robotics

OmniBrain-0 是一种轻量级统一具身智能体，通过共享的高层决策模型协调操作与导航，采用多教师同策略蒸馏和评分标准引导的递归自我改进数据飞轮进行训练，以远低于其闭源教师模型的开销实现了出色的跨领域性能。

本文提出 RBGA（剩余预算引导仲裁）算法，通过显式跟踪回合内剩余安全预算，在离线引导策略与在线策略之间进行逐步仲裁，实现离线到在线的安全强化学习，并在灵巧操作任务中验证了其在线性能提升与安全保障。

Google 将面向机器人的专用具身推理模型 Gemini Robotics Embodied Reasoning 2（ER 2）引入 Google Cloud 的 Gemini 平台，面向企业部署开放公开预览，支持时空推理、长程规划和多机器人协作。

一篇讨论帖，询问人工智能何时可能治愈脱发，以及人形机器人何时能够自主完成专业水准的理发，并强调软件的飞速进步与难度大得多的生物学和硬件挑战之间的差距。

作者分享了其硬件实验台上的 AI 代理因误信静默通道而误判电路板断电的教训，并提出了一套分层的代理物理操作权限规范：读取仪器与摄像头始终允许、切断电源可自主执行但需经验证的断电路径通知人类，而任何为设备上电的操作必须等待人工确认。

Voxel51 通过 Product Hunt 推出其多模态数据平台，帮助机器人团队从视频和传感器数据中发现失败案例、理解原因并补齐训练数据，从而加速物理 AI 模型的迭代。

John Carmack 指出，尽管社交媒体上的机器人演示令人印象深刻，但当前机器人技术距离取代人类全面能力仍有很长的路要走，连简单的换电池任务都无法完成，短期内的末日担忧应更现实一些。

Dyna Robotics 发布招聘页面，介绍其机器人产品 Taku 的命名由来并开放多个工程类职位，邀请工程师加入其具身智能团队。

Google DeepMind 发布了 Genie 4 世界模型研究预览版，新增实时音频生成、更逼真的可交互世界，以及支持中途提示词编辑的实时操控功能。该模型可维持最长两分钟的场景一致性，并与 Gemini 深度集成，用于机器人仿真、游戏和影视原型制作等场景。

该论文提出了二次幂泄漏积分发放（PoT-LIF）神经元，通过发出带符号、幅值为二次幂的脉冲，在无需重构预训练策略的情况下，使视觉-语言-动作模型能够进行事件驱动的脉冲计算。将其集成到 π0.5 VLA 的投影层后，该模型在 LIBERO 基准测试中的表现达到或超过了采用连续激活的基线，同时将建模估算的算术运算能耗降低了约 86.95%。

TAD 提出了仅基于轨迹的对抗蒸馏方法，仅使用一组固定的教师轨迹，无需教师动作评分或任务奖励，通过判别器提供同策略奖励来改进视觉-语言-动作策略，大幅提升了 OpenVLA-OFT 的成功率，但效果仍逊于白盒同策略蒸馏。

PDRVLA 是一篇机器人操作研究论文，提出在视觉-语言-动作（VLA）模型中加入轻量级物理动力学模块，通过世界模型监督预测未来视觉特征，从而在不引入在线视频生成延迟的情况下提升机器人动作生成性能，并在 LIBERO、RoboTwin 2.0 等仿真基准上取得领先成功率。

RynnWorld-Latent 是一个跨具身视频世界模型，利用三维定位的潜在动作作为共享条件接口，实现了在人类视频、机器人示范和仿真轨迹上的联合预训练，从而生成合成数据以提升机器人策略在 LIBERO 和真实平台上的性能。

ThinkWorld 是一个视觉-语言-动作（VLA）学习框架，通过动力学链（CoD）运动词元表示动作，并利用世界想象进行强化学习，从而从无标注人类视频中获取监督，提升机器人操作在未见任务和环境中的泛化能力。

SO-101 Bench 推出一个基于 Isaac Lab 数字孪生的低成本机器人臂语言条件空间操作仿真基准，结果显示混合 LLM 智能体（83.2%）显著优于学习型 VLA 策略（约61%），且仿真与真实硬件上的策略排名完全一致。

一项LessWrong的分析发现，前沿模型控制机械臂的能力正在快速提升，大约每54天翻一倍，这表明具身AI能力正在加速进步。

数百名波士顿动力公司员工签署了一份请愿书，敦促高管终止一项价值130万美元的美国国土安全部（DHS）合同，该合同旨在向美国移民与海关执法局（ICE）提供改装版Spot机器狗，但公司仍坚持履行这笔交易，同时承诺这些机器人不会被武器化。

CircuitHub 揭晓 The Grid——一座位于马萨诸塞州的工厂级机器人系统，利用磁悬浮搬运器和 AI 驱动的调度算法，按需生产电路板。交货周期仅需 4 天，而深圳快板厂需要 9 天。该系统已默默运行五年，每年出货价值数百万美元的电子产品，并计划今年将产能提升至 5 倍。

一篇比较 PPO 与 SAC 在双臂空间机器人协同运动控制任务中表现的论文，发现离策略的 SAC 在成功率、收敛速度和泛化性上显著优于 PPO，并揭示了 PPO 在两阶段奖励塑形下易陷入奖励徘徊局部最优的失败模式。

Rollback 提出了一种利用世界模型回溯到过去的决策点、探索反事实动作并生成细粒度动作级监督的策略改进范式，同时通过真实机器人反馈持续优化世界模型动力学，在三项真实任务上显著提升了机器人策略成功率。