吴佳俊 IROS 2026 演讲：结构化表征是机器人学会推理的脚手架
斯坦福大学助理教授吴佳俊在 IROS 2026 RoBoWoMo 研讨会发表受邀报告《Building Physical Agents via Structured Representations》，以洗盘子场景说明机器人需应对初始状态的定性差别与新观测。
推荐理由：演讲把结构化表征定位为可迁移的中间接口而非硬约束，对做机器人学习框架的人有方法论参考。
技术方向
具身智能 最新动态
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
更新
精选归档 · 第 27 页
雷锋网精选AI 评分5858 雷锋网精选AI 评分6464 银河通用与清华 LATENT：用不完美人类数据让 Unitree G1 学会网球对打
IROS 2026 上，银河通用 GaLbot 团队与清华大学、北京大学、上海启智研究院和上海人工智能实验室提出 LATENT，让 Unitree G1 从 5 名业余球员在 3米×5米区域采集的约 5 小时不完美动作数据中学习网球能力。
推荐理由：文中给出成功率、消融和真机限定条件，读者可据此判断该方法的真实能力边界。
雷锋网精选AI 评分6060 研究了1933篇 IROS 2026 论文，我们看到了机器人学的六项新变化
文章对 IROS 2026 进入正式议程的 1933 篇论文做多标签梳理，Robot Learning / Embodied AI 约 809 篇、Navigation / Planning 564 篇、Humanoid / Legged 约 213 篦，指出大模型并没有吃掉机器人学，学习、感知、规划、控制与操作正深度交织。
推荐理由：对1933篇论文的多标签统计给出了各方向的篇数与交叉数据，可据此判断机器人研究的真实重心分布。
雷锋网精选AI 评分5858 IROS 2026 大奖揭晓：LT-Mem 拿下最佳论文，人形机器人打网球、端托盘获奖
IROS 2026 主会于当地时间 9 月 30 日在美国匹兹堡落幕，最佳论文颁给 Yumin Lee、Hyoseok Ju 和 Giseop Kim 的《LT-Mem。
推荐理由：梳理了最佳论文与各专项奖的分布，可看出机器人研究正从展示单一能力转向在真实环境中持续工作。
arXiv cs.RO 机器人学精选AI 评分6464 Visible Touch：为视觉运动策略渲染接触信息
Visible Touch 论文提出把接触信号暴露在策略已关注的同一空间坐标系中，使任何图像条件策略无需架构改动即可直接利用触觉信息，并配套开源一款用现成零件经参数化 CAD-to-mold 流水线制造的低成本磁性接触传感器。
推荐理由：论文给出把接触信号嵌入策略已有视觉坐标系的做法与开源低成本传感器，读者可据此评估无需改动架构的触觉接入路径。
arXiv cs.RO 机器人学精选AI 评分6666 RoboJEPA：面向多本体机器人世界模型的扩展律研究
论文提出基于 JEPA 的机器人世界模型 RoboJEPA，在覆盖 12 种机器人本体的大规模真实机器人数据集上训练，其想象误差（latent rollout 误差）随算力呈二阶幂律，可在拟合规模之外预测模型质量。
推荐理由：论文给出想象误差随算力的二阶幂律，为评估多本体世界模型规模提供了可迁移的预测方法。
arXiv cs.RO 机器人学精选AI 评分6262 VPP2：通过事件级视频预训练与 MoT 动作模块提升零样本机器人操作泛化
论文提出 Video Prediction Policy 2（VPP2），一种世界动作模型（WAM），通过大规模操作视频继续预训练基础视频模型、蒸馏为单步视觉规划器，并以 mixture-of-transformers（MoT）架构引入动作模块学习隐式逆动力学模型。
推荐理由：论文给出三项基准上的具体提升幅度，可据此评估视频预测先验迁移到机器人动作学习的实际收益。
arXiv cs.RO 机器人学精选AI 评分5757 Agentic RSR：通过场景重建与执行反馈打通 Real-to-Sim-to-Real 的机器人策略框架
论文提出 Agentic Real-to-Sim-to-Real（Agentic RSR）框架，将场景重建、策略开发与真机执行通过同一操作任务串联：给定工作空间视频、任务描述和已知机器人模型，智能体恢复度量尺度、依据视觉反馈迭代细化场景，并在 MuJoCo 中检查任务相关交互，再由编码智能体从特权物体位姿逐步过渡到视觉观测和随机化仿真，生成可执行策略。
推荐理由：论文给出场景重建的量化误差和真机成功率保留比例，可评估该框架从仿真到真机的迁移效果。
arXiv cs.RO 机器人学精选AI 评分5555 论文提出 RoboSteer 基准，评测行为基础模型的行为可操控性
论文提出 behavioral steerability（行为可操控性）概念，指行为基础模型忠实生成符合用户指定意图的行为的能力，并推出首个评测该能力的基准 RoboSteer。
推荐理由：论文提出行为可操控性的三层评测框架，并在 9 个 BFM 上做了首次大规模实证，可了解该能力的评估维度。
arXiv cs.RO 机器人学精选AI 评分6060 Juno：用动作条件 JEPA 统一 VLA 表征、教师与世界模型
论文提出 Juno，一个围绕单一动作条件 JEPA 构建的统一框架，同时充当控制对齐的表征骨干、预测教师和可自适应的动力学模型，用于解决 VLA 中预测隐变量与具身控制不匹配、干扰动作学习、教师在分布偏移下失准三类问题。
推荐理由：论文给出在 SimplerEnv 和真机上的对照数据，可据此评估该方法相对基线的提升幅度与分布偏移下的稳定性。
arXiv cs.RO 机器人学精选AI 评分5454 SiGNgapore：面向标志视觉导航的交互式数据集发布
论文介绍 SiGNgapore 数据集，用手持设备在新加坡多处公共场所采集，聚焦以导航标志为中心的无地图导航决策，包含 RGB、稀疏深度、里程计与 IMU 数据。数据集提供 56 个长程导航任务和超过 450 个标志中心场景，附带转换为 ROS 2 的工具脚本，以及测试环境的场地地图和 GPS 对齐的场景图。
推荐理由：数据集给出长程任务与场景规模及 ROS 2 转换脚本，可评估其对无地图导航研究的可用性。
arXiv cs.RO 机器人学精选AI 评分5656 论文研究 DexUMI 外骨骼接触偏移与触觉表征对灵巧策略的影响
论文研究了两个 DexUMI 系列外骨骼版本，二者共享相同的机器人指令定义、映射流程和触觉模块类型，但手侧几何不同。修订版接口降低了报告的体力负担，在基线版被机械阻挡的精密抓握中实现触觉采集，并带来任务相关的接触变化，其中拧盖任务主要表现为接触位置变化，打开蛋托主要表现为接触是否发生的变化。
推荐理由：论文对比了同一外骨骼两种手侧几何对触觉数据和策略成功率的影响，可为可穿戴采集设备选型提供依据。
arXiv cs.RO 机器人学精选AI 评分5656 CIRRA：面向家庭机器人持续指令融合的双层框架与 CHIRP 基准
论文提出 CIRRA（Continual Instruction Reconciliation for Robot Agents），一个面向家庭机器人在执行任务中接收新指令的双层框架，结合 LLM 语义推理与规则约束的结构化整合：先将新指令落到唯一可执行技能并消解未指明的动作与位置，再保留进行中的子任务序列作为执行骨架，仅对被修改的片段做依赖与冲突评估以选出局部整合方案。
推荐理由：论文给出 CIRRA 在 CHIRP 上 74.2% 决策一致率与 Unitree G1 实机结果，可评估其相对重规划基线的差距。
Hugging Face 每日论文精选AI 评分6464 Long-WAM：扩展世界-动作模型上下文的模型系统框架
Long-WAM 提出在实时控制约束下扩展因果世界-动作模型上下文的模型系统框架，核心发现是访问历史不等于使用历史，更长历史只有在视频底座经自回归预训练时才显著见效。
推荐理由：论文用对照实验说明自回归预训练的视频底座才让长历史真正转化为成功率提升，可为世界模型选型提供依据。
Hugging Face 每日论文精选AI 评分5757 LeWAM：基于 JEPA 的端到端世界与动作建模论文
论文提出 LeWAM，一个面向控制的端到端 JEPA，采用下一隐状态预测与动作流匹配的联合训练目标，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，也能在隐动力学中评估采样动作进行高效规划。
推荐理由：对比数据和规划加速倍数齐全，读者可据此评估端到端 JEPA 相对既有方案的收益幅度。
Hugging Face 每日论文精选AI 评分6666 Reflex：基于视觉的反应式人形机器人控制框架
论文提出 Reflex 三阶段框架，让人形机器人以第一人称视觉完成接住抛掷纸箱的全身反应控制：先用强化学习训练全身接物策略，再让策略从延迟不完整观测中推断纸箱动力学，最后用第一人称 RGB-D 编码器直接从视觉恢复该动力学表示。
推荐理由：论文给出仿真与真机的对照数据，可评估视觉历史对人形机器人接物成功率的实际影响。
机器人大讲堂精选AI 评分5858 别把自动驾驶的进度表套到具身智能上
文章认为自动驾驶能迁移给具身智能的是约50%的技术基建和方法论，但那张时间表不该一起搬。光象科技CEO张涛指出迁移部分落在数据采集、清洗、端到端训练、仿真验证和真机测试流程上，而接触类任务是机器人独有的难点；自变量王潜认为自动驾驶难点在导航和运动，机器人难点在操作，视觉只差几像素的两瓶水在动作层面就是两件事。
推荐理由：原文用50%迁移比例、仿真真机成功率落差和出货量对比，拆解了自动驾驶方法论能给具身智能留下什么、带不走什么。
机器人大讲堂精选AI 评分6666 Skild AI 发布开源人形平台 BRIDGE 论文，88厘米13公斤参考身体
9月15日arXiv出现论文《BRIDGE:An Open-Source Humanoid Platform via Morphology-Control Co-Design for Physical AI》，Skild AI两位创始人参与创作，展示了一台高88厘米、13公斤的开源人形平台，硬件图纸、控制策略、训练脚本全部公开。
推荐理由：文章梳理了Skild AI从卖大脑到开源参考身体的路径，并与宇树、智源的同类做法对比，便于理解接口之争。
IEEE Spectrum · Robotics精选AI 评分5757 HiPHI：面向人形机器人大规模高精度人体动作与物体交互数据集白皮书
IEEE Spectrum 与 Wiley 联合发布由 Noitom Robotics 赞助的白皮书，介绍 HiPHI 数据集：617.5 小时光学动作捕捉的全身人体动作数据，亚毫米级精度，其中 245.7 小时为人与物体交互数据，含同步物体轨迹与网格，并用 FrameNet 语言框架组织动作覆盖范围。
推荐理由：白皮书给出了数据集规模与人机交互数据的组织方式，关注人形机器人数据来源的读者可据此评估其补充价值。
arXiv cs.RO 机器人学精选AI 评分6262 FineART：细粒度标注双臂操作数据集与 FineART-VLA 模型
研究团队提出 FineART 双臂操作数据集，包含 40,543 个 episode（1,718 小时）、533,913 个子任务、覆盖 151 项任务，并开源数据集、模型权重与训练代码。
推荐理由：论文给出子任务标注带来的成功率提升幅度，可评估密集标注对双臂长程任务的价值。