Dexterity 发布物理 AI 世界模型 Foresight，基于 1 亿次自主动作训练
Dexterity 公开其物理 AI 世界模型 Foresight，该模型基于生产环境中超过 1 亿次自主动作的经验训练，面向企业物流场景的安全关键型机器人应用。
推荐理由：原文给出世界模型在生产环境的训练规模与决策时延，可据此了解工业操作场景对世界模型的可解释与实时要求。
内容形态
论文研究 最新动态
值得读的嵌入式与机器人论文：操作泛化、运动控制、端侧推理效率与新基准的精选。
71 条精选近 30 天 57 条共收录 665 条
更新
精选归档 · 第 4 页
Dexterity 博客精选AI 评分6464
Skild AI 博客精选AI 评分5858 Skild AI 探索通过观看人类视频学习机器人技能
Skild AI 提出 Omni-bodied Learning，让机器人模型仅通过观看人类视频演示即可学习新技能，只需不到 1 小时的机器人数据微调。该方法针对遥操作数据在多样性与规模上的瓶颈，以及视频缺少力/力矩信号和人机形态差异（Embodiment Gap）等挑战，旨在让基础模型的任务学习具备可扩展性。
逐际动力官网新闻精选AI 评分5757 逐际动力联合南方科技大学CLEAR Lab、香港大学论文入选CoRL 2025，提出GVF-TAPE让机器人看视频学会操作
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 AI 新闻精选AI 评分7171 Figure 发布 Project Go-Big：互联网级人形机器人预训练与人类视频到机器人的直接迁移
Figure 宣布 Project Go-Big 与 Helix 的两项进展，包括互联网级人形机器人预训练数据集，以及仅用第一人称人类视频训练后实现零样本人类到机器人的导航迁移。
推荐理由：原文给出用纯第一人称人类视频训练 Helix 实现零样本导航迁移的做法，可作为跨本体数据路线的参考。
Figure AI 新闻精选AI 评分5858 Figure 的 Helix VLA 模型学会装载洗碗机，仅靠新增数据
Figure 的 VLA 模型 Helix 在折叠衣物、分拣包裹之后，又学会了装载洗碗机，全程没有新算法和专门工程，只补充了新数据。Helix 能把堆叠的盘子逐一分离并按顺序放入，用一只手拿起玻璃杯、调整姿态后由另一只手小心放置，还能应对杂乱的初始摆放，并从误抓或碰撞中恢复。Figure 表示这说明同一套通用架构可以覆盖差异很大的日常任务，是向可扩展的通用人形智能再进一步。
推荐理由：同一套 Helix 模型仅靠新增数据就学会装洗碗机，可看出通用架构跨任务复用的落地路径。
逐际动力官网新闻精选AI 评分5757 逐际动力发布具身智能训练新范式 LimX DreamActor
逐际动力发布具身智能训练新范式 LimX DreamActor，将 Real2Sim2Real、模仿学习与真机强化学习结合，用于提升具身模型训练与部署的效率和稳定性。
推荐理由：原文给出了从消费级相机采集、三维重建到仿真预训练与真机强化学习后训练的完整流程，可作为具身智能训练管线的参考。
Figure AI 新闻精选AI 评分6666 Figure 的 Helix VLA 模型学会自主叠毛巾，同一架构仅换数据集即可跨任务迁移
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。
Figure AI 新闻精选AI 评分7171 Figure AI 披露 Helix 在物流分拣上的扩展结果，包裹处理提速至 4.05 秒
Figure AI 公布 Helix 在物流分拣场景的最新进展，包裹处理时间降至约 4.05 秒，条码朝向成功率提升到约 95%，并能处理 poly bag、平信封等可变形包裹。
推荐理由：原文给出 10 到 60 小时演示数据与各模块消融的量化结果，可用来判断数据规模与架构改动各自的收益。
Sanctuary AI 新闻精选AI 评分5757 Sanctuary AI 展示用强化学习控制液压灵巧手的抓握重定向能力
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。
Figure AI 新闻精选AI 评分6666 Figure 用强化学习让 Figure 02 实现自然类人步行，策略零样本迁移到真机
Figure 公布了纯仿真训练的端到端强化学习步行控制器，让 Figure 02 人形机器人以类人步态行走，策略零样本迁移到真机无需微调。训练在 GPU 加速物理仿真中并行运行数千台参数各异的 Figure 02，几小时内积累数年仿真数据，覆盖多种地形、执行器动态变化以及绊倒、打滑和推搡等扰动。
推荐理由：原文给出了用人类步行参考轨迹做奖励先验、再以 kHz 力矩闭环补偿执行器建模误差的做法，可迁移到其他双足训练。
Sanctuary AI 新闻精选AI 评分5757 Sanctuary AI 借助 NVIDIA Isaac Lab 加速灵巧手学习
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。