Nvidia 开源 Flora 机器人视频标注引擎
Nvidia 开源了名为 Flora 的机器人视频标注引擎，可将标注成本从每小时 88.5 美元降至 0.72 美元，性能优于 GPT-6 Astra 和 Claude Opus 5。Flora 由三个微调的 Qwen3.5 模型组成，能够分割视频、描述动作并评估执行结果，已在 GR00T 模型训练中使用，每天可处理 20 万小时视频。
推荐理由：开源视频标注引擎Flora将机器人视频标注成本降低125倍，但精度与描述能力仍有提升空间。
#开源/仓库科技财经热点 · 每日精选
自动盯住上百个信源，用模型摘要、打分、精选，把同一件事的多篇报道归到一起，每天早上出一份日报。聚焦机器人、AI 与财经投资。
今日脉搏
具身智能专栏 →417今日入库
6 条进入精选
45/47 信源在线· 2 异常
近 14 天入库走势
近 7 天分类构成
行业 1301财经 1142硬件本体 876AI 产品 752AI 模型 263其他 387
The Decoder精选AI 评分8080 TechXplore · Robotics精选AI 评分7373 EgoExplorer：可穿戴系统捕捉人类活动数据用于机器人训练
上海人工智能实验室、浙江大学和上海交通大学研究人员开发了一种新型可穿戴系统，结合头戴式GoPro HERO13相机、五个VIVE Ultimate追踪器、传感器手套等设备，采集了100小时的人类活动数据，创建了名为EgoExplorer的数据集。
推荐理由：100小时多模态人机交互数据集为机器人训练提供新思路，但实物应用仍需验证。
arXiv · cs.RO精选AI 评分8181 OpenTac: 一种可定制、可扩展、可迁移的 3D 触觉感知开源生态系统
研究人员提出 OpenTac，一种新型传感器和全栈生态系统，用于高度可定制、可扩展的触觉皮肤。该系统包括可扩展的电阻式触觉皮肤、传感器设计工具、传感器模拟器、跨传感器迁移和快速/自适应数据采集功能。团队已设计和制造了 30 多种传感器，并在四个真实机器人平台上展示了 3D 触觉感知在接触密集型反馈控制和操作策略学习中的广泛应用。
推荐理由：从传感器设计到控制学习，OpenTac 构建了完整的触觉感知生态系统，开源硬件与工具降低了触觉研究门槛。
Hugging Face Blog精选AI 评分7373 ThinkingBox-Training：将数据库评分转化为强化学习奖励
微软与Hugging Face合作发布ThinkingBox-Training，通过将数据库终端状态检查转化为奖励函数，对Qwen3.8-27B模型进行50步GRPO微调。
推荐理由：将数据库评分转化为强化学习奖励，让智能体从偶尔成功变为可重复执行，训练任务选择是关键。
arXiv · cs.RO精选AI 评分7575 HuMiT: 基于紧凑参考跟踪的低延迟全身人形机器人远程操作系统
研究人员提出HuMiT系统，仅需使用紧凑参考目标（包括根高度、根速度和四个稀疏关键点的SE(3)姿态）即可实现全身远程操作，达到约20毫秒的通信到推理延迟和65毫秒的光流延迟。该系统在Unitree G1人形机器人上验证，展示了接球和协调操作能力。
推荐理由：通过仅使用紧凑参考目标实现20毫秒低延迟，解决了人形机器人远程操作中的实时性挑战。
arXiv · cs.RO精选AI 评分7575 DONIC: 基于人类演示的通用双灵巧手跟踪控制
研究人员提出DONIC，首个通用双灵巧手跟踪控制器，结合近端策略优化与行为克隆，在无需微调的情况下，对训练对象未见轨迹成功率达86.79%，超出最先进基线77.36个百分点。同时发布BiHOI数据集，包含1575个序列，覆盖229个物体，强调持续双手交互。
推荐理由：首个通用双灵巧手跟踪控制器通过人类演示训练，成功率达86.79%，解决了双手协调操作数据稀缺问题。
arXiv · cs.RO精选AI 评分7070 TARSphere：面向长周期具身智能体的全栈框架
Yicheng Xu提出TARSphere框架，包含基础设施TARSphere-Infra和多模态大语言模型智能体TARSphere-Harness，用于在物理和社会环境中评估长周期具身智能体。研究通过TARSphere-Bench基准测试评估了8个多模态大语言模型，发现通用模型在特定任务上表现优于专用具身模型，但任务更新和人类交互仍是挑战。
推荐理由：TARSphere框架首次将物理与社会约束整合进长周期具身智能体评估，揭示了通用模型在复杂环境中的潜力与执行安全挑战。
Hugging Face Blog精选AI 评分8585 Microduck 与 Isaac Lab 3.0：从仿真训练到真实部署
Hugging Face 与 Pollen Robotics 合作发布了开源双足机器人 Microduck，开发者可使用 NVIDIA Isaac Lab 3.0 在仿真中训练行走策略，导出为 ONNX 格式后部署到真实机器人。
推荐理由：从仿真训练到真实部署的完整工作流开源，让更多开发者能低成本训练人形机器人行走策略。
GitHub Blog精选AI 评分7575 GitHub发布智能体规模Git基础设施架构优化
GitHub宣布已完成Git基础设施架构优化，将99.99999%的仓库迁移至Azure和自有数据中心双存储。通过将quorum序列化范围从整个仓库改为单个引用，解决了25ms跨区域延迟导致的写入吞吐量瓶颈，使繁忙仓库也能迁移至Azure。新架构支持按需扩展虚拟读取副本，内部测试显示不同引用的写入吞吐量提高3-4倍。
推荐理由：GitHub通过修改quorum序列化方式将最繁忙仓库迁移至Azure，解决了25ms延迟瓶颈，为智能体规模Git基础设施铺路。
Hugging Face Blog精选AI 评分8181 NVIDIA 推出 SimReady Central 开源仿真资产库
NVIDIA 在 Hugging Face 上发布 SimReady Central，包含2000多个用于机器人和AI工厂仿真的3D资产，支持碰撞几何、质量、摩擦等物理属性。OEM厂商可提交符合 SimReady 标准的资产，开发者可组合这些资产构建仿真环境，并通过 AI 辅助工具快速创建场景。
推荐理由：开放2000+仿真资产库把机器人开发门槛从建模降到组装，接下来看OEM和开发者如何共建生态。
arXiv · cs.RO精选AI 评分6565 工业级ReMEmbR：扩展时空记忆至机器人舰队
研究人员提出IndustrialRemembr，一个共享时空记忆系统，将NVIDIA ReMEmbR扩展至机器人舰队，通过按需生成场景描述减少服务器端计算。系统使用NVIDIA Jetson在机器人端编码视频片段，不上传原始相机帧，并支持GDPR合规的PII抽象。
推荐理由：将时空记忆扩展至机器人舰队，通过按需生成描述降低服务器计算量，同时保护隐私。
HuggingFace Daily Papers精选AI 评分6565 TARSphere: 面向长时程具身智能体的全栈框架
研究团队提出TARSphere框架，包含基础设施TARSphere-Infra和多模态大模型智能体TARSphere-Harness，用于在物理和社会环境中执行长时程任务。研究构建了TARSphere-Bench评估基准，包含30个室内场景的360个剧集，评估了8个多模态大模型的表现，发现通用模型可能优于专用模型，但任务更新和人机交互仍有困难。
推荐理由：研究揭示了通用大模型在具身任务中可能优于专用模型，但任务更新和人机交互仍是难点，执行安全评估亟待加强。
IT之家精选AI 评分7676 谷歌开源 TorchTPU，挑战英伟达 AI 生态主导地位
谷歌宣布面向 TPU 的原生 PyTorch 框架 TorchTPU 已在 GitHub 开源，允许开发者无需重写代码即可将现有 PyTorch 应用迁移到谷歌 TPU 和谷歌云。亚马逊同期也发布了类似产品 TorchNeuron，用于将应用移植到 Trainium 芯片和 AWS。两家公司正努力削弱英伟达在 AI 硬件和生态中的主导地位。
推荐理由：谷歌与亚马逊相继开源 PyTorch 适配自家芯片的框架，试图打破英伟达在 AI 硬件与生态中的垄断地位。
Hugging Face Blog精选AI 评分7575 NVIDIA 发布 Cosmos3-H-Dreams 生成式外科手术模拟器
NVIDIA 发布 Cosmos3-H-Dreams，首个基于临床胆囊切除术数据训练的实时生成式外科手术模拟器，可在单块 NVIDIA RTX PRO 6000 GPU 上运行。该模型基于 Cosmos3 架构，通过学习临床手术视频和机器人运动学数据，实现了对人体内部复杂解剖结构和组织运动的实时交互模拟。
推荐理由：首个基于临床手术数据训练的实时生成式外科模拟器，将手术训练从桌面场景推进到复杂人体内部环境。
华尔街见闻精选AI 评分8383 DeepSeek全面开源推理框架DeepInfer
DeepSeek宣布全面开源内部推理框架DeepInfer及Token编解码组件deepseek-recipe，支持英伟达与华为昇腾平台，单集群日吞吐达155万亿Token，每卡每小时收入38美元。
推荐理由：开源推理框架让企业能自主优化AI服务成本，但KVCache与负载均衡组件仍保留在内部，开源与商业边界值得关注。
arXiv · cs.RO精选AI 评分7070 HandsOn: 一种可推广的灵巧操作大规模仿真基准
Tianwei Luo等人发布了HandsOn，一个跨形态灵巧操作的仿真平台和基准，支持五种机械臂、六种灵巧手和约200种刚体、关节和可变形物体。该基准包含18,000个人类演示和66个人类验证任务，分为Core-50和Transfer-16两部分。
推荐理由：首个覆盖五臂六手200物体的灵巧操作基准，暴露了当前AI在物理交互中的真实能力边界。
HuggingFace Daily Papers精选AI 评分7575 HyperDrone: 百万帧/秒的仿真到现实迁移
研究人员提出 HyperDrone，一种比现有最先进批处理四旋翼仿真器快 20 倍的高性能仿真器。它结合了高度优化的多旋翼动力学与新的光线追踪引擎 HyperLux，可在消费级 GPU 上实现每秒数百万帧的渲染速度，并支持 RGB、深度、语义分割等多种观察模式。研究团队通过在仿真中训练基于视觉的偏航控制策略，并将其成功转移到真实的 Crazyflie 四旋翼机器人上进行了验证。
推荐理由：HyperDrone 以百万帧/秒的速度实现仿真到现实的快速迁移，为机器人训练提供了新可能。
量子位精选AI 评分8585 谷歌开源Harness²：大模型运行时自我优化新成果
谷歌开源Harness²，一种双层递归架构，让大模型在运行中自我修改代码、提示词和工具链。在WorkBuddy-Bench测试中，GLM-5得分提升11.5分，反超原生Gemini 3.5 Flash。该项目已全面开源，支持OpenCode与Codex。
推荐理由：双层递归架构让大模型在运行中自我优化，解决了RSI在开放世界中的两大死穴，实测性能提升显著。
Solidot精选AI 评分6868 SonicBoom发布：AI框架告别手工调优
SonicBoom是一个全新的AI运行时框架，采用GPLv3许可证，提供语言无关的C API接口。它利用LLVM MLIR优化计算图，在保持PyTorch灵活性的同时获得类似TensorFlow的静态图性能，在RTX 3050 8G上提升原始性能20%。
推荐理由：SonicBoom 通过图编译器优化而非手工调优提升推理性能，实现了动态图灵活性与静态图性能的统一。
arXiv · cs.RO精选AI 评分6565 RoMo-GS: 通过曝光积分运动模糊实现高效的机器人在线 3D 高斯溅射
Sangwoo Jung 提出 RoMo-GS，一种解决机器人快速移动导致运动模糊问题的在线 3D 高斯溅射系统。该系统通过曝光积分处理运动模糊，使用基于 Hessian 的剪枝分数限制高斯数量增长，并在多个数据集上实现了比离线去模糊 3DGS 方法快 15-150 倍的性能，同时比在线 3DGS 基线少约 20% 的高斯数量。
推荐理由：通过曝光积分处理运动模糊，RoMo-GS 实现了在线 3D 高斯溅射，在保持质量的同时大幅提升效率。