2026-10-08
OpenWAM 论文描述了一套统一的因果机器人视频基础模型：从 Wan2.2-5B 出发，使用超过 10,000 小时视频进行预训练，并通过共享的 Mixture-of-Transformers 集成动作专家。作者报告称，经过机器人视频因果适配后，LIBERO-Long 的 VTA 成功率从 68.4% 提升至 97.8%；一个冻结的局部上下文逆动力学模型在四项留出的 LIBERO-90 任务上达到 84.0% 的平均成功率。论文还报告，反事实监督使 RGB 预测误差降低 34.5%，并使 16 种相同状态结果中的结果识别率从 21.1% 提升至 71.3%。摘要称真实世界双臂任务取得了较高成功率，但未量化这些真实世界结果。
VLAct 提出面向 VLA 的 VLM 骨干，在下游微调前先使用异构、多本体机器人数据训练，并采用 VLM 先验保持、连续动作协同监督和部分统一的跨本体动作布局。作者报告其在 LIBERO-Plus 上成功率为 82.6%，在 RoboTwin 2.0 上为 92.5%；并称 VLAct 在 RoboDojo 按成功率排名第六，同时在两项报告指标上均超过被明确标注的 WAM 条目。在未见过的人形机器人 RoboCasa-GR1 上，摘要称仅使用 20% 下游轨迹的 VLAct 超过使用完整数据的 GR00T-N1.6 基线。报告的训练设置使用完全开源的数据和 16 块 GPU；当前有限证据不能证明其已进入生产部署。
SMART 引入一个关节结构感知的仿真平台和智能体式任务生成流水线，用于构建 SMART-Data。作者报告数据集包含超过 1 million 条示范，覆盖 44 种原子任务、five 种机器人配置和 2,507 个关节物体。报告称，在该数据集上预训练的 VLA 模型在仿真基准中具有竞争力，论文并声称在关节物体操作上实现零样本 sim-to-real 迁移。当前有限摘要没有给出真实世界成功率的数值，因此这里无法量化该 sim-to-real 主张的强度。
本期覆盖 2026-10-07 00:30 UTC 至 2026-10-08 00:30 UTC（08:30–08:30 Asia/Shanghai）的 finalized 冻结快照，共包含 36 条 finalized 候选。本期优先采用具有足够具体有限证据的 selected 和 near-selected 条目。该窗口内多数高信号条目为研究论文；部分商业或开发者条目只有较薄的 fallback 证据，因此不根据这些条目的出现或缺失推断更广泛的市场趋势。
ViDAL 通过可接入多种 VLA 架构的 Action VAE，将连续动作潜变量与未来场景动力学对齐。论文报告在 LIBERO 上平均成功率为 98.1%；在 RoboTwin 2.0 的 50 项双臂任务中，多任务策略在 Clean 条件下从 54.3% 提升至 65.5%，在 Random 条件下从 33.2% 提升至 43.1%。论文还报告，在真实世界单臂 Franka 和双臂 ARX 平台上，成功率分别取得 20.0% 和 23.4% 的绝对提升。
一项精密装配研究报告，其部署的学生策略使用带噪状态、原始力/力矩窗口以及 two 台 RGB 相机。在未经修改的 FORGE 任务上，teacher-route 学生策略在 0–5 mm 位姿噪声范围内达到 92–99% 的成功率；在 Franka 上进行零样本部署时，5 mm 条件下汇总成功率达到 83.3%，而最强的基于状态策略为 34.4%。这些属于研究结果；当前有限证据不能证明其已商业部署。
QF3 将流匹配与 critic 动作梯度结合，并仅将这些梯度应用于仍接近回放动作的动作维度。作者声称，从零训练的人形机器人运动策略可以零样本迁移到硬件，并报告在人形运动与动作跟踪任务上，相比 FPO++ 获得 10× 的实际耗时训练加速。作者还将 QF3 用于在 ABC-Sim 和 Robomimic 任务上微调预训练的流式操作策略。
MIM-VLA 将近期夹爪电流、位置、速度和信号有效性编码为一个 128 维交互 token，用于调节 SmolVLA 的夹爪动作通路，同时保持机械臂动作和位置控制接口不变。在 13 对物体上，作者报告其选择较高阻力物体的比例为 75.0%，而 SmolVLA 为 48.8%。对于所评估任务，该方法不需要额外的触觉阵列、力/力矩传感器、标定力估计或直接电流控制。
CUSP 使用离散时间生存目标训练视觉危险头，并通过 CUSUM 累积风险，在更晚的人类干预时刻之前触发告警。在 five 个未见过的地点、共 142 个事件上，当所有方法都调至每小时 ten 次误报时，作者报告 CUSP 检测到 85 个事件，而 nine 个适配基线中表现最好的方法检测到 26 个。作者将这一提升归因于导航模型未发出信号的危险。
NMPP 将感知到的障碍物作为硬几何约束，并向不直接感知障碍物的 SE(3) 控制器提供全状态参考。论文报告，相比线性 MPC 轨迹规划器，其位置 RMSE 降低 58–67%；相比多项式规划器降低 41–70%；在最高 9.5 m/s 的速度下完成全部森林飞行且无碰撞；在更激进的速度配置下成功率为 86%，而一个最先进规划器为 26%。论文还报告在未知复杂环境中的真实部署速度最高达到 5.5 m/s。
The Robot Report 报道称，施耐德电气宣布达成协议，将以约 $22.6 billion 收购 PTC。两家公司描述了一条拟议中的数字线程，覆盖设计、制造、运营和维护；报道援引的一位分析师称，PTC 可将施耐德的能力延伸至产品设计和生命周期管理，并可能加剧其与西门子的竞争。报道指出 Onshape、Codebeamer 和 ServiceMax 可能与机器人开发、需求可追溯性和现场服务相关，同时也提到融资和整合方面的担忧。
值得继续观察世界-动作模型能否从基准提升走向可量化的真实机器人时延和计算开销报告；今天有限的 OpenWAM 证据没有提供端侧硬件预算。
值得继续观察合成预训练和多本体持续预训练能否在未见过的实体机器人上转化为经独立量化的增益，而不只是基准测试上的规模扩展。