Physical AI 前沿雷达 · 2026-09-25
每日自动更新的具身智能前沿雷达：八条主线、三语精炼、证据可查。
- 生成时间:
2026-09-25 01:40 UTC - 统计窗口:
论文 2026-09-22 → 2026-09-25 · 博客与报道 2026-08-26 → 2026-09-25 · 7 天内不重复 (UTC) - 证据标注：O = 一手官方 · R = 论文/预印本 · M = 媒体或二手
今日重点
1. DreamStream: Towards Policy-Oriented Generative Simulation for End-to-End Driving
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2609.26792 ｜2026-09-24 - 信号:
含闭环成功率·含真机实验·有开放代码或权重 - 为什么重要
AI 起草: 用生成式仿真器做闭环评测时别只看画面逼真度：作者自报 FID 类指标会错判保真度，改用策略特征距离并开源了代码与数据，但结论仅限自动驾驶基准。
Faithfully evaluating end-to-end driving policies in simulation requires observations that are not merely photo-realistic, but preserve the scene features a policy relies on to make decisions.
2. VLAQuantBench: Closed-Loop Evaluation of Post-Training Quantization for Vision-Language-Action Models
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2609.25376 ｜2026-09-24 - 信号:
含闭环成功率·有开放代码或权重 - 为什么重要
AI 起草: 给 VLA 做量化部署前别照搬别家的精度配方：作者自报保护哪些层会让闭环成功率大幅波动，同一校准方法在不同模型上效果相反，结论主要来自仿真。
Post-training quantization reduces the memory requirements of vision-language-action (VLA) models, but precision selection must account for the interaction between layer scope, numerical format, and calibration.
3. MATE: Multi-Agent Virtual Teleoperation Platform for Humanoid Collaboration Data Collection
- 主线: 数据引擎（采集 / 清洗 / scaling） ｜ 证据:
[R]｜ 来源: arXiv 2609.26520 ｜2026-09-24 - 关键数字:
24.1 hours(“multi-humanoid collaboration dataset comprising 24.1 hours of coordinated behavior”) - 信号:
含量化指标·含真机实验 - 为什么重要
AI 起草: 采多人形协作数据可以不买第二台机器人：异地操作员在同一物理仿真里遥操作攒出 24.1 小时协作演示，作者自报能零样本迁移到一台真机人形。
Humanoid robots require diverse embodied experiences to acquire complex loco-manipulation and collaborative skills.
4. Accelerating a ROS 2 Node with an AI Agent and NVIDIA Isaac ROS
- 主线: 系统与编排（长程 / 多策略） ｜ 证据:
[O]｜ 来源: NVIDIA Technical Blog (Robotics) ｜2026-09-22 - 为什么重要
AI 起草: 官方演示用 AI agent 把 ROS 2 节点迁到 Isaac ROS，真正的提醒是图的瓶颈常在消息传递而非 CUDA 内核；文中只展示流程，没有给出加速数字。
GPU acceleration can speed up compute-intensive robotics workloads, but a fast CUDA kernel alone does not guarantee a fast ROS 2 graph.
5. Isaac ROS 5.0 brings AI agents to robotics development, says NVIDIA
- 主线: 系统与编排（长程 / 多策略） ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-09-22 - 为什么重要
AI 起草: 这是对 Isaac ROS 5.0 发布的二手转述，重点是 agent 工作流和新平台支持；排迁移计划前请以 NVIDIA 发行说明为准核对支持的硬件与 ROS 版本。
The release brings new agentic workflows and platform support to NVIDIA Isaac ROS to help developers deploy robotics applications faster.
6. Bringing a Frontier World Model to the Convenience Store: Inside Telexistence’s DreamZero Experiment on AWS
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[O]｜ 来源: AWS Physical AI Blog ｜2026-09-09 - 为什么重要
AI 起草: AWS 一手介绍 Telexistence 在便利店场景跑世界模型的实验，说明云端世界模型已进入零售试点，但全文定位为实验，未给出成功率或延迟数据。
Introduction Imagine walking into a convenience store in Tokyo and watching a robot scan your items, bag your groceries, and restock the shelves — all without missing a beat.
7. ANYbotics opens the door for inspections with ANYmal robots
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-09-24 - 为什么重要
AI 起草: 据媒体报道，ANYmal 借 dormakaba 与 LEGIC 的集成能像员工刷卡一样过门禁，这意味着无人巡检的实际瓶颈从运动能力转到了楼宇权限与安全策略。
ANYbotics partnered with dormakaba and LEGIC Identsystems to enable the ANYmal quadruped to gain access like a badged employee.
8. Epson introduces AX6 cobot with compact design, no-code programming
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-09-24 - 为什么重要
AI 起草: 媒体报道爱普生推出紧凑型六轴力/功率受限协作臂并支持无代码编程；本条摘要不含负载、臂展与价格，选型前请对照官方规格表。
Epson Robots has expanded its six-axis robot line with the AX6, a lightweight force- and power-limited arm.
前沿基线（人工策展）
1. Fine-tuning π0 for robotic manipulation on Amazon SageMaker HyperPod EKS
- 主线: 训练与自我改进（RL / 后训练） ｜ 证据:
[O]｜ 来源: AWS Physical AI Blog ｜2026-09-10 - 关键数字:
MSE -89.7% (DROID)·MSE -88.9% (LIBERO)·8xH100, 20k steps, 6h15m·50-step chunk <200 ms at 1 ODE step·checkpoint ~45 GB - 信号:
含量化指标 - 为什么重要: 同一工作早期报 96% 改善，只因评测集与训练集重叠；修正切分后是 89%。这是 2026 年最值得引用的评测纪律案例。
2. NVIDIA Cosmos 3: physical reasoning, world generation and action generation in one open model
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[O]｜ 来源: NVIDIA Technical Blog ｜2026-08 - 关键数字:
single open model·Nano / Super / Edge variants - 为什么重要: 把物理推理、世界生成、动作生成合进一个开放模型，意味着”想象”和”动作”不再是两个栈。
3. Regulation (EU) 2023/1230 becomes fully applicable
- 主线: 安全、权限与合规 ｜ 证据:
[O]｜ 来源: EUR-Lex / TUV SUD ｜2027-01-20 - 关键数字:
fully applicable 2027-01-20·replaces Directive 2006/42/EC - 为什么重要: 这是可以直接抄进项目计划的硬日期：之后不合规机械不得在欧盟市场投放。
4. GR00T N1.7: open reasoning VLA model for humanoid robots
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[O]｜ 来源: NVIDIA / Hugging Face ｜2026 - 关键数字:
3B parameters·open weights - 为什么重要: 3B 级开放 reasoning VLA 让自建团队有了可微调、可部署的起点，而不必自研基座。
5. Z-1: efficient RL post-training for flow-based VLA models
- 主线: 训练与自我改进（RL / 后训练） ｜ 证据:
[R]｜ 来源: arXiv 2606.31846 ｜2026 - 关键数字:
80.6% average success on 24 RoboCasa tasks·+13.2 points over SFT init·public demos only - 为什么重要: 在不增加私有演示数据的前提下，系统性 GRPO 后训练就能拿到两位数增益，改变了”只能靠加数据”的默认认知。
6. Isaac Lab-Arena: reusable APIs to author, scale and analyse robot policy evaluations
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[O]｜ 来源: NVIDIA ｜2026 - 关键数字:
policy evaluation at scale·solver-agnostic - 为什么重要: 评测从一次性脚本变成可复用流水线，是把”能演示”推进到”能回归”的关键工程件。
主线分布
| 主线 | # |
|---|---|
| 基座模型（VLA / WAM） | 4 |
| 数据引擎（采集 / 清洗 / scaling） | 6 |
| 训练与自我改进（RL / 后训练） | 4 |
| 仿真与评测（sim2real / 闭环） | 6 |
| 边缘与实时性（端侧推理 / 控制频率） | 5 |
| 安全、权限与合规 | 5 |
| 系统与编排（长程 / 多策略） | 3 |
| 本体与供应链（硬件 / 成本） | 4 |
近期节奏
- 来源构成:
[O]16 ·[R]16 ·[M]5 - 最近各轮入选条数: 09-19 8 · 09-20 8 · 09-21 8 · 09-22 8 · 09-23 6 · 09-24 2 · 09-25 8
合规与标准观察
- ISO 25785-1 — Safety requirements for dynamically stable industrial mobile robots — Under development; committee-stage as of 2026-09.
- Regulation (EU) 2023/1230 (Machinery Regulation) — Fully applicable 2027-01-20.
- EU AI Act official timeline (Council of the EU) — High-risk deadlines 2027-12-02 / 2028-08-02 per Digital Omnibus.
本页逐条分析由 radar-analyst 起草（claude-fable-5.1），经确定性检查与 agent 复核后自动合并，未经人工复核；标题与数字未经改写。
本仓库为技术观察，不构成投资建议、产品承诺或安全认证结论。论文结论以作者自报为准。