Objectives as Policies(OaP):用视觉语言模型生成代价程序实现接触丰富操作
研究者提出 Objectives as Policies(OaP)框架,通过可编辑的目标程序把预训练 VLM 与共享的采样型 MPC 连接起来,用于接触丰富的机器人操作。VLM 依据自然语言指令和场景观测,经 real-to-sim 构建数字孪生并生成目标程序,在仿真中由 MPC 执行、依 rollout 迭代更新后再部署到真实世界。该框架在仿真与真实世界的四项桌面操作任务上均优于强基线。
研究者提出 Objectives as Policies(OaP)框架,通过可编辑的目标程序把预训练 VLM 与共享的采样型 MPC 连接起来,用于接触丰富的机器人操作。VLM 依据自然语言指令和场景观测,经 real-to-sim 构建数字孪生并生成目标程序,在仿真中由 MPC 执行、依 rollout 迭代更新后再部署到真实世界。该框架在仿真与真实世界的四项桌面操作任务上均优于强基线。
研究提出把单板计算机的 NPU 当作 GNSS 信号捕获中并行码搜索的加速器,而非用于机器学习,并将 DFT、非相干积分与峰值检测按 NPU 配置在 CPU 与 NPU 间划分。
作者提出 ESI(Embodied Self-Improvement),一个利用环境交互对齐 LLM 推理与 VLA 动作的自动化闭环,把模块化智能体整体作为后训练单元,反复优化引导 LLM 的提示词、表达意图的共享技能接口和实现意图的 VLA 参数。
推荐理由:论文提出让 LLM 与 VLA 在交互中互相提供监督的自改进闭环,并在 RoboDojo 十项任务上给出与混合智能体基线的对比。
一项 arXiv 论文评估 Qwen3.5-27B 和 Gemma-4-31B-it 能否为物体目标导航提供房间内目标位置分布的空间先验。基于 CubiCasa5K 与 ScanNet 真实户型,模型生成布局的物体频率和房间尺寸随房型变化,但物体贴墙距离未体现真实房型差异。作为搜索先验,生成布局的搜索区域缩减不足真实布局先验的三分之一,平滑后不足三分之二。
PoliMop 提出一种运动动力学 RRT 规划器,用物理仿真展开控制策略来评估机器人可达路径,并以简单质点模型的预规划路径引导采样,将规划时间最多缩短 63%。在四足、人形与轮式机器人仿真中,该方法可即插即用地接入不同机器人与控制策略,无需修改底层规划算法;预先设置的环境改造(如架板搭桥)会在机器人可达空间扩大后被规划器自动纳入。
论文提出在策略输出与底层传动映射之间加入身体对齐的虚拟关节空间,使策略动作与观测遵循统一解剖约定,再由确定性运动学层映射到各机型原生关节,原有传动与低层控制栈保持不变。在三种腿部轴布局不同的人形机器人上,该接口是唯一能在同一套未修改训练配方下准确跟踪、保持足部与行进方向对齐并稳定训练的接口。在 Unitree G1 硬件上,它将航向漂移降低近六倍。
研究提出一种广播控制方案,用单一空间仿射场同时控制机器人集群的运动与形变,标量分量调节集群规模,空间梯度通过非互易相互作用驱动集群平移。该方法将每个机器人的墙壁、驱动与内聚约束通过控制屏障函数纳入整个集群的单一二次规划,无需预先规划即可安全通过比无约束集群更窄的走廊。研究还推导出驱动预算决定可达速度与最小可通行走廊宽度,并演示两个独立驱动的集群可用不同固定相位标签同时通过共享路口而无需集群间协调。
研究者提出 Latent Action Support Ratio(LASR),用于在离线评估中判断世界模型学到的潜变量是否在状态之外真正为动作相关目标提供预测支持。LASR 包含 GeoLASR 与 WorstLASR 两个汇总指标,并在记录的机器人操作数据与匹配的多任务面板上验证其能识别已知动作信息、拒绝非动作捷径。团队还用 LASR 训练并审计了一个轻量残差适配器。
研究者提出免训练的物体导航系统 ERA,用 RGB 图像与位姿预测深度替代深度传感器,通过可修正占据地图和可达视点探索,在停止前跨视角验证目标。在三个 benchmark 上,ERA 在无深度传感器的免训练方法中达到 SOTA,并将 VLFM 在相同预测深度下的成功率从 10.8% 提升至 61.7%。ERA 已在真实机器人上部署。
机器人操作模仿策略在训练中会按 α = V/(V + s²) 折扣带噪物体位置读数,其中 V 是策略自身本体感知锚点的误差方差,实测远小于演示数据的线性模型估计,因此经典 EIV 回归会高估 α。
研究团队提出 AI 引导的机器人原位打印平台,可直接在透明伤口敷料上制造无线伤口电疗器件。系统整合 3D 视觉相机、六自由度机械臂、直写打印与几何感知 RF 设计优化,将伤口分割得到的尺寸与局部曲率及组织介电负载纳入接收线圈和叉指电极设计。在拟人组织等效前臂模型上完成原位制造演示,实测介电特性被纳入 RF 优化,使器件在 25 MHz 目标频率附近谐振。
论文提出 TouchTwin,用头戴与腕部 RGB-D 相机和 880-taxel 手套采集 TouchScale 记录,在 MuJoCo 中重建交互,并由逐受试者的触觉手按记录设置各手指的接触与闭合力。基于触觉重放的策略在仿真中夹持力为记录值的 0.99x,在留出记录上 20/20 次成功、在 35/36 次未见扰动下成功;触觉训练的接触预测器漏检 13% 的真实接触帧,视觉重放为 32%。
X-Nav 技术报告提出一套从数据到部署的人形机器人长程导航系统,在灵犀 X2 上完成从办公楼大堂到邻栋商店约一百米的语言指令任务。其导航模型 MELIOR 仅使用机器人自带相机的 RGB 图像,分预测动作的 MELIOR-A 和预测导航目标的 MELIOR-N 两个版本,配合 X-Navarch 智能体工作流把简短指令拆成子任务并执行目标导航与避障。
推荐理由:论文给出从数据采集到真机部署的完整链路,并说明数字孪生数据微调如何提升闭环成功率。
研究在冻结的 I-JEPA 视觉世界模型上拟合小型残差适配器,以改进基于嵌入 MSE 的潜在目标代价,无需重训编码器或世界模型。在 DotWall 与 PointMaze 各 50 例配对评测中,成功率分别从 54% 提升至 98%、从 82% 提升至 96%;16 个未见 DotWall 布局-目标案例上,潜在代价排序与最短合法路径排序的一致率从 71.9% 升至 85.8%。
研究提出“预算条件目标搜索”任务:给定目标类别与显式动作预算,智能体需在预算耗尽前找到尽可能多的不同目标实例。对比特权TSP专家与房间级Bellman专家监督VLN,在HM3D场景上Bellman监督的VLN持续优于TSP监督版本,2000步(500m)时找到71.4%可达目标实例,TSP监督为65.5%,预训练VLN为44.8%。
论文提出 Agentic-Teacher,一个面向 VLA 后训练的自主数据引擎,可分析失败 rollout、选择干预状态并迭代生成闭环代码策略,把验证通过的策略变成可复用的演示生成器。
推荐理由:论文给出失败驱动数据引擎的完整流程,并列出 π0 在三个仿真基准上的成功率变化,便于比较数据生成与筛选环节。
美国国防部在肯塔基州 Fort Knox 的 St. Vith 靶场测试了四台自主地面车辆(UGV)的集群协同作战,由一名操作员指挥,目标交战仍由人类控制。测试中一台 UGV 先行侦察并携带无人机,其余三台跟进提供掩护,向约 300 码外的模拟目标发射了模拟火箭。该测试属于 DARPA 的 RACER 项目,更多集群测试定于 12 月进行,将有现役士兵参与。
NVIDIA CEO 黄仁勋离任后,亚洲多国政府相继回应。韩国科技部称 NVIDIA 重申向韩国供应 260,000 颗先进 GPU 并继续联合 AI 项目,台湾经济部长表示全球 AI 产业增长不会因此明显改变,日本产业省称将密切关注。
Tesla 宣布“部分客户”可预订自动驾驶 Cybercab 个人版,售价 29990 美元,另需每月支付 299 美元使用费,预计 2026 年 12 月交付。买家须在得克萨斯州少数城市提车,车辆仅能在特定地理围栏区域内运行。马斯克回应称月费“过高”,应接近其他车型 FSD 与联网服务约 115 美元的水平,并表示获得监管批准后将推向全美。
一份要求NVIDIA让近日被免职的CEO黄仁勋复职的请愿书,截至周六下午已获得超过11.5万个签名,签署者包括5,965名NVIDIA在职员工、1,108名前员工和63,063名股东。
彭博社称苹果计划2027年6月WWDC发布首款智能眼镜,同年年底前出货,原型机代号N50,比Meta第二代Ray-Bans略薄。部分测试机型将椭圆形摄像头开孔集成在镜框中,前方设指示灯显示使用或充电状态,苹果同时在试验更多隐私保护功能。
Bharat Semi 完成 2400 万美元种子轮融资,由 Info Edge Group、South Park Commons 和 Indus Bridge Ventures 领投,资金用于扩充工程团队、完成产品开发并将 AI 图像传感器推向市场。
TechCrunch 的 Equity 播客讨论了黄仁勋辞去 NVIDIA CEO 一事及其对 AI 行业的影响。黄仁勋在周四辞职,此前曝出他与 NVIDIA 客户 Megaspeed 一名前高管有婚外情,该高管被指与中国情报机构有关联,随后又曝出另一起与 NVIDIA 高管的婚外情。
在英伟达前CEO黄仁勋与一名疑似中国间谍存在关联的丑闻曝光后,美国国会两党正推动收紧AI芯片出口限制。参议院少数党领袖Chuck Schumer要求黄仁勋及特朗普政府向国会作出解释,参议院银行委员会主席Tim Scott已致信黄仁勋和商务部长Howard Lutnick要求公开作证。众议院议长Mike Johnson称国会内部对限制对华芯片出口正形成"日益增长的共识"。
Nvidia 机器人研究工程师 Darrel Dai 在黄仁勋辞任后宣布离开公司,称无法在接受解释前接受其离职,对方向、文化及团队前景不明感到未被倾听。他认可黄仁勋长期投入 CUDA、开源机器人工具与工程文化,但强调钦佩不意味着免于审视。网上要求 Nvidia 董事会“Bring Jensen Back”的请愿已获超 15 万签名,临时 CEO 为 Colette Kress。
Apple 首款智能眼镜将于明年 6 月 WWDC 发布,不带 AR 功能,出货预计在年底前开始。原型代号 N50,运行精简版 visionOS 和基于旧款智能手表芯片的新处理器,配类似 MagSafe 的扁平矩形充电器,戴着也能充电。眼镜支持 Wi-Fi,离开 iPhone 后部分非第三方应用功能仍可用,但无法完全独立运行。
英伟达11月12日宣布黄仁勋辞去总裁、CEO和董事职务,CFO Colette Kress接任临时CEO,随后员工与支持者发起请愿要求恢复其职务,已有6万多人签署,马斯克也在其中。请愿提出恢复CEO职务、公开调查框架、解释董事会决策三点诉求。据《金融时报》报道,董事会已接触Arm CEO Rene Haas作为潜在继任者,英伟达回应称对具体候选人的猜测为时过早。
推荐理由:材料汇总了黄仁勋辞职后员工请愿、董事会接触Arm CEO等各方反应,可看清这场人事震荡的多方立场。
联想11月10日官宣“联想万全混合词元工厂”品牌,并与张家口市政府签约推进首座混合词元母本工厂落地,首期规划15000P异构算力集群、约100MW智算中心,年产Token能力预计2000万亿、峰值每秒2亿Token。项目首期建设时间表定在2027年,目标百万Token综合成本优化70%、每秒Token产出量提升5倍、Token良品率超99.9%。
UGREEN 推出 HomeAgent 系列本地优先智能家居方案,由 HomeAgent HA100 与 Pro 作为中枢,本地处理摄像头录像并运行 Uliya AI 助手,可语音查询包裹、宠物位置,且存储与访问不收月费。
英伟达宣布黄仁勋已辞去总裁、CEO及董事职务,即刻生效,执行副总裁兼CFO Colette Kress出任临时CEO并继续兼任原职,直至正式继任者获任命。消息公布后英伟达盘前股价一度跌至150.13美元,较前一交易日收盘下跌约13.58%,开盘后跌幅仍超10%,发稿前收窄至-4.63%。
推荐理由:英伟达33年来首次更换CEO,公告同时交代了临时接任者、董事会主席人选和财报时间安排。
三星宣布智能眼镜将于 2026 年 12 月 10 日在美国和韩国发售,今日开启预售,Gentle Monster 与 Warby Parker 联名共 30 款设计。
推荐理由:原文给出两款联名眼镜的定价、发售日期与硬件规格,可据此判断产品定位与购买时机。
Apple 于 11 月 13 日起在澳大利亚、加拿大、印度、新西兰、新加坡、英国和美国开售 HomeView,桌面款与壁挂款均为 299 美元。产品配备 7 英寸 Liquid Retina 显示屏,搭载 Siri AI,可通过人脸识别最多六位家庭成员并显示各自的 Messages、FaceTime、Calendar 等内容。
推荐理由:原文给出两款形态的定价、上市地区和 Siri AI 的语言支持范围,可据此判断能否买到。
Oura 宣布已达成最终协议,收购自 2026 年 5 月起合作的 AI 原生、由医生监督的医疗平台 Counsel Health,交易预计今年年底前后完成。收购后,Oura 会员可在 Oura App 内获得持证医生的解答与诊疗,医生经用户授权后可查看其 Oura 数据与既往对话。Oura 称,合作以来 Oura Labs 中超过一半的 Counsel 用户已向医生共享了自己的 Oura 数据。
推荐理由:Oura 把戒指数据接入持证医生诊疗流程,读者可了解可穿戴设备从监测走向医疗服务的一种路径。
云深处科技成为国家能源局“人工智能+”能源试点项目中横跨电网、煤炭、火电三大领域同时担任技术供给方的具身智能企业。本次公示共93个试点项目入围,云深处以四足机器人、轮足机器人本体与具身模型为换流站、煤矿井下辅助运输、锅炉与汽机区域等高危场景提供自主作业支持。
云深处科技与中国铁塔北京市分公司于11月7日签署战略合作协议,双方将联合研发标准化无人巡护巡检方案,并共建智能巡检标杆项目。合作结合云深处科技的具身智能硬件与自主巡检算法,以及北京铁塔的视频整合、边缘计算与能源保障能力,面向水务、应急安防、产业园区、城市管网等场景打造无人化智能巡检方案。
Oura Advisor 新增 plans 功能,可将“想睡得更充分”等目标转化为基于睡眠、恢复与活动数据的短期个性化计划,时长最长七天。该功能现已在 iOS 和 Android 上线,面向使用 Oura Ring Gen3 或更新机型、App 语言为英文且版本为 7.30.0+ 的 Oura 会员逐步推送。
Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5,称其在 200 项任务上相比此前基线成功率提升 30% 至 100%,完成任务速度快 20% 至 30%。
推荐理由:原文给出 200 项任务评测、梅赛德斯工厂 96% 成功率与安全 steerability 提升幅度,可据此判断 VLA 模型离产线落地还有多远。
NVIDIA Holoscan 5 可构建重力补偿回路,让机械臂在被手动引导时由电机输出恰好扭矩支撑自身重量并保持直立。该交互是机器人通过演示学习、操作物体与人协同作业的起点,实现前提是持续计算逆动力学。
Boston Dynamics 的 Atlas 团队工程师 Andy Wu 发文介绍给 Atlas 换装轮子的研究测试,用单个定制转接件把滑板车轮圈装到原有踝关节执行器上,软件上把每个轮子建模为可连续旋转的“踝”。
UC Berkeley 与 NVIDIA 在 2026 年 CoRL 上联合提出 agentic robotics 方法,把机器人编程从数据问题转为编码问题:用大语言模型驱动的编码智能体分解任务、生成代码,并在仿真中迭代。