手把手“喂”出聪明机器人!
通过训练提升机器人智能,使其具备更复杂任务处理能力。
通过训练提升机器人智能,使其具备更复杂任务处理能力。
达瓦科技凭借实时世界模型产品Scenes AI在2026 NVIDIA创业企业展示半程展示中拿下卓越企业奖。该模型采用控制层做重、生成层做轻的架构,可在单张RTX显卡上实现720P、25帧的实时输出,目标编辑成功率达98.2%。
推荐理由:从重画下一帧到更新世界状态,达瓦科技用34B模型在消费级显卡上实现实时世界模型,为影视直播等领域提供新路径。
英伟达升级Isaac机器人平台,推出人形机器人参考框架与仿真工具。该平台提供完整的开发工具链,支持人形机器人的仿真与部署。
Eun Sun Lee提出了一种稀疏拓扑图方法,用于室内导航中的跨会话导航。该方法通过编码局部3D几何和距离加权边的节点结构,实现了跨会话点对点导航,在Gibson数据集上达到77.1%的成功率,在3D-FRONT场景变化下达到40.0%的成功率,同时将内存需求降低两个数量级。该方法支持跨会话对齐和目标导向导航,具有强大的可扩展性和真实世界迁移能力。
Google新闻·Humanoid+Embodied 探讨提升机器人智能的方法。文章聚焦机器人技术发展,未提及具体产品或版本号。
英伟达扩展Isaac平台,加速布局人形机器人生态位。平台提供AI计算与开发工具,支持机器人实时感知与控制。
英伟达在Isaac平台新增人形机器人参考平台AgileONE SN。该平台支持人形机器人开发与部署,提供软硬件集成方案。
英伟达升级Isaac机器人开发平台,A股人形机器人概念股表现活跃。
NVIDIA 推出全新人形机器人参考平台、框架、仿真工作流及数据,全面推进面向通用机器人的 Isaac 平台。
舍弗勒与恺望数据合作推进工业具身数据模型,进入产线验证阶段。双方未公开具体模型参数或性能数据,合作聚焦工业场景落地。
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。
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。
该研究在多机器人物联网网络中实现了动态微分段功能,通过商业软件定义工具基于资产功能和健康标签定义细粒度动态策略,可实时隔离威胁并保持未受影响部分的正常运行。
YYForce 推出 "Workforce OS" 机器人架构,搭载 NVIDIA Physical AI。该架构专为工业机器人设计,提升物理环境交互能力。
伊利诺伊大学厄巴纳-香槟分校的研究人员结合强化学习与控制理论,开发了名为CARL的新型学习方法,可保证机器人稳定性并提高跟踪性能达15%。该方法已在轮式、飞行和六足机器人上测试,代码已在GitHub开源。
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。
中国信息通信研究院报告显示,训练通用具身模型需要千万小时级真实交互数据,而全球可用高质量真机具身语料仅在百万小时量级。2026年6月,工信部与国务院国资委联合启动人形机器人与具身智能实景实训专项行动,推动产训一体模式。上海浦东已形成训练、生产、回流、培养的完整链条,包括智元数据采集工厂、上海电气中试服务平台等设施,并在汽车制造等领域实现机器人应用。
推荐理由:实景实训平台正成为具身智能产业的基础设施,解决了从训练到落地的关键数据鸿沟问题。
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。
研究人员发布MARE(Modular Autonomy and Rendering Environment),一个基于Unreal Engine 5和ROS 2的开源月球车感知与自主性模拟套件。该系统包含地形生成器、配备多种传感器的月球车物理模型和基于Web的导航控制栈,专门解决月球极地低太阳高度角下的长阴影挑战,提供像素级精确的地面真实数据。
SceneRig是一个智能体系统,可将单张图像转换为可编辑、仿真就绪的3D场景。该系统结合几何、视觉和物理工具重建3D场景,并通过智能体在物理仿真器中执行编辑-验证循环实现物理稳定性。相比基线方法,SceneRig能改进实例分割、以对象为中心的外观和3D放置,同时保持场景物理稳定,且其场景能更准确地预测真实机器人策略结果。
推荐理由:从单张图像重建物理稳定的3D场景,解决了视觉相似与物理行为之间的矛盾,为机器人仿真提供了新工具。
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。
Amane Yamaguchi研究了PointHand远程操作界面中不同手部视觉呈现方式对新手操作者演示质量和策略学习的影响。在模拟任务中,仅强调拇指和食指关键点的新手收集了441次成功演示,比显示真实手形的320次高出38%。
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。
研究团队发布了HandsOn,一个跨平台灵巧操作仿真基准测试,支持五种机械臂、六种灵巧手和约200种随机场景中的刚体、关节和可变形物体。该基准测试包含18,000个人类演示和66个验证任务,分为Core-50和Transfer-16两部分。
同一件事,精选收录的是《HandsOn: 一种可推广的灵巧操作大规模仿真基准》
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。