至知创新研究院（IQuest Research）公开IQuest-Q1完整技术报告《IQuest-Q1: Advancing Foundation Capabilities for Agentic CLI Systems》。该模型为320B总参数、15B激活参数的开源模型，面向代码开发、命令行交互与复杂Agent任务。报告给出30项Benchmark成绩，对照模型包括Claude Opus 5、GPT-5.6 Sol，并披露训练细节，包括100万道实战题与防AI作弊机制。此前实测场景包括6个路口早高峰调度、双11仓库8台搬运机器人调度、24层写字楼电梯调度。
机器人行业洞察
今日精选
The robotics journal行业消息
高工人形机器人统计显示，2026年前9个月具身智能行业累计发生437起融资事件，累计融资约2032亿元人民币，月均超225亿元；剔除优必选、宇树等已上市企业后，国内估值超百亿元的具身智能企业达29家，其中地瓜机器人、极佳视界、酷哇科技、灵心巧手、星海图、银河通用、智平方、自变量机器人、小鹏机器人业务等12家估值已超200亿元。小鹏机器人业务首轮融资9亿美元（约60.3亿元），刷新中国具身行业单轮私募股权融资纪录。灵巧手领域年内约35笔融资、金额超67.3亿元，同比增长821%。地域上深圳10家、北京和上海各8家。
NEURA Robotics与慕尼黑工业大学（TUM）于2026年10月22日在慕尼黑机场附近LabCampus开设TUM RoboGym，占地超2300平方米，由TUM慕尼黑机器人与机器智能研究所（MIRMI）合作建设，将研究、机器人训练与工业应用结合。自9月起已有来自汽车、制药、医疗技术、包装、物流、农业、护理等十多个行业的企业在此训练具体流程，慕尼黑产能已供不应求。NEURA同时发布人形机器人4NE1 Gen 4，比前代轻20%，采用黑色织物外壳与先进运动控制系统，运行于其物理AI基础模型Neuron AI，面向批量生产设计。
沃尔玛发布 Agent Gateway，这是一个 MCP 服务器，允许 AI 智能体在沃尔玛网站上进行购物；同时推出 Agent Profiles，用于对智能体进行授权，并将智能体产生的购买记录与人类用户分开追踪。
路透社记者Milana Vinn报道，埃隆·马斯克公开表态支持SpaceX与特斯拉合并，这一言论令部分内部人士感到不安。这些人士担心，马斯克的表态可能招致股东更严格的审视，并使合并进程出现延迟。
arXiv 2610.25600v2 提出向量量化世界模型（VQ-WM），将离散隐状态搜索与连续视觉反馈控制结合用于机器人长程操作规划：离散隐预测器建模向量量化隐状态转移以寻找最短路径，学习控制器通过视觉反馈依次到达规划状态并纠正偏差。方法以首达时间估计器替代欧氏距离作为准度量，使规划抽象与控制器能力对齐。在实体机器人汉诺塔任务上，仅用短时演示数据即达到100%成功率，而VLA、WAM等基础模型仅在训练数据含解轨迹时成功；在涵盖操作与运动的仿真基准上比最强世界模型高13.3至85.3个百分点。
论文提出仅用RGB-D相机的低成本自主框架TrackDeform3D，用于采集可变形物体的3D关键点数据：方法识别3D关键点并跟踪其轨迹，引入运动一致性约束生成时间平滑、几何一致的数据。在多种物体类别上与多个先进跟踪方法对比，几何与跟踪精度均有一致提升。基于该框架发布的数据集包含6个可变形物体、总计110分钟轨迹数据。
论文发现VLA动作生成与图像/视频生成差异显著：仅将训练时间步分布偏向噪声端点，即可在LIBERO、LIBERO-Plus、LIBERO-Pro及真实机器人任务上获得强单步策略；对多种架构的开源VLA模型，用单次前向替代迭代解码，在LIBERO、CALVIN、SimplerEnv等基准上常与原多步解码相当。作者用标准Flow Matching的不可约速度损失R_v(t,c)解释：VLA在噪声端点处该损失更小，而图像生成模型多呈U形；学习到的生成映射对初始噪声的雅可比最大奇异值在动作生成中明显更小。作者认为VLA的条件-目标结构更接近图像到文本，使单步生成更易实现，代码与训练配置已开源。
arXiv:2506.21697v2 提出随机神经控制屏障函数（SNCBF）的可验证安全合成方法，覆盖激活函数二阶可微的光滑 SNCBF 与使用 ReLU 激活的 SNCBF 两类情形。方法包含两个框架：面向光滑 SNCBF 的免验证合成框架，以及同时适用于光滑与 ReLU SNCBF 的验证在环合成框架。作者在倒立摆、Darboux 和独轮车模型三个案例中验证了所提框架。
研究提出 Cartender 方法，从真实驾驶记录中构建反事实分支：由视觉语言模型提出替代未来及对应选择指令，不受支持的指令作为负标签，无需模拟器。方法学习场景-语言兼容性分数调节轨迹生成，并用奖励训练的语言残差对候选重排序。在 WOD-E2E 上，3,603 个可行指令条件下最佳提案 RFS 为 8.642；8,974 个被接受提案平均 RFS 8.203，高于匹配记录轨迹的 7.906，67% 提案得分超过记录对应项。同场景配对指令成功率从 23.67% 升至 57.00%，RFS 从 6.32 升至 7.10，不可行指令执行率从 53.36% 降至 14.18%。
论文提出 PaceVLA 框架，用于解决 VLA 模型因从遥操作演示学习细粒度时间模式、需大量底层动作步而导致的执行时间效率低问题。该框架包含两个耦合组件：基于共享动作专家的模式特定动作解码器，支持多种时间粒度与预测时域；以及可量化性引导的模式选择方案和上下文条件路由器，在每个推理步判断粗粒度执行是否合适并选择执行模式。在三个多任务仿真基准和六个真实世界任务上，PaceVLA 在多种具身形态（含长时程与灵巧操作）中提升执行效率并保持任务成功率。
论文提出积分自监督方案：用短视教师在每个短窗口独立对IMU积分，从零训练惯性里程计模型，学生虽仅受短窗口速度变化监督，却学会直接预测速度且精度超过教师；再用位姿图蒸馏以多窗口位姿图的序列一致目标精炼模型。该方法在新平台部署时无需采集真值轨迹，只需标定IMU并在正常运行中记录数据。在行人、无人机、四足和人形共六个数据集上，无速度或位置标签训练的模型平均速度误差与同架构有监督基线相差0.07 m/s以内。