来源：公众号seeed矽递科技 原文链接：https://mp.weixin.qq.com/s/oatmuYsg5WVw_Ef3qX43Dw 机器人正在进入一个新的发展阶段。 随着大模型、视觉语言动作（Vision-Language-Action, VLA）、机器人学习（Robot Learning）以及边缘 AI 技术的快速发展，机器人正在从传统的自动化设备，逐渐转变为能够感知、学习并与真...

来源：具身江河 原文链接：https://mp.weixin.qq.com/s/prlEip4pav6iyOtw95BIuw 导语 传统具身强化学习受限于真实世界交互成本高、复位繁琐及安全隐患，难以高效提升VLA模型在复杂动态任务中的鲁棒性。RISE框架通过构建解耦的“组合式世界模型”，将动力学预测与价值评估分离，实现了完全在想象空间中的高效在线强化学习。该方法避免了高昂的物理试错，在传送带...

来源： 无问芯穹 原文链接：https://mp.weixin.qq.com/s/YEUdWcZDIKU4as3Txs5Q6Q近日，国际顶级学术会议 CVPR 2026 与 RSS 2026 先后公布录用结果。无问芯穹与清华大学等联合团队三项研究成果成功入选，其中一项获选为 CVPR 2026 Oral，两项被 RSS 2026 录用。此次“顶会三连中”充分展现了双方在强化学习算法及系统、具...

来源：机器之心 原文链接：https://mp.weixin.qq.com/s/MFTQ_ysx0d7jO3sOVCmG3g 赋予机器人物理理解和预测能力是通用操作的关键。蚂蚁灵波等机构提出的 LingBot-VA 试图将视频帧预测与动作推理统一起来，让机器人通过自回归扩散框架学会“一边思考一边行动”。 在通用机器人领域，机器人控制需要的不只是“看懂”当前画面 ，还需要预测未来。如果一个模型...

来源：机器之心 原文链接：https://mp.weixin.qq.com/s/4e6qXfhfbrNKuJOpRCQqtw 从第一视角观测中持续重构三维世界，并理解空间中的几何结构与开放语义信息，是机器人具身感知领域的核心问题。语义占据预测（Semantic Occupancy Prediction） 通过将空间划分为三维体素网格，并为每个体素估计 “空闲、占据、未知” 状态及其语义类别，...

2026 年 7 月中旬，机器人领域顶级会议 RSS（Robotics: Science and Systems）如期举办。与“机器人操作”直接相关的十余场研讨会，集中释放了整个子方向的最新焦虑与破局思路——从模仿学习的数据质量危机，到触觉这一“最后感知版图”的攻坚，再到工业级可靠性的认证路径。雷峰网(公众号：雷峰网)逐一梳理十大核心 Workshop 的定位与主张，并进一步提炼出贯穿全场的...

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 Scaling Law，在试图跨越到物理世界时，正遭遇物理规律、空间约束和长尾数据的残酷审判。 AI 行业最核心的矛盾正日趋明显：云端算力的指数级爆发，与机器人终端落地的步履蹒跚，构成了一种日益撕裂的鸿沟。 这种割...

斯坦福团队提出：机器人不需要见过所有的失败，它只需要学会如何“脑补”另一种可能。 作者丨岑峰 在 AGI 的数字版图里，大语言模型仅靠“读遍互联网文本”就拼凑出了通往智能的通途。这种由 Scaling Law 带来的暴力美学，让整个具身智能行业在过去两年里陷入了一种盲目的“数据崇拜”：人们坚信，只要像训练大模型一样，喂下数以百万小时的视频，机械臂就能在物理世界中无所不能。 而在2026 年的...