来源：Lumina具身智能 文章链接：https://mp\.weixin\.qq\.com/s/jxViNfNSuDrcCmsXf\-MzLw 如果让人形机器人学会翻滚、跳跃和起身，最先遇到的往往不是动作难，而是训练太慢。每次策略更新都要让模拟器把机器人重新跑一遍，动作越多，等待越长。 如果让人形机器人学会翻滚、跳跃和起身，最先遇到的往往不是动作难，而是训练太慢。每次策略更新都要让模拟器把...

来源：将门创投 文章链接：https://mp\.weixin\.qq\.com/s/b0QNQtAau3xvEEl7ROVqKg 香港大学与忆生科技等机构将逐会话的动捕适配改为一次参数生成，为低成本灵巧手遥操作提供更准确的上游输入。 具身智能系统需要高质量的操作示教。在灵巧手场景中，数据采集首先面临一个基础问题：操作员实际做出的动作，能否被动捕设备准确记录。指尖位置和关节角度的偏差会进入动...

来源：工控路 文章链接：https://mp\.weixin\.qq\.com/s/aPPIgLr\-ZHibah\_Atz47Sw 3 小时，1 张 H100。对面是 168 小时，128 张 L40。这组数字是真的，但它不是全部。 01两份账，56 倍和 7200 倍 前者是 UC Berkeley 这篇 CoRL 2026 Oral（arXiv:2610.28480）。后者是 SONI...

来源：头部科技 文章链接：https://mp\.weixin\.qq\.com/s/2WGZG6oBTTelabXpvUHf4A 研究人员将训练得到的操作策略蒸馏为基于RGB图像输入的策略，在真实硬件上可实现多项高难度装配任务的零样本迁移。 具体来讲大概分三步： 1、统计成功率，训练前从任务分布里预采样N个固定配置，对每个配置维护最近100次回合的成败结果，实时估算其成功率；2、贝塔分布加...

来源：智驾具身数据挖掘 文章链接：https://mp\.weixin\.qq\.com/s/vbXQbaR3TCt3EBh\_4Mgzkw 导航说向前，前方却有障碍；乘客要求保持车速，路口却需要停车。对能听懂自然语言的自动驾驶模型而言，真正困难的地方，是把一句话放回当下的交通环境中，决定何时执行、何时等待、何时改变行动。 核心结论：SafeDriveVLA把“这条指令现在该怎么执行”变成显...

来源：一宁小站 文章链接：https://mp\.weixin\.qq\.com/s/DBRPmE\-oeVzRxSxGh4zznQ 论文：DriveMLP: When Training Strategy Outperforms Model Complexity in Autonomous Driving 作者：Alessandro Canevaro、Julian Schmidt、Hang ...

来源：JOJO极致算法 文章链接：https://mp\.weixin\.qq\.com/s/9PxTNLKMVuDB3cGFkfqtOQ 导读：从大模型感知延伸至机器人自主学习，具身智能正在经历从“理解语义”到“对齐物理法则”的关键跨越。要想让智能体在开放世界中稳定作业，系统亟需跨越三道核心障碍：空间感知中环境边界与拓扑关系的丢失、末端抓取中二维表面接触带来的严重穿模与受力失稳，以及人形机...

来源：越疆机器人 文章链接：https://mp\.weixin\.qq\.com/s/JUXV\_hdXIRGQHkE552zIUw 想象一下： 如果你想教一个人叠衣服，最直观的方式是什么？ 近期，帝国理工学院团队在越疆双臂机器人 X-Trainer 平台上，成功验证了基于上下文的柔性物体操作的范式，并在真实机器人上完成了端到端部署。相关成果发表于论文《Instant-Fold: In-C...

来源：灵初智能 文章链接：https://mp\.weixin\.qq\.com/s/Qx9A8rhG576JbU2p9g7nJw 近日，北大-灵初联合实验室提出的研究成果RoboFFT 被CoRL2026正式接收。RoboFFT是一种面向生成式机器人策略的强化学习后训练方法。它利用扩散模型和流模型预训练时已有的前向加噪过程，构造策略更新所需的近似概率比，让机器人根据任务反馈继续改进。研究在...

来自清华大学的高阳团队在最新一届机器人顶级会议 CoRL 2024（Conference on Robot Learning）中荣获 X-Embodiment Workshop 最佳论文奖。 CoRL 是全球机器人学习领域的顶级学术会议，每年汇聚来自全球顶尖学府的创新研究，评选出的最佳论文通常代表着前沿技术与重大突破。 清华团队此次获奖的论文标题为《Data Scaling Laws in ...