清华特奖得主吴海旭创办物原科技，切入物理世界模型
曾获2022年清华特奖、GeoPT一作的吴海旭已开启世界模型创业，公司名为物原科技，估值达数亿美元，投资方包括蚂蚁、美团、达晨财智、星连等。物原科技选择从搭载物理建模能力的世界模型切入，据知情人士透露其技术思路一定程度上延续了GeoPT的研究路线。GeoPT提出合成动力学预训练范式，让模型在无标签数据上通过学习粒子轨迹演化获取物理直觉，作者还包括龙明盛、何恺明、Wojciech Matusik。
#具身智能
量子位AI 评分5252 RadarAIAI 评分7171 Jim Fan 开源智能体机器人框架 ASPIRE V1.0
Jim Fan 开源智能体机器人框架 ASPIRE V1.0，具备完整的真实机器人技能发现与自我改进能力。Astra 到货当天实验室更换后端模型，一夜之间将全部 benchmark 拉满至约 99%。
RadarAIAI 评分3636 Rivian CEO RJ Scaringe 谈 Mind Robotics：机器人技术进展远快于外界认知
Rivian CEO RJ Scaringe 于 2025 年创立 Mind Robotics，融资 10 亿美元，研发面向工厂的工业机器人。该机器人拥有双臂、双手、比人类更宽的可张开手指和指甲，采用基于 Transformer 的模型学习可泛化技能，而非执行预设动作。
RadarAIAI 评分2222 前 Nvidia 高管、Techable VC 创始人谈机器人为何尚未迎来 ChatGPT 时刻
在 Nvidia 机器人平台产品营销岗位任职七年的 Amulya Vishwanath 认为，机器人目前处于"乐高时代"，执行器、机械手、软件和安全标准等基础模块仍在重建，尚未迎来 ChatGPT 时刻。她现以 Techable VC 创始人兼管理合伙人的身份，投资机器人、材料科学和生命科学等物理 AI 领域，这一判断与"通用基础模型即将带来机器人 ChatGPT 时刻"的观点相左。
RadarAIAI 评分2222 前 NVIDIA 高管 Amulya Vishwanath：物理 AI 不止是机器人
前 NVIDIA 机器人平台产品营销负责人 Amulya Vishwanath 在 TechCrunch 的 Equity 播客中表示，机器人仍处于"乐高时代"，执行器、机械手、软件和安全标准等基础模块尚待重建，这与"通用基础模型将带来机器人 ChatGPT 时刻"的观点相左。
RadarAIAI 评分3636 Dynamic Creatures 推出人形伴侣机器人 Hugo，搭载首个 VLE 模型
Dynamic Creatures 发布人形伴侣机器人原型 Hugo，号称首款人形伴侣机器人，运行首个 Vision-Language-Expression（VLE）模型，将所见所闻与动作、表情和手势关联，实时识别并回应人的面部、声音和动作。该公司是 Boston Dynamics 官方娱乐与酒店合作伙伴，正与电影工作室、度假村和主题公园合作打造一系列角色机器人。
TechCrunch · AIAI 评分2222 前 Nvidia 高管转做 VC：机器人为何还没迎来自己的 ChatGPT 时刻
在 Nvidia 机器人平台负责产品营销七年的 Amulya Vishwanath 认为，机器人目前处于"乐高时代"，执行器、机械手、软件和安全标准等基础模块仍在重建，因此尚未迎来"ChatGPT 时刻"。她如今是 Techable VC 的创始人兼管理合伙人，投资机器人、材料科学和生命科学领域的物理 AI 早期项目。
TechCrunch · AIAI 评分2222 前 NVIDIA 高管 Amulya Vishwanath：物理 AI 不止是机器人
在 NVIDIA 机器人平台负责产品营销七年的 Amulya Vishwanath 创办 Techable VC，投资覆盖机器人、材料科学与生命科学的物理 AI。
Hacker NewsAI 评分2020 费城女子因阻挡 Uber 配送机器人被捕
费城 Center City 一名女子 Carolyn Marvin 因多次阻挡 Uber 配送机器人通行、无视警方要求其让路的指令而被捕，并被控扰乱治安。她称此举是抗议配送机器人取代人类配送员，认为属于受第一修正案保护的言论，并表示将继续抗议。事件发生在 Reading Terminal Market 附近的 Filbert 街 1200 号街区，相关视频已在网上引发关注。
RadarAIAI 评分1818 百度智能云与西安高新区签约“1+8+N”共建西北人工智能产业高地
10月16日，百度智能云与西安高新区管委会在百度智能云超级智能体大会·西安站完成战略签约，规划“1+8+N”合作框架，建设1个百度智能云西北总部基地、8个人工智能产业中心并拓展N个产业应用场景。首期落地OPC产业中心、具身智能创新中心、产教融合中心三大项目，并联合9所西安高校发起西北高校人工智能产业联盟。
RadarAIAI 评分3434 百度智能云发布百度一见 6.0 与 AI 原生具身智能相机，产业智能体落地西北
百度智能云在西安超级智能体大会上宣布百度一见 6.0 开放内测，主打用自然语言和 Golden-Set 样本让人人都能造视觉 AI，并同场推出 AI 原生具身智能相机。百度搭子用户规模增长 9 倍，交付物需求增长 4.3 倍，专家套件使用量增长 7.3 倍。2026 年前三季度百度智能云大模型中标金额位列云厂商第一。
arXiv cs.AIAI 评分3131 DexMimic：通过价值引导重置分配实现通用灵巧手-物体跟踪策略
DexMimic 是一种跨多样人手-物体交互轨迹联合训练的通用灵巧手-物体跟踪策略，通过 Value-Guided Reset Allocation 在线调整初始化分布，优先训练困难阶段并选择高期望跟踪回报的重置状态。实验显示其跟踪成功率与训练效率提升、微调更快，并具备对未见轨迹和物体的零样本泛化潜力，训练集越大效率与泛化越好，已在真实灵巧操作平台上验证。
arXiv cs.AIAI 评分3838 DroneCATS 基准：多模态 LLM 作为通用视觉-语言-动作智能体控制无人机
研究者提出 DroneCATS 基准，让 MLLM 通过四类动作直接控制无人机，覆盖目标可见性、目标运动、场景与模拟器变化，并扩展至真实无人机、多无人机及"指挥官+子智能体"套件，评测了十款从前沿到小型开源的 MLLM。
arXiv cs.AIAI 评分3131 ValueFormer：面向在线失败检测与 VLA 后训练的阶段感知价值标签
ValueFormer 是一个策略无关的因果 Transformer（3.5M 参数），基于冻结的 DINOv3 骨干，单次前向即可输出平滑的蒙特卡洛价值与尖锐的二值价值两路逐帧信号。
arXiv cs.AIAI 评分2929 Play2Perfect：灵巧操作预训练中哪些因素对精密装配至关重要？
研究提出 Play2Perfect，一个通过多样化物体与目标上的"玩耍"进行任务无关预训练的 RL 框架，再微调适配精密装配。该先验比从零 RL 训练的样本效率高 33 倍，即使后者提供密集多阶段奖励。方法实现零样本 sim-to-real 迁移，在 0.5 mm 接触间隙的紧密插入任务上成功率达 60%，长时程多部件装配和拧螺丝成功率超 50%。
arXiv cs.AIAI 评分2222 VOiLA：用学习到的扩散模型为 POMDP 智能体做向量化在线规划
VOiLA 是一个为 POMDP 智能体学习任务无关世界模型并做在线规划的框架，用条件扩散模型学习状态转移与观测采样器，并将扩散采样器蒸馏为紧凑前馈生成器，采样成本最多降低近三个数量级。
arXiv cs.AIAI 评分2424 RMBench：面向记忆依赖型机器人操作的基准与策略设计洞察
研究者提出 RMBench，一个包含 9 个操作任务的仿真基准，覆盖多个记忆复杂度层级，用于系统评估机器人操作策略的记忆能力。同时提出模块化策略 Mem-0，通过显式记忆组件支持受控消融实验，并在仿真与真实世界实验中揭示了现有策略的记忆局限及架构设计对记忆表现的影响。
arXiv cs.AIAI 评分3030 ZeST：基于 VLM 的未知环境零样本可通行性导航
ZeST 将 VLM 的重复输出视为随机测量并融合为不确定性感知后验，实现零样本可通行性预测，避免为采集数据将机器人置于危险环境。在室内受控与户外非结构化环境实验中，ZeST 导航成功率达 90-100%，而所有基线均不超过 60%，且在查询延迟高达 3.6s 时仍保持完全成功。
arXiv cs.CLAI 评分3131 EmbodiedMidtrain：通过中训练弥合 VLM 与 VLA 之间的差距
研究者提出 EmbodiedMidtrain，通过中训练弥合 VLM 与 VLA 之间的数据分布差距。该方法用轻量可学习邻近度估计器从大规模 VLM 数据池中筛选与 VLA 最对齐的样本，构建 EmbodiedMidtrain-1M 数据集，在 VLA 微调前对 VLM 进行中训练。
arXiv cs.AIAI 评分2626 LIBERO-PeRM：个性化机器人操作基准发布
研究者推出 LIBERO-PeRM，一个用于具身智能体偏好学习的基准，基于 LIBERO 构建，覆盖运动、技能和用户画像三类可观察偏好，包含 5 个任务套件共 312 个任务。实验显示当前 VLA 策略难以零样本个性化，SFT 可让偏好变得可学习，混合训练在无偏好保持上优于顺序适配，但偏好泛化、分解与冲突处理仍是难点。
arXiv cs.AIAI 评分3434 T2-Z：面向机器人世界模型的环境隐变量测试时优化
T2-Z 通过为机器人世界模型附加可学习的环境隐变量，在测试时冻结世界模型、仅用一次或多次交互轨迹优化该隐变量，从而适应未见过的环境配置。在 7 个模拟设置和 4 项真实机器人任务中，物体预测误差指标从 15.20 降至 7.00，动作成功率从 33.73% 提升至 72.96%。消融实验显示，T2-Z 仅凭单条测试时交互轨迹即可高效推断环境隐变量。
arXiv cs.AIAI 评分3636 CoDA：数据引擎与动作策略的协同演化
CoDA 让仿真数据引擎与动作策略通过共享异构记忆协同演化，记忆将视觉语言评论模型验证的诊断编译为生成程序与训练程序。其 Text2potential 把诊断转为分阶段势函数，为动作块价值学习提供稠密监督。
arXiv cs.AIAI 评分3636 DSP：从监督式玩耍中学习灵巧操作
机器人框架 DSP 通过行为克隆从数分钟人类玩耍数据中学习玩耍策略，再自主部署收集数小时交互数据训练世界模型，推理时由该策略为 MPC 提出候选动作序列。团队还提出在世界模型内通过自博弈蒸馏闭环目标条件策略的方法。真实世界实验中，该方法成功率比 hindsight 行为克隆高 69.6%，并以少 490 倍的交互数据达到与强化学习相当的成功率。
arXiv cs.AIAI 评分4646 全身灵巧操作（WBD）：让 Unitree G1 用躯干和手臂夹持搬运物体
研究提出全身灵巧操作框架 WBD，将机器人躯干与四肢作为接触面来抓取和操作物体，通过 sim-to-real 流程生成全身抓取数据集、训练强化学习专家并蒸馏为单一策略。
arXiv cs.AIAI 评分2929 DemoStream：面向示教学习自动化的批量任务与运动规划优化
DemoStream 是一个通过优化示教质量来提升行为克隆成功率的 TAMP 系统，引入批量 TAMP 采样操作与批量约束满足算法以并行探索大量解。仿真实验消融了不同动作空间、代价函数和批量大小对下游策略成功率的影响，并利用 TAMP 的安全保证以平均每小时 66 条示教的速度直接采集真实世界示教数据。
arXiv cs.AIAI 评分2929 Anvil：通过知识再循环扩展具身空间智能
研究团队提出 Anvil 统一框架，用于具身空间智能的数据生成、训练与评测，包含数据飞轮 Anvil-Gen、场景对齐监督 Anvil-Ben 和 9B 蒸馏学生模型 Anvil-MOPD。
arXiv cs.AIAI 评分2727 从人类视频到机器人操作的跨具身因果迁移：CBST 方法
研究者提出 Causal-Beam-Guided Subtask Transfer（CBST），从人类操作视频中学习操作相关表征，并用机器人演示将其锚定到任务级语义变量，使机器人无需人机动作对应即可从自身观测生成动作。在机器人操作基准上，CBST 的任务成功率优于对应的 world-action 模型基线。
arXiv cs.AIAI 评分2929 AVALON：零样本室内导航，用人类播种的拓扑记忆实现
AVALON 是一个面向"人熟悉、机器人未见"室内场景的拓扑导航框架，机器人无需事先实地遍历或站点专项训练，仅需平面图、地点线索和初始拓扑-里程计对齐即可部署。
arXiv cs.AIAI 评分2626 X-Fly：全块式空中视觉语言导航中的到达与停止学习
X-Fly 是一个面向全块式空中视觉语言导航的分阶段训练框架，通过 Recovery DAgger 为学习者访问的决策状态标注可重连未来专家片段的平滑动作块，并在首个区域内状态给出 STOP，再用 Flow-GRPO 联合优化分块流控制器与 Bernoulli 停止策略。
arXiv cs.AIAI 评分3838 LTM：面向视觉-语言-动作模型的潜在转移上下文记忆
研究者提出 Latent Transition Memory（LTM），将历史存为相邻观测间的紧凑潜在转移，并在 π₀.₅ 上实例化为 LTM-π，无需记忆专用语义标注或外部推理模型调用。
arXiv cs.AIAI 评分2121 OnBodyAI：为什么下一代 AI 需要一个身体
论文提出 OnBodyAI 概念，指大语言模型被赋予身体、生活在用户身上并为其服务时的形态，探讨研究与产业需要如何实现这一目标。文章基于作者在 UbiComp/ISWC 2026 上海产业论坛的演讲，围绕十条核心论点展开。
arXiv cs.AIAI 评分2323 SOMA：四足机器人如何用分层强化学习完成物体堆叠操作
SOMA 是一个面向四足机器人的分层强化学习框架，可实现多物体堆叠的全身非抓取式操作，并首次引入显式机身高度控制，将传统二维平面推动扩展到三维推动策略。该框架用 S5 编码器的高层操作策略预测目标跟踪指令，配合动态调整腿部站姿的底层运动策略，在仿真中单物体重定位成功率达 90.3%，双箱动态堆叠达 90.1%（位置误差 0.05 m、朝向误差 1°）。
arXiv cs.AIAI 评分2424 TGrasp6D：用视觉语言先验与位姿优化实现零样本任务导向 6DoF 抓取
TGrasp6D 是一种基于视觉语言的方法，可在零样本条件下为给定任务和单张 RGB-D 图像生成任务导向的 6DoF 抓取。它先推理任务对应的语义可供性与物体几何生成任务先验，再通过 6DoF 位姿优化在避免碰撞的同时保持任务一致性。
arXiv cs.MAAI 评分1212 不透明机器人在异步下的宽容聚集问题研究
该研究在 LUMI 模型下探讨了移动故障模型中不透明机器人的宽容聚集问题，证明 (2,1)-移动系统中使用 2 色灯无法实现宽容聚集，并给出使用 3 色灯的最优解。针对 (N,f)-移动系统提出两种确定性算法：一种使用 7 色灯、时间复杂度 O(N)，另一种使用 26 色灯、时间复杂度 O(max{ℓ,f})，首次实现时间复杂度分析，可应对不透明可见性与异步调度。
arXiv cs.MAAI 评分1818 基于可达性控制障碍函数的抢占式通信鲁棒多智能体追逃
该研究提出一种统一控制/通信策略，让每个智能体基于最后收到的邻居状态计算可达集，并用控制障碍函数求解安全控制输入，在通信间歇下保证智能体间避碰，前提是通信陈旧度有界。智能体依据不确定性与运动学风险指标决定何时抢占式发送自身状态。仿真显示，抢占式通信相比周期性和事件触发基线减少 77.5% 消息量，且零碰撞。
arXiv cs.MAAI 评分2222 基于法律准则的偏序博弈：可审计、可部署的多智能体运动规划框架
研究者提出基于偏序博弈（posetal games）的多智能体运动规划框架，从场景无关的法律准则自动推导智能体偏好并生成具体场景的法律博弈，证明偏好定制只会移除均衡从而保持合法性。
量子位AI 评分4242 深辰凯动羽毛球机器人连打1452拍获吉尼斯世界纪录，波士顿动力前高管点赞
深辰凯动羽毛球机器人与人类选手完成1452拍连续对打，获吉尼斯世界纪录认证，项目名称为"移动机器人连续羽毛球回球次数最多"。该机器人可在约0.5毫秒内识别来球，挥拍速度每秒30米，扣杀时速超250公里，团队宣称全栈自主研发并拥有国内外专利100余项。
量子位AI 评分1515 百度世界2026五大亮点公布：李彦宏演讲、全栈AI升级与智能组织
百度世界2026将于11月12日在北京国家会议中心二期举办，主题为「下一幕，智能组织」，设置1场主论坛、12场分论坛、30+AI公开课及6000平AI展区。大会将集中展示百度“芯-云-模-体”全栈AI布局的最新技术升级，李彦宏将领衔带来主题演讲，分享AI下一阶段趋势与组织进化方向。报名入口已开启，共设VIP票、优享票、全通票、专业观众4种票型。
量子位AI 评分3232 四川具身科技EIR完成超1亿元Pre-A轮融资，人形机器人「爱湫」9.8万元起售冲刺万台量产
四川具身人形机器人科技有限公司（EIR）完成超1亿元Pre-A轮融资，资金将用于人形机器人「爱湫」迭代研发、万台级生产基地建设及销售体系搭建。爱湫9.8万元起售，采用国内独创的3D超短焦投影面部方案，公司提出Emotion Native理念，将情感陪伴作为产品原生目标。EIR三大产品线已进入批量交付阶段，德阳整机量产基地预计2026年年底投产，分阶段实现从千台到万台产能。
量子位AI 评分4545 霸榜三大基准！优必选 Thinker-WM：多模态统一表征，单模型实现六大能力
优必选 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena1.0 Track-1 三大具身世界模型基准评测中全部拿下第一，WorldOlympiad 综合得分 0.740，EWMBench 总分 4.66，超过 Qwen-RobotWorld、Sora2 等模型。