INTELLIGENCE ARCHIVE
全部资讯
这里展示已经通过公开规则、去重与质量处理的正式内容。你可以按分类、时间或关键词快速找到需要的产业情报。
522 篇结果今日新增 1近 7 天 53 篇
Skill-Space Shooting：利用基础模型探索可复用技能以改进机器人策略
研究者提出Skill-Space Shooting方法，借助基础模型探索可复用技能来修正机器人策略，实现自主改进与技能共享。
MotorMind框架让通用VLM实现零样本机器人操作
研究者提出MotorMind，无需专用策略训练或外部工具，仅凭通用VLM在LIBERO-PRO仿真和真实xArm6上实现零样本机器人操作，成功率大幅领先先前方法。
Brain-SAD：双策略动态恐惧约束的安全自动驾驶框架
研究者提出Brain-SAD框架，利用动态恐惧信号在线选择长短策略，提升自动驾驶安全性与任务效率。
具身大脑方案提出预训练与后训练分层，称已实现多机型端到端控制
有观点称机器人技术七十年来进展有限，症结在于缺乏数据、遥操作效率低；提出用可扩展数据预训练、遥操作数据后训练的分层路径，并称已实现多机型端到端控制。
多伦多大学提出柔顺足垫方案，提升单足跳跃机器人复杂地形适应性
多伦多大学CLIMB Lab提出轻量级柔顺足垫，通过柔顺球形关节与微刺结构增强单足跳跃机器人在非结构化地形的抓地与稳定。
RLE-Bench：面向机器人学习工程师的编码智能体基准发布
研究团队推出RLE-Bench基准，从交互控制、策略学习、感知估计和机械设计四类工作流评估编码智能体的工程能力。
EditWorld：面向可交互世界的视频世界模型，支持精确编辑与灵活引用
研究团队发布视频世界模型 EditWorld，支持流式编辑与参考图像引用，并提出 WBench-Editing 评测基准。
综述论文梳理机器人上下文学习的方法与应用框架
一篇综述将机器人上下文学习归纳为四类接口，并讨论其迁移假设与评测实践，涉及操作与导航任务。
StructRL：面向长时域视觉-语言-动作任务的结构化强化学习框架
研究者提出StructRL在线强化学习框架，通过可验证子任务为长时域视觉-语言-动作模型构建结构化中间奖励，在GR00T-N1.5与pi 0.5等模型上优于评估过的基线。
递归工具蒸馏实现跨智能体机器人操作经验复用
研究者提出递归工具蒸馏方法，将强智能体的干预经验提炼为轻量智能体的操作手册，在真实操作中将成功率从37.3%提升至64.0%。
无电机软体微夹爪实现活细胞抓取
研究团队开发出一种无电机的软体微夹爪，受热折叠、冷却张开，并可通过磁力引导，已用于抓取细胞团中的细胞。
NVIDIA 技术报告提出 ASPIRE：让机器人智能体自主发现可复用技能
NVIDIA 技术报告提出 ASPIRE 机器人编程系统，可自主编写并修复代码策略，失败归因、沉淀修复并扩充技能库。
论文精读：通用机器人控制视觉-语言-动作流模型π0
对π0视觉-语言-动作流模型的论文精读，该模型旨在用于通用机器人控制，属于具身大模型技术范畴。
基于Transformer的蒙特卡洛定位用于施工网格
研究提出基于LiDAR的全局重定位系统，在建筑网格中实现机器人定位，真实数据集上优于扩散与ScanContext++基线。
研究者提出VLA-Dreamer架构，利用世界模型改进VLA行为
研究者提出在VLA视觉编码器嵌入空间训练预测性世界模型的新架构，以提升样本效率并探索短期规划能力
Skild AI 用自我对弈训练人形机器人足球技能
Skild AI 展示人形机器人 Messinator，在虚拟足球场经140年自我对弈训练，掌握带球、护球与射门，并迁移至真实机器人。
ECCV 2026 论文提出 RoboClaw：统一数据采集与长程执行的机器人智能体框架
ECCV 2026 论文 RoboClaw 提出单一 VLM 控制器驱动的智能体框架，将数据采集、策略学习与长程执行统一在同一决策循环中。
研究团队提出HuRo方法：将人类视频转化为机器人操作训练数据
论文提出HuRo方法，将人类视频机器人化以生成大规模VLA预训练数据，构建63万条数据提升机器人操作性能。
HERO 强化学习探索框架在真实场景完成验证
HERO 将全局区域级覆盖顺序与局部强化学习结合，在有限候选图上选择目标，于地下车库、大厅、走廊等真实场景验证探索策略。
Genesis 发布 v1.4.2：借助休眠机制提升大规模场景性能
生成式物理仿真引擎 Genesis 发布 v1.4.2，通过休眠机制大幅提升大规模场景性能，并改进 Signorini 接触求解的收敛性，但后者仍属实验性。
面向完整STL规范的时空管奖励强化学习控制框架
该论文提出基于时空管几何特性的时间感知强化学习框架，将完整STL规范映射为时变几何边界，以无历史状态方式学习满足输入约束的控制策略。
亮源新创发布Light-O1：互联网规模人类动作预训练验证迁移缩放定律
亮源新创发布Light-O1技术博客，将人类动作预训练规模从37.5亿扩展至1200亿tokens，跨本体动作预测误差呈幂律下降，提出迁移缩放定律。
DeltaWAM：联合预测视觉增量与动作的双臂操作世界动作模型
DeltaWAM 通过稠密锚点、稀疏增量和动作流联合预测视觉增量与动作，在 RoboTwin 上提升成功率并降低训练和推理开销。
开发者利用手机陀螺仪与IMU实现机器人姿态直接控制
开发者将IMU用于机器人身体调平，并通过手机陀螺仪实时控制机器人俯仰与横滚，实现类似“木偶”的响应式操控。