Physical AI 前沿雷达 · 2026-10-03
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:
2026-10-02 23:40 UTC - 统计窗口:
论文 2026-09-29 → 2026-10-03 · 博客与报道 2026-09-03 → 2026-10-03 · 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. Token-World: World Modeling in Vision-Language Model Token Space for Robot Manipulation
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2610.00575 ｜2026-09-30 - 信号:
含闭环成功率·含延迟或控制频率 - 为什么重要
AI 起草: 若你的世界模型评测先生成 RGB 画面、再重新编码喂给策略，这篇自报预印本认为这条间接接口正是问题所在；页面标出闭环与延迟信号，却没给出任何数字，暂不足以支撑改架构。
A common approach to world-model simulation for vision-language-action (VLA) systems is to predict future RGB observations and then re-encode them into policy inputs, introducing an indirect interface between simulation and downstream…
2. DexPolicy: Scheduled Exploration for Trajectory-Guided Dexterous Manipulation
- 主线: 训练与自我改进（RL / 后训练） ｜ 证据:
[R]｜ 来源: arXiv 2610.00360 ｜2026-09-30 - 关键数字:
49.4%(“Target success rises from 49.4% to 68.1% (FPO)”) ·68.1%(“rises from 49.4% to 68.1% (FPO)”) ·14.1%(“14.1% to 45.4% (GRPO)”) ·45.4%(“14.1% to 45.4% (GRPO)”) - 信号:
含量化指标·含闭环成功率·有开放代码或权重 - 为什么重要
AI 起草: 做灵巧手 RL 的团队值得验证摘录里的判断：用来找接触的动作噪声会干扰精细控物；作者自报目标成功率 FPO 从 49.4% 升到 68.1%、GRPO 从 14.1% 升到 45.4%，页面未见真机结果，代码标为开放。
Reinforcement learning (RL) for dexterous manipulation must discover finger-object contacts and then control the object precisely; the action noise that serves the first goal can interfere with the second.
3. Kinematic MeanFlow: One-Step Action Generation Policy for Robotic Foundation Models
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[R]｜ 来源: arXiv 2610.00864 ｜2026-10-01 - 关键数字:
67.5%(“latency of GR00T-N1.6 by 67.5% ~74.4% across L40”) ·74.4%(“of GR00T-N1.6 by 67.5%~ 74.4% across L40 and”) ·30.3%(“end-to-end latency reductions of 30.3% ~54.9%”) ·54.9%(“latency reductions of 30.3%~ 54.9%”) - 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: 用多步流匹配跑 GR00T-N1.6、被推理延迟卡住的团队，可先考虑一步生成而非换硬件：作者自报含 L40 在内延迟降 67.5%~74.4%、端到端降 30.3%~54.9%，但页面没有闭环或真机成功率，需自行确认精度不掉。
In this paper, we study how to achieve one-step action generation in Robotic Foundation Models (RFMs), aiming to overcome the high inference latency of multi-step flow matching.
4. IndoorBEV: A Lightweight Real-Time LiDAR BEV Perception System for Indoor Mobile Robots
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[R]｜ 来源: arXiv 2610.00355 ｜2026-09-30 - 关键数字:
0.6M parameters(“IndoorBEV contains only 0.6M parameters and requires 2.3”) ·169.6 ms(“a mean latency of 169.6 ms under a 200”) ·200 ms(“169.6 ms under a 200 ms perception deadline”) - 信号:
含量化指标·含真机实验·有开放代码或权重·含延迟或控制频率 - 为什么重要
AI 起草: 算力吃紧的室内移动机器人可以把它列入候选：0.6M 参数的 LiDAR BEV 感知，平均延迟 169.6 ms，对 200 ms 的感知时限余量不大；页面标有真机实验与开放代码，上车前请在自家硬件上测最坏情况延迟。
Efficient indoor LiDAR perception is challenging because mobile robots must understand cluttered three-dimensional environments under strict latency and memory constraints.
5. Isaac Lab on AWS: From Simulation to Registered Policy
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[O]｜ 来源: AWS Physical AI Blog ｜2026-10-02 - 信号:
含真机实验 - 为什么重要
AI 起草: 在 AWS 上用 Isaac Lab 训练的团队可参考这篇官方文章：它称 AWS 上的 Physical AI 缺了一层，而系统正从研究快速走向生产部署，流程以注册好的策略收尾；文中没有量化数据，宜当作流程参考，而非性能依据。
Introduction: The missing layer in Physical AI on AWS Physical AI systems, those that perceive, reason, and act in the physical world, are moving fast from research into production deployments.
6. Video Friday: Albatross Falls, Spins, Self-Rights, and Sails Away
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: IEEE Spectrum Robotics ｜2026-10-02 - 为什么重要
AI 起草: 做海上投放平台的可以留意这种思路：摘录描述 ALBATROSS 空投后无需降落伞即可自旋降落到水面，落水后被动自扶正，再把同一副刚性机翼当帆用；这是 Video Friday 的二手转述且无数字，引用前请查原始来源。
We’ve developed ALBATROSS, a hybrid aerial–marine robot that can be released from the air, autorotate down to the water without a parachute, passively self-right after landing, and then reuse the same rigid wings as sails for autonomous…
7. Runway introduces Praxis-1 world action model for robotics
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-10-02 - 信号:
有开放代码或权重 - 为什么重要
AI 起草: 在挑选世界动作模型作底座的团队先别急着押注：报道称 Runway 打算在公开发布 Praxis-1 时附带开放权重，但这是二手消息，页面未见发布时间或任何数字，眼下只宜列入观察名单。
When Runway does release Praxis-1 publicly, it plans to ship it with open weights rather than as a closed model.
8. Inside Omron’s next-generation LD mobile robots
- 主线: 安全、权限与合规 ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-10-02 - 为什么重要
AI 起草: 采购 AMR 的团队可以据此调整评估重心：报道引述 Omron 一位项目经理的看法，软件、安全与车队管理正变得和机器人本身一样重要；这只是二手转述的一家之言，且没有数据。
In mobile robotics, software, safety, and fleet management are becoming just as important as the robot itself, according to an OMROM project manager.
前沿基线（人工策展）
1. 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。
2. 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。
3. π*0.6 / Recap: a VLA that learns from experience via advantage-conditioned policies
- 主线: 训练与自我改进（RL / 后训练） ｜ 证据:
[R]｜ 来源: arXiv 2511.14759 ｜2026 - 关键数字:
RL from autonomous rollouts + human corrections·value function fine-tuned on online data - 为什么重要: “部署即训练”的方法学基础：要用它，运维必须先把干预记录和成功判定变成一等数据。
4. RD-VLA: implicit test-time compute scaling via latent iterative reasoning
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[R]｜ 来源: arXiv 2602.07845 ｜2026 - 关键数字:
constant memory regardless of reasoning depth·up to 80x inference speedup vs token-based reasoning VLAs - 信号:
含延迟或控制频率 - 为什么重要: 机器人可以”想久一点”而不付 token 延迟代价，这是把推理时计算搬进控制回路的关键。
5. RoboWorld: fast and reliable neural simulators for generalist robot policy evaluation
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2607.01060 ｜2026 - 关键数字:
closed-loop rollouts in a video world model·VLM judge·rankings strongly correlated with real-world eval - 为什么重要: 如果世界模型里的排名能对齐真机排名，评测预算就从人力工时转向 GPU 小时——但真机抽检仍不可取消。
6. Jetson-PI: onboard real-time control via foresight-aligned asynchronous inference
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[R]｜ 来源: arXiv 2607.12659 ｜2026 - 关键数字:
8.66x control frequency vs naive PyTorch on Orin·+14.8% average success vs VLASH on LIBERO - 信号:
含延迟或控制频率 - 为什么重要: 在同一块硬件上靠系统工程换来近一个数量级的控制频率，说明部署优化的空间常大于换模型。
主线分布 (近 7 天入选)
| 主线 | # |
|---|---|
| 基座模型（VLA / WAM） | 9 |
| 数据引擎（采集 / 清洗 / scaling） | 2 |
| 训练与自我改进（RL / 后训练） | 5 |
| 仿真与评测（sim2real / 闭环） | 12 |
| 边缘与实时性（端侧推理 / 控制频率） | 8 |
| 安全、权限与合规 | 3 |
| 系统与编排（长程 / 多策略） | 2 |
| 本体与供应链（硬件 / 成本） | 11 |
近期节奏
- 来源构成 (近 7 天入选):
[O]2 ·[R]30 ·[M]20 - 最近各轮入选条数: 09-27 8 · 09-28 4 · 09-29 8 · 09-30 8 · 10-01 8 · 10-02 8 · 10-03 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-opus-5.5），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。