2026-10-31
OpenFlyV2 作者介绍了一种共享视觉语言架构，配有用于飞行航点的紧凑动作专家和时序记忆。他们报告训练使用约 7 万条仿真导航轨迹和 6 万条指令响应对。据称，系统在 NVIDIA Jetson Orin NX 上以 10 Hz 完全在机载端生成包含 12 个航点的动作块。作者称，在不使用真实空中训练数据的情况下，系统零样本迁移至四个真实环境，导航成功率为 48%。这是研究结果，并非经过认证的产品或跨芯片基准。模型规模、功耗、内存占用和时延分布未披露；代码发布尚属承诺，未获确认。
QbD-VLA 通过简短的闭环任务评估，为 VLA 权重和激活分配混合精度。作者报告，在四套 LIBERO 测试中，四个 VLA 模型以约 4-bit 平均权重和低于 6-bit 的激活取得较强任务表现。在 SIMPLER 上，相比均匀量化的收益较小。据称，经仿真选出的分配方案在 Franka Research 3 上保留了 X-VLA 的成功表现，却未能适用于 pi_0.5。据报告代码已可获得。这种不同机器人结果间的反差对端侧 AI SoC 验证具有意义：研究未披露实际芯片吞吐量、功耗、内存带宽或 NPU 算子基准。
据 The Robot Report 报道，Agility 目前预计 SPAC 募资总额约为 4.65 亿美元，低于此前预计的 6.20 亿美元；股东批准及交割条件仍待满足。报道中的组成部分包括约 1.64 亿美元信托资金、由 Foxconn 牵头且每股定价 10 美元的约 2.01 亿美元普通股 PIPE，以及已收到的 1 亿美元股权融资。Agility 称，Digit 5 的已承诺多年期订单超过 3 亿美元，早期体验交付目标为 H1 2027，全面上市目标为 2027 年末。报道援引的 2025 年净销售额为 180 万美元。这些是融资预期和公司订单陈述，并不能证明交易完成、交付履约或芯片 Design Win。
覆盖区间：2026-10-30 00:30 UTC 至 2026-10-31 00:30 UTC（Asia/Shanghai：2026-10-30 08:30 至 2026-10-31 08:30）。冻结的、仅包含已定稿条目的局部快照含 153 个候选；本期报道 10 篇入选或接近入选文章（3 篇重点和 7 篇简讯）。多数研究条目依赖所提供的摘要；报告结果、公司陈述和未来计划均保留归属，未经过独立核实。
HERON 使用基于 cuRobo 可达性地图训练的 3D U-Net，并在 Jetson AGX Orin 上通过 TensorRT INT8 运行。作者报告，在分辨率为 2 cm、尺寸为 2.56 m 的立方工作空间中，每张地图平均耗时 115 ms，系统速率为 8.57 Hz；所参照的 cuRobo 计算约需 90 分钟。他们报告，FP32 在 51 个类别中允许相差一类时体素一致率为 95%，INT8 在允许相差三类时达到同一一致率；边界区域退化最明显。这些是论文在单个平台上报告的结果，功耗、模型占用和可移植性未披露。
Ego-OSCAR 介绍了一套开放硬件，元件和打印件 BOM 低于 USD 200，组合了同步全局快门双目相机、六轴 IMU、嵌入式 Linux 编码板和实时 MCU。作者报告，相机与惯性时钟桥接残差为 700 微秒，数据集约有 550 小时，来自 25 位贡献者的 1,462 次采集。CAD、固件和同步工具已发布。预测的 3D 手部重建并非经人工核验的真值；USD 200 是 BOM，并非售价。
UMI-Live 作者提出一个开源双臂数据采集系统，集成相机、激光雷达惯性感知、机载计算和供电，在采集现场不需要外部跟踪。异步流水线重建 SLAM 数据并发布可供训练的数据集；软件支持双 YAM 遥操作和 VLA 推理。他们报告在三项任务中采集了 40 小时数据，微调后 pi_0.5 和 MolmoAct2 的双臂抓放成功结果分别为 10/10 和 8/10。摘要未披露 SoC 型号、功耗、传感器速率，也未披露超出这些测试范围的可重复性。
VLA-Corrector 使用轻量潜空间监测器，比较预测与观测到的视觉特征。持续失配会缩短动作块，并使用 Online Gradient Guidance 触发纠正性重规划；否则继续使用较长动作块。作者称，该方法可集成不同 VLA 主干，无需重新训练其权重。摘要声称在保留动作块效率的同时提高鲁棒性，但未给出成功率增益、监测器开销、时延或硬件基准的数值。它是一项研究提案，并非已经测量的端侧部署。
WorldFlow 使用 Mixture-of-Transformers 主干生成视频和与之对齐的 3D 位移轨迹。作者报告训练使用 144 万个物体级样本，WorldFlowBench 评估集包含来自 11 个来源的 1,678 个样本。在 SpatialCog 上，他们报告平均位移误差为 0.060 m，比最强外部基线低 54.2%；相比仅使用流的变体，所报告的 ADE 和 FDE 降幅分别为 55.9% 和 68.5%。这些是摘要报告的基准结果，并非已展示的机器人任务收益或端侧 SoC 吞吐量。
SKiD-SLAM 结合机器人间地点识别、相对位姿和分布式轨迹融合。研究人员介绍了在公开数据及漫游车仿真器上的验证，随后使用轮式漫游车在济州岛熔岩管洞穴建图，并使用四足机器人在涟川火山口和岩石场地建图。他们报告系统在机器人间通信预算为 250 kbps 的条件下运行。这是实地研究证据，并非生产部署；所提供摘要未量化定位精度、机载计算负载和机群规模。
据 The Robot Report 报道，Percepto 推出了 SaaS 平台 Axion，按资产组织巡检数据，并可接入受支持的第三方无人机、移动或固定传感器以及历史记录。Percepto 声称平台拥有超过 160 个 AI 模型，并支持自然语言巡检查询。公司计划继续销售和支持无人机及机库，同时规划在美国制造。目标用例包括石油、天然气和电力基础设施。价格、客户、模型准确率及端侧与云端的推理分工均未披露；模型数量为公司陈述。