AITOPAI热报

机器人

共 248 条相关 AI 资讯
7月2日
18:05
17:18
11:03
11:03官方账号arXiv cs.AI@Chenyang Ma, Yue Yang, Radu Corcodel, Siddarth Jain, Andrew Wu, Chiori Hori, Diego Romeres
FurnitureVLA是首个系统研究真实尺度双手机器人家具组装的工作，使用Vision-Language-Action模型（VLA）。该工作形式化了任务，开发了可扩展仿真管道，并通过VR遥操作收集高质量真实世界演示。模型可处理多达7个子任务和1550控制步骤的极长程组装，通过预测连续进度信号实现自动子任务转换。在三种家具类型上，FurnitureVLA将平均仿真成功率从48%提升到80%，设计因素研究额外带来21%增益。在真实Kinova Gen3平台上，最难任务仅有16%的性能下降。
AI模型FurnitureVLAVLA机器人
推荐理由：如果你关注机器人组装，FurnitureVLA用VLA模型把仿真成功率从48%拉到80%，还能在真机上跑。它处理长程任务的方式很巧妙，值得看看。
原文
04:00
04:00官方一手Berkeley BAIR Blog（博客/媒体）
加州大学伯克利分校BAIR实验室庆祝2026届博士毕业生。Charlie Snell研究LLM测试时扩展与预训练之间的权衡，提出了如何将测试时推理转化为模型持久表示的关键挑战。Eve Fleisig设计语言模型以可靠公平地服务真实用户，利用用户偏好分歧进行训练与评估。Baifeng Shi构建通用视觉与机器人模型，毕业后加入Physical Intelligence。Devon Guillory研究计算机视觉中的数据偏移，致力于构建协作AI系统。
行业BAIRBerkeley博士毕业生
推荐理由：看看BAIR今年毕业的博士们都在忙啥——有研究LLM推理的、有做机器人模型的、还有搞AI公平性的，都去了不错的去处。
原文
7月1日
07:29
03:28
03:28官方账号Runway ML@runwayml
Runway AI Summit将于今年9月在旧金山举办，为期一天。峰会汇集机器人、自动驾驶、生命科学、基础设施等行业领袖，探讨AI如何重塑现实世界互动。首批演讲者名单已公布，更多嘉宾待揭晓。活动现开放注册。
行业RunwayAI峰会旧金山
推荐理由：Runway在旧金山办AI峰会，主题是机器人、自动驾驶这些硬核领域，对AI落地感兴趣可以去听听。
原文
01:52
6月30日
19:25
16:24
16:11
13:53
13:53官方账号arXiv cs.AI@Yuhong Deng, Yuyao Liu, David Hsu
GROW^2提出一种层次化功能定位方法，将物体部件作为抽象层分割语义和几何过程。语义层利用VLM（如GPT-4V）分析任务指令并选择合适工具及关键部件；几何层通过视觉基础模型（如SAM）从单张RGB-D图像定位精确3D区域。在功能预测基准上，GROW^2优于现有基线方法，并实现对开集物体的零样本泛化。仿真和真实机器人工具使用实验均验证了其有效性，例如用盘子代替刀切蛋糕。
论文GROW^2VLM视觉基础模型
推荐理由：这篇论文教机器人像人类一样用盘子切蛋糕，不受工具原始功能限制。用VLM选工具、SAM定位，零样本效果比现有方法好。
原文
6月26日
12:34
10:52
10:52官方账号arXiv cs.AI@Junhao Shi, Zezheng Huai, Siyin Wang, Jia Chen, Yubang Wang, Zhaoye Fei, Hechang Chen, Jingjing Gong, Xipeng Qiu, Yu-Gang Jiang
OmniAct 提出了一个分层异步架构，将多模态语义规划器、基于事件边界压缩的自适应分层记忆和异步视觉抢占引擎模块化集成，以解决持久自主机器人的跨域工具调用与物理故障恢复问题。在40个真实世界长期任务中，使用两个机器人平台协调四个IoT设备，OmniAct在所有复杂度级别上端到端成功率一致提升，累积超过10万交互token时保持接近线性的token消耗，并让中等规模开源模型达到闭源模型性能。
AI模型OmniAct具身智能多模态
推荐理由：他们搞了个新架构，让机器人能自己协调API、物联网和物理动作，干活出错还能自己恢复，20个任务里成功率都比之前高，而且省钱省token。
原文
00:06
6月25日
22:54
16:21
16:21官方一手Pandaily@contact@pandaily.com (Pandaily)
RoboScience推出Visics，一个跨平台具身AI模型，能泛化到不同机器人、物体和任务。该模型基于端到端架构，在模拟和真实环境中均表现优越。实验显示，Visics在多种操作任务上成功率超过85%，远超现有基线方法。
AI模型VisicsRoboScience具身智能
推荐理由：RoboScience出了个Visics模型，能跨不同机器人干活，不用每换一种就重新训练，有点意思。
原文
10:59
10:59官方账号arXiv cs.AI@Shuyi Zhang, Yunfan Lou, Hongyang Cheng, Yichen Guo, Chuyao Fu, Yaoxu Lyu, Xiaojie Zhang, Haoran Li, Pengwei Wang, Zhongyuan Wang, Shanghang Zhang
FORCE是一个三阶段框架，通过价值校准热身和自蒸馏来稳定VLA模型的强化学习微调。它解决了Q函数不稳定导致的初期遗忘和低质量探索数据导致的策略更新低效问题。在模拟和真实任务上，FORCE取得了79%的绝对成功率提升，比此前RL方法高出10%，同时训练速度加快32.5%。该框架无需人工干预即可实现稳健性能。
AI模型FORCEVLA强化学习
推荐理由：新框架FORCE让机器人学动作更快更稳，成功率飙升79%，比现有RL方法还快32.5%，不用人插手。
原文
09:21
09:21IT之家（博客/媒体）
智元联合创始人兼总裁彭志辉在MWC26上海主题演讲中指出，AI下一阶段核心是从数字世界走进物理世界，自主完成任务。他强调未来AI将持续运行、学习并创造生产力，行业将迈入具身智能规模化部署时代。彭志辉提到特斯拉计划年底实现数千台人形机器人量产，波士顿动力也转向商业落地价值挖掘。他提出XYZ曲线划分产业发展周期，其中Y曲线是部署成长期，机器人具备完整交互作业能力，大规模落地真实场景。
行业智元彭志辉MWC26
推荐理由：智元总裁彭志辉在MWC26上说了大实话：资本不再为机器人炫技买单，得在工厂、仓库真干活才行。还提到特斯拉计划年底量产数千台人形机器人，波士顿动力都转商业化了。
原文
6月24日
12:07
11:58
11:58官方账号arXiv cs.LG@Maggie Wang, Lars Osterberg, Stephen Tian, Ola Shorinwa, Jiajun Wu, Mac Schwager
InSight框架通过将VLA模型在原始动作层面变得可操控，从而解锁自主技能获取能力。该框架包含自动分割管道，利用VLM计划分解和末端执行器姿态将演示分割成带标签的原始动作，以及VLM引导的数据飞轮，自动识别缺失原始动作并尝试演示。在模拟和真实世界操作任务中（包括方块翻转、抽屉关闭、清扫、扭转、倒水）评估，无需任何人工演示即可学习这些技能。学到的原始动作可组合执行新颖的长周期任务，无需额外人工演示。
论文InSightVLA操作技能
推荐理由：这篇论文提出了InSight框架，让机器人通过VLA模型自己学新技能，不用人教，就能搞定方块翻转、倒水这些操作，很有实用性。
原文
10:24
6月23日
13:33
13:33官方账号arXiv cs.LG@Mingi Choi, Gunhee Kim, Jisoo Kim, Taeksoo Kim, Taeyun Ha, Jongbin Lim, Hanbyul Joo
AutoDex是一个自动化真实世界数据收集系统，用于灵巧抓取。它利用20个摄像头在严重手-物遮挡下定位物体，执行碰撞监控的运动，标记抓取成功或失败，并主动重置物体。在100个不同物体上使用Allegro和Inspire手收集了3,593次抓取试验。与遥操作相比，处理500次轨迹只需10.3小时（遥操作49.4小时），吞吐量提升4.8倍。从AutoDex验证数据库检索的抓取成功率为76%，而仅模拟验证为34%。
论文AutoDex灵巧抓取机器人
推荐理由：AutoDex自动搞定灵巧抓取数据收集，比遥操作快4.8倍，成功率碾压纯模拟验证
原文
13:02
13:02官方账号arXiv cs.AI@Ulas Berk Karli, Tesca Fitzgerald
论文提出RECALL方法，用于视觉-语言-动作（VLA）模型的主动持续学习。与被动模仿学习相比，不确定性引导的数据收集使微调效率提升30%以上。但仅训练恢复数据会导致灾难性遗忘，在OpenVLA模型上丢失20%的旧任务性能。评估了重放混合和弹性权重巩固（EWC）两种持续学习技术，发现可塑性与记忆保留之间存在权衡。实验在3个机器人操作任务上进行，表明不确定性引导的恢复演示能提升适应效率，但如何平衡新旧知识仍是开放挑战。
论文VLARECALL主动学习
推荐理由：这篇论文研究了怎么让机器人在学新任务时不忘旧技能，用不确定性主动挑数据微调VLA模型，比被动收集更高效，还试了两种防遗忘方法，挺实在的。
原文
6月21日
19:23
6月19日
00:02
00:02Gary Marcus@GaryMarcus
精选
Gary Marcus引用Matei Zaharia的研究，神经符号系统在机器人领域击败当前最优方法。该方法采用AI驱动的搜索（类似GEPA的方法），让AI生成AI与代码的混合体。Zaharia认为这类系统效率很高，并在其他应用中也观察到类似效果。该成果展示了神经符号系统在控制与规划方面的优势。
AI模型Neurosymbolic SystemsGEPARobotics
推荐理由：Gary Marcus分享了Matei Zaharia的神经符号系统研究，用AI搜索在机器人上打败了现有最优方案，值得搞机器人或符号推理的人关注。
原文
6月18日
13:58
10:08
03:06
03:06Jim Fan@DrJimFan
精选76°
Jim Fan揭秘了物理自动研究系统ENPIRE的设计内幕。安全采用两层硬编码：硬运动学限制立即触发任务失败并自动重置，以及扭矩限制柔性夹爪防止碰撞损坏。奖励函数通过收集成功/失败演示、用计算机视觉分类器编码并冻结在Gym环境中，防止智能体篡改。系统遥测定义了Mean Robot Utilization（MRU）、Mean Token Utilization（MTU）和GPU利用率三个实时指标，并基于Tokens-to-Success和Time-to-Success评估预算效率。
AI模型ENPIRE物理自动研究安全机制
事件专题
推荐理由：Jim Fan讲了他们怎么让8个机器人通宵自动做实验，还防止奖励被篡改，资源利用率指标也很实用。
原文
02:14
00:55
00:55官方一手Hugging Face: Blog（博客/媒体）
精选
Strands Agents与LeRobot结合，实现了从Hugging Face Hub加载预训练模型并直接部署到真实机器人硬件。该系统支持多种机器人平台，如Aloha和Franka，并提供了从仿真到现实的无缝映射接口。用户无需编写底层驱动即可运行来自Hub的模型，显著降低了机器人研究的硬件部署门槛。该方案已在Amazon实验室的多个机器人上测试成功，推动了开源机器人生态的发展。
AI产品Strands AgentsLeRobotHugging Face Hub
事件专题
推荐理由：想把你训练好的机器人模型直接跑上真实硬件？Hugging Face联合Amazon推出了Strands Agents，连接LeRobot，一键部署，省掉底层驱动烦恼。
原文
6月17日
23:33
23:33IT之家（博客/媒体）
精选
领益智造在北京亦庄的具身智能机器人超级工厂近日规模投用，是京津冀首个万台级工厂。该工厂覆盖从核心零部件到整机组装的全链条制造，采用力觉+视觉双引导精密装配，换型时间小于15分钟。整机环形吊轨测试线可同时承载6-12台机器人，动态验证性能边界，较传统线体节能约25%。工厂全站自研MES、WMS、QMS系统，实现全流程数字化追溯，可在24小时内完成质量闭环优化。规划年产能逐步爬坡，预计2030年达到50万台套。
行业领益智造具身智能机器人京津冀
推荐理由：领益智造在北京开了家能年产50万台具身机器人的大工厂，从零件到整机全包，还有自动测试线，想了解机器人量产进展的可以看。
原文
23:31
23:30
23:30官方账号Decoder@Maximilian Schreiner
73°
Nvidia、卡内基梅隆大学和UC Berkeley的研究人员使用AI编码智能体（coding agents）训练机器人自主完成灵巧抓取任务。项目部署了8台机器人，在真实世界中执行复杂抓取，成功率高达99%。该研究展示了AI智能体在机器人技能自我提升中的潜力。
AI模型NvidiaAI编码智能体机器人
事件专题
推荐理由：Nvidia和大学团队让8台机器人用AI编码智能体自己练抓取，成功率冲到99%，比手写代码更灵活。
原文
23:17
23:17AI Will@FinanceYF5
73°
NVIDIA在SIGGRAPH 2026上发布MotionBricks，该AI模型支持超过35万种动作技能。它可实现15,000 FPS的推理速度和2毫秒延迟，让游戏角色和机器人即时切换移动风格。MotionBricks专为游戏和机器人领域设计，能动态生成自然动作。
AI模型MotionBricksNVIDIA游戏角色
事件专题
推荐理由：NVIDIA搞了个MotionBricks，35万种动作技能随便切换，游戏角色和机器人动起来更自然了，比以前的方案快很多。
原文
10:46
10:10
10:10官方一手pandaily@contact@pandaily.com (Pandaily)
73°
阿里巴巴发布了Qwen-Robot系列，这是其首个具身AI模型系列，涵盖导航、操作和世界建模三个领域。该系列可部署在Unitree Go2四足机器人上，仅需一个摄像头就能运行。Qwen-Robot模型旨在让机器人更智能地感知和交互物理世界。
AI模型Qwen-Robot阿里Unitree Go2
推荐理由：阿里给机器狗装上了AI大脑，单摄像头就能导航干活，Qwen-Robot系列挺实用。
原文
04:49
03:03
01:58
01:58官方账号Jim Fan@jimfan
精选72°
ENPIRE赋予8个Codex智能体机器人集群和GPU资源，自主完成高精度物理任务。系统能独立绑扎带、整理细针、安装GPU。实验显示8台机器人并行探索比少量效率显著提升。NVIDIA GEAR实验室已实现机器人彻夜自主改进。团队计划开源全部代码。
AI产品ENPIRECodexNVIDIA
事件专题
推荐理由：NVIDIA让8个AI智能体自己控制机器人干活，还能绑扎带装显卡，而且要开源，你可以在家搭机器人实验室了！
原文
01:57