HULK：学习人形机器人的全身强力移动操控
针对人形机器人搬运大件重物时重心偏移、上肢持续承载的难题，HULK 提出一个全身强力移动操控控制框架：利用模型预测控制（MPC）预测负载动力学并引导强化学习训练，实现需要全身力量交互的重负载 loco-manipulation。
humanoidloco-manipulationmpcreinforcement-learning
返回日报列表
2026年10月9日#117
Physical AI 日报 #117
原文: AI综合多源生成今日要闻
人形机器人全身运动操控成为今日焦点，HULK、Workhorse、MimicX 三篇工作分别从强力操控、人类数据学习与视频驱动动作追踪切入；PhysEvo 提出围绕单一冻结模型的物理递归自我改进框架，让 Astra 机器人自主进化工具与技能；综述梳理因子图与场景图在动态环境机器人世界模型中的最新进展；Go2-DrivoR 将端到端驾驶规划框架迁移至四足机器人城市导航。
论文进展
Workhorse：从人类数据学习鲁棒的人形全身移动操控
人形机器人至今仍难以规划接触丰富的全身操作。Workhorse 从人类运动数据出发，学习鲁棒的全身移动操控策略，为人形机器人在真实场景中的全身协调操作提供新的数据驱动路径。
humanoidloco-manipulationimitation-learningwhole-body-control
MimicX：面向视频驱动人形动作追踪的策略在环监督精炼
人类视频为人形机器人学习提供了丰富的动作目标，但视觉上合理的参考在物理仿真执行中仍会导致持续失败。MimicX 引入策略在环框架，利用执行反馈定位困难动作片段并精炼训练监督，显著提升视频驱动动作追踪的鲁棒性。
humanoidmotion-trackingvideo-learningreinforcement-learning
PhysEvo：Astra 能行动，让它自我进化
提出围绕单一冻结模型的物理递归自我改进（RSI）框架：任务智能体执行机器人任务，元智能体基于轨迹诊断失败、修订工具与技能并测试修正，甚至能改进自身的诊断工具，形成可持续的物理自我进化闭环。
self-improvementagentic-aimanipulationlifelong-learning
关联机器人:astra
CIRRA：面向交互式家庭任务的具身机器人智能体双层持续指令调和
家用机器人需要在任务执行过程中接纳用户的新指令，而现有方法往往重新生成或大幅修改剩余任务序列，带来计划歧义、逻辑不一致与冗余执行。CIRRA 结合 LLM 语义推理与规则约束的双层框架，在执行中增量调和持续到来的指令。
llmtask-planninghousehold-robotembodied-agents
基于因子图与场景图的动态环境机器人世界模型综述
系统综述了机器人内部世界表示中两类最主要的图结构模型：因子图提供不确定性感知的几何估计，场景图支持结构化场景表示。文章梳理了二者从静态环境简化假设向动态环境扩展的研究脉络与成功实践，是理解世界模型技术谱系的重要参考。
world-modelsurveyscene-graphslam
SAFE：基于低成本声学感知的机器人抓取滑移与断裂统一检测
操控易碎物体的核心难题在于实时感知抓取状态。SAFE 仅用两只低成本被动 PVDF 声学传感器结合电机本体感知，不依赖视觉、无需预先知晓材料属性，即可实时统一检测抓取过程中的滑移与断裂。
tactile-sensinggraspingacoustic-sensinghardware
无需轨迹数据的轨迹规划：流形引导方法
主流方法依赖昂贵的专家轨迹数据训练生成模型，存在序列长度扩展性差、对未见约束泛化弱的问题。该工作转而学习底层的约束流形结构，无需轨迹监督即可生成可执行轨迹，在新起点-目标对等未见约束下表现更佳。
trajectory-planninggenerative-modelmanifold-learningplanning
驯服端到端自动驾驶策略用于四足机器人城市导航
将端到端自动驾驶轨迹规划框架 DrivoR 适配为 Go2-DrivoR：通过目标 token 对局部坐标系子目标进行条件化，并改造以车辆为中心的评分公式，无需重新设计核心解码器即可让四足机器人在城市环境中完成短时程目标条件局部导航。
quadrupednavigationend-to-endtrajectory-planning
关联机器人:Unitree Go2
从可穿戴接口到灵巧策略：接触偏移与触觉表征
可穿戴接口让操作者用自身手部动作直接与任务物体交互来采集灵巧示教，但采集硬件由此成为示教生成物理过程的一部分。该工作系统分析接口几何如何同时影响任务执行方式与触觉信号，研究从可穿戴接口迁移到机器人灵巧策略时的接触偏移与触觉表征问题。
teleoperationdata-collectiontactile-sensingdexterous-manipulation
基于模型强化学习的液滴自主导航：零样本迁移与涌现动力学
面向自动化实验室（SDL）中软物质操控的空白，该工作用基于模型的强化学习处理开放表面液滴搬运中的接触角滞后、毛细钉扎与表面异质性等部分可观测动力学，实现零样本迁移与涌现行为。
model-based-rlsoft-mattersim2reallab-automation
基于视觉-语言模型的农业机器人情境感知自适应喷药
现有精准喷药方法大多依赖预定义参数、以作物检测为中心。该工作利用视觉-语言模型综合温度、风速等环境条件、农药类型与作物感知结果，在变化的天气与地形下实时自适应调整喷洒参数，是 VLM 落地农业机器人的代表性探索。
vlmagriculture-roboticsfield-roboticsapplication
内容来源与版权声明
本日报由 AI 综合以下公开信息源自动生成：
- AI综合多源生成
- arXiv.org 开放获取论文
- Hugging Face Daily Papers
原始内容版权归原作者所有。如有异议请联系本站。