具身智能日报｜10月26日：RynnVLA-Latent：用3D接地潜在动作扩展机器人操作基础模型

头条

RynnVLA-Latent：用3D接地潜在动作扩展机器人操作基础模型

RynnVLA-Latent提出用异构交互视频做机器人策略预训练，其RynnLAM模块无需原生机器人控制即可从视觉变化中学习连续、3D接地的潜在动作。研究在30.1K小时人类、机器人和仿真视频上生成745.52M个潜在动作描述符，再通过流匹配预测潜在动作块并适配到具体本体动作。

Haoyu Zhao 等14人 · arXiv一手原文

技术

智元机器人一手

智元机器人发布 Genie Studio 2.0，打通模型开发、任务编排与车队运营

智元机器人发布 Genie Studio 2.0，这是一个用于开发、部署和运营具身智能应用的一体化平台，由 Flywheel、Agent、Monitor 三个模块组成，覆盖数据采集、模型训练、评估、推理、任务编排与车队管理。

原文

北京人形机器人创新中心一手

北京人形 RoboMIND 开源数据集下载量突破 5000 万次

北京人形机器人创新中心宣布，其 2025 年 12 月开源的 RoboMIND 数据集全球累计下载量突破 5000 万次，最近 1000 万次用时 18 天。该数据集开源释放 40 万条以上双臂操作轨迹、覆盖 700 项以上实操任务，官方称其支持双臂协调、移动操作、灵巧手与高保真触觉感知。北京人形数据基地占地近 6000 平方米，年数据产能可达 18 万小时，已对外交付近 3 万小时高质量数据。

原文

论文研究

Chun Gu 等5人 · arXiv一手

X-World：将视频先验迁移到可变视角机器人控制

X-World提出一种把视频扩散模型先验迁移到机器人控制的框架，通过固定长度token序列接入共享动作专家，并用残差跨视角注意力支持一至三路相机输入。在LIBERO上平均成功率为98.5%，其LIBERO训练检查点在LIBERO-Plus上不做额外适配取得76.5%；六项双臂实机任务每项20次试验平均成功率81.7%。

原文

Yanjinghao Xu 等8人 · arXiv一手

ARPG：通过动作表征预训练扩展灵巧操作能力

ARPG 提出将动作表征学习与动作生成分离，先在大规模人类操作数据上预训练动作表征编码器，再冻结编码器、用 130M 参数的生成骨干在表征空间中学习任务条件动作分布。

原文

Nuo Chen 等13人 · arXiv一手

ThinkLocoManip：面向腿式移动操作的全身体控制智能体框架

ThinkLocoManip 提出一种面向腿式移动操作的全身体控制智能体框架，采用推理与行动交错的范式，让智能体持续推理当前状态、执行动作、观察结果并调整策略。

原文

Chao Chen 等7人 · arXiv一手

HumanoidNDM：用神经动力学模型在线微调人形运动跟踪策略

HumanoidNDM 是一个面向人形机器人运动跟踪的在线微调框架，用实机训练的神经动力学模型缩小训练与部署之间的动力学差距。数据采集阶段采用带自适应强度机制的低频参考扰动方法，模型训练阶段在欧氏空间训练基于历史本体感知的神经动力学模型并引入可微前向运动学，从而不依赖动捕系统。

原文

Yang Liu 等17人 · arXiv一手

HuGe：用第一视角人类经验扩展人形通用VLA模型

HuGe 是一组人形通用视觉-语言-动作模型，在超过 2000 小时的第一视角人类与机器人数据上预训练。它沿用三种现有代表性 VLA 架构，预测预训练全身控制器的潜在运动 token 与手部控制信号，并采用第一视角预训练、人形适配和下游微调的三阶段流程。

原文

Xinchen Yu 等8人 · arXiv一手

AuRA：通过自主机器人交互从原子到比特重建数字孪生

AuRA 是一套自动化机器人交互与数据准备系统，用于数字孪生重建，结合执行感知抓取选择、由机器人状态推导的夹爪运动测量以及配准的交互前几何与外观先验。在 13 个可变形物体上，AuRA 将每个成功重建资产的主动人工投入和实际采集时间分别减少 88.5% 和 55.4%。

原文

产业

The Robot Report

Teradyne Robotics与Sereact合作，将Cortex物理AI平台用于零售物流

Teradyne Robotics上周与Sereact达成合作，将Sereact的Cortex物理AI平台运行在Universal Robots机械臂上，用于退货处理、拣选等非结构化任务。

原文

查看本期全部文章 19 篇 ↗