论文
共 64 篇相关内容
首次！北大、南洋理工等 30 位研究者联手厘清具身数据金字塔
7 月 28 日，来自北京大学、南洋理工、港科大、新加坡国立、港大、上海交大等十余所机构的近 30 位研究者联合发布了一篇 72 页长文综述《Data Pyramid for Embodied Manipulation》。该综述通过一个五层…
0.04B 通吃异构相机，与地瓜机器人隋伟谈 X-Lens 取舍逻辑
鱼眼相机看得广但画面边缘是畸变弯曲的，针孔相机看得直但视野窄。 一台机器人身上往往同时挂着这两种相机，用于感知环境深度，而像 DAC、MapAnything 等深度估计模型，几乎没有既能同时适配好这两种相机，又能端侧跑起来的方案。 对此，地…
一次开源三大模型，腾讯机器人正在「超车」
继 2025 年 WAIC 腾讯 Robotics X 实验室发布首个模块化具身智能开放平台 Tairos，在今年 WAIC 上，腾讯 Robotics X 实验室、福田实验室联合腾讯混元发布具身智能系列新成果。 新成果包括发布并开源基于混…
和王啸峰聊聊 Gigaworld-1：当世界模型成为具身智能的物理裁判
语言模型的评测几乎是即时的。训练一停，把测试集丢给 GPU，几秒钟就能拿到一串分数，好还是不好，一眼就能看出来。 换成机器人的「大脑」就完全是另一回事了。一个 VLA 模型刚迭代出新版本，研究员没法在屏幕前把它评完——他们得把新策略刷进真机…
不止于预测，小米将世界模型打造成数据引擎
7 月 14 日，小米放出其自研机器人在工厂中连续作业的任务视频，视频中可以看到机器人在面对不同尺寸工件依然可以长时间稳定作业。 然而，机器人在工厂里的稳定作业，只是最终呈现出来的结果。真正支撑这一结果的，是机器人背后的模型能力。模型能力决…
把 Codex、CC 搬进机器人训练? 朱玉可、Jim Fan 最新力作谈具身持续学习系统
让机器人去拿一罐可乐，听起来像一件很小的事。 但行动的每一步都可能翻车：没看清可乐罐，抓取姿态歪了，路径规划撞到了桌角，手指夹住了空气，或者好不容易拿起来，下一秒又把它放错了地方。 最后给你一句很没用的反馈：任务失败 。 这就像程序崩了，但…
KEMO：给 VLA 装上「记忆插件」，长程任务性能提高 23.6%
2026 年 6 月 17 日，成立于 2024 年的机器人训练基础设施初创公司 XDOF 解除低调状态，完成 7,000 万美元融资，投资方包括 Thrive Capital、 Spark Capital 等一众知名投资机构。 几乎在完成…
宇树风波背后，英伟达的新算力生意
在 GTC 2026 期间，英伟达发布了面向学术研究的 Isaac GR00T Reference Humanoid Robot 。按照公开信息，这套参考设计采用宇树 H2 Plus 人形机器人本体，搭载 NVIDIA Jetson AGX…
极佳视界再获 10 亿元融资，世界模型如何走进家庭和工厂？
6 月 15 日，极佳视界宣布完成 10 亿元 B2 轮融资。 本轮融资由新加坡跨境投资机构狮城资本（多轮持续追投）、中国 比利时基金、建投投资、万向钱潮、复星锐正、华盖创赢、金创投、德屹资本、华仓资本、元石基金等国家队基金、产业资本、财务…
机器人开始「吃数据」：从印度数据工厂到百亿美元人形机器人的隐秘生产链
在印度的某个服装加工厂中，工人们正在像往常一样整理布料，但这次不同的是，他们的头上多了一个摄像头，用来拍摄自己工作时的第一视角视频。 这些视频，将会在处理之后成为数据资产，出售给那些需要大量数据来训练机器人的具身智能公司。 类似的生意从今年…
VLA 终于摆脱后训练了？自变量开源 WALL-OSS-0.5，预训练完直接上真机
近年来，VLA 模型越来越强，但始终存在一个关键现实，几乎所有亮眼成绩，都依赖后训练。预训练模型本身，很少能直接部署到机器人本体上。 似乎任务微调才是那个让模型真正「干活」的东西，预训练到底有没有让机器人学会操作，离了后训练，模型还能不能直…
它石智航联合六大机构发布 OmniVTA 视触觉世界模型
近期，它石智航联合新加坡国立大学、复旦大学、中科院自动化所、清华大学、中关村学院以及北京航空航天大学六大机构，推出 OmniVTA 视触觉操作框架和 OmniViTac 大规模视触觉数据集并发表相关论文，让机器人实现从被动感知，到对触觉进行…