WARP-VLA：面向腕部相机视角鲁棒性的 VLA 策略执行方法
论文提出 WARP-VLA，一种针对多样腕部相机配置的视角鲁棒 VLA，采用 Mixture-of-Experts 架构，各专家学习视角特定的特征变换，路由器依据隐式视角信息进行组合，部署时无需额外输入相机外参。
推荐理由：论文给出在 LIBERO 上把 pi-0.5 腕部视角扰动成功率从 39.2% 提到 78.3% 的量化结果，可评估该方法对跨部署视角变化的实际收益。
技术方向
VLA 与具身大模型 最新动态
视觉-语言-动作模型与机器人基础模型：π0、Helix、GR00T 等的发布、开源与评测进展。
257 条精选近 30 天 224 条共收录 501 条
更新
精选归档 · 第 9 页
arXiv cs.RO 机器人学精选AI 评分5858 arXiv cs.RO 机器人学精选AI 评分6666 NavGPT-3 论文：分层导航运行时连接语言模型推理与 VLA 动作策略
NavGPT-3 提出一个 harness，用类 OS 运行时把推理、动作、监控作为独立线程调度，使机器人可通过中断和线程切换应对突发状况。
推荐理由：论文给出语言模型决策与动作策略的时延对比，可帮助读者理解具身接口设计对反应速度的影响。
Hugging Face 每日论文精选AI 评分5656 USDCraft：基于几何证据用 LLM 编写程序化建模关节 3D 资产
USDCraft 将关节资产重建表述为基于部分几何证据的程序化建模，由预训练 LLM 编写并修订可执行程序，无需任务特定训练即可生成仿真可用的关节资产。其核心包括源几何分析，把源 mesh 转换为区分已观测表面与未知空间的度量文本描述，以及迭代几何重检，将每个候选方案以同一表示重新编码，使差异指向程序修改而未观测区域保持可补全。
推荐理由：论文指出 mesh 方法在分布外或残缺模型上失效，USDCraft 用 LLM 写程序重建关节资产的思路可作 real-to-sim 方案参考。
量子位精选AI 评分6666 MirroS 发布 AgentGarten：智能体在代码与扩散模型构建的实时试炼场中进化
MirroS 团队发布 AgentGarten，将可执行代码环境与实时神经渲染器连接，代码定义物理规则、模型生成视觉反馈，以超过 30 fps 吞吐让智能体持续与世界交互。
推荐理由：原文对比了传统代码引擎与视频世界模型的取舍，并给出捉迷藏实验的轮次数据，便于评估该路线的可行性。
The Robot Report精选AI 评分6666 AWS 发布开源 Physical AI Toolchain 机器人开发工具链
AWS 发布开源 Physical AI Toolchain，把合成数据生成、模型训练、仿真验证、边缘部署和持续改进五个环节串成一条工作流，整合 AWS 服务与 NVIDIA 的 Isaac Sim、Isaac Lab、Isaac GR00T、Cosmos 等软件栈，其中模型训练用 Amazon SageMaker，边缘分发用 AWS IoT Greengrass。
推荐理由：文章说明了工具链如何把数据、训练、仿真到部署串成闭环，便于评估其与自研流程的差异。
The Robot Report精选AI 评分5858 Helm.ai 物理 AI 基础模型签约商业合同达 $70M
Helm.ai 宣布其物理 AI 基础模型在过去 12 个月签下 $70M 商业合同，客户涵盖全球汽车 OEM、Tier 1 供应商和工业自动化公司，另有矿业与建筑领域客户。
推荐理由：文章借 CEO 访谈解释了感知与决策分离的方法如何带来数据效率，对评估机器人数据路线有参考价值。
Hugging Face 每日论文精选AI 评分5555 BranchOPD：基于分支采样的 On-Policy 蒸馏方法
论文提出 BranchOPD（Branching On-Policy Distillation），用学生不确定性和师生分歧选择关键决策点，从共享前缀重采样学生策略分支，并对主轨迹与分支施加 token 级教师监督。
推荐理由：论文解释了单轨迹 OPD 监督覆盖受限的问题，并给出共享前缀复用降低采样成本的具体数字，可迁移性强。
Hugging Face 每日论文精选AI 评分5555 Harness^2：面向开放世界的递归式 Agent Harness 框架
Harness^2 是一个即插即用的递归式 agent harness 框架，通过任务级与 harness 级两层递归应对开放世界任务在设计阶段未见、测试时新颖且缺少真值验证器的问题。
推荐理由：论文指出开放世界任务缺少真值验证器，其两层递归改写执行框架的思路可供构建 agent harness 的研究者参考。
Hugging Face 每日论文精选AI 评分5454 提出不确定性引导渐进收缩框架，用 0.22% 优化预算保持推理性能
论文提出一种不确定性引导的渐进收缩框架，将监督与优化集中在最有学习价值的推理轨迹上。方法通过在中间推理状态周围构建 Monte Carlo 推理树来暴露过程级不确定性，先收缩原始语料为紧凑的教师信息池，再在 SFT 阶段根据学生学习状态进行在线路由。
量子位精选AI 评分5858 正行创新在APRCE 2026发布零售物理智能24/7人机协作解决方案
正行创新在第22届亚太零售商大会暨展览会（APRCE 2026）发布面向零售开放场景的Physical AI解决方案，由双足人形机器人H1、轮臂式机器人C1和统一机器人管理平台M1组成，支持无需改造门店的快速部署，机器人可实现99%任务自主完成。
推荐理由：方案给出了两款机器人本体与管理平台的具体参数和落地节奏，便于评估零售场景的部署可行性。
雷锋网精选AI 评分6262 至简动力冯宗宝：IROS 2026 演讲机器人自主值守双 CNC 机床
至简动力强化学习负责人冯宗宝在 IROS 2026 现场 Tech Talk 分享了机器人自主照看两台 CNC 机床的方案，在工件与卡盘间隙仅 0.5 毫米的场景下完成抓取、上料、取件与放置，且仅用 600 条真实机器人轨迹完成训练。
推荐理由：演讲给出了0.5毫米间隙下的具体方法组合与600条轨迹的训练规模，可参考其从实验室到工厂的落地路径。
雷锋网精选AI 评分5858 CAIR发布多模态临床智能体CARES 4.0，刘宏斌谈其从工具升级为智能体
CAIR在香港具身智能医疗科技论坛上发布多模态临床智能体系统CARES 4.0，基于Harness智能体框架和自研CT、核磁、超声、内镜、脑电多模态医疗基座构建，已在多家三甲医院完成落地验证，官网已开放、框架与通用工具包已发布。
推荐理由：访谈对比了3.0与4.0的差别并给出幻觉治理思路，可迁移给做垂直领域智能体的团队。
雷锋网精选AI 评分5858 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。
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。