跳至正文
uPrivate Robotics Intelligence星澜德 · 奇点间客

uPrivate Robotics Intelligence Daily — 2026-10-28.

2026-10-28

今天值得看

01

VLA-HWBench:端侧时延主要由动作生成策略而非模型规模决定

研究人员在预印本中对 18 个开放 VLA 模型进行性能分析,测试硬件为 Jetson AGX Thor 和 AMD Ryzen AI Max+ PRO 395。在测试配置中,Jetson 的时延差异达到 82x,AMD 达到 157x,而参数量最多只能解释 15% 的时延差异。在受支持的 Jetson 场景下,4-bit 权重结合算子融合,使 pi0.5 和 GR00T N1.7 比 PyTorch torch.compile 快 2.6–2.9x。优化后,CPU 预处理占比由 12% 升至 39%,这里指 GR00T N1.7 单次调用。这些是作者根据摘要报告的结果,功耗、绝对吞吐量及完整测试表尚不可得。

02

ANYmal X 开始交付,用于危险环境工业巡检

The Robot Report 报道,ANYbotics 已开始交付面向危险环境的 ANYmal X。制造商声称获得 ATEX 与 IECEx 认证;报道的设计包括充氮密封计算舱、温度监测断电机制、覆盖 12 个腿部执行器及电池的防爆外壳,以及接地足端。热成像、视觉、声学和气体传感器支持自主巡检。ANYbotics 称其更广泛的已部署系统服务超过 50 家客户,每月执行超过 120,000 次巡检;这些数字并非专指 ANYmal X。独立认证文件、ANYmal X 出货量及机载 SoC 参数均未提供。

03

TRIAGE 研究 VLA 视觉 Token 何时复用、重算或剪枝

TRIAGE 为不同骨干网络设定 Token 漂移阈值:复用有效缓存的视觉 Token,在预算内优先重算无效 Token,并剪枝其余部分。作者指出,过期缓存的复用可能导致高达剪枝方案 4.4x 的动作误差。在 LIBERO 和 SimplerEnv 上,作者报告 Jetson AGX Orin 的 prefill 时延最多降低 48%,平均成功率与完全重算相差不超过 3 个百分点。在另一项 LIBERO-Object 测试中,重算 7% 的视觉 Token,相比最强基线据称提升 24.4 个百分点。摘要未披露绝对端到端时延、功耗和缓存内存开销。

覆盖范围:2026-10-27 00:30 UTC 至 2026-10-28 00:30 UTC(2026-10-27 08:30 至 2026-10-28 08:30 Asia/Shanghai)。冻结的部分覆盖快照:183 条已定稿候选;本期覆盖 10 条入选文章,其中 3 条重点和 7 条简讯。研究指标来自作者报告,商业声明保留来源归属。这是一份经过筛选、覆盖不完整的日报,并非穷尽式调查。

本期链接 →

往期日报

2026-10-31 →

2026-10-30 →

2026-10-29 →

2026-10-28 →

2026-10-27 →

2026-10-26 →

2026-10-09 →

2026-10-08 →

2026-10-06 →

2026-10-02 →

另外值得知道

Embotech 与 BMW 报告工厂规模的自动车辆转运

The Robot Report 报道,Embotech 与 BMW 在德国和英国的四个站点累计实现 1 million 次自动车辆转运,每天约 3,500 次,可用性超过 99.5%。Embotech 高管介绍了基础设施侧安装的 Hesai 激光雷达和车外感知方案,服务器每秒优化轨迹 10 次。公司还描述了一套独立的确定性安全边界。这些属于报道的运营数字,尚非独立审计结果。

Luxonis 发布 OAK 4 FFC 视觉计算机

Open Robotics Discourse 公告将 OAK 4 FFC 描述为一款尺寸为 70 mm × 53 mm 的视觉计算机,最多支持五路摄像头,以及同步、重新标定、深度和 AI 功能。开发套件标价为 $849 USD,计划于十一月发货,并提供开源参考设计链接。Luxonis 还将其 OSRA 会员级别提升至 Silver。套件价格不代表量产模组或 SoC 价格;摄像头吞吐量、芯片型号及功耗均未披露。

按内存预算加载地图,让稠密地图与语言模型共存

研究人员提出记录每个关键帧实际驻留的字节数,并按房间或走廊等语义区域加载地图数据,而不是使用固定帧数。在两款 Jetson 开发板测试中,作者称所有测试均满足内存预算,语言模型吞吐量最多下降 0.8%;若没有该策略,内存耗尽可能导致模型或地图进程被终止。作者还报告,相比匹配的几何分区方法,可多定位 6–9 个百分点的查询帧。绝对内存用量和功耗数据未提供。

RynnVLA-Latent 利用无控制标签交互视频扩展机器人学习

RynnVLA-Latent 从视频状态变化中学习 3D 空间关联的潜在动作,无需原生机器人控制标签。作者报告使用 30.1K 小时的人类、机器人和仿真视频训练,得到一个 4B 参数的策略模型。作者声称在 LIBERO 上达到 98.8%,在 LIBERO-Plus 上达到 84.7%。这些是论文报告的基准结果,不能证明其可在端侧部署;模型精度、机载时延和功耗均未披露。

OSWAM 报告单步 World Action 生成方法

OSWAM 利用结构化想象 Token 和未来条件蒸馏,减少动作生成中的重复去噪。作者报告,相比直接策略 World Action Model 基线,速度约提升 3x,编译后推理时延低至 40 ms,测量硬件为 NVIDIA RTX 5090。RTX 5090 的测量来自桌面 GPU,而非端侧 SoC 基准;动作质量和跨平台移植能力仍需进一步验证。

ForceDelta-VLA 蒸馏力反馈修正,避免重复生成整段动作

ForceDelta-VLA 从带力条件与不带力条件的教师模型预测中训练轻量修正策略,并利用近期力反馈调整参考动作。在九项接触密集型任务中,作者报告平均成功率为 82.2%,相比之下 ForceVLA 为 54.4%,直接时序教师模型为 70.6%;成功试验的平均峰值接触力据称比 ForceVLA 低约 26%。更新频率、机载时延和部署成本均未披露。

Xpanner 发布面向太阳能工程的自动打桩设备

Xpanner 发布了用于大型太阳能及电池储能工程的 X1 Piling R6。据 The Robot Report 报道,该系统结合 GNSS、机载传感器和自动化控制器,由操作员监督并可远程接管。网页看板记录桩位和设备状态。公司介绍了购买或租赁设备加月度软件授权的商业模式;独立生产效率数据、客户订单和控制器 SoC 细节均未披露。

我还在看

星澜德 · 奇点间客

行走于奇点之间,观察下一次技术浪潮。

阅读次数 —