物理AI

ROBOTIS Mission Canvas：把可复用机器人技能编排成跨地点、可重复的移动任务

ROBOTIS 发布 Mission Canvas（Autonomy Studio 的移动工作区）：在地图上定义航点、指定顺序并为每个位置绑定一个 Task，让导航与机器人动作作为一条完整 Mission 执行。与此前 Action Canvas 的关系是——Action Canvas 定义机器人在一个工作区域内做什么（VLA 全身控制、操作等驻留任务），Mission Canvas 则扩展为机器人去哪里、到了做什么。Task 既可以是确定性动作，也可以是 AI/VLA 行为，从而把可复用的机器人技能组合成跨越真实环境中多个位置的可重复工作流。两条视频合起来展示了从构建单个任务到部署为移动式可重复 Mission 的完整路径。全部开源（Apache 2.0，cyclo_intelligence，33 stars）：提供代码、教程视频与技术文档，供开发者复现、修改并在其上构建。文档明确当前仅支持 ffw_sg2_rev1 机型；Autonomy Studio 将自主导航、行为树与 VLA 模型整合进同一可视化工具，先仿真验证再部署到实体 AI Worker。

Sharpa Robotics 演示引围观：机器人比人强，观众还能同场挑战

博主转推并点赞 @SharpaRobotics 的机器人演示，称这项挑战观众也能亲自下场参与，并坦言『我现在就可以告诉你，机器人比我强』，标签 #robotics #physicalai。背景：Sharpa 是新加坡具身智能公司，旗舰产品为 67 自由度全尺寸人形机器人 North 与 22 自由度五指灵巧手 Sharpa Wave（指尖超 1000 个触觉像素、亚毫米分辨率、0.02N 触觉灵敏度）；CES 2026 上 North 连续四天、每天八小时无脚本全自主演示，包括 0.02 秒反应速度的乒乓球对拉、约 2mm 精度抓拍、多模态推理发牌，以及 30 步以上的纸风车装配。

AHa-3D：用 GPT-6 Astra 加 3D 工具箱把房间视频变成可交互仿真场景

Congrong Xu 等发现 GPT-6 Astra 直接从房间视频重建 Blender 场景会漏物体、搞错尺寸与位置；他们构建了一个 harness，把 Pi3X（相机位姿与度量尺度几何）、SAM3（分割人/地板/墙）、TSDF 融合、测量工具、RoomKit 资产库、X-Ray 轮廓校验与 Bullet 物理检查作为工具交给 Astra，按『观察—构建—校验—交互—交付』五阶段工作流迭代修正。同等成本与时间下重建质量显著优于裸用 Astra，最终产出可在浏览器中交互的仿真场景（开门、移物、换材质、人物动作）。

LimX 推进 Cosa 0.5 人形智能升级

LimX Dynamics 发布 Cosa 0.5 版本，为人形机器人带来更强的智能表现，涵盖感知与任务执行能力的提升。

ROBROS IGRIS-C 人机协作搬运演示

ROBROS 发布 IGRIS-C 人形机器人概念验证演示：机器人将两只箱子逐一搬上传送带，人把箱子送回后循环作业，展示与人同场协作。

PPS：机器人策略的推理时残差引导

PPS 用两个轻量代理策略的速率残差引导冻结机器人策略，仅需基模输出即可用少量演示适配新任务，平均成功率提升 53%。

生成、跟踪、改进：用 RL 微调运动生成器实现感知的多技能人形机器人运动

通用人形机器人需要的运动控制器必须同时具备多技能、感知、动态与足够的鲁棒性，才能去到人能去的地方。本文提出一个两层运动架构：（1）一个感知的流匹配运动生成器，从原始深度图规划全身轨迹；（2）一个用控制引导强化学习（CLF-RL）训练的感知跟踪策略，负责实时跟上这些动作。两张策略都训练在一个由动力学优化后的人体数据构建的、与地形一致的运动片段库上，因此既有准确的速度跟踪，又有与地形一致的参考。核心贡献是一个简单而有效的离线（off-policy）RL 微调环，用来改进运动生成器：配合生成器使用一种结构化搜索方法采数据，再做优势加权回归。这个离线环比在线的残差微调样本效率高得多，并且在没见过的几何与技能组合上提升了地形一致性——成功通过地形的比例最高提升 25 个百分点，技能选择最高提升 80 个百分点。因为直接用原始深度图感知环境，不需要里程计与高度图，室外部署很轻松；两个相机让策略能更早看到地形，无论指令速度是多少都能自主调速以通过地形。同一对策略让一台 Unitree G1 人形机器人在室外环境中行走、奔跑、站立、跳上跳下箱子并上下楼梯。项目主页：https://zolkin1.github.io/generate-track-improve/

Zachary Olkin, William D. Compton, Aaron D. Ames

视频重建场景中的仿真导航

Auki 港实验室把港大 IR-SIM 与 Meta Habitat 打通：另一台设备拍摄的视频先重建成环境，仿真机器人再在其中导航，目前是进行中的验证。

GaP 图策略抓取提速 38%

YAM 移动方块仿真里，GaP 配自研 Rust 执行器中位抓取 5.42 秒，原生 GaP 为 8.79 秒；图策略显式给出决策节点、依赖与并行执行。

Real2Sim SDK:部署环境变仿真

SDK 采集机器人自带相机、传感器与 LiDAR,把部署环境变成超真实仿真;手机平板也可采集,环境贡献者获奖励;策略在真实部署地训练。

NodeSLAM:未见物体的精确堆叠

NodeSLAM(3DV 2020)以工具化方法拟合3D物体模型,结合运行时仿真与运动规划实现未见物体的精确堆叠。

Splat-MOVER:边动边更新的3DGS操作栈

斯坦福 Splat-MOVER 用可编辑高斯泼溅把三块拼成操作栈:ASK-Splat 给场景加语义与抓取属性,SEE-Splat 在物体移动后更新场景,Grasp-Splat 据此生成抓取候选。机器人每动一次都先更新3D世界再决定下一步,不必回到初始视角。