2026年9月22日#100

Physical AI 日报 #100

今日要闻

IFR首次将人形机器人单列统计：2025年全球销量约7000台，主要流向科研机构与数据采集；智元旗下齐源发布两款个人机器人，19999元起、10月1日发货；PARTS仅对瓶颈子任务做真机强化学习，将Franka长程任务成功率从50%提升至95%；NHTSA与SAE发起ASCEND联盟，着手制定自动驾驶联邦性能标准

论文进展

PARTS：只对瓶颈子任务做真机强化学习

长程任务的基线策略往往反复栽在少数几个瓶颈子任务上，为整条任务重采演示并不划算。PARTS冻结预训练策略，仅针对瓶颈子任务训练残差修正，并用智能体自生成的选择器与成功分类器提供局部奖励：双臂YAM全任务成功率从32%升至61%，单臂Franka从50%升至95%，每任务平均仅需几十分钟真机交互，同等预算下比现有真机RL微调方法高25个百分点以上。

reinforcement-learningmanipulation

arXiv →

关联机器人:Franka Panda

Catch Me If You Can：让扩散VLA边执行边看最新画面

扩散VLA生成的动作块通常开环执行，物体一移动就会失配。该工作将扩散去噪的最后一步改造为轻量反馈接口：低频跑扩散规划，高频用最新观测逐动作修正，无需重跑整个VLM。动态仿真任务平均成功率从27.5%升至85.0%，真机从51%升至73%，静态LIBERO上与GR00T持平。

vladiffusionmanipulation

arXiv →

AtomEgo：第一人称人类数据如何混入具身预训练

用第一人称人类视频补充机器人数据是多家公司的共同押注，但两类数据如何混合一直缺乏系统比较。AtomEgo整理约2659小时语料，在VLA与世界-动作模型两类架构上对比联合训练、渐进迁移与视频-动作联合建模，结论是：收益取决于数据量乘以对齐质量——对齐不好，数据再多也换不来泛化。

vlapretrainingdata

arXiv →

MT-WAM：不生成视频也更强的世界-动作模型

继承Fast-WAM推理时不生成未来视频的思路，该工作在训练阶段额外加入未来2D点轨迹与视觉特征预测两个监督信号，让视觉骨干学到控制真正需要的动力学信息。无需额外具身预训练即达LIBERO 98.2%、LIBERO-Plus 73.7%（高出Fast-WAM 23.8个百分点），四个真机任务平均成功率从67.0%升至77.8%。

world-modelvla

arXiv →

SkelWAM：骨架表示实现Franka技能零样本迁移到其他机器人

从机械臂中心线、TCP位姿与夹爪指令构建25维共享状态，由各本体约束解码器翻译成关节指令，目标机器人无需任何演示或策略更新。作者同时发布覆盖10种目标本体的基准LIBERO-Cross10：仅用Franka数据训练即取得43.3%成功率，高出最强基线36.2个百分点，并在连续体机器人上完成真机验证。

cross-embodimentmanipulationvla

arXiv →

关联机器人:Franka Panda

LIMBO：29自由度人形机器人学会躲球下蹲，部署无需在线安全滤波器

LIMBO从黑盒转移数据中学习状态-动作控制屏障函数（CBF），再将安全结构蒸馏进任务策略，部署阶段完全不需要在线安全滤波器。在29自由度人形机器人上演示了躲球与低位俯身，并在同一安全约束下通过调整采样集中度额外学会后仰过杆动作。

humanoidsafetylocomotion

arXiv →

ForceTwin：手持力传感夹爪把物体手感写进数字孪生

外观相同的两扇门推开的手感可能完全不同，而现有数字孪生大多只复现运动学。ForceTwin让人手持力传感夹爪操作物体，辨识惯量、摩擦与阻尼，并用神经残差捕捉闭门器这类状态相关的机构力；作为前馈动力学模型接入阻抗控制后，Spot与Franka FR3上九种物体-本体组合的目标完成率达87%，明显高于VLM先验孪生（60%）与纯运动学孪生（57%）。

perceptiondigital-twinforce

arXiv →

关联机器人:Boston Dynamics Spotfranka-fr3