一、背景：高精度操作的两大瓶颈家庭服务机器人要真正帮人类干活，光会“抓取-放置”远远不够。面对“把笔插进笔筒”“将碗放入碗架”这类关系性重排任务，机器人既要理解物体间的语义关系，更要满足严格的几何约束——偏差几毫米就可能导致任务失败。当前主流方法存在两大瓶颈：一是传统3D模仿学习缺乏对物体间几何关系的显式推理，在高精度对齐任务上表现不稳；二是利用生成模型的方法往往直接将生成的物体变换当作动作执行，生成噪声会在执行过程中不断累积，导致误差放大。二、核心方法：想象引导执行，双重对齐保精度Imagine2Act的核心思路是让机器人在动手前先“想象”任务完成时的场景，再将这个想象目标作为几何先验来引导动作学习。整个框架包含两大模块：1. 语义几何约束生成模块：给定当前观测和语言指令，系统先用图像编辑模型生成一幅“任务已完成”的场景图像，再通过分割和3D重建提取前景物体的点云，最后将前景点云与背景点云对齐拼接，得到一幅与真实场景几何一致的“想象目标点云”。这一步相当于给机器人一张“正确答案”的草图。2....

10 月份的世界机器人大会，其实可以分为三个部分：学术会议、企业展览、机器人比赛。这其中最具人气的，自然是机器人比赛了。比赛共有 6 种类型，其中的 RoboCup SPL 仿人机器人足球比赛( NAO )为国际机器人领域的专业赛事，极具趣味性，持续 4 天的正式比赛几乎每场观众都“爆满”。...

7月4日，2024世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2024）正式开幕。今年主题为“以工商促共享 以善治促善智”，围绕核心技术、智能终端、应用赋能三大板块，集中展示一批“人工智能+”创新应用最新成果。作为当下“AI+社交”领域代表，社交平台Soul App受邀参展，并重点展出了“数字分身”“狼人魅影”和“异世界回响”等AI能力落地的新功能、新场景。Soul App CTO陶明表示，“Soul围绕社交场景中用户的核心需求布局‘AIGC+社交’，开展语言、语音、视觉等多模态大模型自研工作的同时，快速推动大模型在社交场景的应用。在‘模应一体’方向下，致力于在社交体验提升、AI社交、AI游戏等多个维度探索 AI Native应用的理想形态。”三大新功能亮相，集中展现多模态互动能力在WAIC 2024活动现场，Soul...

来源：AI冲浪者 原文链接：https://mp.weixin.qq.com/s/q8Zsc3v89HeD9W2XHbcM2g 今日AI动态：OpenAI印度推广告，ECCV大会亮点纷呈，还有Agent可观测、推理加速等硬核技术。? GOAI大赛初赛晋级名单揭晓...

来源：硬核拆事一年前，机器人展区的流量密码是后空翻和跑酷，观众看完顶多鼓个掌，转过脸就问“这玩意儿能干嘛”。2026年WAIC，同一个展馆，200多家企业、300多台真机，没人再表演翻跟头——所有人都在问同一个问题：它能连续干满8小时吗？展会现场人形机器人进行货品分拣作业展示这个转变的答案，藏在几组数字里。2.3倍，撕开“讲故事”与“算成本”的分水岭国家税务总局最新数据显示，2026年1-5月，工业企业采购具身智能机器人的总金额同比增长了2.3倍。这个数字直接回答了“市场到底买不买单”——不是实验室的Demo验证，是真实客户掏出真金白银在采购。2.3倍增长的背后，是核心硬件国产化率从不足30%跃升至85%以上的底层支撑。去年关节成本占整机比例接近60%，一块核心关节的交付周期长达6-8周，价格高、货期长，整机厂商根本不敢规划量产。2026年，这个瓶颈被集体击穿。六维力传感器：72.6%的份额，2-3周的交付以六维力传感器为代表的关节力矩传感器，是决定机器人“力觉”的核心部件。国内龙头蓝点触控，市占率已飙至72.6%。更重要的是供应链能力：广东工厂年产能达到100万套关节传感器、2...

来源：数智地球 原文链接：https://mp.weixin.qq.com/s/n5NdWC6_HE4kty71b2YZsA近日，实验室团队的2篇研究论文被 ECCV 2026 接收。 European Conference on Computer Vision（ECCV）是计算机视觉领域的重要国际会议，与CVPR、ICCV并称计算机视觉三大会议。ECCV...

来源：机器之心 原文链接：https://mp.weixin.qq.com/s/_-VhhyJWiMOR8zR48Mc7tQ 在近日的具身智能顶会 RSS（Robotics: Science and Systems）2026 上，最高奖项 Outstanding Paper Award 提名名单里，出现了一个不太 “机器人” 的名字 —— 影眸科技，一家头部 3D 生成大模型公司。 ...

基础模型在兼顾幻觉与推理能效上仍有很长的路要走。作者丨郑佳美编辑丨马晓宁近日，智利大学 CIAE 教育研究所的研究员 Roberto Araya 进行了 4 组对照实验：提供相同的提示词，让 Gemini 2.0 Flash、ChatGPT o3-mini、DeepSeek R1 进行推理分析，研究三个模型在应对幻觉问题上的性能对比。其研究发现：ChatGPT o3-mini 在应对大模型幻觉问题上占有绝对优势，能够灵活切换不同的策略进行思考推理。相比之下，DeepSeek R1 和 Gemini 2.0 Flash 虽然能够尝试使用策略，但表现了出对这些策略的抗拒，且推理过程存在错误或混乱。在面对同一个问题时，三个思考模型在进行推理的过程中也展现出了较大的差异：其中，Gemini 2.0 Flash 的思维链用词最少，ChatGPT o3-mini 是其约 3 到 10 倍，DeepSeek R1 是其大约 12 到 36 倍。而用词更多，往往意味着推理的算力成本更高。尽管 Gemini 2.0 Flash...

来源：无人机具身智能 文章链接：https://mp\.weixin\.qq\.com/s/dKaaGbZK2o0j23g9GKfoeA 论文｜ PathPainter: Transferring the Generalization Ability of Image Generation Models to Embodied Navigation 作者 ｜ Yijin Wang*、Yuru Tian*、Xijie Huang*（共同一作）、Yuze Wu†、Fei Gao† 等 · 浙江大学 · Differential Robotics · 北航 出处 ｜ CoRL 2026（Austin）· arXiv:2605.07496 285 m   90%   0.852 m   0.766 四足真机长距离导航   10 次连续实验成功率   跨视角定位平均误差   域外路径规划成功率   图 1｜系统总览：跨视角定位对齐里程计，图像生成模型在 BEV 图上画出目标与可通行区域，A* 在其上搜路（图源：论文原文 Figure 1） ...

当 AGI 的大脑决定向边缘迁徙，英伟达拿出了统治机器人进化的“终极剧本”。    编辑丨岑峰                                                                                                        2026 年，大模型行业正经历一场前所未有的“体感位移”。那个在纯数字世界几乎无往不利的...