技术方向
AI 走进物理世界的整体进展：整机和基础模型、真实环境部署、量产节点与产业格局的追踪。
684 条精选近 30 天 626 条共收录 1,390 条
论文提出EASG（Explicit Action-Space Grounding）框架，将以工具中心点（TCP）为中心的动作坐标系投影到腕部相机观测中，并以VLM原生的文本生成接口表达连续动作，使预训练VLM无需机器人动作预训练或额外动作模块即可直接生成可执行动作。该接口同时支持用机器人轨迹微调，实现跨物体位置、类别和机器人本体的零样本操作与泛化，并在同一连续动作空间内持续微调提升。
推荐理由：论文指出VLA通常需从机器人数据学习动作token，而EASG用文本接口直接暴露动作语义，为理解VLM动作接口设计提供了对照视角。
LeWAM 是一个端到端的 JEPA 控制模型，通过联合训练下一隐状态预测与动作流匹配，并对隐状态施加各向同性高斯约束，使单一模型既能直接执行策略，也能在隐空间中高效规划。相比此前用于视觉规划的 JEPA，LeWAM 在接触密集任务上成功率从 28.6% 提升到 89.7%，长程任务从 10.9% 提升到 46.2%，规划速度快 32.3 倍；在仿真与实体机器人的行为克隆任务上也与既有方法相当。
推荐理由：论文给出与既有 JEPA 的成功率对比和规划加速倍数，可据此评估端到端训练路线的实际收益。
论文提出 GAMMA（Grounded multi-Agent Memory with Mechanical Audit），将记忆到接地符号子目标的映射构建为双智能体协作记忆系统。
推荐理由：论文解释了VLA策略在记忆任务上失败的原因，并给出双智能体记忆系统这一可迁移的设计思路。
论文提出 MIRAGE 多模态图像引导机器人手术框架，用于实时可视化与导航，集成立体视觉场景重建、增强现实视频叠加、HUD 导航显示和术中超声，并接入 da Vinci 控制台的 TilePro 显示。
推荐理由：论文给出了在 da Vinci 四代平台上 0.6mm 平均重投影误差的量化结果，可作为评估该手术导航方案精度的参考。
论文研究多机器人导航中 LLM 规划器的执行感知协同问题，指出独立生成的符号规划在几何落地后可能因共享时空约束而联合不可行。作者对比集中式单 LLM 全局推理与去中心化多 LLM 各自提案两种架构，其中几何验证器将候选规划落地为机器人轨迹、检测机器人间冲突并转化为结构化反馈以定向重规划，在 CARLA 仿真和 Crazyflie 飞行机器人上评估了任务复杂度增长时的协同表现。
推荐理由：论文对比了集中式与去中心化 LLM 规划架构，关注多机器人规划联合可行性的工程师可借鉴其验证器中介的冲突反馈思路。
StereoEngine 提出两种互补方法为机器人操作合成立体数据：一是用估计深度将单目左视视频warp到右视并用视频扩散模型补全遮挡区域，把单目演示提升为立体对；二是在仿真中联合渲染左右两幅照片级视图，无需真实视频输入。实验显示其生成的立体质量优于现有基线，用合成数据做策略中训练或任务微调可显著改善下游双臂操作。
推荐理由：论文指出机器人操作的立体数据稀缺，并给出两条无需真实立体数据的合成路径，可为数据受限的团队提供参考。
论文提出 WiFiSpaces 与 ViFiNav，让机器人在未建图环境中仅凭机载视觉和旁听到的 Wi-Fi 数据包抵达信号发射设备，无需连接设备或改动基础设施。
推荐理由：论文给出用商用路由器做 Wi-Fi 测向、无需真实世界训练即可部署的完整方案，做室内机器人导航可参考其仿真到真机的迁移路径。
REMM 是一个面向长程操作的监督式记忆层，为冻结的 G0.5 视觉-语言-动作执行器工作，将只追加的证据历史与可修订的任务状态分离，并把派生关系和已完成条件与其支撑事实显式关联；当新证据改变支撑事实时，它撤回依赖结论并在已验证的技能边界调度定向恢复，而无需更新执行器。
推荐理由：论文给出干预恢复和序列回忆两项指标的具体提升幅度，可评估可修订记忆对长程操作的实际收益。
论文提出 FallGown，一种织物外壳内含加压气囊的软体可穿戴支撑结构，可支撑使用者全部体重以预防跌倒。其收纳后重 6.9 kg、体积 0.051 m3，平均穿戴时间不到 2.5 分钟、脱下不到 0.5 分钟，拖拽力为 7.24-20.8 N。单用户测试显示 12 个气囊、地面直径 1.4 米并加装底架的裙摆除一次机械故障外阻止了全部跌倒；板载压力传感器可感知用户体重分布。
推荐理由：论文给出了重量、拖拽力、穿戴时间和裙摆尺寸等具体数据，可评估其作为防跌倒方案的实用性。
研究团队发布真机基准 Spa-Bench，用于评测视觉-语言-动作模型（VLA）将空间描述转化为真机行为的可靠性，覆盖 Object State、Relative Size、Referential Description、Relational Placement、Ordinal Position 和 Counting 六项桌面任务。
推荐理由：论文给出 ID 与 OOD 空间配置下的成功率对比，可量化评估现有 VLA 的空间描述落地能力。
Multics 提出一种带层级通信的多玩家视频生成框架，在玩家、分组、全局三个层级组织信息交换，用组 token 聚合局部相关玩家信息并与全局 token 通信，同时限制无关本地事件的直接混合。
推荐理由：论文指出全连接通信随玩家数呈二次方注意力开销，层级通信拓扑的思路可迁移到多智能体场景的扩展性设计。
Agnes AI 开源了面向真实任务的 Agent 执行基础设施 Agnes Harness（AGH），支持持续任务执行、工具调用、状态管理与结果反馈，并同步开放 MHS 设备交互协议，让智能体连接可编程硬件。
推荐理由：原文列出了开源仓库地址、协议版本和基准分数，开发者可据此评估接入这套Agent执行与设备连接体系的可行性。
CubeMars 酷德智能在中国工博会（CIIF）现场全球首发两款面向外骨骼与可穿戴设备的准直驱关节模组 AKE40-6 与 AKE50-8。
文章分析浙江绍兴上虞区被《人民日报》头版报道的具身智能产业路径：引进20个项目、总投资超150亿元，40台数据采集机器人在化工工况下获取超15万条高精度操作数据，一台四足机器人进入液氯车间使高危区域人员暴露时长降低90%。
推荐理由：原文用信通院报告的千万小时门槛折算上虞40台机器人的实际产能，量化了场景样本与模型训练需求之间的差距。
作者在 Groceryshop 2026 上观察零售机器人现状：Simbe Robotics 完成 3,000 台 Tally 机器人全球部署，Badger Technologies 转型为零售智能公司，ShelfOptix 用可折叠机器人服务小型门店，Blue Collar Robotics 探索店内抓取商品，MUSE 扩展模块化平台。
推荐理由：文章梳理了多家零售机器人公司的最新动向，可帮助读者理解货架数据从采集走向执行的行业路径。
论文提出 RSI-Nav，一个以数据为中心、面向视觉语言导航的递归自改进框架，在同一模型内统一视觉语言到动作的指令执行与视觉动作到语言的指令生成。监督微调后，模型以小分片逐步处理无标注轨迹，为轨迹生成指令并执行以评估目标完成度与路径效率，保留合格样本后立即更新自身再处理下一分片，使新生成的监督与持续演化的策略保持同步。
推荐理由：论文指出固定模型标注会让监督信号落后于策略更新，其分片即时更新的做法对做数据闭环的人有参考价值。
蚂蚁机器人 LOGIANT 全新飞拣机器人 2.0 落地北美某物流项目，一次性部署 162 台，面向北美跨境快递包裹开展自动化分拣。项目占地约 1634 ㎡，配置 312 个分拣格口、8 组供包台，系统设计峰值处理能力可达 7500 件/小时，并预留第二层平台结构与接口支持扩容。
微亿智造于10月9日通过港交所聆讯，营收从2023年的4.34亿元增长至2025年的7.96亿元，复合增速超35%，毛利率由42.4%提升至48.4%。
推荐理由：文章用营收、毛利率和回本周期等财务数据，说明工业具身智能项目从POC走向批量交付的商业化门槛。
西湖机器人发布通用大脑WR1的连贯家务演示，称人形机器人灵巧手自主折叠衣物属全球首个演示案例，并对比称Figure尚未展示对抗外部扰动下的衣物取放与双机协同折叠。
推荐理由：文章拆解了WR1用大小脑双预训练架构把任务理解与全身控制贯通的做法，可了解其连贯家务演示背后的技术路径。
觅蜂科技发布「觅蜂派」物理AI数据众包服务平台，配套MEgo View/Gripper数采设备与MEgo Engine数据引擎，主打“人即采集节点”。作者在上海浦东体验后带一台MEgo View回家，5小时接了20多个家务任务，审核后赚到78元并提现到账，时薪约15.6元。
推荐理由：作者实测了设备、结算流程和数据处理链路，也记录了任务断点与技能匹配的短板，可作为众包数采模式的落地参考。