SpikingVLA：异步脉冲视觉-语言-动作模型
SpikingVLA 是一个 ANN-to-SNN 转换框架，通过提出 Dendritic Integrate-and-Fire（DIF）神经元和异步执行机制，实现低延迟的脉冲 VLA 推理。相比现有脉冲 VLA 方法，其 SR 和 SPL 分别提升 11.9% 和 12.6%，首动作延迟降低 11.2 倍。
#具身智能
arXiv cs.CLAI 评分2727 arXiv cs.AIAI 评分2323 基于阿克曼转向移动机器人的连续环境视觉语言导航 Sim-to-Real 迁移
研究团队将连续环境下的视觉语言导航（VLN）方法从仿真迁移到真实世界，无需导航图或全景视图。系统采用 Cross-Modal Attention（CMA）架构，在仿真数据集上训练后，用自建阿克曼转向机器人（配备摄像头和 LiDAR）采集的真实数据进行微调，结合线性光度调整和少量 episode 微调即可适应真实环境，并在专用硬件上离线运行。SPL 和 nDTW 指标验证了方法的鲁棒性与适应性。
arXiv cs.AIAI 评分3131 当 AI 编程助手被放进虚拟身体：机器也会「玩耍」吗？
研究者把现代 AI 编程助手放进一座未知数字岛屿，充当虚拟身体的大脑，仅给出不含具体任务、奖励或活动的极简指令。在三十小时的运行中，该具身智能体爬山、把方块堆成塔、画曼陀罗、重新诠释运动，还对自己世界的物理规律做实验，并习得后来扩展其能力的技术。这些行为在十三个智能体间反复出现，却各自演化为不同历史；研究据此检验其是否符合经典的「玩耍」标准，并追问玩耍能否成为机器发展的一种模式。
arXiv cs.MAAI 评分2222 ED3R：机器人系统中基于协作智能体的能耗感知分布式灾害检测
ED3R 是一个面向野火检测的能耗感知分布式框架，支持机器人与远程控制器之间的分层协作决策，机器人自主决定在本地还是远程执行检测。该框架通过分布式神经回归模型让智能体在执行前预评估候选策略，并集成避障、防冗余探索和自适应提前结束任务等机制。仿真结果显示，其任务成功率达 97.18%，在最严苛任务中能耗降低最多 36.4%，野火检测速度比基线快最多 41%。
Hacker NewsAI 评分3737 ETH Zurich 让机械手靠 AI 学会用指尖行走并操作物体
ETH Zurich 团队把 Wuji Technology 的现成机械手改造成自包含机器人，用强化学习训练其在指尖上行走，并加装 80 克背包（电池、IMU、Raspberry Pi Zero）。实测中它走过 14 种表面，平均速度 9 厘米/秒，25 次试验中 21 次成功自行翻正，还能把 41 克方块推到 40 厘米外的目标。研究者称该思路可用于工业检修和搜救等传统机械臂难以触及的场景。
量子位AI 评分2222 正行创新在APRCE 2026发布全球首个零售物理智能24/7服务解决方案
正行创新在APRCE 2026发布面向零售开放场景的Physical AI“人机协作”解决方案，由双足人形机器人H1、搬运理货轮臂式机器人C1及机器人管理平台M1组成，支持“0改造”快速部署，机器人可实现99%任务自主完成。
RadarAIAI 评分4747 Nvidia 押注物理 AI：Halos 安全系统瞄准更安全的 robotaxi 与人形机器人
Nvidia 正将数十亿美元押注于机器人和自动驾驶等物理 AI 技术，其 Halos 安全系统于 2025 年推出，提供硬件和软件工具帮助开发者在自动驾驶汽车中实现安全护栏。
Ars Technica · AIAI 评分3838 Nvidia 押注物理 AI：Halos 安全系统瞄准更安全的 Robotaxi 与人形机器人
Nvidia 正将数十亿美元押注于机器人和自动驾驶等物理 AI 技术，其 Halos 安全系统于 2025 年推出，提供硬件和软件工具帮助开发者在自动驾驶汽车中实现安全护栏。
RadarAIAI 评分2323 Tripo 生成 3D 资产接入 Quest 3
Tripo 展示了将即时生成的 3D 资产放入 Quest 3 进行手部追踪交互的 XR 工作流，实现零建模时间。该流程由 Tripo 生成资产后直接导入 Quest 3 使用。
MIT Technology Review · AIAI 评分3232 机器人领域的 AI 突破为何短期内难以改变你的生活
MIT Technology Review 与 Aventine 合作的文章指出，尽管马斯克称 Tesla Optimus 未来可能以低至 2 万美元单价自动化几乎所有人类劳动、并预测 2027 年底前向公众发售，但许多机器人研究者对此持怀疑态度。
MIT Technology Review · AIAI 评分1717 AVEVA 如何为自主工业 AI 构建更安全的落地路径
AVEVA 首席技术专家 Arti Garg 提出，工业 AI 正从预测分析转向基础模型、物理 AI 与智能体 AI，因其可直接作用于物理系统，负责任部署成为核心。AVEVA 的负责任 AI 框架强调安全、效率与人类监督，主张 AI 应增强而非取代关键决策中的人，并由护栏界定自动化边界。Garg 还参与 IEEE 工作组，制定覆盖电力、能源、水资源与碳的 AI 环境影响测量标准方法。
arXiv cs.CLAI 评分2727 CARE：为视觉-语言-动作模型推理加速提供认证
针对 VLA 模型推理加速可能破坏原本可解任务的问题，研究者提出 CARE，通过配对 rollout 在标定集上给出有限样本保证，使加速导致的失败风险低于用户设定预算，并部署最快且通过认证的候选方案。
科技媒体 RSSAI 评分2222 RoboStrategy：机器人劳动力市场规模达 10.5 万亿美元
RoboStrategy 估算，机器人可承接的劳动力规模已从每年 $1.3T 增至 $10.5T。这一变化对应机器人作业模式从"多人对应多台机器人"演进到几乎无需人工监督。
NVIDIA Technical BlogAI 评分2222 NVIDIA 如何教机器人组装 GB300 测试托盘
NVIDIA 分享了教机器人组装 GB300 测试托盘的过程，GB300 是 Grace Blackwell 超级芯片，为现代基础模型的 AI 训练与推理提供算力。文章围绕这一装配任务，讨论了机器人学习、机械智能以及传统工程方法带来的经验。
Hacker NewsAI 评分2222 AI 公司 HUMXN 在明尼苏达提供免费水管与暖通服务以训练机器人
AI 公司 HUMXN 在明尼苏达州推出免费水管与暖通（HVAC）服务，用真人上门作业采集数据训练机器人。该模式以免费服务换取真实场景操作数据，用于机器人技能学习。
Hacker NewsAI 评分2222 开源 3D 打印双足机器人 Nix：8 舵机限制下的机器人学教学平台
开发者开源了一台 10-DOF 双足机器人 Nix，采用 8 个 LX-16A 舵机和 2 个自由关节，主控可用 Raspberry Pi 或 Arduino，CAD 文件为全自研 STEP+STL 并已公开。该机器人能行走、坐下、跌倒后站起、踢腿和转向，作者称 8 舵机限制与初始步态实现是搭建难点，并为此编写了开源 Arduino 库。
科技媒体 RSSAI 评分1818 Robbyant 具身智能挑战赛启动，面向全球开发者开放报名
首届 Robbyant 具身智能挑战赛正式启动，面向全球开发者开放报名，聚焦真实硬件与真实环境下的具身智能。赛事提供奖品与认可，具体赛程与报名方式可通过官方渠道了解。
科技媒体 RSSAI 评分6262 波士顿动力任命亚马逊前高管 Rohit Prasad 为 CEO
波士顿动力任命亚马逊前高管罗希特·普拉萨德（Rohit Prasad）为首席执行官，他曾主导 Alexa 业务。现代汽车计划自 2028 年起在佐治亚州工厂投用 Atlas 人形机器人，并建设年产最高 3 万台的产能。现代汽车同时正收购软银所持剩余股份，并与英伟达、谷歌 DeepMind 合作开发 Atlas。
科技媒体 RSSAI 评分1717 Hugging Face 联创谈机器人自研主板
Hugging Face 联合创始人就机器人硬件自研主板发表观点，认为每台机器人都始于一块外购的板子，而优秀的机器人最终会落在自己制造的板子上。
arXivAI 评分3131 4D-HOF：面向前馈 4D 手物交互重建的手物流匹配
4D-HOF 是一个前馈框架，可从视觉基础模型生成的粗略手物状态出发重建 4D 手物交互，无需逐序列优化。它学习条件流匹配模型，将这些状态输运到交互流形上，从而修正平移等误差，避免从随机噪声生成交互带来的不稳定预测。
arXivAI 评分3838 DepthWorld：面向机器人操作的 3D 世界模型
DepthWorld 是面向机器人操作的 3D 世界模型，针对现有基于视频的世界模型仅用 RGB 训练、逐帧看似正确却无法构成一致 3D 世界的问题。该工作提出一套标定流程以获取大规模 3D 监督，并设计能在不破坏预训练视频先验的前提下吸收这些监督的架构。
arXivAI 评分3434 VeriFine：面向具身推理自我改进的验证扩展框架
VeriFine 是一个 agent harness 框架，通过策略、训练课程与评判器的协同演化来扩展验证能力，用于具身推理中的自我改进。该框架针对现有固定评判器限制优化反馈与有效训练样本发现的问题，其可靠评估需覆盖空间定位、因果推理与安全感知决策。
arXivAI 评分3737 EgoLAP：通过语言-动作推理从第一人称人类数据中学习
EgoLAP 是一个 VLA 预训练框架，通过共享的基于语言的动作思维链，联合学习人类与机器人轨迹。该方法将动作意图表达为结构化、时序化的语言表示，以弥合人类与机器人之间的具身差异，从而利用第一人称人类数据扩展机器人学习，减少对昂贵机器人演示的依赖。
arXivAI 评分3636 WorldSolver：LLM 智能体能否通过生成求解器模拟物理动力学？
WorldSolver 提出用 LLM 智能体生成物理仿真求解器来模拟物理动力学，考察其物理理解、数学推理与代码实现能力。求解器负责计算动态系统状态随时间的演化，是具身 AI、游戏与影视仿真的核心组件。该工作将物理仿真作为检验 LLM 智能体科学工程问题求解能力的测试平台。
科技媒体 RSSAI 评分2222 Sesame 宣布 2027 年推出眼镜产品
Sesame 宣布其眼镜产品将于 2027 年推出，并在日本制造。Sesame 同时正在为其 AI 助手应用开发新的付费方案、浏览器使用支持、定时任务、连接器以及大量智能体功能。
arXivAI 评分3131 HygieneRoboBench：面向家用机器人的卫生感知规划基准
HygieneRoboBench 是一个评估家用机器人卫生感知规划的基准，包含 134 个任务族、624 个实例，要求规划器根据给定执行历史识别接触污染风险并规划安全后续动作。该基准同时考察新接触事件发生后计划的安全延续能力，且需在时间和资源限制内兼顾用户优先级。
arXivAI 评分2222 CropSentry：面向农业行间早期胁迫检测的群体协同多机器人系统
论文提出 CropSentry，一个低成本地面多机器人系统，通过多模态叶片传感逐行持续监测作物健康并追踪胁迫水平。系统由两个自主机器人组成，持续采集叶片颜色与环境数据，观测结果按空间位置关联。相比高光谱成像和 AI 系统，该方案面向难以承担高成本与复杂度的中小农户。
arXivAI 评分3131 Micro Neural Policies：面向安全实时机器人控制的微型神经策略
研究提出 Micro Neural Policies（MNP），将 Evolution Strategy（ES）与基于 Statistical Model Checking（SMC）的验证结合用于策略搜索，可大幅缩小神经网络规模而不牺牲安全性与鲁棒性。作者在 Cartpole 和 Quadrotor 控制任务上进行了大规模训练与评估，并改变控制频率与网络架构，随后在仿真中验证这些策略。
arXivAI 评分3131 AssemState：面向零样本家具装配的手册与物理状态引导推理框架
AssemState 是一个零样本家具装配框架，通过手册与物理状态引导推理，将图解手册中的步骤级操作转化为 6D 位姿更新，使零件能与环境和已装配部件发生物理交互。该工作针对多模态大语言模型在精确 3D 空间推理与物理环境结合上的不足，提出以物理状态引导的方式完成装配。
arXivAI 评分3636 EMHO：通过经验轨迹优化具身智能体 Harness
EMHO 是一个自进化框架，在具身模型冻结的前提下，通过分析执行轨迹与历史 harness 记录，迭代改进负责规划、上下文与工具调用的 agent harness。该方法面向稀疏环境反馈场景，试图让 harness 无需训练底层模型即可自我优化，且优化范围超出技能或恢复提示词。
arXivAI 评分1818 多机器人协同搬运中基于合力旋量测量的无通信障碍物定位
研究提出一种无机器人间显式通信的障碍物定位方法：领航机器人通过测量跟随者对刚性负载施加的合力旋量，结合所设计的跟随者控制律，从聚合测量中反推障碍物位置。每个跟随者会抵抗朝附近障碍物的运动，领航者据此恢复障碍物位置。
arXivAI 评分4141 Sensor-Language-Action 模型：统一多模态传感、语言与动作的建模框架
研究者提出 Sensor-Language-Action（SLA）建模框架，将多模态传感器观测、自然语言与动作统一在单一模型中，以语言作为感知与行动之间的语义接口，使异构动作可被表示、预测和解释。现有传感器模型大多止步于感知，仅识别状态或预测结果，动作则通过任务特定且常为封闭标签空间的方式单独建模。
arXivAI 评分3131 VOMMI：为移动操作采集并利用便携式演示数据
研究者提出 VOMMI（Visual-Odometry-Conditioned Mobile Manipulation Interface），一种无需机器人本体、仅凭 RGB 观测即可采集移动操作演示的便携方案，以缓解具身智能的数据稀缺问题。该方法以估计的视觉里程计（VO）轨迹为条件，规避了遥操作与专用传感硬件的依赖，并缓解累积漂移带来的运动监督不一致。
arXivAI 评分2626 紧凑机器人策略需要细粒度视觉表征：CoRP 以 48.9M 参数达 LIBERO 97.0%
研究提出 CoRP（Compressed Representation Policy），一个 48.9M 参数、不含视觉语言模型与视频生成先验的紧凑策略，拆分为表征提取器与流匹配动作生成器，在 LIBERO 上达到 97.0%。作者认为多任务操作策略的性能差异主要来自视觉表征，参数量与生成式先验基本只是附带因素。
arXivAI 评分2222 PIP：通过预测伙伴意图实现部分可观测零样本协作
针对具身场景中伙伴间歇性离开视野导致的伙伴表征模糊与隐藏状态不确定问题，研究者提出零样本协作方法 PIP（Predicting Intention of Partner）。PIP 用 Joint-view VAE 将双方局部观测的并集信息蒸馏为仅凭本地观测即可获得的伙伴表征，再由 Partner-state Belief 网络推断伙伴的隐藏位置与行为倾向。
arXivAI 评分3131 SALT：让 VLA 模型在执行中自适应未知视觉干扰
针对机器人在执行任务时遭遇未知类型和时机的视觉干扰，研究者提出自监督测试时自适应方法 SALT，利用上一动作块中未执行完的"剩余轨迹"作为自监督信号。由于相邻动作块在时间上重叠，剩余轨迹为当前预测在同一未来控制区间提供了时间对齐的目标，在视觉偏移发生时仍能保留原有规划。
arXivAI 评分3131 Attacca：面向长时程具身智能体的状态连续性目标导向控制
针对现有视觉目标条件策略只在目标已可见的孤立交互中评估、无法覆盖连续长时程任务执行的问题，研究者提出 Attacca，用于长时程具身智能体的状态连续性目标导向控制。该方法面向每个任务都从上一任务遗留状态（位置、朝向、被改变的世界状态）开始的场景，此时下一交互目标可能不在视野内。
arXivAI 评分2929 EigenDEXplore：用人类先验为灵巧操作做结构化探索
EigenDEXplore 提出一种结构化探索方法，用从人类手部数据中学到的协调关节运动空间来引导灵巧操作的强化学习与轨迹优化，替代传统的独立关节扰动。此前利用低维协调关节空间的工作主要面向抓取学习，会限制通用操作所需的表达能力，而该方法试图在保留协调结构的同时维持表达性。
arXivAI 评分3838 SMART：通过大规模合成预训练实现零样本仿真到真实的铰接物体操作
SMART 提出一种通过大规模合成预训练实现零样本仿真到真实（sim-to-real）铰接物体操作的方法。针对真实世界演示数据难以大规模采集、现有合成数据覆盖铰接物体类别有限且缺乏部件级语义与铰接约束设计的问题，该方法构建了面向智能体任务生成与高质量合成数据扩展的通用合成流程。
arXivAI 评分2626 世界模型中面向鲁棒决策的潜在扰动建模
该研究针对世界模型（WM）潜在空间中的鲁棒决策问题，指出由于 WM 的状态空间与动力学完全从高维观测中学习得到，难以定义能忠实反映真实扰动的潜在空间扰动。论文提出对潜在扰动进行建模，以支撑鲁棒优化下的动作选择。