Embodied AI Daily具身智能科研日报

具身智能早报

关注机器人研究、开源与产业的新进展

‹ ›
具身智能日报 · 2026-11-17
本期导读

本期整理机器人学习、系统与工具的研究进展;各条附来源依据与阅读边界。

9 条内容 · 3 篇重点解读 · 6 条简讯

Training Reasoning Models in Simulation to Natively Use Real Robots:Figure 2 : One round of robot use. A computer-use agent (top) observes a screenshot, reasons about the task and outputs a click or a keystroke, which the operating system executes. Our model (bottom) operates a robot in a similar way: it observes the camera views and the arm’s state, reasons in a chain of thought and outputs the end-effector’s next pose, and inverse kinematics and the arm’s controller then move the arm. Each rou
Figure 2 : One round of robot use. A computer-use agent (top) observes a screenshot, reasons about the task and outputs a click or a keystroke, which the operating system executes. Our model (bottom) operates a robot in a similar way: it observes the camera views and the arm’s state, reasons in a chain of thought and outputs the end-effector’s next pose, and inverse kinematics and the arm’s contro图源:论文作者 / arXiv
arXiv cs.LG filtered精读

Training Reasoning Models in Simulation to Natively Use Real Robots

Jiaming Tang、Zhuoyang Zhang 等 · 11 位作者

研究构建了PEAR后训练引擎,通过机器人使用强化学习(RURL)在全仿真环境中对27B推理模型进行训练,使其能像计算机使用代理一样观察环境并生成末端执行器位姿。 在LIBERO基准上,训练将成功率从1.6%提升至74.4%;在真实双臂机器人试验中,模型成功率为60%,而基线模型为0%。 在涉及新任务的LIBERO-Pro测试中,该模型成功率为57.4%,显著优于基于演示微调的视觉-语言-动作模型π0.5(0.75%)。

机器人基础模型reinforcement learningrobot foundation model
论文
展开解读与证据

研究构建了PEAR后训练引擎,通过机器人使用强化学习(RURL)在全仿真环境中对27B推理模型进行训练,使其能像计算机使用代理一样观察环境并生成末端执行器位姿。 在LIBERO基准上,训练将成功率从1.6%提升至74.4%;在真实双臂机器人试验中,模型成功率为60%,而基线模型为0%。 在涉及新任务的LIBERO-Pro测试中,该模型成功率为57.4%,显著优于基于演示微调的视觉-语言-动作模型π0.5(0.75%)。

为什么值得关注

该方法证明了仿真中获得的技能可以泛化到未见过的机器人、真实世界和新指令,为具身基础模型的后训练提供了有效组件。

研究问题

当前开源权重模型在机器人控制任务上的能力显著弱于GPT-6 Astra等前沿专有模型,且缺乏无需演示即可原生使用真实机器人的训练方法。

方法原理

研究构建了PEAR后训练引擎,通过机器人使用强化学习(RURL)在全仿真环境中对27B推理模型进行训练,使其能像计算机使用代理一样观察环境并生成末端执行器位姿。

结果与证据

在LIBERO基准上,训练将成功率从1.6%提升至74.4%;在真实双臂机器人试验中,模型成功率为60%,而基线模型为0%。 在涉及新任务的LIBERO-Pro测试中,该模型成功率为57.4%,显著优于基于演示微调的视觉-语言-动作模型π0.5(0.75%)。

阅读边界
依据本次返回的正文节选整理,未核验未返回的章节、附录或独立复现。

作者:Jiaming Tang、Zhuoyang Zhang、Junxian Guo、Fangzhou Zhao、Yilong Zhao、Zekai Li、Xingyang Li、Yuyang Zhao、Song Bian、Zhijian Liu、Song Han

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

Envisioning Agentic Robotics: A New Era of Robotic Systems:Figure 6: Core abilities of Embodied S2. These abilities are necessary for Embodied S2 to perform successfully and reliably in the physical world; some reside in the foundation model, while others emerge from its integration with the embodied harness.
Figure 6: Core abilities of Embodied S2. These abilities are necessary for Embodied S2 to perform successfully and reliably in the physical world; some reside in the foundation model, while others emerge from its integration with the embodied harness.图源:论文作者 / arXiv
arXiv cs.CV filtered精读

Envisioning Agentic Robotics: A New Era of Robotic Systems

Grid Robotics、 : 等 · 14 位作者

研究提出“具身系统2”概念,由基础模型与具身 harness 共同构成决策核心,负责解释意图、推理、编排技能并验证结果。 提出的评估框架要求同时测量模型能力和闭环系统性能,并在真实世界时钟下运行,而非暂停环境供模型 deliberation。 在 RoboDojo 基准测试中,不同协议下报告的 Astra 成功率范围从 22% 到 85%,凸显了当前评估结果因协议差异而难以解释的现状。

模型与系统优化agentic roboticsevaluation framework
论文
展开解读与证据

研究提出“具身系统2”概念,由基础模型与具身 harness 共同构成决策核心,负责解释意图、推理、编排技能并验证结果。 提出的评估框架要求同时测量模型能力和闭环系统性能,并在真实世界时钟下运行,而非暂停环境供模型 deliberation。 在 RoboDojo 基准测试中,不同协议下报告的 Astra 成功率范围从 22% 到 85%,凸显了当前评估结果因协议差异而难以解释的现状。

为什么值得关注

该框架旨在解决将通用推理转化为受物理约束(如反应时间、机械限制)的有效可验证动作的挑战,为实现可持续的物理自主性提供路线图。

研究问题

尽管前沿模型在具身基准上表现优异,但社区尚未就具身智能体的定义、评估框架或研究路线图达成共识,且数字代理的成功难以直接转化为物理世界的可靠性。

方法原理

研究提出“具身系统2”概念,由基础模型与具身 harness 共同构成决策核心,负责解释意图、推理、编排技能并验证结果。 提出的评估框架要求同时测量模型能力和闭环系统性能,并在真实世界时钟下运行,而非暂停环境供模型 deliberation。

结果与证据

在 RoboDojo 基准测试中,不同协议下报告的 Astra 成功率范围从 22% 到 85%,凸显了当前评估结果因协议差异而难以解释的现状。

阅读边界
依据本次返回的正文节选整理,未核验未返回的章节、附录或独立复现。

作者:Grid Robotics、 :、Qingfeng Lan、Duo Li、Siyao Li、Yiheng Lyu、Shijian Lu、Zhenghao Qi、Shizun Wang、Xinchao Wang、Ming Yang、Zhiqin Yang、Zuhao Yang、Tao Yu

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

arXiv cs.LG filtered精读

Vision-Language-Action Models: A Life-Cycle Survey of Design, Training and Deployment

Suvarna Kadam、Soran Parsa

综述回顾了2022年12月至2026年10月的88项工作,沿七个轴线分析VLA生命周期,包括输入记忆、架构、动作输出及训练数据混合。 分析显示训练数据已从遥操作数据扩展至社区收集片段和人类视频,模型规模分化为30-70亿参数主流及小于10亿的端侧模型。

模型与系统优化vision-language-action modelssurvey
论文
展开解读与证据

综述回顾了2022年12月至2026年10月的88项工作,沿七个轴线分析VLA生命周期,包括输入记忆、架构、动作输出及训练数据混合。 分析显示训练数据已从遥操作数据扩展至社区收集片段和人类视频,模型规模分化为30-70亿参数主流及小于10亿的端侧模型。

为什么值得关注

研究指出通用VLA正涌现以同时处理操作和导航任务,并强调了评估需结合延迟、训练数据和真实世界迁移能力的必要性。

研究问题

VLA模型领域发展迅速,但缺乏对其设计、训练和部署全生命周期的系统梳理,且部分高分模型在物体或相机轻微移动时表现脆弱。

方法原理

综述回顾了2022年12月至2026年10月的88项工作,沿七个轴线分析VLA生命周期,包括输入记忆、架构、动作输出及训练数据混合。

结果与证据

分析显示训练数据已从遥操作数据扩展至社区收集片段和人类视频,模型规模分化为30-70亿参数主流及小于10亿的端侧模型。

阅读边界
依据本次返回的正文节选整理,未核验未返回的章节、附录或独立复现。

作者:Suvarna Kadam、Soran Parsa

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

发布VLAN基准,包含1000个场景和2万条导航轨迹,针对腿式、轮式代理及视障或行动不便人士提供特定于具身形态的可访问性标签。 基准测试显示,现代视觉-语言模型往往无法在不同用户配置文件间一致地调整障碍物相关性、路径选择和安全标准。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出基于显式约束空间的安全感知行为规划框架,利用轻量级双塔模型根据任务和上下文选择适用的文本安全规则。 引入多模态安全检查器评估生成的原始计划,重建完整适用约束集并提供纠正反馈,支持测试时的知识适应。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出一种基于库仑摩擦假设下互补约束的新型摩擦模型,预测环境交互引起的静摩擦、滑动摩擦、迟滞行为及相应的机器人变形。 实验验证显示,该模型将287.9毫米长腱驱动连续体机器人的最大尖端位置误差从无摩擦模型的45.4毫米降低至5.85毫米。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

发布UAV-Flow数据集,包含30,692条专家驾驶的真实世界轨迹和10,109条仿真轨迹,用于基准测试语言引导的无人机短程机动。 开发FlowVLA模型,通过混合实仿演示进行模仿预训练,并利用尾感知GRPO(TGRPO)进行在线后训练以强化高奖励动作序列。 在273个保留仿真 episodes 中,经TGRPO后训练的FlowVLA平均成功率达到93.16%,优于最强基线6.72个百分点。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

发布Gamer通用智能体框架,结合感知、记忆管理和多步推理,通过在数万小时设备级键盘鼠标交互数据上继续预训练学习跨域环境动态。 采用稀疏思维指令调优减少冗余计算,并使用稳定的多步强化学习方法训练长视界交互策略,以解决上下文窗口有限和稀疏奖励问题。 Gamer在多个具有挑战性的3D开放世界游戏中表现出与熟练玩家相当的泛化能力和操作效率,并在传统2D游戏基准上取得竞争性结果。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

发布HEIR资源,配对人类语音、测量注视点、第一人称视频与机器人观测及遥操作导航-操纵轨迹,以研究人机交互中的自我中心意图利用。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…