一种不修改、不重训检测器的轻量时序监控器,用于发现3D目标检测的漏检失败。TRIM用通道级统计概括中间激活,再以时序卷积网络处理短序列;在NuScenes上,相比单帧监控,AUROC从0.686提升到0.704,95%召回下的误报率从0.818降至0.759。早期与中间骨干特征提供的监控信号最强,时序推理头在CPU上仅需0.159 ms。
红杉中国与宇树科技10月28日宣布成立“杉宇·创计划”,重点发掘和投资具身智能、机器人应用、上下游关键技术等前沿硬科技早期项目。该计划以“工程师+投资人”组合,为早期创业者提供从技术研发、产品验证到融资的一体化支持。宇树科技创始人兼CEO王兴兴称,这是双方在高度互信基础上的深度合作和自然延伸。
研究提出面向智能轮椅的多层导航系统MLNS,可在未知环境中解读并安全处理有限或错误的用户指令。该系统由ViSPF障碍检测、MPC轨迹生成、开放词汇视觉目标识别和优先队列目标选择组成,并在真实智能轮椅上由10名无残障参与者完成含故障输入接口场景的实验。
Nadeen Elhadad 等提出约束感知强化学习框架,从接触力在线推断可行的拆卸方向,在机器人无关的物体中心仿真中训练后零样本部署到实机。该方法结合粒子滤波信念提供时序积分的方向信息,在四类真实任务上成功率分别为 100%、100%、90% 和 75%,且每项任务路径效率最高;在空调前盖上相比未使用该信念的策略把成功率从 45% 提升到 75%。
推荐理由:论文用接触力在线推断拆卸方向,并在四类真实任务上给出成功率,可看力觉策略从仿真零样本迁移到实机的做法。
Synthoid.ai 的 VLA Research Team 提出 SaiVLA-JEPA,在 VLA 流策略中接入冻结 V-JEPA 编码器特征,并在 10,030 对 LIBERO-Plus 回合上比较三种设置。
推荐理由:论文在 LIBERO-Plus 配对闭环试验中比较 JEPA 条件与未来表征监督,给出成功率对照与负结果。
论文提出 OmniQuad 轮足混合机器人,将麦克纳姆轮与腿式运动结合,以兼顾不平地形适应性与室内移动效率。作者介绍了定制麦克纳姆轮式足的设计、由该轮式足与 EM-Act 执行器组成的整机装配,以及配套控制方案,并在室内外环境中开展实验评估其性能。

David D'Arcangelo 于10月21日在亚马逊发售新书《The Robot Goal Federation: A Blueprint for a New Era of Sports Entertainment》,提出设立机器人体育管理与认证机构RGF。
作者提出基于直线骨架的自动标注算法,无需人工干预即可生成双指抓取关键点,并训练出4-DoF的SkelGG-CNN。该模型在Jacquard V1、Jacquard V2和Cornell上分别达到95.42%、96.55%和97.1%的准确率;6-DoF自动标注在GraspNet novel split上平均精度为18.33。
推荐理由:论文提出基于骨架的自动抓取标注流程,并给出4-DoF与6-DoF在公开数据集、仿真和Delta并联机器人实机上的结果。
SpaceAct 是一个交互式基准,通过闭环物理动作与主动感知评测多模态大模型的3D时空推理,并配套提出 SAPA 时空主动探测智能体框架。基准基于积木与机械谜题构建,覆盖6类36个任务族共108个已验证实例,不提供特权坐标,并设有 +plan、+state、no-camera、blind、L7 levers 等诊断模式。
推荐理由:该基准用闭环物理动作和主动感知考察多模态模型的3D时空推理,并给出10个前沿模型的诊断性对比。
一个为期三年的ROS 2人机交互联盟在集成大语言模型与视觉模型的过程中发现,机器人Alice在人类拒绝邀请后先转身说“没关系,都挺好”再驶离,语序改变了信息含义,另一次则在访客就站在主人身旁时报告访客已到。研究据此提出关于注意力、知识、承诺、具身时序与行动权限的五条设计经验,并引入TRACE轻量审查方法,通过改变一个交互前提追踪至决策或执行边界以产出架构发现。
ELEVATE 框架利用任务程序优化中的持续失败识别缺失的全身控制能力,由编码智能体构建并迭代强化学习问题,验证后的控制器加入能力库并与已有控制器组合重试任务。
推荐理由:论文展示编码智能体从任务失败中自动合成全身控制器的闭环流程,并给出仿真与实机迁移的成功率数据。
Zhiyuan Xiang 等提出两阶段后训练框架 Cascaded Skills Optimization(CSO),用于修正 VQ-VAE 类离散技能先验的量化误差。
推荐理由:论文提出两阶段后训练框架,用于修正离散技能先验的量化误差,并给出LIBERO与实机单臂任务的成功率对比。
作者提出 FEEL,一种不确定性感知的残差方法,从本体感知历史估计逐指外力大小,部署时无需专用接触传感器。该方法将校准的虚拟弹簧估计与混合密度网络(MDN)预测的残差分布结合,在十指、0-20 N 接触力范围内平均 RMSE 为 0.251 N,较虚拟弹簧降低 92.8%,较端到端 MDN 降低 9.4%。
一项 arXiv 预印本研究提出面向零样本视觉语言导航的时空记忆系统,由 8B observer 总结观测、8B reasoner 依据任务、时序与空间三类记忆选择路点意图或请求新视角,再由几何控制器执行。
推荐理由:论文拆解零样本视觉语言导航中任务进度、观测历史与几何记忆各自的作用,并给出记忆消融与实机对比结果。
Chanyoung Park 等提出 Selective Compositional Diffuser(SCD),通过可达性度量处理组合式扩散规划中重叠片段平均导致的模式平均问题。
一篇 arXiv 综述梳理物理AI中的递归自我改进,即系统不仅从部署经验更新策略、世界模型、技能和可执行程序,还会修订并复用数据采集、反馈或学习流程。文章区分学习器更新与改进器,比较策略学习、想象经验、记忆与技能积累、可执行框架等路径,并提出 L0-L3 分级,分别对应任务局部适应、持久能力增益、继承式流程修订和经核验的改进器增益。
MATCH 是一个联合学习语言条件规划器与目标条件原子动作执行器的框架,用于连续环境视觉语言导航(VLN-CE)。它用执行感知拓扑图表示依赖起点的执行选项,并结合执行器价值估计与实际结果记忆,让规划器通过有界连续偏移细化执行请求。该模型以 0.5B 参数在 R2R-CE 和 RxR-CE 基准上取得 state-of-the-art,初步实机部署也展示了应用潜力。
推荐理由:论文把执行器能力纳入规划器训练,为连续环境视觉语言导航提供可迁移的分层强化学习方法。
SimRetract 展示开放手术中牵开器接管的零样本仿真到现实迁移,机械臂从外科医生手中接过牵开器并在交接时保持牵开,策略仅用仿真演示训练,无需人类演示或真实世界微调。
推荐理由:论文把零样本仿真到现实的差距拆到具体组件,并给出消融数据,可供做手术辅助操作迁移的研究参考。
HERON 提出用 3D U-Net 从实时深度相机预测障碍感知可达图,在 Jetson AGX Orin 上以 TensorRT 和 INT8 量化部署,平均 115 ms 预测机械臂周围 2.56 m 立方体区域,系统速率 8.57 Hz,接近障碍地图 10 Hz 的更新率。
推荐理由:论文给出嵌入式硬件上实时预测障碍感知可达图的方法与量化指标,可用于比较移动操作臂的在线重定位方案。
CuraEval 是一个评估机器人模仿学习演示筛选方法的框架,在混合技能 robomimic 数据上用 Diffusion Policy 和 BC-RNN 与同规模随机子集及全量训练做受控对比。
纽约大学等团队发布预印本 Embodied at Sea,研究模仿学习在水下多任务操作中的表现。团队在平静与湍流水域采集1616条水下操作数据,训练14个不同本体感知配置的 DynamicVLA 模型,在泳池1260次可评分实机回放中10个模型超过基线,最佳模型总体成功率93.3%(含部分成功)。
推荐理由:论文给出水下多任务模仿学习的实机回放数据与开源工具包,可用于比较通用VLA与单任务策略在域偏移下的表现。