研究团队提出Embodied Agent Arena，在几何、空间推理、可供性、任务规划与操作五个维度评测十个VLM智能体，1000个案例由32个既有来源与自建GeoProbe基准（168案例，覆盖相机、运动、深度与尺度估计）组成。结果显示闭源权重模型在全部五个领域领先，开源权重VLM空间推理可用但规划与操作成功率明显更低。执行中智能体可达成早期子目标却失去物体控制、将动作绑定到错误接收区域或提前停止；代码修复能恢复执行但不完成任务，自我审查可能推翻正确判断。
机器人行业洞察
今日精选
The robotics journal行业消息
论文提出 WorldEcho 评估框架，用视觉完整性和 SE(3) 末端执行器轨迹对齐两项指标，在比专家演示更广的动作分布上检验动作条件世界模型是否真正遵循指令动作。诊断发现，经专家数据训练的模型在演示动作上表现较好，但在非专家轨迹上会生成与指令动作不一致的运动或视觉上无效的推演。为此作者提出 WorldSync，通过扩大动作覆盖、用 Action-Forcing Expert 将中间视频表示锚定到动作引发的机器人动力学、并在动作干预下对齐预测与真值变化。实验显示 WorldSync 降低了 RoboTwin 上的完整性门控误差，用于迭代策略改进时在仿真和真实机器人上成功率更高。
RobustRLlib 在统一接口下集成 17 种鲁棒在线、离线与安全强化学习算法，并配套覆盖真实世界扰动及人形机器人、视觉-语言-动作任务的评估平台。该系统在 273 种扰动配置上完成评测，给出当前鲁棒 RL 算法的能力图谱，指出有效区间与仍存在的鲁棒性差距。项目以开源形式发布，代码库可复现、可扩展。
论文提出 LogLook，一种面向前沿视觉语言模型机器人规划器的执行锚定记忆机制：系统保留执行日志与模型此前笔记，由模型决定查看位置，仅在预期变化处返回帧，并在检查所选部分前先略读演示。用基准的运动规划器测量，LogLook 在 token 减少 43%、图像用量不到一半的情况下达到与仅笔记记忆相同的成功率，因记忆或所见内容导致的失败回合大幅减少；直接控制下在 RoboMME 测试集上解决 93.5%。
论文提出 RoboCode，用共享的软门控基元动作接口学习跨任务复用的短时程动作模式：每个动作块被表示为多个已学习基元的软组合，而非单个离散编码；该接口从多任务汇集的动作块中学习后冻结，再训练任务特定的状态编码器将状态映射到共享潜空间。在五个 ManiSkill 操作任务上，动作块平均重建 MSE 为 0.0187，编码激活分析显示跨任务存在结构化编码复用；闭环平均成功率为 75.6%，高于 ACT 的 68.8% 和更大规模 Diffusion Policy 基线的 41.6%。
研究团队发现 OpenVLA 激活的稀疏自编码器（SAE）表征含有可预测任务结果的信息，能在机器人进入不可恢复状态前预测失败。他们识别出强激活与成功或失败特定阶段对应的单个 SAE 特征，并通过定位特征激活显著变化的时间区间归纳出反复出现的行为模式。团队还构建基于 VLM 的解释流程为这些模式生成行为描述，并在留出区间上验证描述与特征激活的对应关系。
英伟达团队发布工业级机器人数据引擎 Flora，用于训练 GR00T 模型，同时提供结果奖励标签、过程奖励标签和带时间戳的说明文字三类数据标注能力。Flora 在说明文字基准 WGO-Bench 及奖励基准 RoboReward、Robometer 上取得 SOTA，内部基准与 GPT-6 Astra 相当，成本约为后者的 1/125。该引擎已在 512 块 GB300 上每天标注 20 万小时数据，并已开源，供研究者扩展自定义机器人数据集。
南洋理工大学及合作者提出CodeActionBench基准，用于评估具身操作中智能体代码即策略的完整闭环：智能体自主选择观察视角与视觉目标、构建3D估计、生成操作姿态、编写并调试程序，并自行判断任务完成。在双臂仿真配置中，尝试成功率从2.7%到73.3%不等，GPT-6 Astra（Codex CLI）达到73.3%，Claude Opus 5为49.3%（参考测试框架）和45.3%（Claude Code）；在七个共享参考测试框架配置中Opus领先，Gemini 3.6 Flash以20.0%紧随。轨迹分析显示视觉定位、3D估计和程序纠正是三个独立瓶颈。基准、代码与项目页面均已开源。
Einsia AI 的 Navers Lab 发布 EmbodiedEvo（ArXiv 2610.18867），让编码智能体在每任务专属的 Playground 场景中自由探索，把验证有效的操作封装为带检查条件的参数化函数，并积累文本经验供后续任务复用；reset() 仅在 Playground 可用。在 RoboDojo 基准上取得 45.08 平均分、38.95% 成功率，超过所有 VLA/WAM、独立 Agent 及 Agent+VLA 方法。轨迹分析显示 Astra 等基线智能体知道抓取目标但抓取不可靠，自进化技能弥补了该差距。论文、代码与项目主页已开放。
研究在RoboDojo基准的六项操作任务上，于多种推理强度与服务层级设置下评估了九个前沿多模态语言模型直接控制实体机械臂的能力，称这是首次在实体硬件上对广泛前沿LM做系统性比较。结果显示当前模型能完成多种操作任务，但精度与效率不足以在实用动作预算内完成。2026年7月至10月间基准性能翻倍时间为53.9天，最佳执行速率提升4.4倍，最低执行成本下降6.2倍。
研究提出用另一个编码智能体（优化器智能体）自动改进视觉界面机器人智能体的harness（提示词、工具与控制规则）。实验显示：每轮rollout数从5增至100可提升留出集成功率，小批次会过拟合；采用Champion-Challenger规则（仅在相同固定用例上胜过现任版本才采纳修订）后，LIBERO任务留出集成功率在30轮内从51%升至67%。将进化harness与预训练策略结合并用多教师在线策略蒸馏回策略，得到独立策略在RoboCasa365官方协议下达62.2%，较起点高4.8个百分点；叠加进化harness后在排行榜基准达71.2%，比最佳已发表条目高13.1个百分点。
论文提出“最小数据自适应”范式：预训练机器人策略仅凭一次演示，随后通过自主在线交互学习新任务。作者指出，预训练策略在新任务上零样本失败，但单次演示可将其行为先验引导至粗略任务跟随。据此提出 MiDAS，将少演示行为克隆与基于冻结 VLA 表征的价值型残差学习结合，并强调数据平衡以防探索崩溃。在 LIBERO 与 RoboCasa 任务上，MiDAS 从单次演示初始化显著提升性能；在双臂 YAM 平台上，约六小时在线交互后任务成功率提升。
arXiv 2604.24033v2 提出事件相机状态估计基准框架 EvSLAM，覆盖多种数据采集平台、极端光照场景与挑战性运动模式，并给出面向移动机器人的高速机动严格定义及新评估指标。作者指出，现有事件相机 VO/VIO 方法多局限于贴近结构的正面平行快速晃动或纯三自由度旋转假设，无法泛化到线速度与角速度均可能较大的 6-DoF 剧烈机动，且当前公开数据集存在不足。该框架对 SOTA 方法进行基准测试，用于评估事件相机方案的实际运行极限。
论文提出无需训练的离线指标 S²（感觉运动对齐），衡量模型感知表示与物理运动几何结构的对齐程度，在多个具身模型系列中与下游机器人任务成功率正相关。S² 可在闭环评估前用于模型优先级排序，并能在 VLM 微调为 VLA 之前识别有前景的骨干网络。作者据此将柏拉图表示假说扩展到具身模型，并为 VLA 与世界动作模型中的现象提供表示层面解释。
该论文提出在线可精炼语义建图框架，为每个物体点维护置信度分数，利用多视角时序证据在线更新：一致观测强化可靠点，不一致的分割掩码、深度与可见性线索抑制虚假和过时点，并结合物体跟踪与重识别在物体移动后保持实例身份。实验显示建图精度较先前方法在 Replica 上提升 3.46%、在 ScanNet 上提升 2.55%，用于物体导航和具身问答的成功率分别为 82.4% 和 76.7%。
针对现有 VLA 模型在多视角输入下持续依赖腕部视角、缺乏跨操作阶段动态调整全局-局部视角依赖的问题，作者提出阶段感知多视角路由框架 FocusVLA：从历史动作预测未来交互意图，并据此在动作生成过程中动态路由视角。在 RoboTwin 2.0 上，其平均成功率较最强基线 π0.5 提升 10.10 个百分点；真实世界评估成功率从 71.7% 升至 85.0%，相对 π0.5 提升 13.3%。其意图预测与动态路由模块可在不修改核心架构的前提下集成进现有 VLA 框架。
论文提出 WholeBodyMem，一种面向人形机器人全身 VLA 策略的物体引导感知记忆模块，用于保留机器人执行目标动作前观察到的物体事件前史。方法用 SAM3 跟踪任务物体，按事件因果地在自适应预算内选取关键帧，动作专家通过交叉注意力结合编码外观、几何与时间的物体 token 读取。作者同时发布 HuMeGo 基准，含 6 个仿真任务与 6 个真实 Unitree G1 任务。结果显示基础策略成功率在仿真中从 29.1% 升至 72.6%，真机从 36.7% 升至 88.3%，标准 SIMPLE 任务从 70.2% 升至 86.9%。
LocoManiLab 发布统一测试平台，覆盖数据采集与生成、策略训练、评估和物理部署。任务套件包含五个家庭场景类别下的 234 个原子与组合任务，配套 51.5 小时仿真遥操作数据。评估在共享控制器下测试十二种策略跨任务/场景划分与扰动水平的表现，并比较两种策略在五种控制器下的差异；成功率在未见任务与场景上下降，且随视觉扰动增强而普遍降低。三个仿真移动操作任务与真实设置高度匹配，三种策略在仿真与真实域中的排名相似。
研究提出Alpha框架，在仿真中对LLM驱动机器人操作按感知（传感器延迟）、驱动（抓取滑移）、运动学（不可达目标）、规划（规划器输出损坏）四类注入校准故障。在150回合配对矩阵中，Llama-3智能体成功率44.0%（33/75），确定性脚本Oracle为64.0%（48/75），McNemar p=3.01×10^-4；剔除规划器输出损坏后两者均为55.0%（33/60），不一致对数为零（p=1.00）。作者据此认为性能差距全部来自提示词到JSON的序列化与验证接口，而非认知推理缺陷，并审计了169次历史试点。
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。