论文
共 64 篇相关内容
理想汽车基座模型团队提出 ME-Dex 1.0，让触觉和画面一起预测未来
ME Dex 1.0 让机器人在输出动作前，预先计算下一步会产生的接触状态。理想汽车基座模型团队将视觉、触觉、动作三路专家模块整合进同一个去噪框架；触觉与图像一样，被视作需要预测的未来观测。团队还借助手部模板，把不同灵巧手、夹爪的触觉信息对…
清华大学弋力团队发布 PASSAGE，让人形机器人自己挑动作穿过杂物间
PASSAGE 研究将场景对齐的人体动作数据积累至100小时量级，通过流匹配规划器搭配感知增强的全身追踪器架构，让人形机器人能够在杂乱受限环境中自主选择并组合跨越下穿侧身避让等多元运动动作。仿真测试结果可以直观证明，机器人无接触通行的成功率…
对话上海交大杨理欣：为什么机器人需要一条「三维时间轴」
机器人会倒水，却可能在放下瓶子后忘了刚才倒过哪一瓶。会执行动作，不等于知道任务该如何推进；机器人还需要把任务意图、行动历史与世界变化连成一条三维时间线。 这类失败不完全是抓取精度问题。今天的视觉—语言—动作模型（Vision Languag…
星海图赵行：机器人的下一次 Scaling，不只发生在预训练
机器人抓起一个商品，只能说明它会做一个动作。展台上的机器人完成一次抓取，与它进入前置仓持续接单、拣选和打包，是两种不同的考验。 前者可以被压缩成一条成功轨迹，后者却要求机器人理解订单、定位货架、自主导航、处理随机摆放的商品，还要在多机协同时…
对话眺月科技王方正：造一台既会跳、也会飞的机器人
还没来得及正式打招呼，眺月科技 CEO 王方正已经准备开始演示产品。 「我们先来看看这个产品吧，让它跳起来给大家演示一下。」 那是上海创新创意设计研究院的一间大会议室。长桌上摆着电脑和咖啡杯，并不是专门为机器人清理出来的测试场地。王方正把机…
ACE-Data-0 开源背后：我们和大晓机器人聊了聊具身数据的下一步
机器人看视频就能学会一切？那你就太高估它了。 比如生活中最简单的场景，从桌面拿起水杯。这件事人类几乎不需要思考；对机器人而言，却是一条由感知、移动、抓握、接触、物体状态变化和任务记忆共同组成的长链条。 视频可以告诉模型「拿起水杯」，但手指在…
独家对话周顺波：就算没有 AGI，也能做一台大家喜欢的机器人
在创立欧拉万象以前，周顺波已经做了近 12 年机器人。 2015 年，他进入香港中文大学徐扬生院士的实验室，才真正开始做机器人。他参与研发过一只熊猫形态的疗愈机器人，后来被送进香港沙田医院，陪伴自闭症儿童和阿尔茨海默病老人。那时，这类机器人…
模型之外，Ego2Robot 让数据处理管线当回主角
一台机器人在固定桌面上完成任务，和换了桌布、改了光照、挪了相机位置之后仍然做对，是两种完全不同的能力。前者说明策略已经收敛，后者才决定它能不能走出实验室。 众所周知，机器人遥操作天然比人类中心视频慢、贵。而此前工作仅在小规模单任务上验证过「…
上交卢策吾、浙大等团队提出 Track4Action：把「动作后的 3D 世界」蒸馏进 VLA
VLA 模型可以把图像和语言指令转换成机器人动作，训练的过程中，研究人员通常只评价机器人的动作像不像专家。至于机器人的动作会怎样改变物体、空间关系和任务状态，通常没有被明确交给模型学习。短任务可能掩盖这个缺口；一旦任务变长，或者视角、背景和…
中美韩三篇具身智能体力作，串起机器人 Agent 的现在与未来
近期，随着 Anthropic 发布报告，具身智能的牌桌上坐满了所有能叫出名字的大语言模型巨头。 Anthropic 在 2026 年 7 月发布了一份独特的实验报告《Claude plays robotics》。他们直接把 Claude …
机器人学新忘旧？港大、原力无限等团队用真机给 VLA 做了一场压力测试
机器人的神经网络中，有个由来已久的问题：灾难性遗忘。 今天机器人学会了整理餐具，明天又学会了叠毛巾，后天学会了打包纸箱。等多个任务都学完之后，再回到第一个任务，它可能就退化到像没学过一样，不知道如何处理。对于家庭、工厂这些场景而言，学新忘旧…
杨立昆点赞，浙大孙俊涵、清华赵昊等提出 INTACT：免去 JEPA 世界模型的「搜索税」
世界动作模型的核心在于，先预测「下一步发生什么」，并为其设立目标，再让机器人看一眼目标，自己决定执行的每一步该做什么。 然而当前的主流方案有一个别扭的设计：训练时，模型学会「给定当前画面和动作，预测接下来发生什么」；部署时，控制器却从随机噪…