基于可微有限元的气动软体机器人端到端建模框架
一个端到端可微有限元(FEM)框架将 CAD 自动转换为体素化四面体黏弹性网格,用于气动软体机器人建模与系统辨识。结合点云数据,该框架以最小实验装置辨识材料与动态驱动参数,并利用梯度完成轨迹优化。在波纹管式气动软体机器人上验证,最大位置误差小于 3 mm,可用于路径跟随与抓取任务。
一个端到端可微有限元(FEM)框架将 CAD 自动转换为体素化四面体黏弹性网格,用于气动软体机器人建模与系统辨识。结合点云数据,该框架以最小实验装置辨识材料与动态驱动参数,并利用梯度完成轨迹优化。在波纹管式气动软体机器人上验证,最大位置误差小于 3 mm,可用于路径跟随与抓取任务。
Zhe Tao 等提出 ForeAct3D,用可学习几何查询从策略表示解码深度、语义分割与相机位姿,并以策略生成的 action chunk 条件化未来查询,把未来预测锚定到计划动作上。
AgenticTactileVLA 提出一种执行期监督器,用手指位置和电机力反馈作为本体接触证据,在不使用触觉传感器、不重训练 VLA 的前提下修正抓取实现。
TacOT 提出触觉引导最优传输框架,用动作-触觉动态时间规整识别人类与机器人演示中交互动力学一致的对应关系,再引导共享策略表示空间中的软最优传输对齐,无需预定义帧级配对。在 4 个真实灵巧操作任务上,闭环成功率较 action-guided OT 在分布内任务最高提升 17 个百分点,在定向人到机器人分布外迁移下提升 20 个百分点。
GiT(Grounded in Time)发布了一个面向机器人操作的多源数据集与基准,用于将操作决策定位到过去事件,覆盖生物实验室、家庭与工业场景。数据集包含真实机器人与 Universal Manipulation Interface(UMI)风格演示共 18 个双臂任务,以及基于 ManiSkill 的 9 个任务仿真评测套件,并提供细粒度子任务标注与反事实任务对。
GOTT 提出 reach-acquire-move 框架,用单一跨具身接触获取原语把机器人无关的物体轨迹转化为多指手行为:先将手带到任务相关接触区域,再由共享闭环原语建立稳定接触,位姿条件控制器跟踪物体运动。仿真与真实实验显示 GOTT 能在多种物体、臂-手平台及已见与未见手部形态上建立鲁棒接触,并一致提升端到端任务成功率。
PhysEvo 提出围绕单一冻结模型的物理递归自改进(RSI)框架,由任务 agent 执行机器人任务、meta-agent 依据轨迹诊断失败并修订工具与技能,全程不更新模型权重也不训练独立动作策略。
推荐理由:论文给出与 RoboDawn 和直接 Astra 的对照成功率,便于评估冻结模型下递归自改进的实际增益。
发那科与日立集团签署战略合作,共同推动具身智能商业化落地,日立将茨城工厂设为"零号客户",围绕异构形状零件拣取、换产等工序开展精度、稳定性、节拍速度改善验证,最快2027年落地。拓邦股份宝安智能控制产业基地投资约8.4亿元,重点布局高端装备、工业机器人、自主智能产品的研发与生产。银河通用星仔ET1价格曝光,26个自由度,3个版本价位覆盖7.9万元-17.9万元。
Sanctuary AI 提出 TIGER(Task-Space Imitation Guidance for Efficient Reinforcement learning),把模仿策略当作稠密奖励信号而非控制器来引导强化学习。
推荐理由:原文给出把模仿策略转为稠密奖励的具体做法与消融结果,可参考其降低真机安全重置次数的思路。
Boston Dynamics 发布 Atlas 机器人的新一代灵巧手,自由度从上一代的 7 增至 13,采用四指设计并支持手指张开,可握持带扳机的工具手柄。新手手将执行器直接嵌入关节、采用直驱配置,执行器包可整体更换,去掉了跨关节易损的腱绳与线缆,以兼顾可靠性、可仿真和低成本量产。Boston Dynamics 表示目前正研究细节调整,目标是实现年产 100,000 只的规模。
推荐理由:原文给出自由度从 7 增至 13、直驱关节与可更换执行器包等设计取舍,可对照理解灵巧手在可靠性与量产成本上的权衡。
波士顿动力为新一代 Atlas 发布四指灵巧手,共 13 个自由度、直接驱动,尺寸接近大型人手且平均力量更强,可搬运装满 100lb+ 的小冰箱。手部配备覆盖指尖和掌面的密集压力触觉传感器,关节可反向驱动以实现本体感知,支持捏取、三指抓握和握持电钻、射钉枪、焊枪等带扳机工具。
推荐理由:原文解释了四指 13 自由度设计如何在灵巧性、强度与量产成本之间取舍,可为同类末端执行器选型提供参考。
国产力传感器厂商正批量进入人形机器人供应链,坤维科技已供货优必选、智元、银河通用、小米等,蓝点触控客户覆盖智元、银河通用、众擎、星海图,鑫精诚传感器进入近200家客户供应链。
推荐理由:文章梳理了国产力传感器在微型化、MEMS工艺和结构解耦上的进展,并给出各厂商产能与客户数据,可用于判断国产替代节奏。
珞石第10000台人形力控臂于9月29日在智能制造未来工厂下线交付,目前已与80余家产业头部伙伴合作。该产品为太白AR系列,负载覆盖3-20kg,采用仿人化七自由度设计及十字腕构型,将全关节力控扩展到整条机械臂。万台交付意味着珞石建成统一标准、同一条产线、同一套出厂测试的批量制造体系,其产品已进入全球40多个国家和地区的1000余家客户。
推荐理由:万台交付背后是统一产线与出厂测试的批量制造体系,可作为具身智能执行单元规模化落地的参照。
30 亿参数的 π0 在 RTX 4090 上 KVcache 预填充就要 46ms,远超 20ms 控制周期,7B 的 OpenVLA 8bit 量化后在 A5000 上只剩 1.2Hz,VLA 推理延迟成为灵巧手实时控制的瓶颈。
逐际动力与英汉思动力联合研发的具身网球机器人 TENNIIX ULTRA MAX 亮相比利·简·金杯深圳总决赛,与网球选手王蔷完成现场实时人机对打。
推荐理由:原文给出了双轮足底盘的负载、出球高度和算法分工,可看出通用本体加场景算法的落地路径。
ZINOVA 基于逐际动力 TRON 2 双臂具身机器人,联合 RIC Robotics 完成混凝土倾覆板缩比施工场景演示,覆盖支模组框、多层钢筋铺设与绑扎等核心工序。
立芯线下班一名双非二本、工作两年的学员完成EC-EB01灵巧手项目后拿到4个Offer,最高月薪27K、年包38万元,方向为具身智能,此前月薪14K、年包约20万元。
文章主张灵巧手在整手联调前先用单指台架建立可回放基线,因为整手抖动、过流等现象在相序、编码器、齿轮空程、腱绳预紧等多处都能复现,可辨识性极低。
推荐理由:文章把整手联调的模糊故障拆成电流环、腱传动、CAN FD 三层可测项,工程师可直接照搬其台架检查顺序与验收记录方法。
Sanctuary AI 宣布其 Physical AI 在一家全球 Tier 1 汽车供应商的复杂线缆插装任务上达到 99.5%+ 的任务成功率,节拍时间 2.54 秒,并通过客户实际产线基准验证。
推荐理由:原文给出了线缆插装任务的 99.5%+ 成功率与 2.54 秒节拍,可作为柔性物料自动化落地的参考基准。
Sanctuary AI 董事会任命 Daniel Friedmann 为首席执行官,他此前担任公司董事长,接替 James Wells。Daniel 曾任 MDA 首席执行官近二十年,最近担任 Carbon Engineering 首席执行官兼董事长。Sanctuary AI 通过部署 Physical AI 帮助工业客户实现复杂任务自动化。
Zeon 通过其风投子公司 Zeon Ventures Inc. 投资 Sanctuary AI 并达成合作,共同开发灵巧机器人专用材料。Zeon 将凭借弹性体材料专长与测试评估能力,支持 Sanctuary AI 产品开发,助力其灵巧机器人从实验室走向工厂商用部署。
Sanctuary AI 展示其自研液压机械手的零样本手内操控能力:完全在仿真中训练的策略直接迁移到真实世界,仅用指尖(不借助手掌)连续 10 次将字母方块旋转到指定朝向而不掉落。该演示验证了仿真环境对真实动力学的高保真建模,以及液压驱动与紧凑液压阀在力量、速度和控制上的优势,为工业场景的精密插入与工具使用奠定基础。
Figure 发布 Helix 02,用单一神经网络从像素直接控制人形机器人全身,实现行走、操作与平衡的一体化。该模型在 System 2 与 System 1 之下新增 System 0 全身控制器,基于超过 1,000 小时人体动作数据训练,10M 参数、以 1 kHz 输出关节指令,替代了 109,504 行手写 C++。
推荐理由:原文给出了 System 0 的训练数据量、参数规模和控制频率,可据此了解全身 VLA 的分层架构如何落地。
逐际动力发布多形态具身机器人 TRON 2,售价 4.98 万元起,即日起开放预订。TRON 2 采用全身模块化架构,一个本体可快速切换双臂、双足、双轮足三种构型,并支持人形、四足等形态重构。
推荐理由:原文给出构型切换方式、双臂自由度与负载、续航等参数,可据此评估该平台是否适合 VLA 科研与移动操作实验。
南方科技大学CLEAR Lab联合逐际动力、香港大学的论文《Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-top Manipulation》入选CoRL 2025,提出GVF-TAPE算法,让机器人通过观看操作视频预测任务执行过程并学会自主操作。
推荐理由:论文给出LIBERO基准成功率与实机任务结果,可看出纯RGB视频驱动操作训练相比依赖深度相机和动作标注方法的差距。
Figure 的 VLA 模型 Helix 展示了人形机器人用多指手端到端自主叠毛巾,官方称这是人形机器人首次以端到端神经网络完成该任务。同一套 Helix 架构此前用于物流包裹翻转任务,此次未修改模型与训练超参数,仅新增数据集即迁移到叠毛巾。
推荐理由:同一套 Helix 架构不改模型与超参数、只换数据集就从物流任务迁移到叠毛巾,展示了跨任务泛化的可迁移做法。
Sanctuary AI 展示了在仿真中训练的 in-hand reorientation 策略在真实液压灵巧手上执行,可在对抗重力并额外加载 500 克重量的情况下完成手内重定向。该公司称其自研强化学习方法在训练中未见过的 500g 负载扰动下仍能完成手内重定向。其液压手具备较多主动自由度,支持手指侧摆与手内操作,采用液压驱动以获得力量、速度和控制性能。
推荐理由:原文给出了仿真训练策略迁移到真实液压手并承受 500g 未见负载的细节,可作为灵巧操作训练迁移的参考案例。
Sanctuary AI 借助 NVIDIA Isaac Lab 开源机器人学习框架,对其高自由度、高强度、高速液压灵巧手实现业界领先的 sim-to-real 灵巧操作策略迁移。