机器人行业洞察
今日精选
The robotics journal
行业消息
特斯拉帕洛阿尔托研发中心工人已持续数月开展“机器人大学”数据采集项目，并非媒体所称刚刚启动。工人穿着重24磅、配备最多40个摄像头及3D传感器阵列的套装，记录动作的精细视频与3D场数据，套装存在多种配置。工人被分配执行不同任务且不知任务来源，多个小组三班倒24小时作业，得州工厂也有类似做法。采集分家庭场景（如制作三明治）与工厂作业（如为车辆安装暖通空调）两类，数据量比单车9个摄像头采集的高出数个数量级。
Manifold AI 提出 WorldScape R²SI 框架，由内层 Robot Agent 按任务专用技能执行动作，外层 Recursion Agent 审查执行记录、修订技能，并在任务用到反应式动作模型时重新训练该模型，更新须通过测试才发布。来源报告称其在 RoboDojo Agent Track 排名第一，领先 GPT-6 Astra 与 GR00T-N1.7。push_T 示例中，技能修订把最初超预算的 723 步尝试降到成功的 596 步，同一布局再降至 389 步；冻结技能后三个随机布局分别用 222、312、256 步完成，均在 600 步预算内。
GE-Act 2.0 是一个世界-动作模型，其生成组件与动作组件全部在操作数据上从零初始化，未继承预训练视频生成器。模型由面向控制的自编码器 CoAE、单步视觉规划器 SVP 和逆动力学模型 IDM 组成，先分别在互补数据上预训练，再用知识对齐的选择性优化 KASO 联合训练。在 20 个技能组共 100 个任务上直接评估预训练检查点、不做逐任务微调；联合训练数据从 300 小时扩至 30,000 小时，G1-OP 成功率由 17.1% 升至 44.1%，G2-90D 由 13.4% 升至 31.1%，后者数据占比不足 2% 仍提升 17.7 个百分点，提示跨具身迁移。
研究团队在Idealworks的iw.hub差速驱动机器人与全向人形移动平台（HMP）上，测试NVIDIA X-Mobility与COMPASS学习型导航工作流的sim-to-real可靠性，并构建Idealworks研发中心数字孪生。在数字孪生中微调X-Mobility并加入NVIDIA Cosmos生成的sim-to-real增强数据后，策略部署于iw.hub板载Jetson AGX Xavier，在真实研发中心四个场景的成功率由65.3%升至91.7%，加权行驶时间较仅仿真训练近乎减半，与现有生产导航栈差距8.3个百分点，且全程板载运行；配合全局规划器可在每次试验中到达远处被遮挡目标。
arXiv 2605.29864v2 提出未来经验条件化（FEC）接口，将闭环策略条件化于短未来视频的潜在表示。未来片段分三阶段生成：LLM推理器在任务本体上推理、无机器人数字孪生推演物体运动、无掩码视频扩散模型合成与机器人一致的未来片段。在RoboCasa和CALVIN上以BC与BC+RL实例化，对比NoFuture、GTFuture、GenFuture、WrongFuture四种条件及SFP基线：生成未来优于无未来条件，不匹配未来则降低性能，BC+RL整体最强；8个CALVIN任务上GTFuture提升最快，GenFuture早于且高于NoFuture，WrongFuture全程为零。
研究团队提出 PlayPolicy（DSP）框架：机器人先通过行为克隆从数分钟人类玩耍数据中学得玩耍策略，再自主运行数小时采集交互数据训练世界模型；推理时该策略为模型预测控制（MPC）提出候选动作序列，由世界模型评估，并可用世界模型内自我对弈蒸馏闭环目标条件策略加速推理。在仿真与真实世界的多指手欠驱动推动和任意到任意手内姿态重定向任务上，真实实验成功率比事后行为克隆高 69.6%，交互数据量比强化学习少 490 倍而成功率相当，且无需任务特定演示或 sim-to-real 迁移。
研究团队提出 CapPro 框架，使预训练 VLA 策略仅凭单段人类演示视频即可适配此前未见的操作任务，无需目标任务机器人演示或微调。该框架由两部分组成：阶段感知人类视频表示模块通过视觉 token 选择构建紧凑视频表示，并在阶段字幕监督下学习任务相关查询表示；视频条件适配模块将紧凑视频与查询表示注入预训练 VLA 策略的动作条件上下文，同时基本保留原动作生成主干。实验显示，CapPro 在未见目标任务组上提升平均性能，源任务性能保持可比。
针对人类视频到机器人策略迁移（H2R）方法因任务套件、场景布局、物体实例与机器人监督量不同而难以横向比较的问题，研究者提出 Real2Sim 基准 H2RBench，基于真实人类视频演示与仿真机器人演示建立标准化协议，覆盖四个交互需求不同的操作任务。论文评估了多种采用不同具身差距弥合策略的代表性 H2R 方法，刻画各方法随人类演示数量增加的性能扩展，发现方法间利用额外人类数据的能力差异显著。仿真性能对真实机器人性能具有预测性，跨方法-任务配置的 Pearson 相关系数 r=0.89、Spearman 相关系数 ρ=0.85、平均最大排名违规 MMRV=0.06。
该研究在仿真中用基于采样的模型预测控制（SMPC）作为自动专家生成大规模离线数据集，以绕开稠密奖励塑形的人工瓶颈，使离策略强化学习仅凭稀疏任务奖励即可训练。高层智能体与低层动态稳定性控制器结合后，学到的策略在任务目标对齐上超过原始最优控制教师。作者在配备机械臂的Spot四足机器人和G1人形机器人两种形态上部署了复杂移动操作技能，验证了sim-to-real框架的鲁棒性。
该论文提出接触隐式、基于直接仿真的多重射击（DSMS）框架，将运动学可行的参考轨迹转换为动力学可行的全身轨迹：把可微仿真器嵌入非线性规划，在内部处理接触、摩擦、碰撞、自碰撞与关节限制，同时施加跟踪、驱动和任务约束，无需预设接触时序或显式接触约束。作者称相比现有重定向方法，DSMS 可加速运动模仿强化学习训练，得到成功率更高、跟踪误差更低的策略；并在 Unitree G1 上完成零样本仿真到现实迁移，覆盖指令条件化行走、慢跑、接触密集爬行及 180 度跳跃转身。
LaWAM 提出以紧凑的潜在视觉子目标替代重建未来视频，将预测动态注入机器人策略。其核心 LaWM 在预训练视觉基础模型的潜在空间中训练潜在动作模型，并复用前向解码器预测未来观测特征。在 LIBERO 上成功率达 98.6%，RoboTwin 上达 91.22%，真实世界操作任务同样取得领先或具竞争力的结果；每次动作块预测耗时 187 毫秒，墙钟延迟较像素空间 WAM 最多降低 24 倍。
研究团队提出开源无人机仿真器 Crazyflow，将高保真动力学与 JAX 结合，兼顾速度与可微分性，可在单 CPU/GPU 上扩展到数百万环境或数千个集群、每集群数千架无人机，并支持集群扩展。真实实验显示其支持基于解析梯度的策略学习，无需域随机化即可实现高精度跟踪，基于采样的避障速度超过每秒 5 亿步。团队将一架真实无人机抛向空中，从零训练恢复策略仅用 0.37 秒并在落地前接住，演示了飞行中强化学习，突破先训练后部署范式。
WorldArena 2.0 将具身世界模型基准从纯视觉预测扩展到视触觉多模态感知与预测，并把评估范围从策略评估与规划延伸到将世界模型作为交互式强化学习环境用于策略优化。平台维度上，该基准不再局限于仿真器，覆盖多种具身形态的仿真与真实机器人设置，在标准化协议下评估感知质量、交互效用与跨平台性能。代码与演示已发布于 world-arena.ai。
arXiv 2605.13775v2 提出 RoboEvolve 框架，将 VLM 规划器与 VGM 仿真器耦合成协同进化循环，用无标签种子图像自举，通过日间探索（语义控制多粒度奖励）与夜间巩固（挖掘近失失败）双阶段机制训练。实验显示基础规划器提升 30 个绝对点、仿真器成功率平均提升 48%；仅用 500 个无标签种子即超越全监督基线，初始 RL 数据减少 50 倍；并可将冷启动 LingBot-VA 在 LIBERO 上的平均任务成功率从 78.7% 提升至 98.7%。
研究提出强化学习框架 PrepTurn，将当前与下一个位姿目标直接映射为关节动作，用即将到达的目标指导机器人如何接近当前目标，避免单目标策略在连续目标下出现的走走停停。方法包含持久信用奖励与逐步提升目标难度的自动课程，无需预设轨迹或到达时间即可协调接近速度与转向。仿真与 Unitree Go2 机载实验显示，连续穿越完成率高、运动更高效且停顿减少；目标容差放宽后，策略还出现提前转向下一目标和在允许区域内切角的涌现行为。
研究团队提出零真实数据智能体策略 ZAP：以预训练 27B 参数视觉语言模型为基座，经监督微调与 GRPO 在简单仿真任务上训练，训练全程不使用真实机器人数据。在真实世界任务上成功率达 96.7%，与 GPT-6 Astra 持平，高于 MolmoAct2 VLA 的 33.3%，运行速度快 3 倍、成本低 17 倍。ZAP 可泛化到训练数据中未出现的物体、目标与操作，包括试管入架并按要求换孔、双臂空中传试管、井字棋画 X 与下国际象棋；迁移到单臂 Franka 后在 RoboLab-120 上达 55.9%，领先最佳 VLA/WAM 基线 4.9 个百分点。
研究团队提出FLORE框架，用于学习力反应式人形机器人移动操作。数据采集不依赖机器人本体：用两个带力感知的UMI风格手持夹爪记录手部运动与接触力旋量，用可穿戴追踪器记录身体运动。力反应式扩散策略以视觉、本体感知和实测力旋量为输入，输出动作与每只手的力指令；带力跟踪的混合柔顺全身控制器在保持平衡的同时执行指令，通过对真实力/力矩传感器测得的力误差做积分，使每只手沿指令方向精确跟踪力、在其他方向保持柔顺。仿真中控制器可跟踪不同大小与方向的单手力指令，全身运动精度损失很小。机器人上三项接触密集任务中，力反应式策略成功率为80%，仅位置策略为26.7%。