Physical AI 前沿雷达 · 2026-10-09
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:
2026-10-09 07:28 UTC - 统计窗口:
论文 2026-10-05 → 2026-10-09 · 博客与报道 2026-09-09 → 2026-10-09 · 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. WARP-VLA: Wrist-Camera Adaptation for View-Robust Policy Execution in Vision-Language-Action Models
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2610.11508 ｜2026-10-08 - 关键数字:
39.2%(“rate of pi-0.5 from 39.2% to 78.3% under”) ·78.3%(“pi-0.5 from 39.2% to 78.3% under wrist-view perturbations”) - 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。关注仿真结果对真机表现的预测有多准。
Despite recent advances in Vision-Language-Action models (VLAs) for robotic manipulation, their performance remains sensitive to changes in camera configuration.
2. REACT: Rolling Denoising and Dual Decoupling for Reactive Robot Control with VLA Models
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2610.12007 ｜2026-10-08 - 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: 预印本，尚未经过同行评审；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。
Flow-based vision-language-action (VLA) models generate action chunks for temporally coherent robot motion, but chunked control creates a fundamental closed-loop trade-off: long chunks provide smooth execution, whereas frequent replanning…
3. Leveraging Human-In-The-Loop Demonstrations in Reinforcement Learning for Digital Twin-Driven Robot Flexibility
- 主线: 数据引擎（采集 / 清洗 / scaling） ｜ 证据:
[R]｜ 来源: arXiv 2610.12140 ｜2026-10-08 - 关键数字:
100%(“dual actor framework reached 83-100% mean deterministic evaluation”) ·17%(“against 0-17% for the two”) - 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。关注这些数据能否在作者自己的机器人之外复用。
Growing automation makes collaborative robots work in more variable environments, increasing the need for adaptation.
4. Tell Robot What Not to Do: A Negation Understanding Perspective
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[R]｜ 来源: arXiv 2610.11952 ｜2026-10-08 - 关键数字:
2.60%(“rate of $π_{0.5}$ from 2.60% to 88.45% on”) ·88.45%(“$π_{0.5}$ from 2.60% to 88.45% on NegaBench and”) ·12.4%(“on NegaBench and from 12.4% to 88.8% on”) ·88.8%(“and from 12.4% to 88.8% on real-world tasks”) - 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。
Instruction following enables robots to perform diverse tasks specified in natural language, making it a fundamental capability for human-robot interaction.
5. This Disembodied Hand Is All the Robot You Need
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: IEEE Spectrum Robotics ｜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。
A hand attached to the end of an arm is a given for most humans, but what if robots didn’t have to play by the same rules as we do?
6. Jabil discusses the pace of humanoid robot development and production
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: The Robot Report ｜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。
Jabil, which is working with robot developers such as Apptronik, provides a design perspective on humanoid progress.
7. AWS launches open-source Physical AI Toolchain for robotics
- 主线: 边缘与实时性（端侧推理 / 控制频率） ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-10-08 - 信号:
有开放代码或权重 - 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。关注在目标硬件和实际控制频率下加速是否成立。
The toolchain combines AWS and NVIDIA tools for synthetic data generation, model training, simulation and validation, edge deployment, and continuous improvement.
8. 独家 | 清华 AIR 首届博士李健雄创立本溯智能：五源资本领投，押注动作原生具身模型
- 主线: 训练与自我改进（RL / 后训练） ｜ 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。关注提升在训练任务之外是否依然成立。
常春藤、线性、华山资本跟投，AIR副教授詹仙园任首席科学家。雷峰网·鲸犀独家获悉，清华大学智能产业研究院（AIR）首届博士生李健雄已毕业，并创立具身智能公司 本溯智能 （BASAL Intelligence，简称 BASAL）。
前沿基线（人工策展）
1. 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。
2. China approves 60 guiding technical documents incl. embodied-AI data quality (part 1: real data)
- 主线: 安全、权限与合规 ｜ 证据:
[O]｜ 来源: SAMR / SAC announcement ｜2026-09 - 关键数字:
60 guiding technical documents(“China approves 60 guiding technical documents incl”) ·embodied-AI data quality, part 1: real data - 为什么重要: 具身智能的数据质量第一次进入国标体系，数据治理从”团队习惯”变成”可被审的规范”。
3. 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”。
4. 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。
5. 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。
6. 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。
主线分布 (近 7 天入选)
| 主线 | # |
|---|---|
| 基座模型（VLA / WAM） | 10 |
| 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） | 14 |
| 边缘与实时性（端侧推理 / 控制频率） | 9 |
| 安全、权限与合规 | 3 |
| 系统与编排（长程 / 多策略） | 3 |
| 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: 10-03 8 · 10-04 8 · 10-05 8 · 10-06 8 · 10-07 8 · 10-08 8 · 10-09 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。