阶段
共 115 篇相关内容
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…
传 DeepSeek 将投入具身智能赛道，中美基础大模型公司齐现重大信号
10 月 12 日夜，有消息传出 DeepSeek 创始人梁文锋近期密切关注具身智能领域，DeepSeek 正在评估是否进入具身智能赛道，方案可能包括亲自组建团队下场研发，或通过投资相关企业切入。另据彭博社报道，DeepSeek 计划领投腾…
触觉，开始争夺传感器之外的生意
在美国匹兹堡举行的 IROS 2026 上，Sharpa 一口气发布了三款产品：一体式触觉感知灵巧操作机器人 D01、全手触觉灵巧手 W02，以及支持触觉反馈的外骨骼数据手套 AE01。 Sharpa 联合创始人李一帆此前在接受采访时曾表示…
杨立昆 JEPA 最新论文，端到端规划的下一程在哪？
有关具身智能，JEPA 是世界模型内一个无法回避且值得反复讨论的技术路线。它拥有很多颇具希望的特质：更好的抗干扰能力、更高效的计算与训练效率、极低的数据标注依赖......更重要的是，JEPA 基于表征学习来捕捉物理世界的规律，从而进行实 …
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…
一盏会凑过来让摸头的台灯，你见过吗？
如果一盏台灯把头伸到你手边，你会先摸它一下，还是会被吓一跳？ Mira Light 想要的，大概是前一种反应。按照团队公开的交互设计，人把手伸向灯头，它会向前靠近、轻轻蹭动，灯光也随之变暖。手移开后，它再做一个向前追的动作，随后回到照亮桌面…
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 …
UCLA 的 Ankur Mehta 谈机器人、公众信任与资源约束
9月30日，国际智能机器人与系统（IROS）2026 大会现场，加州大学洛杉矶分校（UCLA）电子与计算机工程学副教授 Ankur Mehta 在主题演讲中以「机器人难以自解的问题」开场，向台下近半数由课题负责人与学生构成的听众，展示了一组…
对话 TacVLA 论文团队，触觉该在什么时候更巧妙地发挥作用？
「这种思路谁都有，但是怎么加入进来？」 在 IROS 2026 现场聊到给 VLA 增加触觉时，张恒反复关注的并不是「要不要 touch」，而是另一个更具体的问题：机器人到底应该在什么时候使用触觉？ 现在给机器人装上 tactile sen…
IROS 现场对话 ULTRA 团队，机器人的「运动自由」还差什么？
灵巧手、驱动电机、控制算法、大模型......这些组成具身智能的「躯体」部件，正在变得越发精密。 以搬箱子为例，机器人的灵巧手要找到接触的位置，双脚撑住身体，电机驱动身体蹲下的同时，躯干要随重心变化调整姿态，随后再带着箱子、协调重心、缓慢移…
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…