Physical AI 前沿雷达 · 2026-09-26
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:
2026-09-26 01:40 UTC - 统计窗口:
论文 2026-09-22 → 2026-09-26 · 博客与报道 2026-08-27 → 2026-09-26 · 30 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. RoboRecover: Benchmarking Robot Policy Recovery under Execution Deviations
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2609.28952 ｜2026-09-25 - 信号:
含闭环成功率 - 为什么重要
AI 起草: 作者指出现有基准多从预设初始状态跑完整轨迹，若你的评测也是如此，就测不到策略偏离后能否恢复；该预印本报告了闭环结果，但本页未见具体数字，请自行核对原文。
Robot-policy benchmarks increasingly cover diverse tasks and preset out-of-distribution conditions, but typically evaluate complete trajectories from predefined initial states.
2. Albireo: Adaptive, Energy-Efficient Inference Framework for Video Object Detection on the Edge
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[R]｜ 来源: arXiv 2609.29648 ｜2026-09-25 - 关键数字:
17.6%(“while reducing energy by 17.6% (Thor) and 14.4%”) ·14.4%(“by 17.6% (Thor) and 14.4% (Orin) and per-frame”) ·24.9%(“per-frame energy-delay product by 24.9% and 26.1%”) ·26.1%(“product by 24.9% and 26.1%”) - 信号:
含量化指标·有开放代码或权重·含延迟或控制频率 - 为什么重要
AI 起草: 若你的感知栈在长视频流上逐帧跑检测器，作者自报在 Thor 上省电 17.6%、Orin 上 14.4%，代码已开放；本页没有真机任务或控制回路的结果，先在自己的板子上复测再决定是否接入。
Video object detection on edge devices runs computationally expensive detectors over long frame streams, causing high energy consumption and sustained GPU utilization.
3. Rolling-WAM: World Action Models with Rolling Imagination
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2609.30247 ｜2026-09-25 - 关键数字:
4.5x(“it delivers a 4.5x steady-state replanning speedup”) - 信号:
含闭环成功率·含真机实验·含延迟或控制频率 - 为什么重要
AI 起草: 如果你曾因联合视频-动作去噪拖慢每个重规划周期而放弃世界动作模型，作者自报的 4.5x 稳态重规划加速、且附真机闭环结果，值得重新评估；成功率数字本页未给出。
World Action Models (WAMs) couple action generation with future visual prediction for robotic manipulation. However, completing the joint video-action denoising process at each replanning cycle incurs substantial latency, delaying action…
4. Continuous Online Fault Detection for Mobile Robots via Adaptive Edge Models
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[R]｜ 来源: arXiv 2609.29194 ｜2026-09-25 - 关键数字:
4.30 ms(“the Student achieves a 4.30 ms CPU inference latency”) - 信号:
含量化指标·含真机实验·含延迟或控制频率 - 为什么重要
AI 起草: 作者自报其 Student 模型在 CPU 上单次推理 4.30 ms 且可持续在线适应，意味着故障检测可以不占 GPU 地挂在控制回路旁；页面显示有真机结果，但没有检测触发后闭环处置的验证。
Mobile robots require robust, real-time fault detection capable of continuous adaptation on constrained edge hardware.
5. Video Friday: Life’s Better With a Little Robot Goose
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: IEEE Spectrum Robotics ｜2026-09-25 - 为什么重要
AI 起草: 这是一期视频集锦，页面上唯一的文字只提到 The Robot Works 的小机器鹅；把它当成发现硬件线索的入口、再去别处核实，不要把其中任何规格、价格或出货说法当作证据。
Life’s better with a little Goose. [ The Robot Works ] Thanks, Dave!
6. Difference-Aware Retrieval Policies for Imitation Learning
- 主线: 数据引擎（采集 / 清洗 / scaling） ｜ 证据:
[R]｜ 来源: Toyota Research Institute ｜2026-09-09 - 关键数字:
46%(“consistent performance improvements of 15-46% over standard behavior”) - 信号:
含量化指标 - 为什么重要
AI 起草: 若你的行为克隆策略在部署中因误差累积而滑出分布，作者自报的检索式策略比标准行为克隆提升 15-46%；页面未见真机或闭环结果，换方案前先在自己的任务上验证。
Parametric imitation learning via behavior cloning can suffer from poor generalization to out-of-distribution states due to compounding errors during deployment.
7. Agility Robotics, maker of Digit humanoid, exploring wheeled robots
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-09-25 - 为什么重要
AI 起草: 一家行业媒体报道 Digit 的厂商正在为不同作业环境探索包括轮式在内的多种形态，说明人形优先的厂商也不只押注双足；如果你在选型，直接问厂商哪种形态在实际交付。
Agility Robotics is exploring a range of robot designs and form factors, including wheels, to address different operating environments and customer needs.
8. Qualcomm to acquire PickNik Robotics and keep MoveIt open-source
- 主线: 系统与编排（长程 / 多策略） ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-09-23 - 信号:
有开放代码或权重 - 为什么重要
AI 起草: 如果 MoveIt 在你的操作栈里，报道称高通将保持其开源并接入 Dragonwing 与 Arduino 平台，短期风险是路线图向单一芯片厂商倾斜，而非许可证变更；请以官方公告为准。
Qualcomm plans to integrate the Dragonwing and Arduino platforms with the MoveIt open-source manipulation framework.
前沿基线（人工策展）
1. RoboHarness: memory-driven orchestration of heterogeneous robot policies
- 主线: 系统与编排（长程 / 多策略） ｜ 证据:
[R]｜ 来源: arXiv 2607.18060 (Huawei Noah’s Ark Lab) ｜2026 - 关键数字:
VLA + RL + TAMP as agentic skills·capability-aware routing·Memory Bridge for policy handoff without retraining - 为什么重要: 长程任务的系统形态是编排器加策略池，运维对象从”一个模型”变成”一组可声明的能力边界”。
2. NVIDIA Jetson Thor: up to 2070 FP4 TFLOPS and 128 GB at 40-130 W
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[O]｜ 来源: NVIDIA ｜2026 - 关键数字:
7.5x AI compute vs Orin·3.5x energy efficiency vs AGX Orin·Jetson T2000: 400 FP4 TFLOPS / 16 GB - 信号:
含量化指标·含延迟或控制频率 - 为什么重要: 端侧算力代际跳变给了世界模型和推理时计算空间，但实时预算依然要逐项实测。
3. HumanEgo: zero-shot robot learning from minutes of human egocentric video
- 主线: 数据引擎（采集 / 清洗 / scaling） ｜ 证据:
[R]｜ 来源: arXiv 2605.24934 ｜2026 - 关键数字:
30 min/task -> 92.5% average success on 4 real tasks·15 min -> 75%·+41% over matched-time teleoperation - 为什么重要: 把”单位新任务的数据成本”压到分钟级，这是判断数据策略是否落后的最直接基准。
4. The reliability gap: industrial buyers want 95-99% uptime; most humanoids run 30-90 minutes
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: robozaps / industry analyses ｜2026 - 关键数字:
95-99% expected uptime·30-90 min continuous operation·MTBI and autonomy rate are the metrics that matter - 信号:
含量化指标 - 为什么重要: 2027 的限速器大概率不是模型能力，而是平均干预间隔与认证空窗期。
5. 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。
6. ISO 25785-1 (under development): safety for dynamically stable industrial mobile robots
- 主线: 安全、权限与合规 ｜ 证据:
[O]｜ 来源: ISO ｜2026 - 关键数字:
committee stage as of 2026-09·covers legged / self-balancing robots - 为什么重要: 人形打破了 ISO 10218 的固定基座前提；专用标准落地前，安全只能靠架构与运行时保证。
主线分布 (近 7 天入选)
| 主线 | # |
|---|---|
| 基座模型（VLA / WAM） | 2 |
| 数据引擎（采集 / 清洗 / scaling） | 4 |
| 训练与自我改进（RL / 后训练） | 6 |
| 仿真与评测（sim2real / 闭环） | 11 |
| 边缘与实时性（端侧推理 / 控制频率） | 8 |
| 安全、权限与合规 | 1 |
| 系统与编排（长程 / 多策略） | 7 |
| 本体与供应链（硬件 / 成本） | 8 |
近期节奏
- 来源构成 (近 7 天入选):
[O]24 ·[R]8 ·[M]15 - 最近各轮入选条数: 09-20 8 · 09-21 8 · 09-22 8 · 09-23 6 · 09-24 2 · 09-25 8 · 09-26 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。