我们相信，真正的智能终将拥有身体。具身前哨每天为你过滤全球噪声，只留下让机器走进物理世界的那些关键进展——不追热点，只追拐点。

具身智能的终极目标，不是让 AI 更聪明地思考，而是让它能够伸出手来触碰世界。

今日速览 · 20 条

1.袖珍手术机器人：小如种子，功能强大

2.英伟达与斗山集团合作，推动物理AI和智能工厂基础设施发展

3.TARS：具身AI技术在机器人领域的应用探索

4.灵感源于章鱼：新型水下机器人实现自主抓取

5.机器人发展需超越视觉-语言-动作模型？

6.PhyRoGen：基于程序化内容生成的物理机器人操作难题合成

7.在机器人操作策略训练中，哪些因素至关重要？

8.AxisGuide：基于RGB图像的机器人动作坐标系对齐，提升视觉-动作操作的鲁棒性

9.基于闭路电视摄像头网络的仓库多机器人协同规划与控制

10.行星探测车：主动悬挂助力实现全地形运动控制

11.波浪式机器人实现复杂水下环境运动控制

12.STRIPS-WM：从图像学习基于世界模型的机器人行为预测

13.你的机器人正在思考什么？共享自主技术的透明性和可信度设计考量

14.ActionMap：基于体素热图的机器人策略学习

15.T-GMP：地形感知生成运动先验，提升人形机器人的自然运动能力

16.通用三维视觉-动作策略学习中的任务编辑技术

17.多机器人协同控制的混合现实界面：面向协作工作空间的设计

18.预测风格匹配：实现稳定且自然的机器人双足运动

19.Coarse-to-Control：基于动作令牌规划的视觉-语言-动作模型

20.QuadVerse：集成框架，实现视觉与物理现实对齐的四足机器人仿真

序号颜色：■ 🏭 工业应用■ 🦾 灵巧操作■ 🧠 具身智能■ ⚙️ 机器人硬件■ general_robotics■ 🤖 人形机器人

🏭 工业应用 general_robotics

★ 头条袖珍手术机器人：小如种子，功能强大

来源：New Atlas Robotics

新加坡南洋理工大学（NTU）研发出全球最小的五合一手术机器人，仅4.4毫米长，可实现移动、切割、给药、采样和产热五种功能切换。该机器人通过外部磁场控制，无需电池或电子元件，能在一秒内完成功能切换。这一突破解决了磁性微机器人功能单一的难题，未来或用于微创手术，减少创口创伤。

🦾 灵巧操作

★ 头条英伟达与斗山集团合作，推动物理AI和智能工厂基础设施发展

来源：NVIDIA Robotics Blog

NVIDIA与韩国斗山集团（Doosan Group）合作推进物理AI和AI工厂基础设施，整合双方在工业自动化与计算平台的优势。斗山机器人（Doosan Robotics）将接入NVIDIA Isaac Sim等框架，开发基于Agentic Robot OS的AI平台，提升工业机器人在复杂环境中的感知与适应能力。双方计划探索双臂、人形机器人等新形态，并针对去 palletizing 等高价值任务建立参考案例。该合作旨在推动从机器人臂供应商向全栈AI解决方案商的转型，加速工业自动化与具身智能技术落地。

🧠 具身智能 general_robotics

★ 头条TARS：具身AI技术在机器人领域的应用探索

来源：Robotics and Automation News

**TARS公司在ICRA 2026展会上发布DexHand平台，展示了其具身人工智能技术的最新成果。** TARS公司在IEEE国际机器人大会（ICRA 2026）上首次公开亮相其DexHand平台，引发了工业界和学术界的广泛关注。该公司首席科学家兼联合创始人丁博士发表了主题演讲，重点介绍了该平台的关键技术突破。 DexHand演示系统能够流畅地呈现所有26个英文字母的手语动作，并支持实时镜像控制交互，充分展示了其生物仿真的高度还原性和低延迟响应。该平台采用21自由度（DoF）的结构，精确模拟了人体掌骨和指骨的拓扑结构，解决了传统机器人设计中存在的运动盲区问题。

⚙️ 机器人硬件🦾 灵巧操作

#4灵感源于章鱼：新型水下机器人实现自主抓取

来源：Tech Xplore Robotics

研究人员开发出受章鱼启发的机械臂，通过吸盘中的触觉传感器实现水下自主抓取，为深海作业提供新方案。该设计首次将仿生学与触觉反馈结合，使机械臂在复杂水下环境中抓取成功率提升至92%。这项突破可应用于深海勘探、打捞及水下维修等领域，推动具身智能在极端场景的落地。

🧠 具身智能 general_robotics

#5机器人发展需超越视觉-语言-动作模型？

来源：arXiv cs.RO

Haitham Bou Ammar在论文中指出，当前机器人通用智能研究过度依赖视觉-语言-动作模型（VLA）和世界模型，忽视了从非结构化行为数据中提取有效监督信号的关键问题。

general_robotics

#6PhyRoGen：基于程序化内容生成的物理机器人操作难题合成

来源：arXiv cs.RO

PhyRoGen框架通过程序化内容生成技术，自动创建了24个可解的物理机器人操作谜题。该方法利用KUKA LBR iiwa机器人验证，所有谜题可在1至300秒内被解决。这一突破为机器人操作算法的基准测试和基础模型开发提供了关键数据支持，显著降低了训练数据生成的时间成本。

general_robotics

#7在机器人操作策略训练中，哪些因素至关重要？

来源：arXiv cs.RO

研究团队利用包含532个视频、28小时自然动作的日常人类视频数据集，探索机器人操作策略的联合训练方法。实验发现，手部姿势质量与运动差距是关键因素，通过优化视觉与策略网络适配性，成功率在低数据场景下提升29.7%。该成果为机器人从互联网视频学习提供新路径，推动具身智能技术发展。

general_robotics

#8AxisGuide：基于RGB图像的机器人动作坐标系对齐，提升视觉-动作操作的鲁棒性

来源：arXiv cs.RO

某团队提出AxisGuide方法，通过在RGB图像中渲染机器人坐标轴，提升视觉运动控制的鲁棒性。该方法利用相机参数和末端执行器位姿，在图像空间显式标注+x、+y、+z运动方向，解决语义理解与动作坐标系脱节问题。

general_robotics

#9基于闭路电视摄像头网络的仓库多机器人协同规划与控制

来源：arXiv cs.RO

研究人员利用闭路电视（CCTV）摄像头网络和边缘计算，在真实仓库中实现了多机器人协调控制，无需机器人携带导航硬件。实验部署了4台机器人和30个摄像头，覆盖6条27米长的通道。这是首次仅依赖外部视觉系统实现大规模机器人协同的实地验证，为仓储自动化提供了新思路。

🤖 人形机器人

#10行星探测车：主动悬挂助力实现全地形运动控制

来源：arXiv cs.RO

研究团队提出四轮行星探测车ERNEST，搭载主动铰接悬挂系统，通过强化学习实现复杂地形自主导航。在20°沙坡测试中，其运输成本较传统方案降低37%。

🤖 人形机器人 general_robotics

#11波浪式机器人实现复杂水下环境运动控制

来源：arXiv cs.RO

某团队开发出一款名为AquaMILR（水下机器人）的无肢水下机器人，通过可编程身体顺应性和深度调节技术，成功实现复杂水下障碍环境中的三维运动。实验显示其可自主规避障碍、恢复卡顿并完成根系区域视觉检测，为水下探索提供新方案。

🧠 具身智能

#12STRIPS-WM：从图像学习基于世界模型的机器人行为预测

来源：arXiv cs.RO

某团队提出STRIPS-WM框架，通过视觉转换学习图像关联的STRIPS风格世界模型。该方法从图像序列中提取二值命题和符号操作符，首次实现从图像直接生成符号操作模型。实验显示其在视觉重排任务中成功率超越现有视觉推演、潜在图搜索等基准方法，为具身智能和自主移动机器人（AMR）的长期规划提供新范式。

general_robotics

#13你的机器人正在思考什么？共享自主技术的透明性和可信度设计考量

来源：arXiv cs.RO

研究团队提出共享自主机器人设计原则，解决人机协作中意图对齐难题。在25名参与者参与的实验中，视觉反馈使意图一致性提升37%，减少62%的纠正干预。研究发现，任务复杂度决定信息密度偏好，但完整信念分布披露未显著提升信任。该成果为透明人机协作系统提供设计指南，推动具身智能在医疗康复等场景的应用。

🧠 具身智能 general_robotics

#14ActionMap：基于体素热图的机器人策略学习

来源：arXiv cs.RO

研究团队提出ActionMap，通过体素动作热图改进VLA模型的动作解码器，使机器人控制更高效。在LIBERO模拟和Franka操作中，该方法比现有方案提升8.2%性能，且在低数据量下更节省训练资源。这一突破表明动作表示优化可独立于模型规模提升VLA效果，为具身智能提供新路径。

🤖 人形机器人

#15T-GMP：地形感知生成运动先验，提升人形机器人的自然运动能力

来源：arXiv cs.RO

某团队提出T-GMP模块，解决人形机器人运动控制难题。该方法基于条件变分自编码器，利用少量专家演示学习地形适应的运动模式，实现自然流畅的运动。实验显示，其穿越成功率和运动平滑度优于现有方法，同时保持生物模仿的协调性。这项技术突破为复杂地形中的人形机器人应用提供了新思路。

🧠 具身智能

#16通用三维视觉-动作策略学习中的任务编辑技术

来源：arXiv cs.RO

一项新研究提出Task-Edit框架，通过任务分解与重组，显著提升机器人3D视觉运动策略的泛化能力。该方法将任务拆解为场景、技能和对象组件，灵活生成多样化轨迹，减少对真实世界演示数据的依赖。

general_robotics

#17多机器人协同控制的混合现实界面：面向协作工作空间的设计

来源：arXiv cs.RO

一项新研究提出混合现实接口，支持多操作员协同控制机器人团队。系统通过共置共享工作区和私有工作区两种模式，让36名参与者在两种环境下操控三台Nova Carter移动机器人。测试显示，两种模式任务表现相当，但共置模式显著提升协作感知和任务交接清晰度。

🤖 人形机器人

#18预测风格匹配：实现稳定且自然的机器人双足运动

来源：arXiv cs.RO

Unitree G1团队提出Predictive Style Matching（PSM）方法，解决人形机器人运动质量不足的问题。在Unitree G1上，PSM将上半身风格误差降低约10倍，同时保持跌倒恢复率。相比模仿学习基线，PSM恢复失败率低5倍，提升运动稳定性与自然性。

🧠 具身智能

#19Coarse-to-Control：基于动作令牌规划的视觉-语言-动作模型

来源：arXiv cs.RO

研究团队提出Coarse-to-Control方法，通过动作标记空间的计划-执行框架提升视觉-语言-动作模型（VLA）的长期任务表现。该方法先生成粗略动作序列作为规划，再转化为具体指令，使模型在LIBERO等复杂任务中性能提升显著，尤其在多阶段任务中效果优于传统直接生成方式。

🤖 人形机器人

#20QuadVerse：集成框架，实现视觉与物理现实对齐的四足机器人仿真

来源：arXiv cs.RO

研究者提出QuadVerse框架，通过重建几何约束的3D场景，解决四足机器人仿真与现实的差距。该方法结合视觉和物理交互校准，减少执行器误差达30%。这一突破使零样本视觉导航策略部署更高效，推动具身智能发展。

今日总结

今日具身智能领域呈现两大核心主线：微型机器人技术取得突破性进展，新加坡南洋理工大学研发的4.4毫米五合一手术机器人通过磁场控制实现多模态功能切换，解决微纳尺度

机器人的终局，不是模仿人类，
而是让智能拥有触碰世界的双手。

你认为具身智能的下一个拐点会出现在哪里？
欢迎在评论区聊聊 👇   觉得有价值就点个在看，方便随时回看。

本期由「具身前哨」自动采集 · AI 译介 · 人工审校
内容为译介摘要性质，已标注来源与原文链接，版权归原作者所有