基准
共 52 篇相关内容
清华系创业公司新作：机器人看了 100 万小时人类操作，学会自己想办法
螺丝、包装袋、瓶盖，这些日常物件全都是为人手设计，但机器人的末端执行器大多还停留在两指夹爪。想要打造能在真实世界落地的通用机器人，灵巧手操作是绕不开的一关，而真正的瓶颈在于操作经验。通用模型需要见过足够丰富、大规模的真实操作样本，可机器人只…
NVIDIA 携手半导体领军企业，以 CUDA-X 库推进 AI 定义的晶圆厂
10 月 14 日，NVIDIA 在 SEMICON West 2026 期间宣布，半导体行业的领军企业正在采用 NVIDIA CUDA X 库，其中包括全新的 cuPotential 库，开发者可借助它构建模拟原子与分子相互作用的 AI …
Jim Fan、韩松团队提出 Robota-Embed：机器人检索经验，动作比画面更关键
具身智能机器人想要复用过往操作经验，普遍会检索历史示范视频，模仿曾经成功的操作。 但传统检索大多只比对画面外观：只要桌子、物体看起来一致，就判定是匹配片段，忽略机械手当下的运动方向。同样的纸箱、同一段胶带，封箱和撕胶带两张画面几乎看不出差别…
英伟达 Jim Fan 团队新作：只拉长历史解决不了 WAM 短板，核心需靠自回归预测
Long WAM 发现「能拿到历史」不等于「会用历史」：只有视频底座先以自回归方式学会从过去推未来，拉长上下文才能真正实现性能上涨。基于这一结论，团队将这套世界动作模型打造为可在边缘设备实时运行的系统。上下文时长从 0 秒拓展至 19.2 …
王晓刚、李鸿升团队新作：260 万个场景训练灵巧手
OmniDex 借助可复用种子抓取库搭配碰撞筛选，将杂乱场景下的灵巧手抓取数据集规模从数千个扩充至 260 万个场景、约 4 亿条抓取标注；配套采用软胜者全取学习与物理约束的生成模型，省去推理阶段反复优化抓取位姿的步骤。 10 月 8 日，…
贾奎团队新作：让世界动作模型真正理解三维空间
UNITAS 将观测、动作与场景变化统一至同一个米制三维坐标系：以点轨迹表征人手与夹爪的运动，用场景流描述场景点的位移，让世界动作模型不再单纯依靠图像推测环境演化。模型参数量仅 1.7 B，在 LIBERO 基准测试上取得 99.8 % 任…
智在无界卢宗青团队提出 Being-M0.7，依托人类视频动作先验，训练人形机器人全身移动操作
Being M0.7 依托一万余小时人类第一视角视频与人体动作数据，学习画面与全身动作的联合先验，再通过机器人轨迹完成中训与动作后训练，输出人形机器人全身移动 + 操作的控制指令。模型在 SIMPLE 仿真基准中综合成功率 71.1%，位列…
中科院自动化所与高德团队提出 DreamTrue，将机器人动作统一渲染为画面条件，实现高精度未来视频预测
DreamTrue 将机器人动作渲染为画面内的机器人作为训练条件，为世界模型补充示范数据中缺失的失败动作，并依托人工标注训练得到的奖励模型开展强化学习。当动作执行失败时，模型能够如实预测对应的结果，它在 AgiBot 平台上将交互缺陷率从 …
对话 IROS 最佳论文奖入围团队：灵巧手的「反内卷」，先让手掌动起来
一只机器人手要拧开防儿童瓶盖，最直接的思路，是让它越来越像人手 。 更多手指、更多关节、更多自由度，再训练一套足够复杂的控制策略。 普渡大学的 周于皓 和合作者却给出了另一个答案： 先别急着继续加手指，让手掌也动起来。 在 IROS 202…
对话 Shallow-π 作者：压缩 Transformer 层级，具身模型竟做得更好？
一个圆柱、一块正在转动的孔板，足以让两种机器人模型拉开差距。 在 Shallow π 的真实机器人实验中，任务要求机械臂拿起圆柱，插入移动中的小孔。层数更多的大模型，可能在等待计算结果的过程中错过位置；一个层数更少、输出接近它的小模型，却能…
触觉正在成为机器人训练的下一种数据丨IROS 2026 现场
9 月 27 日，2 026 IEEE/RSJ 智能机器人与系统国际会议 IROS 在美国匹兹堡开幕，42号电波来到了现场。 好几场分会场全程座无虚席，室内席位早早被占满，会场大门一直敞开，门外还围着不少站立旁听的人。IROS 覆盖的议题很…
港大、港科广、北大等五校团队联合发布 AffordanceWAM，靠可供性激活真人训练视频
AffordanceWAM 的核心突破，是将「物体可交互位置与方式」的可供性，纳入世界动作模型的显式预测目标，彻底解决真人第一视角视频难以适配机器人训练的行业痛点，让原本容易造成负迁移的真人数据，转变为可规模化扩展的有效监督信号。 9 月 …