Physical AI 前沿雷达 · 2026-10-06
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:
2026-10-05 23:40 UTC - 统计窗口:
论文 2026-10-02 → 2026-10-06 · 博客与报道 2026-09-06 → 2026-10-06 · 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. FastOPD: On-Policy Distillation for Lightweight VLA Deployment
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[R]｜ 来源: arXiv 2610.02832 ｜2026-10-02 - 关键数字:
84%(“FastOPD retains 84% of the performance”) ·78.1%(“reducing inference latency by 78.1% while outperforming existing”) - 信号:
含量化指标·含闭环成功率·含真机实验·含延迟或控制频率 - 为什么重要: 预印本，尚未经过同行评审；原文给出了真机结果、闭环结果、量化数据。关注它能否减少新任务或新本体所需的数据。
Vision-Language-Action (VLA) foundation models have scaled rapidly to enhance manipulation performance and generalizability, but this scaling incurs high computational costs that render real-world deployment increasingly challenging.
2. UniIntervene++: An Adaptive Intervention Agent for Efficient Real-World Reinforcement Learning
- 主线: 训练与自我改进（RL / 后训练） ｜ 证据:
[R]｜ 来源: arXiv 2610.03620 ｜2026-10-02 - 关键数字:
89.67%(“average success rate of 89.67%”) ·0.77%(“reducing human intervention to 0.77%”) ·94.6%(“reduction of at least 94.6% from the best”) - 信号:
含量化指标·含闭环成功率·含真机实验·有开放代码或权重 - 为什么重要: 预印本，尚未经过同行评审；原文给出了真机结果、闭环结果、量化数据。关注提升在训练任务之外是否依然成立。
Online reinforcement learning (RL) enables robot policies to improve through physical interaction, but the assistance they require changes as their competence evolves.
3. MobiAgent: Dual-Loop Recursive Policy Self-Improvement for Long-Horizon Mobile Manipulation
- 主线: 系统与编排（长程 / 多策略） ｜ 证据:
[R]｜ 来源: arXiv 2610.03476 ｜2026-10-02 - 关键数字:
7.50%(“success improves from 7.50% to 27.50% on”) ·27.50%(“improves from 7.50% to 27.50% on RoboCasa and”) ·32.5%(“on RoboCasa and from 32.5% to 57.5% on”) ·57.5%(“and from 32.5% to 57.5% on Astribot S1”) - 信号:
含量化指标·含真机实验 - 为什么重要: 预印本，尚未经过同行评审；原文未提及闭环结果。关注在没有人工重置的长程任务中是否可靠。
Long-horizon mobile manipulation presents significant challenges due to compounding execution errors and capacity interference between locomotion and arm control.
4. World Action Learning via Interaction-Centric Spectral Latent Guidance
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2610.03607 ｜2026-10-02 - 关键数字:
99.20%(“average success rates of 99.20% on LIBERO”) ·93.80%(“93.80% on RoboTwin 2.0”) ·57.7%(“and 57.7% on RoboCasa-GR1”) - 信号:
含量化指标·含闭环成功率·含真机实验 - 为什么重要: 预印本，尚未经过同行评审；原文给出了真机结果、闭环结果、量化数据。关注仿真结果对真机表现的预测有多准。
Learning general-purpose robot policies requires large-scale real-world interaction data, yet collecting robot demonstrations remains expensive and difficult to scale.
5. SimpleTouch: Can Vision-Language-Action Models Master Contact-Rich Manipulation Without Tactile Policy Pretraining?
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[R]｜ 来源: arXiv 2610.02784 ｜2026-10-02 - 关键数字:
50 demonstrations(“With 50 demonstrations per task”) ·77.5%(“average success rate reaches 77.5%”) ·45.2%(“compared with 45.2% for FTP-$π_{0.5}$ and”) ·66.7%(“45.2% for FTP-$π_{0.5}$ and 66.7% for FTP-1”) - 信号:
含量化指标·含闭环成功率·含真机实验 - 为什么重要: 预印本，尚未经过同行评审；原文给出了真机结果、闭环结果、量化数据。关注它能否减少新任务或新本体所需的数据。
Tactile sensing provides essential contact information for robotic manipulation, yet incorporating it into pretrained vision-language-action (VLA) models remains challenging.
6. HexVIO: Towards All-Day Stereo-Inertial Tracking Through Commodity DSPs
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[R]｜ 来源: arXiv 2610.03283 ｜2026-10-02 - 关键数字:
67%(“demonstrates a 67% reduction in power”) ·86%(“power consumption or an 86% increase in throughput”) ·30 fps(“to sustain long-term real-time 30 fps tracking for 0.83”) ·0.83 W(“30 fps tracking for 0.83 W”) - 信号:
含量化指标·含延迟或控制频率 - 为什么重要: 预印本，尚未经过同行评审；原文未提及真机结果、闭环结果。关注在目标硬件和实际控制频率下加速是否成立。
The ability of a device to localize itself within its surroundings is a fundamental prerequisite for spatial computing.
7. FCC robot restrictions could accelerate shift to local AI
- 主线: 安全、权限与合规 ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-10-05 - 为什么重要: 二手报道，引用前请核对原始来源；原文未提及量化数据。关注它对认证和上线审批意味着什么。
Companies deploying physical AI today need to decide which AI workloads belong on the robot, what can remain in the cloud, and whether the underlying technology stack can meet rising expectations for security, safety, and supply-chain…
8. 川崎重工とNVIDIAが目指す「次世代デジタルシップヤード構想」とは何か
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[M]｜ 来源: MONOist (ITmedia) ｜2026-10-05 - 为什么重要: 二手报道，引用前请核对原始来源；原文未提及量化数据。关注仿真结果对真机表现的预测有多准。
川崎重工は、NVIDIAのフィジカルAIとデジタルツイン技術を活用し、「次世代デジタルシップヤード」の実現を目指すプロジェクトを開始した。海外で進むデジタルシップヤード構想と比べて、川崎重工とNVIDIAの取り組みにはどのような違いがあるのだろうのか。
前沿基线（人工策展）
1. XPENG commissions its humanoid production lines; IRON walks off the line autonomously
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[O]｜ 来源: PR Newswire ｜2026-09-08 - 关键数字:
>80% of core processes automated (reported)·target 1,000+ units/month by year-end (reported) - 为什么重要: 产线投产是可验证事实，月产目标是转述报道；把两者分开引用，是这一轮最容易被抓的口径问题。
2. 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。
3. 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。
4. Gemini Robotics 2 brings whole body intelligence to robots
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[O]｜ 来源: Google DeepMind ｜2026 - 关键数字:
full humanoid control, feet to fingertips·bi-arm robots - 为什么重要: 全身控制进入通用 VLA 的能力清单，意味着上肢操作与下肢平衡不再被两套系统割裂。
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. 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。
主线分布 (近 7 天入选)
| 主线 | # |
|---|---|
| 基座模型（VLA / WAM） | 11 |
| 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） | 13 |
| 边缘与实时性（端侧推理 / 控制频率） | 10 |
| 安全、权限与合规 | 4 |
| 系统与编排（长程 / 多策略） | 5 |
| 本体与供应链（硬件 / 成本） | 6 |
近期节奏
- 来源构成 (近 7 天入选):
[O]1 ·[R]39 ·[M]16 - 最近各轮入选条数: 09-30 8 · 10-01 8 · 10-02 8 · 10-03 8 · 10-04 8 · 10-05 8 · 10-06 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。