DexGraspFlow：面向跨本体灵巧抓取生成的拓扑感知SE(3)流匹配
不同灵巧手在几何形状、关节参数化与运动学拓扑上的差异，是跨本体灵巧抓取生成的核心挑战。该工作提出条件化的连杆级SE(3)流匹配框架，同时编码局部物体几何、连杆几何关系与运动学拓扑信息。该方向有望降低每种手型重新设计抓取系统的成本。
dexterous-manipulationgraspingcross-embodimentflow-matching
返回日报列表
2026年10月22日#130
Physical AI 日报 #130
原文: AI综合多源生成今日要闻
具身VLM错误恢复训练新范式：通过可验证交互与Action-Grouped Turn-GSPO学习重规划；DexGraspFlow以拓扑感知SE(3)流匹配破解跨本体灵巧抓取难题；Embodied Playground发布评测长时程物理-策略-空间推理的智能体机器人基准；VLA模型失效归因研究为视觉损毁诊断与鲁棒性提升提供新视角
论文进展
通过可验证交互训练具身VLM执行错误恢复：Action-Grouped Turn-GSPO
具身VLM在执行复杂操作任务时一旦出错，环境会进入需要重新规划才能恢复的状态。现有恢复方法依赖固定策略的推理时机制，或从失败示例与参考纠正中学习，而非经验证的动作结果。该工作引入Action-Grouped Turn-GSPO，让模型通过可验证交互学会基于真实反馈的重规划恢复。
vlmerror-recoveryreinforcement-learningmanipulation
Embodied Playground：面向物理、策略与空间推理的长时程智能体机器人基准
基础模型为机器人智能体提供了有前景的基础，但长时程任务要求其在相互依赖的各阶段保持连贯推理与可靠的物理执行。该基准评测智能体如何全程协调物理、策略与空间推理：需跟踪任务进度、满足中间约束并依据反馈修正计划。
benchmarkfoundation-modellong-horizonreasoning
ACE-Brain-0.6：扩展物理基础模型的空间定位能力
分析发现GPT-6 Astra、Claude Opus 5.5等通用多模态模型在具身操作上的广泛能力伴随强空间感知——即便存在视觉干扰物也能确定交互位置。研究据此探索通过扩展视觉定位（visual grounding）规模来强化空间感知，打通高层推理与物理场景的连接。
foundation-modelspatial-groundingvlmscaling
EmbodyHOI：面向人形机器人灵巧操作的具身感知手-物交互生成
文本条件的手-物交互（HOI）生成器虽能产出语言指定的多样演示，但通常在人类MANO空间合成运动，把本体差异留给事后重定向，导致部署到机器人时轨迹可能丢失与物体的接触。EmbodyHOI在生成阶段即引入具身感知，兼顾语义丰富性与运动学可行性。
humanoiddexterous-manipulationmotion-generationdata-generation
学会差异化：组合式扩散策略的组件专门化
线性组合分数的扩散策略是多任务机器人学习的有力方向，可实现模块化任务适配与组合泛化，但现有训练目标不鼓励因子专门化，去噪器常退化为多个相同副本的 平均，缺乏可解释性。该工作提出促使各组件学习差异化功能的训练方法。
diffusion-policymultitask-learningpolicy-learninginterpretability
Jetson AGX Orin该选哪个深度估计器？2026年单目与双目方法基准测试
在机器人与车辆常用的Jetson AGX Orin平台上，实测深度估计器的精度、速度与能耗数据此前很难找到。该工作以TensorRT FP16或原生CUDA方式评测9个模型家族，涵盖Depth Anything V2/3、Depth Pro、MoGe-2、Metric3D v2、UniDepth V2等单目方法及libSGM、NVIDIA ESS等双目方法。对具身智能的边缘部署选型有直接参考价值。
depth-estimationbenchmarkedge-computingperception
面向自闭症谱系障碍教育的人形机器人视觉任务建模与自动规划
在机器人辅助教育中，机器人必须先理解任务如何完成，才能有效引导学生。该工作使配备摄像头的半自主人形机器人识别任务目标并规划达成动作，聚焦ASD教育中常用的Shoebox Tasks活动——其目标可从视觉观察中推断。这是人形机器人落地特殊教育场景的有意义探索。
humanoideducation-roboticstask-planningsocial-robotics
XoNav：作为个性化触觉导航接口的髋部外骨骼
无视觉行走需要及时且无歧义的引导，但现有可穿戴助行设备多将方向编码为音频或振动信号，需用户自行翻译成动作。XoNav采用四驱动器髋部外骨骼，直接在髋关节处渲染前进提示、两级制动与两级转向提示，并基于双侧LSTM实现个性化。
exoskeletonhapticsassistive-roboticswearable
面向在轨服务的传感化仿壁虎粘附接口交互状态识别
可靠建立接触仍是自主在轨服务（尤其是与非合作目标交互）的关键挑战。仿壁虎干粘附为空间机器人捕获提供了轻量、被动、无残留的方案，但现有系统开环运行、无法估计自身接触或粘附状态。该工作实现实时交互状态识别，提升空间捕获可靠性。
space-roboticsorbital-servicingadhesionsensing
点云配准中的最大团与最大共识形式化探讨
最大团常被用作最大共识问题的替代或近似，且有经验证据表明二者关系密切，但这种关系的紧密程度缺乏系统刻画。该工作对两种鲁棒点云配准形式化进行理论与经验分析，为机器人感知中的鲁棒配准方法选择提供指导。
point-cloudregistrationperceptionrobust-estimation
深度分析
移除该损毁会改变什么？视觉-语言-动作模型的失效归因
VLA模型对视觉损毁敏感，但知道 某类损毁通常有害 并不等于 移除它对当前episode有益。当多种损毁并存时，决定先纠正什么需要理解各损毁对失败风险的贡献及其移除的预期收益。该文将此定义为 失效归因 问题，超越了单纯的损毁检测，为VLA鲁棒性诊断与数据增强策略提供新分析框架。
vlarobustnessfailure-attributioninterpretability
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。