Physical AI 前沿雷达 · 2026-10-11
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:
2026-10-10 23:40 UTC - 统计窗口:
论文 2026-10-07 → 2026-10-11 · 博客与报道 2026-09-11 → 2026-10-11 · 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. RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2610.12185 ｜2026-10-08 - 关键数字:
8.70%(“RESETTLE achieves up to 8.70%”) ·6.28%·6.83%(“and 6.83% absolute success-rate gains”) ·74.04%(“monitoring-and-recovery computation latency is 74.04% –93.57% lower than”) - 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: 若你的操作系统缺少执行出错后的及时纠偏，这篇自报预印本声称成功率最高提升 8.70%，监控与恢复的计算延迟也更低；页面未写明对比基线，评估前先核对原文。
Reliable robotic manipulation requires timely intervention to correct emerging deviations and restore progress after execution errors.
2. Being-M0.7: A Latent World-Action Model for Humanoid Robots
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[R]｜ 来源: arXiv 2610.11283 ｜2026-10-08 - 关键数字:
10,000 hours(“corpus from more than 10,000 hours of raw human-centric”) - 信号:
含量化指标·含闭环成功率·含真机实验 - 为什么重要
AI 起草: 人形全身移动操作受限于机器人示范稀缺的团队，可关注这条从超过 10,000 hours 原始以人为中心数据入手的路线；结果为作者自报，迁移到自家本体的效果仍需自测。
Humanoid loco-manipulation requires coordinated locomotion and manipulation informed by future scene evolution and whole-body motion, yet learning these capabilities is constrained by scarce robot demonstrations.
3. Residual Modeling Closes the Regression and Generative Policy Gap in Robot Learning
- 主线: 仿真与评测（sim2real / 闭环） ｜ 证据:
[R]｜ 来源: arXiv 2610.12231 ｜2026-10-08 - 信号:
含闭环成功率·含真机实验 - 为什么重要
AI 起草: 在扩散/流匹配策略与 MSE 直接回归之间做选型时，这篇预印本值得一读：它报告了闭环与真机实验，但页面没有数字，暂不足以据此更换现有策略架构。
Learning from demonstration has enabled impressive robot behaviors. A common choice for policy learning is to use diffusion or flow matching (Flow-Policies), which often outperforms direct action regression trained with mean squared error…
4. ARC: A Reasoning Recipe for Robot Foundation Models
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[R]｜ 来源: arXiv 2610.12386 ｜2026-10-08 - 信号:
含闭环成功率·含真机实验 - 为什么重要
AI 起草: 计划靠更大模型、更多示范和高成本训练提升机器人基座模型的团队，可以把这条以推理为核心的路线列为备选；自报预印本，有闭环与真机信号，但页面没有数字可供权衡投入。
The prevailing approach to improving robot foundation models (RFMs) relies on larger models, more robot demonstrations, and costly training at scale.
5. SkillWeave: Weaving Heterogeneous Demonstrations into Long-Horizon Manipulation Skills
- 主线: 数据引擎（采集 / 清洗 / scaling） ｜ 证据:
[R]｜ 来源: arXiv 2610.12046 ｜2026-10-08 - 关键数字:
27%(“SkillWeave achieves 27% average end-to-end success”) ·65%(“to an average of 65%”) ·87%(“average composition efficiency of 87%”) - 信号:
含量化指标·含闭环成功率·含真机实验 - 为什么重要
AI 起草: 若灵巧操作的示范要同时覆盖长程任务推进和接触密集交互，这篇预印本报告平均端到端成功率 27%、组合效率 87%；端到端数字偏低，作者自报，采集方案调整前宜先复现。
Dexterous manipulation requires both large-scale task progression and precise contact-rich interaction, making it challenging to collect demonstrations that effectively support both regimes.
6. FAITH: Feasibility-Aware Safety-Filtered RL for High-Dimensional Systems
- 主线: 安全、权限与合规 ｜ 证据:
[R]｜ 来源: arXiv 2610.12432 ｜2026-10-08 - 关键数字:
99.95%(“it reaches a 99.95% safety rate while”) ·97%(“safety rate while retaining 97% of the unfiltered”) - 信号:
含量化指标·含真机实验 - 为什么重要
AI 起草: 若你的安全强化学习把安全与任务性能放在同一目标里互相拉扯，这篇预印本报告安全率 99.95%、同时保留未过滤策略的 97%；属作者自报，安全率本身不能当作认证依据。
Safe reinforcement learning commonly places safety and task performance in the same policy objective, where they can introduce competing updates.
7. Rewiring Semantics, Dynamics, and Control: A Simple yet Effective Action-Centric Tri-Stream Transformer
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[R]｜ 来源: arXiv 2610.11416 ｜2026-10-08 - 信号:
含真机实验 - 为什么重要
AI 起草: 对基于预训练 VLM 语义能力构建的 VLA，这篇预印本提出以动作为中心的结构并报告了真机实验；页面没有数字，现阶段适合跟踪，而非据此改动现有模型栈。
Vision-Language-Action (VLA) models have emerged as a prominent framework for complex robotic manipulation, building on the strong semantic understanding of pretrained Vision-Language Models (VLMs).
8. Why humanoid robot demos still fail the generalization test
- 主线: 本体与供应链（硬件 / 成本） ｜ 证据:
[M]｜ 来源: The Robot Report ｜2026-10-09 - 信号:
含真机实验 - 为什么重要
AI 起草: 评估人形厂商演示时可参考：这篇二手报道认为，要从演示走向可靠的真实表现，靠的是更好的数据与人的判断；文中没有数字，适合用来列采购问题，而非作为证据。
How better data and human judgment can help robots move beyond demos toward reliable real-world performance.
前沿基线（人工策展）
1. PL-CBF: finite-horizon safety at runtime via parallel fallback rollouts
- 主线: 安全、权限与合规 ｜ 证据:
[R]｜ 来源: arXiv 2605.16588 ｜2026 - 关键数字:
library of fallback policies·least-invasive safe mode·QP minimally modifies the nominal policy - 为什么重要: “最小侵入回退”可以直接写进客户验收标准，比”我们很安全”具体得多。
2. 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。
3. 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。
4. GR00T N1.7: open reasoning VLA model for humanoid robots
- 主线: 基座模型（VLA / WAM） ｜ 证据:
[O]｜ 来源: NVIDIA / Hugging Face ｜2026 - 关键数字:
3B parameters·open weights - 为什么重要: 3B 级开放 reasoning VLA 让自建团队有了可微调、可部署的起点，而不必自研基座。
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） | 12 |
| 数据引擎（采集 / 清洗 / scaling） | 5 |
| 训练与自我改进（RL / 后训练） | 4 |
| 仿真与评测（sim2real / 闭环） | 14 |
| 边缘与实时性（端侧推理 / 控制频率） | 6 |
| 安全、权限与合规 | 2 |
| 系统与编排（长程 / 多策略） | 3 |
| 本体与供应链（硬件 / 成本） | 10 |
近期节奏
- 来源构成 (近 7 天入选):
[O]0 ·[R]39 ·[M]17 - 最近各轮入选条数: 10-05 8 · 10-06 8 · 10-07 8 · 10-08 8 · 10-09 8 · 10-10 8 · 10-11 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。