2026 年 10 月 26 日 · 星期一
本期文章 19
ScheNav：示意地图引导的目标物体导航框架
ScheNav 是一个示意地图引导的闭环具身导航框架，通过 SchemaField 空间模块把粗略示意引导与累积观测融合，预测空间价值场并据此做探索和停止决策。
研究：世界建模在机器人动作学习中究竟改善了哪些方面
研究在 FastWAM 和 OpenWAM 中做受控的未来视频预测损失消融，模型架构、初始化、机器人训练数据和训练步数在各模型族内保持固定。在已见任务的干净条件下，预测监督分别将成功率提升 24.38 和 72.91 个百分点；但在分布偏移下收益并不稳定，未见任务上的提升因模型和任务而异，两个模型在所受评估的环境随机化下成功率都较低。
PhysLadder 发布分层仿真-实机匹配基准，测试 GPT-6 Astra 接触密集操作能力
研究团队提出 PhysLadder，一个用于评估接触密集操作物理交互能力的分层仿真-实机匹配基准，包含 16 项家务任务，分为接触选择与几何对齐（L1）、持续接触下的力调节（L2）、接触重构与力调节协同（L3）三个累积层级。
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。
EAST：通过数字孪生系统化故障注入测试具身AI安全性
EAST 是一个数字孪生框架，把有文献依据的安全证据转化为覆盖感知、指令、环境、动作和时序的故障注入测试，并配有专家评审的安全故障分类和八个可执行算子。
AdaPolicy：用下一动作块预测构建动作驱动的前瞻机器人策略
AdaPolicy 提出一种动作驱动的前瞻策略框架，通过级联的下一动作块预测让在线策略获得隐式前瞻，训练时无需未来观测编码，推理阶段零额外开销。方法由在线动作头同时输出当前动作块与演化隐状态，再由级联展开动作头预测下一动作块，并将损失回传至该隐状态。
毫米波雷达多普勒辅助跟踪被遮挡目标的位置与速度
该研究提出多普勒辅助的毫米波雷达非视距跟踪方法，将隐藏目标跟踪建模为连续位置-速度估计，在留出轨迹上取得8.95厘米位置误差和1.75厘米/秒速度误差。作者同时发布首个室内非视距雷达数据集，包含576段序列、共720,856帧，覆盖移动机器人12条不同速度、起点和材质配置的轨迹，并称方法可泛化到未见场景中的移动人体目标。
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%。
I Won't Know Until I Try：面向长程操作的交互式信息获取规划框架
Linfei Yuan 与 Rachel Holladay 提出一个任务与运动规划（TAMP）框架，将任务导向的交互式信息获取与规划执行交错结合。该框架基于 PDDLStream 乐观地规划交互动作，在执行中验证结果，并保留仍适用的动作、只重规划继续执行所需的连接。
PS-DLO：融合属性与空间感知的可变形线性物体操作策略
PS-DLO 提出一种属性与空间感知的可变形线性物体操作策略，通过对比图文学习把初始观测映射为物体属性的类别描述，并用 SAM3 从未来观测提取掩码引导特征、蒸馏进策略的动作专家。作者在单臂和双臂平台的九个真实任务上为每种本体训练共享多任务策略，平均成功率达 68.9%，比最强基线高 20.0 个百分点；在蝴蝶结解结的七种视觉偏移条件下，有六种成功率高于基线。
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。
Cut a Wall, See a Wall：建筑机器人遮挡点云感知中的身份替换问题
论文研究建筑机器人点云分割在测试时遇到整区域遮挡时的表现，发现网络不只是漏检被遮挡构件，而是把它们重新标注，且错误集中到单一汇类。固定合成布局下该汇类吸收最多70%的测试点，随机布局下汇类转移到楼梯，预测占比为真实份额的4.5-5.4倍（三个训练种子），基线mIoU降至0.15-0.27（固定）和0.36-0.72（随机），单个测试集最多有269个完整物体消失。
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。
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。
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。
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%。
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。
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。
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。