#具身智能

北大董豪团队推出 HIL-UMI，让具身后训练摆脱真机依赖

北大与启元机器人董豪团队推出 HIL-UMI，在无本体 UMI 手持夹爪采集过程中接入模型实时比对动作分歧，只在模型预测跑偏时提示人补录纠错数据。在折毛巾、整理桌面、叠方块、盖章四项真机任务上，相同数据帧预算下常规 SFT 平均进度分从 44.3 升到 58.0，HIL-UMI 达到 94.8，叠方块与盖章任务成功率满分。

Aran Komatsuzaki@arankomatsuzaki· 23:49AI 评分4040

Nvidia 推出 Robota-Embed：用于机器人上下文学习与进化的统一 VLA 嵌入 项目：https://robota-ai.github.io/robota-embed 摘要：https://arxiv.org/abs/2610.19495

Aran Komatsuzaki@arankomatsuzaki· 22:07AI 评分4242

PingpongDuo 人形机器人乒乓球现在有双打了，而我还是单身。 项目：https://www.archon.tech/research/PingpongDuo 论文：https://arxiv.org/abs/2610.20579

Google AI@GoogleAI· 03:03AI 评分5858

Google AI 表示正在探索用 Gemini 4 Argon 加速研究，其中一项测试是用人类完成趣味任务的视频自主生成训练仿真，而非完全依赖手工编程。研究团队展示了人形机器人观看视频、运行仿真并掌握投沙包（cornhole）的过程。

AK@_akhaliq· 01:18AI 评分3838

具身图灵机 面向机器人递归自我改进的有状态代码 论文：https://huggingface.co/papers/2610.12369

Aran Komatsuzaki@arankomatsuzaki· 00:21AI 评分6060

Nvidia 提出 ARC 方法，可教会现有机器人基础模型进行推理，无需新的机器人演示数据，也无需基础规模训练。该方法在推理密集型任务上的成功率提升超过 5 倍，且不改变模型架构。

Aran Komatsuzaki@arankomatsuzaki· 00:18AI 评分4545

3 万小时的自我中心视角视频教不会什么 - 条件化用少得多的数据就能让智能体饱和。 - 智能体饱和后，物体交互的收敛远低于该水平。 - 更多数据或更大的模型都无法弥合这一差距。 https://arxiv.org/abs/2610.12464

Aran Komatsuzaki@arankomatsuzaki· 00:28AI 评分4242

Meta 推出 RoboJEPA 将 JEPA 预测器从 22M 扩展到 8B 参数（迄今训练的最大模型），使用覆盖 12 种机器人形态的数据，并研究潜在预测误差如何预测下游规划性能 https://arxiv.org/abs/2610.10515

Aran Komatsuzaki@arankomatsuzaki· 00:23AI 评分3838

Workhorse：从人类数据学习稳健的全身人形移动操作 在真实的 Unitree G1 上，Workhorse 用双手和踢腿分拣箱子，接住抛来的箱子，还能推倒并爬上行李箱。 项目：https://hybridrobotics.github.io/workhorse/ 论文：https://arxiv.org/abs/2610.09117

Aran Komatsuzaki@arankomatsuzaki· 00:16AI 评分4242

Nvidia 推出 Long-WAM - 一个用于扩展世界-动作模型上下文的框架 - 将上下文从 0.0 秒增加到 19.2 秒，在 RoboCasa GR-1 上将成功率从 63.3% 提升至 78.7%