上海国际具身智能技能大赛10月23日开赛：9大赛道23个赛项，邀千余支队伍比拼
国际具身智能技能大赛检阅赛将于10月23日至25日在上海举行，基于工信部征集的千余条具身智能应用场景数据，设置生产制造、仓储物流、医疗康养等9大赛道共23个赛项，计划吸引千余支队伍参赛。赛事以真实场景、真实岗位任务和真实作业数据为考核标准，23个赛项均设1万元一等奖等奖项，获奖队伍可获千万级意向投资额与融资辅导，成绩贯通GDPS秋季大会、迪拜中东AI展及2027年WAIC。
#具身智能
量子位AI 评分2222 量子位AI 评分3636 华为哈勃投资视塔机器人：98年博士用光子晶体材料做机器人电子皮肤
深圳视塔机器人完成天使轮融资，投资方包括华为旗下哈勃投资、深高新投旗下基金及高轩投资等。该公司由1998年出生的博士张伟创办，团队平均年龄约23岁，正将柔性光子晶体与感光器件结合，开发厚度小于1毫米、感知密度超过10,000点/cm²的柔性电子皮肤，并研发“外挂触觉小脑”触觉控制模型。
RadarAIAI 评分6262 Nature Will 发布 50B 参数 MoE 基础模型 Natura-1，让灵巧手零样本执行语言指令
Nature Will 发布首个面向物理世界的通用基础模型 Natura-1，为 500 亿参数 MoE 模型，基于 100 万小时第一视角人类经验数据预训练，可零样本理解自然语言指令并用灵巧手执行。
极客公园AI 评分2626 曝梁文锋密集接触具身智能创业者；影石出货量累计突破1000万台；Meta发布Muse Wonder模型｜极客早知道
DeepSeek创始人梁文锋近期密集接触具身智能创业者，正考虑亲自组建团队或通过投资切入该领域，此前已投资宇树科技并计划领投Winverse AI。Meta推出Muse Wonder与Muse Wonder Full两款模型，前者已上线Meta Model API和Muse Code，后者面向Muse Code订阅用户。
量子位AI 评分5858 字节世界模型首次亮相：一句话生成可自由探索的三维世界
字节在抖音集团《2026 美好奇妙夜》科技节目现场首次展示其尚未正式发布的世界模型，由影视飓风的Tim演示：输入一句话即可生成微缩小人视角的房间，支持自由飞行、凭空生成并交互物体，还能用任意门连通屋内与太空等不同场景。
量子位AI 评分2222 思灵机器人Agile Robots携12款展品亮相2026工博会，展示具身智能全栈能力
思灵机器人Agile Robots在2026工博会展出12款展品，覆盖具身智能、具身模型、科研生态、消费应用与工业落地五大展区。重点展品包括Franka Robotics的Mobile FR3 Duo双臂移动科研平台、搭载自研高精度力控机械臂的AI理疗康养机器人，以及支持拖拽打点的摄影机器人。思灵已累计向全球客户交付接近40000台机器人，年营收连续8年翻倍增长。
量子位AI 评分6262 2026年前9个月全球机器人和物理AI融资近480亿美元
《金融时报》援引PitchBook数据，截至2026年10月8日，全球机器人和物理AI企业今年累计融资接近480亿美元，超过2025年全年，约为其1.7倍。资金集中于头部企业，Anduril、NEURA Robotics和Physical Intelligence三笔融资合计74亿美元，占二季度融资总额的39.8%。
Hacker NewsAI 评分3434 Quattro ZBD：跑在 ESP32 上的 4 足 12 DOF 四足机器狗固件
Quattro ZBD 是一套运行在 ESP32 上的 4 足 12 DOF 四足机器狗固件，支持 trot（默认）与 walk 步态并可运行时切换，具备 Kalman 滤波的 IMU 机身调平与自动校准。
Hacker NewsAI 评分2222 LeBoard：为 LeRobot 数据集提供质量指标
LeBoard 为 LeRobot 数据集提供质量指标，对 abc_130k_v3_train、droid_1.0.1、BridgeData2_LeRobot_v3 等数据集给出评估结果。其中 BridgeData2 有 47.0% 数据缺失，droid_1.0.1 缺失 3.0%，多个数据集存在未评估样本。
Hacker NewsAI 评分5858 Microagi 称上线 Shift 六个月后年化收入达 1 亿美元
Microagi 称其机器人训练人类活动数据平台 Shift 上线六个月后，年化收入运行率达到 1 亿美元，CEO Bercan Kilic 于 10 月 9 日宣布该消息。
Hacker NewsAI 评分2222 解析驱动机器人的 AI：以 Physical Intelligence 的 π0.5 VLA 为例
Physical Intelligence 于 2025 年发布的开源权重 VLA 模型 π0.5 正被 Figure、Unitree、Nvidia 等公司广泛采用，成为机器人 AI 的主流架构之一。
Ars Technica · AIAI 评分3434 Amazon 机器人员工超 100 万台，人类员工何去何从？
Amazon 已在仓库部署超过 100 万台机器人，全天候支撑每日数千万件当日达和次日达包裹配送，同时仍是全球第二大企业雇主，拥有超 150 万名全职和兼职人类员工。Amazon 高管称机器人承担了最繁重、最易致伤的工作，但劳工倡导组织和独立研究者认为，AI 驱动的仓库自动化对人类员工并非全是利好。
arXiv cs.MAAI 评分1717 e-puck 机器人进化中通信涌现与信息价值的关系研究
两个在 PyBullet 中重建的 e-puck 机器人需找到仅经过时才能探测到的进食区，控制由带残差路径的 GRU 网络提供，可单独运行或作为 EASA 通道。当机器人获得指向食物的罗盘时，信号使用完全消失；无罗盘时小场地内三种策略表现相近，场地扩大后指称信号泛化最好。EASA 中的先天反射会约束网络并降低性能，随优先级演化被持续削弱。
arXiv cs.MAAI 评分1818 基于 k-连通约束子模最大化的容错多机器人协同
研究者提出 Resilient k-Connected Submodular Maximization，将任务性能、容错性与通信连通性纳入统一框架，解决机器人失效导致幸存团队通信断连、无法继续协同的问题。
arXiv cs.MAAI 评分1212 面向能量与顺序约束下空中监测的鲁棒可扩展 UAV-UGV 规划
研究针对 UAV-UGV 团队空中监测任务提出联合规划方法，在 UAV 续航限制与监测点访问顺序约束下，同时确定车辆路线与时间安排，允许团队按需减速以满足顺序要求。该规划问题为 NP-hard，作者给出多项式时间算法，并建立可行性保证、分析计算复杂度，通过数值对比评估性能。方法还考虑执行中出现的有限旅行时间扰动。
arXiv cs.MAAI 评分1212 平面机器人集群中用于空洞闭合的分布式调和协方差反馈
针对感知圆盘构成时变 Čech 复形的平面多智能体系统，研究者提出一种调和协方差反馈：用调和边信号定位空洞并转化为智能体力，通过正则化 Hodge Laplacian 的固定次数多项式在本地算子应用中分布式求值。闭环从每个安全初始状态都有唯一全局轨迹，离线有限计算可给出累积空洞面积的理性下界且收敛于该面积；15 秒数值演示中所有空洞在 9.9s 前闭合并保持闭合。
RadarAIAI 评分3838 宇树科技王兴兴：过去十几年最大错误是对 AI 还不够相信
宇树科技创始人王兴兴在第二十六届中国国际工业博览会上表示，过去十几年他犯的最大错误就是对 AI 还不够相信，如今对 AI 的信仰与日俱增。他透露 GPT-6 发布对具身智能行业认知影响很大，团队已将其部署至机器人测试且效果不错，认为行业临界点可能一两年内到来。
RadarAIAI 评分2222 硅谷与中国核心城市机器人产业规模对比
产业地图数据显示，硅谷拥有 67 家机器人公司，多于中国核心城市——深圳 36 家、北京 32 家、上海 25 家、杭州 25 家。数量差距背后是各区域迥异的产业结构与生态差异，反映出中美具身智能产业的不同梯队与结构特征。
RadarAIAI 评分2222 深圳机器人产业链全景与制造落地优势
深圳收录 36 家机器人企业，其中人形机器人企业 5 家，数量居国内首位。深圳在无人机、传感器、核心零部件、灵巧手到消费级硬件等全链条具备成熟的工程制造与商业化落地优势。
arXiv cs.AIAI 评分3737 Video2World：用具身视频评测编码智能体的交互式世界建模能力
研究者提出 Video2World 基准，包含来自 189 段机器人与人类演示视频的 222 个重建实例，将"自主视频到仿真"定义为软件工程任务，从几何保真度、动态保真度和功能正确性三方面评测。在 9 个前沿编码智能体系统中，从 Claude Opus 5 开始任务成功率由不足 5% 升至超过 15%，但与人类辅助重建仍有明显差距。研究还发现视觉保真度更高并不总带来更高任务成功率。
arXiv cs.AIAI 评分3434 GOTT：基于可复用跨本体原语的物体中心灵巧操作
GOTT 是一个围绕单一跨本体接触获取原语构建的 reach-acquire-move 框架，可将机器人无关的物体轨迹与 reach 规格转化为多指手的稳定接触与运动跟踪。仿真与真实实验显示，GOTT 能在多种物体、臂手平台以及已见和未见手部形态上建立稳健接触，并持续提升端到端任务成功率，优于开环抓取执行。
arXiv cs.AIAI 评分3838 规模与选择：自动 harness 进化如何让视觉界面机器人智能体奏效
研究显示，用另一个编码智能体（优化器智能体）可自动改进视觉界面机器人智能体的 harness（提示词、工具与控制规则）。每轮 rollout 数量决定泛化性：训练批次从 5 增至 100 时留出任务成功率上升，小批次则过拟合；采用 Champion-Challenger 规则筛选修订，30 轮内将 LIBERO 任务留出成功率从 51% 提升至 67%。
arXiv cs.AIAI 评分2222 FACT：面向铰接数字孪生的保真度感知构建框架
FACT 是一个智能体框架，通过证据—诊断—修正循环在可编辑共享表示上逐步构建铰接孪生，以提升几何、接触与动力学保真度。它从图像重建可编辑铰接几何，经任务感知局部重划分修复碰撞代理后再做保真度约束压缩，并利用被动响应视频与仿真残差构建响应模型。实验显示 FACT 在几何重建上优于基线，能以更简单的碰撞代理实现更可靠交互，并比直接参数推断更好地复现留出物理响应。
arXiv cs.AIAI 评分2929 RoboMME-Interference：干扰条件下的机器人记忆基准测试
研究者提出 RoboMME-Interference，一个基于 RoboMME 的跨会话基准，通过在查询演示后叠加受控数量的无关会话，衡量 VLA 在长上下文干扰下的记忆表现。测试显示，感知记忆变体在无干扰时提升成功率，但随着无关会话累积会持续明显衰减；子目标变体提升较小但更抗干扰。为最强感知变体加入检索步骤后，可在各干扰水平恢复其无干扰成功率。
arXiv cs.AIAI 评分2929 w²VLA：在视觉-语言-动作模型中解耦陈述性知识与程序性知识
研究者提出 w²VLA，一种重构信息流的视觉-语言-动作（VLA）模型，通过以组合且可解释的方式用视觉、空间和技能信息调制机器人状态序列，而非将所有多模态 token 送入不透明的 Transformer 动作专家。该方法成功解耦知识表示，实现稳健的行为克隆，并在差异较大、未见过的物体上取得零样本技能迁移能力。
arXiv cs.AIAI 评分2222 MyoSem：将肌电信号与自然语言动作语义对齐
MyoSem 是一个肌电信号与动作语义对齐框架，将手部 EMG 与多视角自然语言动作描述映射到共享特征空间，实现双向 EMG—文本检索。在 NinaPro DB2、EMG2Pose 及 NinaPro DB2→DB3 的七种协议下（涵盖随机划分、用户偏移、留出动作类别和健全者到截肢者迁移），MyoSem 取得所评估方法中最强的整体双向检索性能。
arXiv cs.AIAI 评分2929 FactoryNet：面向工业时间序列基础模型的大规模数据集
研究者发布 FactoryNet 工业时间序列预训练数据集，含 113M 数据点、57k 端到端任务执行（15k 真实、42k 合成），覆盖七种本体与四类任务，并标注 27 种异常类型。
arXiv cs.AIAI 评分2424 UniConFlow：面向可认证运动规划的统一约束流匹配框架
UniConFlow 是一个统一约束流匹配框架，可同时处理等式与不等式约束，用于机器人轨迹生成。它引入 prescribed-time zeroing 函数在推理时塑造时变引导场，并提出违规片段提取协议与轨迹压缩方法以应对长时域、高维轨迹生成。
arXiv cs.AIAI 评分2424 GenCoord：私有信息下具身 LLM 智能体的可执行承诺协议
GenCoord 是一种去中心化协议，把分工本身当作消息：提案将发送方的技能路径与伙伴的后续工作配对为 Short DSL 表达，兼容路径形成承诺，并将履约检查与原始任务成功分开评估。
arXiv cs.AIAI 评分3131 FactoryBench：评估工业机器理解能力的基准
研究者推出 FactoryBench，用于评估时间序列模型和 LLM 在工业机器人遥测数据上的机器理解能力。该基准包含超 7 万条 Q&A，覆盖因果阶梯四个层级和五种答案格式，数据源自 UR3 协作机器人与 KUKA KR10 工业机械臂采集的 FactoryWave 数据集。六款前沿 LLM 零样本评测均未在结构化层级超过 50%，决策任务不超过 18%。
arXiv cs.AIAI 评分2222 MC-EvoBench：审计 Minecraft 智能体中经验驱动的自我改进
研究者构建了 MC-EvoBench，一个受控的 Minecraft 基准，包含 19 条注册演化链（12 条主评测链、7 条校准或探针链）及三个图对齐配对探针族，用于检验智能体能否将交互历史转化为可跨世界迁移的能力。
arXiv cs.AIAI 评分4747 LAPT-Scale：用人类视频潜在动作预训练扩展具身策略
LAPT-Scale 提出可扩展的潜在动作预训练范式，其中 LAPT-Scale-LAM 通过解释人类视频帧间视觉变化学习连续潜在动作，为 VLA 策略预训练提供隐式动作监督。在 23.3K 小时第一人称视频上训练后，标注人类视频从 1K 扩展到 5K 小时，真实机器人成功率从 63.3% 提升至 85.0%，并泛化到未见视觉条件。该工作已被 CoRL 2026 接收。
arXiv cs.AIAI 评分2323 RESCUE：VLA 运行时监控器的告警值得响应吗？反事实评估框架
RESCUE 是一个反事实评估框架，用于判断机器人策略运行时监控器的告警能否支持有效干预，通过恢复仿真器与策略状态、比较替代动作并定位满足恢复标准的最晚检查点来评估。
arXiv cs.AIAI 评分2626 AFCE：为视觉-语言-动作模型学习未来操作目标
研究提出 Action–Future Coupled Effect Learning（AFCE），让 VLA 策略以未来物理 Effect 为主要预测目标，而非直接预测动作块。
arXiv cs.AIAI 评分2727 JoyInside-VLM-Agent：面向具身智能体的产品条件多模态策略学习
JoyInside-VLM-Agent 是一个 ReAct 风格多模态智能体，通过产品条件轨迹构建与分阶段策略学习训练，在 BFCL v4 上取得 77.44 总分，超过所评估的基线。
arXiv cs.AIAI 评分3939 LeWAM：用 JEPA 实现端到端世界模型与动作建模
LeWAM 是一个端到端 JEPA 控制模型，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，也能用学到的隐动力学评估采样动作进行规划。
arXiv cs.AIAI 评分2727 IG-VLA：通过内化时空想象实现高效 VLA 推理
研究团队提出 VLA 推理框架 IG-VLA，让模型在视觉表征空间中想象任务相关的未来场景演化，并通过 Scene Gist Memory 将推理得到的场景-行为关联内化为紧凑的 Scene Gist Token，从而在推理时跳过显式未来想象。
arXiv cs.AIAI 评分3838 MAGMA-Bench：评估动态任务与执行失败下的长时程具身智能体
研究者推出 MAGMA-Bench，一个架构无关的基准，用于评估动态多机器人环境中的持续任务推理，覆盖递增任务时程与执行失败、任务中断、任务更新等在线扰动。评测显示最强模型在相当比例的干净回合中仍失败，在线扰动下成功率进一步下降；监督适配能大幅提升小模型，但在更长时程和多机器人任务上表现仍明显偏低。团队同时发布基准、261,646 条任务级训练样本及架构无关的专家轨迹生成流程。
arXiv cs.AIAI 评分3737 AlphaNIST：从二元任务奖励中涌现的装配技能
AlphaNIST 仅用稀疏二元任务奖励，在仿真中从零训练单一策略完成 NIST Assembly Task Board #1 全部 20 项装配任务，整体训练成功率达 98.2%，无需演示、进度塑形、脚本化原语或逐任务调参。该框架还能让策略在单回合内完成十组装配对，且仅在十组同时完成时给予奖励，策略自发涌现出为后续装配选择抓取、借助周围几何重新定向零件等灵巧且类规划的行为。
arXiv cs.AIAI 评分2424 OGPO：面向可恢复 VLA 模型的离线目标条件策略优化
研究者提出 OGPO，一种面向可恢复 VLA 模型后训练的离线目标条件策略优化框架，将轨迹用语义关键状态重新标注并构建目标条件过程奖励，把后训练从轨迹级动作模仿转为关键状态可达性学习。