MARE: 带真实阴影数据的开源月球车模拟器
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。
#具身智能
arXiv · cs.ROAI 评分5555 arXiv · cs.RO精选AI 评分6565 CLOSER: 基于证据感知的主动视觉验证具身物体目标导航
Pengying Wu提出CLOSER框架，通过视觉语言模型验证与主动感知结合，在物体目标导航任务中提升成功率3.6个百分点，路径长度加权成功率提高2.0个百分点。该框架可在本地运行并集成到现有系统中无需重新训练。
推荐理由：通过主动验证减少具身导航中的误判，CLOSER框架在提升成功率的同时降低了路径长度。
arXiv · cs.RO精选AI 评分8585 SuperMimic: 通过单一可微分世界模型扩展人形机器人全身控制
SuperMimic提出了一种新方法，使用单一可微分世界模型拟合共享动力学，与跟踪策略共同训练，在3小时内超越传统方法7天训练效果，将GPU训练时间减少1000倍以上。该方法在129,514个基准动作中仅失败25个，9.8小时后实现零失败，并能成功迁移到宇树G1物理机器人上。
推荐理由：用单一可微分世界模型替代传统强化学习，将训练成本降低千倍，为机器人控制研究开辟新路径。
arXiv · cs.RO精选AI 评分7575 VLM引导的接触重定向与生成式伙伴建模用于人形-人交互
研究人员提出REACT框架，用于从人-人演示中学习可部署的人形-人交互策略。该框架利用VLM引导的接触建模和重定向管道识别语义上有意义的接触，并将其转移到人形-人几何结构上，同时通过生成式伙伴状态建模预测遮挡视图中的伙伴运动。在模拟和宇树G1人形机器人上的测试表明，该方法在五个接触丰富的交互中表现良好，且完全依靠机载传感器工作。
推荐理由：通过VLM引导的接触重定向和生成式伙伴建模，解决了人形机器人在与人交互时的部分可观察性问题，实现了完全依靠机载传感器的接触丰富交互。
arXiv · cs.ROAI 评分4545 CoGaussian: 基于高斯的开放词汇协同3D场景理解框架
CoGaussian 提出开放词汇协同语义占用预测框架，通过基础模型对齐的稀疏3D高斯表示多智能体几何与语义信息融合。在 Semantic-OPV2V 基准上超越现有开放词汇单智能体方法，提升多机器人系统场景理解能力。
arXiv · cs.RO精选AI 评分6565 MAPLE: Mondrian锚定的无学习室内探索先验
Kelvin Aladum提出MAPLE方法，一种无需训练的室内探索预测方法，通过将Mondrian过程适应为基于观察几何线索的在线生成先验，在KTH平面图和真实SLAM环境中表现优于非预测方法，与学习型预测方法相当，且计算资源需求低。实验表明更准确的地图预测不一定带来更好的探索效果。
推荐理由：无需训练的预测方法MAPLE在室内探索中表现优于非预测方法，与学习型预测方法相当，挑战了'更准确预测必然带来更好探索'的假设。
arXiv · cs.RO精选AI 评分7575 SceneRig: 从单张图像重建仿真就绪3D场景的智能体系统
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。
arXiv · cs.RO精选AI 评分7070 AgenticRoboRL: 将编码智能体后训练引入具身机器人
研究人员提出AgenticRoboRL框架，通过监督微调和多轮强化学习对机器人规划器进行后训练，在LIBERO-PRO基准测试中，9B参数模型的成功率从18.1%提升至71.0%，接近Codex(GPT-5.5)的水平。该框架通过适配器连接规划器交互与任务结果，支持不同执行机制。
推荐理由：9B参数模型成功率从18.1%提升至71.0%，接近GPT-5.5水平，证明后训练对机器人规划器有效。
arXiv · cs.RO精选AI 评分7575 PhysCanvas：面向机器人策略评估与学习的视觉触觉世界模型
研究人员提出PhysCanvas，一种统一多模态的视觉触觉世界模型，用于接触密集型机器人操作。该模型整合多视角RGB、触觉图像、标记位移、任务状态和动作，通过一致性感知后训练将世界模型与真实世界成功率的相关性从0.602提升至0.885，并将策略在真实世界中的成功率从59.1%提升至70.8%。
推荐理由：通过统一视觉与触觉模态建模，PhysCanvas将机器人策略评估与学习的成功率相关性提升至88.5%，解决了仿真与真实世界接触动力学不一致的难题。
arXiv · cs.RO精选AI 评分6565 Planning under Noise with Neural Operators：在噪声环境下使用神经算子进行规划
作者提出Planning Under Noise (PUN)神经算子，用于在不确定控制执行噪声下进行规划。该方法通过学习噪声感知的价值场，解决了传统方法在复杂几何环境中导航的挑战。
推荐理由：通过神经算子解决控制噪声下的规划问题，在4D场景下实现95-100%成功率且速度领先。
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。
arXiv · cs.RO精选AI 评分8080 UniWALM: 统一世界-动作-语言模型用于具身机器人控制
研究人员提出 UniWALM，一种统一的世界-动作-语言模型，在单一共享表征中学习视频、动作和语言。该模型在组合式抓取放置任务中表现优于基线模型，在真实世界的找物品任务中成功率从 11.1% 提升至 61.1%。
推荐理由：通过语言-感知-动作的统一表征，UniWALM 在机器人控制任务中实现了记忆依赖行为，无需外部规划器。
arXiv · cs.RO精选AI 评分6565 Joints, Camera, Action! 协同生成任意骨骼结构的3D运动与视频
Noam Rotstein提出了一种新模型，能够协同生成任意骨骼结构的3D运动与视频，并自动定位相机位置将运动放置到3D场景中。该模型通过分离运动模型与视频模型，使用交叉注意力层连接，支持从文本生成多样化骨骼动画，并能将视频转换为骨骼运动，实现关键帧控制。研究团队使用生成式视频编辑器创建了近20万训练对，评估显示该方法比视频优先管道更忠实于文本描述，且运动能响应周围场景。
推荐理由：通过分离运动模型与视频模型，实现了任意骨骼结构的3D运动与视频的协同生成，解决了现有方法仅支持人类骨骼或参数量过大的问题。
华尔街见闻精选AI 评分7878 网红研究所Citrini用Claude设计出抗蝎毒蛋白
投资研究机构Citrini Research在3个月内，用20万美元预算和Claude设计出211个蛋白，其中17个在实验中成功结合蝎毒神经毒素。团队几乎没有生命科学背景，通过35页提示词和1万小时H100 GPU计算，证明AI工具能让非专业人士进入高度专业化的科学发现流程。
推荐理由：投资团队用Claude设计抗蝎毒蛋白，证明AI for Science门槛正在下降，但生命科学难度不会因提示词变长而消失。
HuggingFace Daily PapersAI 评分5555 S-Agent 2.0：通用编码代理实现空间推理
研究人员提出S-Agent 2.0，一种通过命令行感知工具增强通用编码代理空间推理能力的方法。该方法在MMSI-Bench和ReVSI评测中显著提升了Qwen3.8-27B和Gemini-3.8-Flash的性能，分别达到66.5和82.3分，以及74.1和90.5分，超过了专用系统SpatialClaw的性能。
HuggingFace Daily PapersAI 评分4545 Video-Point Model 通过点轨迹预测学习4D世界
研究团队提出 Video-Point Model (VPM)，一种基于多视角视频和语言指令的4D世界模型，可预测未来视频和3D点轨迹。VPM-Data 数据集和 VP-WorldBench 评测基准支持训练，点监督提升视频保真度和3D运动准确性。机器人控制扩展中，动作令牌与视频联合去噪，提高模拟和真实机器人操作成功率。
钛媒体AI 评分7575 算力不再是最大挑战，互连芯片成AI集群瓶颈
随着AI集群从千卡走向万卡，数据传输通道成为制约算力发挥的关键因素。中国信通院数据显示，大规模分布式训练中网络通信耗时占比高达30%-50%，企业购买的GPU有近一半时间在等待数据。国产互连芯片厂商正通过协议硬件化、形态集成化和接口多元化三大路径突破技术瓶颈，800G网卡正从旗舰配置变为标配。
Google新闻·人形机器人(中)AI 评分3030 中国电信 TeleAI 孵化伽马智能，打通机器人产业化路径
中国电信 TeleAI 在上海孵化具身公司伽马智能，打通机器人产业化路径。
华尔街见闻精选AI 评分7878 谷歌CEO访谈：云业务为AI前沿让路，算力锁定2027年极其困难
谷歌CEO皮查伊在访谈中确认云业务正在为前沿AI研发让渡算力资源，承认当下每家公司的算力需求是两年前规划的两倍，客户锁定2027年算力极其困难。他强调前沿模型是谷歌第一优先级，并解释递归自我改进当前处于AI智能体与人类研究员协同推进的过渡期，距离自主失控终局还很遥远。
推荐理由：谷歌CEO罕见承认云业务为AI前沿让路，算力短缺已成行业现实，递归自我改进仍处于人机协同阶段。
arXiv · cs.ROAI 评分5555 PanoGraphGS：结合高斯溅射实现全景分割与分层3D场景图统一
Jinghan Gao提出PanoGraphGS框架，整合全景3D高斯表示学习与分层3D场景图构建。该方法在共享高斯几何上学习语义和实例特征，支持新视角全景分割和高斯级全景解码。在Replica和NaviGS数据集上，PanoGraphGS在物体节点准确率上超越最强基线50个百分点以上，并在2D全景分割任务中达到最先进性能。研究团队同时发布了NaviGS全景场景理解数据集。
arXiv · cs.ROAI 评分3535 HighwayEnv 测试床上 LLM 驾驶智能体经验记忆的受控评估
研究通过 HighwayEnv 测试台（1Hz, gpt-4o-mini）评估 LLM 驾驶智能体的经验记忆，发现预热池随机性显著影响结果，15-token 警示指令可达到无记忆基线性能，且基线移植质量会反转结论。
arXiv · cs.ROAI 评分4545 AWLS: 优势加权潜在转向方法提升单步生成式机器人操作策略
AWLS 通过优势加权动作重建目标训练残差噪声整形器，改进冻结的单步生成式机器人操作策略，在模拟和真实机器人操作任务中优于基础策略且限制行为漂移。该方法无需更新解码器，保持快速单步推理，并采用无回滚解码器敏感性准则选择预训练检查点。
arXiv · cs.ROAI 评分4040 Give the Model a Finger: Developmentally Aligned Evaluation of Counting in Vision-Language Models
研究通过让视觉语言模型模拟儿童数指动作，在9个模型、682张图像和7种测试条件下发现，模型的精确计数范围差异显著（R80从3到150点）；标记作为干预手段仅对4个模型在小规模计数照片中有效，但作为测量工具可追踪模型推理过程；模型遵循指令遍历顺序却常因顺序反转改变答案，与儿童行为存在差异。
arXiv · cs.RO精选AI 评分6565 RoboJudge: 多模态大模型作为具身视频生成的评判者
研究团队提出RoboJudge-Bench基准，用于评估多模态大模型作为具身视频生成评判者的能力。该基准涵盖800个人类标注的视频，测量物理遵循和指令对齐两个维度。研究团队还构建了RoboJudge-Train数据集，并基于此训练出RoboJudge-9B模型，在评测中达到与人类判断的最高一致性，皮尔逊相关系数达0.719，比最佳基线模型Gemini-3.7-Flash高出0.089。
推荐理由：首个系统性评测多模态大模型对具身视频生成判断能力的基准，揭示了通用模型与专业模型在物理遵循和指令对齐上的评估差异。
arXiv · cs.RO精选AI 评分7070 多视角潜在动作预训练用于跨具身机器人视频学习
Oliver Hausdörfer提出一种多视角潜在动作模型(LAM)，通过交叉注意力解决深度和遮挡问题，将同步多摄像头视图压缩为潜在动作。实验表明，双视角LAM预训练将真实6D动作解码准确率提高17%，下游策略成功率提升13.5%，单次跨具身学习即可实现技能迁移，硬件实验中成功率提升20%。
推荐理由：多视角潜在动作预训练将6D动作解码准确率提升17%，证明视频与机器人数据互补且任务依赖性强。
arXiv · cs.ROAI 评分5555 RoboCasa-Shift：视觉-语言-动作策略在长时序家庭操作中的阶段感知鲁棒性评估
Haocheng Wang等人提出RoboCasa-Shift基准，用于评估视觉-语言-动作(VLA)策略在分布变化下的鲁棒性。研究在GR00T N1.5模型上测试了四个长时序任务，发现鲁棒性响应在不同因素和任务间差异显著，且严重程度增加并不总是导致单调退化。研究表明VLA鲁棒性应被视为执行的多维特性，而非单一的端到端性能指标。
arXiv · cs.RO精选AI 评分7070 前沿大语言模型进入机器人领域：在RoboColiseum上的跨模型评估
研究团队在RoboColiseum平台上对GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5和Gemini 4 Argon四个模型进行了多维度比较评估，涵盖指令跟随、空间推理、通用操作和鲁棒性四个方面。结果显示所有模型在指令跟随上表现优异，空间推理能力强，但通用操作能力较弱；Astra在指令跟随和鲁棒性上领先，Opus在空间推理、通用操作和整体性能上领先。
推荐理由：大模型在机器人任务上展现出指令理解与空间推理优势，但执行能力仍存明显差距，模型间互补性强。
arXiv · cs.ROAI 评分5555 枚举引导的神经哈密顿-雅各比安全证书训练
本文提出了一种验证引导的训练框架，通过概率枚举安全约束来检测前向不变性违规，生成比标准对抗攻击方法更精确的失败边界反例。在Isaac Sim环境和真实自动驾驶赛车实验中，该安全过滤器实现了零安全约束违规，相比传统控制器和LQR备份策略表现更优。
arXiv · cs.ROAI 评分5555 新手操作者所见影响策略学习：基于关键点手部视觉表示的远程操作演示用户研究
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%。
arXiv · cs.RO精选AI 评分6565 EventSync: 面向历史依赖操作的事件驱动记忆更新
Jingjiao Zhao提出EventSync框架，通过事件驱动记忆更新协调任务推理和动作执行，在RoboMME基准上达到64.5%的整体成功率，比最佳基线高出20个百分点。该框架结合视觉语言模型生成子目标和视觉语言-动作模型执行，并通过轻量级事件监控器确定子目标完成状态。
推荐理由：事件驱动记忆更新解决了机器人操作中历史依赖任务的关键挑战，在RoboMME上实现64.5%成功率，领先基准20个百分点。
钛媒体AI 评分7575 机器人行业进入调整期，资金从整机转向具身大脑
盈合机器人进入破产清算，宇树科技市值大幅缩水，2025-2026年已有超过20家机器人公司破产或关停。与此同时，一级市场资金加速流向具身大脑领域，2026年上半年具身大脑融资占比达50.8%，远超本体整机的12.8%。行业正经历从硬件到智能的周期性调整。
钛媒体精选AI 评分8181 OpenAI 招聘27个机器人硬件岗位，战略转向自研机器人身体
OpenAI 在2026年10月招聘27个机器人相关岗位，包括执行器设计等硬件职位，并租用202,000平方英尺、电力容量超过14,000安培的工业仓库。这一转变与OpenAI创始人奥尔特曼此前'只做大脑'的表态形成对比，显示公司战略从纯AI模型转向硬件与软件结合。
推荐理由：OpenAI 从'只做大脑'转向自研机器人身体，招聘27个硬件岗位并租用数据中心规格仓库，揭示AI巨头正重新定义硬件与软件的关系。
HuggingFace Daily Papers精选AI 评分6565 SolarRenderer: 少步生成式参考渲染
研究人员提出SolarRenderer，一种结构条件视频渲染器，通过冻结MiniMax-H3 33B主干模型并使用两个轻量级LoRA适配器，实现了四步渲染，比50步采样快12.3倍。该模型在136K帧对齐语料上训练，可在16种结构表示上达到最先进结果，并能泛化到11种未见表示，包括姿态骨架、绘图和点云。
推荐理由：四步渲染比传统方法快12.3倍，同时保持对11种新结构表示的泛化能力，为实时视频生成开辟新路径。
HuggingFace Daily Papers精选AI 评分6565 Sage-A1.5：从长周期执行到科学探索的能力组合模型
Sage-A1.5是一个35B参数的混合专家智能体模型，在A1基础上通过自适应能力组合提升长周期问题解决能力。该模型具有三大改进：智能体编排、验证和开放科学发现，支持任务分解、并行协作、进度检查和策略修订，并能进行探索性科学研究。
推荐理由：通过能力组合实现长周期任务执行与科学探索，Sage-A1.5展示了智能体协作与验证的新路径。
Google新闻·人形机器人(中)AI 评分3030 全球具身智能已来到“标准先行、规则定局”关键期
全球具身智能进入“标准先行、规则定局”关键期。行业正加速推进技术标准制定与规则框架构建，为具身智能规模化应用奠定基础。
钛媒体精选AI 评分7676 2026工博会：机器人赛道从炫技转向落地，具身智能临界点提前
2026年工博会显示机器人赛道从关注人形姿态转向实际产线应用，头部厂商如汇川、库卡、节卡等已实现工序节拍优化。宇树科技创始人王兴兴反思低估AI作用，GPT-6在机器人控制任务中成功率提升至95%，具身智能临界点可能在一两年内到来。工业AI渗透加快，IDC数据显示36.6%制造企业已部署2至5类工业智能体，但跨场景迁移和稳定性仍是主要挑战。
推荐理由：工博会显示机器人赛道从炫技转向落地，GPT-6让具身智能临界点提前至一两年，但工业场景仍需解决泛化性与稳定性问题。
钛媒体AI 评分6565 房车智能化赛道发展现状与挑战
房车正被拽入乘用车智能化浪潮，新能源底盘渗透率达18.4%，星空梦屋等企业推出原生智能架构方案，但面临供应链与规模挑战。传统房车智能化多停留在智能家居上车阶段，真正底层重构的智能房车仍处于初赛阶段。
华尔街见闻精选AI 评分8585 亚马逊云因供电不足致数十亿美元英伟达芯片积压仓库
亚马逊内部文件显示，AWS每月接收约30亿美元的英伟达GB300芯片机架，但因数据中心供电不足只能堆放在中转仓库，导致公司自由现金流转负且将持续数年。芯片积压未拉低GPU租价，反而因通电算力稀缺推动B200租价较年初上涨40%。
推荐理由：数十亿美元英伟达芯片因电力瓶颈闲置仓库，揭示AI军备竞赛中基础设施与需求错位的结构性矛盾。
Google新闻·人形机器人(中)AI 评分3030 韩美中在物理AI领域展开竞争，最终目标是‘通用AI大脑’
韩美中在物理AI领域展开竞争，最终目标是开发‘通用AI大脑’。三国正通过技术研发争夺这一领域的领先地位。
钛媒体精选AI 评分8585 当机器狗学会自己挣钱，芯片才是真正的赢家
2026年上半年全球四足机器人出货量突破4.9万台，同比增长92.5%。芯片需求从消费级简洁方案转向工业级复杂需求，人形机器人需20-30套编码器，MCU部署量近100颗。国产芯片在高端算力上仍有差距，但优必选与沐曦合资成立曦选创智，聚焦具身智能端侧芯片研发。国产芯片竞争焦点从单颗性能转向整体方案可落地性，工具链和功能安全认证成为决定性因素。
推荐理由：芯片从集中走向分布，国产芯片窗口期比想象中更短，工具链和功能安全认证成为决定性因素。