Physical AI 前沿雷达 · 2026-10-08
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:
2026-10-08 07:30 UTC - 统计窗口:
论文 2026-10-04 → 2026-10-08 · 博客与报道 2026-09-08 → 2026-10-08 · 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. Agentic RSR: Real-to-Sim-to-Real through Scene Reconstruction and Execution-Grounded Robot Policies
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2610.10479 ｜2026-10-07 - 关键数字:
80%(“task success rate reaches 80% of the simulation”) - 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。
A simulation of a real robot workspace must preserve task-relevant interactions, while policies developed in it must operate on observations available to the real robot.
2. RealtimeWAM: How Fast Can I Run My World Action Model?
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2610.10079 ｜2026-10-07 - 关键数字:
63.09 ms(“latencies are 24.09 and 63.09 ms”) ·82.75%(“Average success rates are 82.75% and 87.41%”) ·87.41%(“rates are 82.75% and 87.41%”) - 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。关注仿真结果对真机表现的预测有多准。
World Action Models (WAMs) combine visual dynamics modeling with action generation, but their high inference latency limits responsive robot control.
3. RFPO: Rectified Flow Policy Optimization for Embodied Control
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[R]｜ 来源: arXiv 2610.10453 ｜2026-10-07 - 关键数字:
2.4%(“one-step returns remaining within 2.4% of their corresponding”) ·98.5%(“one-step execution retains 98.5% of the 64-step”) ·4.39 ms(“mean inference latency from 4.39 ms to 0.08 ms”) ·0.08 ms(“from 4.39 ms to 0.08 ms”) - 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: 预印本，尚未经过同行评审；原文未提及闭环结果。关注在目标硬件和实际控制频率下加速是否成立。
Flow-based policies provide an expressive framework for continuous robot control, but their iterative ODE integration incurs substantial inference cost.
4. PEARS: Physical-Prior-Guided Efficient Adaptation via Failure Reasoning and Diffusion Steering for Tactile Manipulation
- 主线: 训练与自我改进（RL / 后训练） ｜ 证据:
[R]｜ 来源: arXiv 2610.08784 ｜2026-10-06 - 关键数字:
53.2%(“threshold by up to 53.2% relative to the”) ·95%(“achieves success rates of 95% on Whiteboard Erasing”) ·90%(“on Whiteboard Erasing and 90% on Pipette Liquid”) - 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。关注提升在训练任务之外是否依然成立。
Pretrained robotic policies can suffer substantial performance degradation under out-of-distribution (OOD) conditions encountered during deployment, motivating post-training through real-world interaction.
5. 研究了1933篇 IROS 论文，我们看到了机器人学的六项新变化
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: 雷峰网 Leiphone ｜2026-10-08 - 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。关注价格、供货以及谁在批量交付。
大模型并没有“吃掉”机器人学。9月27日，IROS 2026 将在匹兹堡开幕。
6. 对话如祺出行COO韩锋：世界模型越强，真实数据才是真壁垒
- 主线: 数据引擎（采集 / 清洗 / scaling） ｜ 证据:
[M]｜ 来源: 雷峰网 Leiphone ｜2026-10-08 - 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。关注这些数据能否在作者自己的机器人之外复用。
过去一年，“物理AI”几乎成了自动驾驶、车企共同争夺的下一张船票。 世界模型、具身大模型、机器人数据……众多公司从不同切入口布局物理AI，试图成为新风口之下的主角，相比之下，如祺出行选择了一条不那么显眼的路径，不自己训练大模型，而是尝试成为模型背后的数据基础设施。
7. IROS 2026大奖揭晓：长期记忆拿下最佳论文，人形机器人打网球、端托盘双双获奖
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[M]｜ 来源: 雷峰网 Leiphone ｜2026-10-08 - 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。关注它能否减少新任务或新本体所需的数据。
在机器人领域，一个更大的模型并不能自动解决所有问题。当地时间 9 月 30 日，IROS 2026 主会在美国匹兹堡落下帷幕，本届大会的主要奖项也在最后一天正式揭晓。
8. Harmonic Drive to share how integrated actuators can reduce engineering at RoboBusiness
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-10-07 - 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。关注价格、供货以及谁在批量交付。
Attendees will learn how integrated actuators can reduce engineering effort by simplifying system integration.
前沿基线（人工策展）
1. Newton: open-source GPU physics engine for robotics (NVIDIA, Google DeepMind, Disney Research)
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[O]｜ 来源: NVIDIA Developer ｜2026 - 关键数字:
built on Warp + OpenUSD·MuJoCo Warp up to 152x (locomotion) / 313x (manipulation) vs MJX on RTX 4090 - 信号:
有开放代码或权重 - 为什么重要: 仿真底座换代且可微，配合 Isaac Lab 的多后端切换，训练与评测可以复用同一套 actuator 配置。
2. 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。
3. 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。
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. 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”。
6. 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。
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） | 3 |
| 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） | 9 |
| 安全、权限与合规 | 4 |
| 系统与编排（长程 / 多策略） | 4 |
| 本体与供应链（硬件 / 成本） | 7 |
近期节奏
- 来源构成 (近 7 天入选):
[O]1 ·[R]40 ·[M]15 - 最近各轮入选条数: 10-02 8 · 10-03 8 · 10-04 8 · 10-05 8 · 10-06 8 · 10-07 8 · 10-08 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。