Unitree H1-2 人形机器人运行时安全与急停部署经验
Max Conway 等为 Unitree H1-2 人形机器人开源自主栈增加独立安全层,实时限制关节位置、速度与力矩,状态估计过期或硬接线急停触发即停机。推倒站立机器人时,模型预测下体控制器始终未能恢复平衡,每次都需人工急停,而急停会取消平衡控制导致跌倒;操作限位在正常行走中亦被超出。
Max Conway 等为 Unitree H1-2 人形机器人开源自主栈增加独立安全层,实时限制关节位置、速度与力矩,状态估计过期或硬接线急停触发即停机。推倒站立机器人时,模型预测下体控制器始终未能恢复平衡,每次都需人工急停,而急停会取消平衡控制导致跌倒;操作限位在正常行走中亦被超出。
Haoyun Tang 等提出 ThinkWAM,一种世界-动作模型框架,采用“提议-重思-精化”循环:策略先输出完整动作块,再用学习到的残差修正多尺度未来潜变量,并把修正结果注入同一动作头的第二遍推理,从而生成可执行动作块。作者还引入可供性引导的观察-动作记忆,以及近细远粗的多尺度预测方案,二者均受预测编码启发。摘要未给出量化评测结果。
ETH Zurich 等团队提出 Polygraph 在线多会话轨迹优化管线:按关键帧和空间簇逐块处理,不构建三维地图,并用学习到的图像匹配将每个闭环簇与其他会话关联,把多次独立通行产生的漂移轨迹统一到同一坐标系。该方法无需预先汇集全部会话或固定单一参考帧,面向大规模在线运行。
Hongyu Ma 等提出 WinDEX,从野外第一视角双目视频重建米制三维手部动作,结合几何-时序优化与视觉惯性 SLAM 恢复世界坐标,并用鱼眼原生网络 WinDEX-Net 与模型辅助标注的数据飞轮迭代。配套低成本双目惯性设备 CyberCap 构建 WinDEX-Hand 数据集,蒸馏模型支持流式推理,用于灵巧遥操作与策略学习。
作者提出 Quantile Tracking Optimization(QTOP),把人形全身运动跟踪的强化学习改为以状态—参考对为条件的分布式优势估计,以缓解多动作混合训练带来的学习干扰、提升样本效率。
Skydio发布面向公共安全与巡检的固定翼无人机F10 Lightrunner,把相机放在翼尖并采用非对称机翼与不等距电机布局,避免低空绕飞时机翼或尾翼遮挡视野,同时支持自主部署和高速飞行。工程团队称,若在另一侧翼尖加配重,相机阻力会使续航近乎减半,因此选择非对称方案。
Fatih Temiz 与 Melike Erol-Kantarci 提出 WEALR 框架,使 VLA 模型在机载算力之外借助无线边缘服务器完成潜空间推理,并通过决策机制自适应调节推理深度与计算卸载,以权衡任务成功率、推理时延与能耗。该研究面向真实通信条件下的协同推理,旨在缓解有限机载资源难以支撑机器人实时控制的问题。
谷歌DeepMind发布新一代世界模型Genie 4,称其在实时仿真中实现前所未有的真实感,目标是把生成式世界模拟推向更高保真度。原文仅给出这一总体表述,未披露模型参数、评测指标、开放时间或可用范围。
Microduck 团队推出一款 25 厘米、780 克的小型机器人,配备 15 个自由度、前置摄像头、8x8 激光雷达、双 IMU、麦克风与扬声器,可行走、摔倒后自行站起、滑旱冰并用喙抓取物体,软件完全开源。产品预售价 399 美元,计划圣诞节前发货。
荷兰医疗机器人公司Vitestro的自主采血设备Aletta于8月19日获美国FDA批准,可在成人非住院场景使用,欧洲两年前已放行。荷兰1600余人临床试验中首次穿刺成功率为94.5%,覆盖肥胖、老年及静脉难找人群;单名采血员可同时监管3台设备,以缓解采血人员短缺。
诺亦腾发布HiPHI大规模动作捕捉数据集及白皮书,以FrameNet动作语义框架指导采集,系统覆盖全身运动,并提供与人体同步的物体轨迹和网格,支撑搬、推、拉等交互任务学习。基于该数据训练的强化学习策略随数据规模提升,并成功完成从仿真到真实人形机器人的迁移。
苏黎世联邦理工学院软体机器人实验室把一款Wuji商用灵巧手改造成独立机器人:仅加装80克背包(电池、IMU、树莓派Zero),用强化学习在仿真中训练指尖爬行步态,并针对手指不等长、拇指对置的非对称结构重设奖励与姿态约束。该手可脱离机械臂,用爬行的同一批手指操作开关与物体,面向工业检修与狭小空间搜救。
IEEE Spectrum 视频汇总披露,Google DeepMind 让 Gemini 4 Argon 观看人类投沙包的视频,自动在 MuJoCo 中构建仿真,并计算所需的物理参数与全身控制策略,使 Apptronik 的 Apollo 2 人形机器人在真机上连续命中七次。该视频-仿真-真机流程把原本数周的手工建模压缩到数小时。
诺因发布 GLOW 具身智能技术报告,针对 GPT-6 之后具身智能如何落地的问题,提出让机器人"一教就会"的学习方案:在少量人类示教下快速掌握新任务并泛化到新场景。报告给出方法框架与训练思路,重点解决示教数据昂贵、任务迁移困难两大痛点,但公开材料中尚未披露具体成功率等量化结果。
Yu Zhou 等研究者提出 LASR(潜动作支撑比),一种无量纲离线评估指标,用于判断从无动作标注视频中学到的潜变量是否真正编码动作,而非仅编码当前状态、任务身份等预测捷径。现有重构损失、推演保真度、动作恢复与下游性能均无法区分二者,LASR 为世界模型的潜动作表征提供了独立检验手段。
研究者提出免训练物体导航系统 ERA,用 RGB 图像与位姿预测出的深度替代深度传感器。针对预测深度误差随视角累积、导致地图目标被误删的问题,它采用可修正占据地图与可达视点探索,在没有前沿时继续搜索,并在跨视角验证目标后才停止。在三个基准上取得免训练方法中的最优性能。
德国航天中心(DLR)团队用直驱平面双连杆机器人完成甩起,其电机输出仅约为肩关节重力力矩的6%。方法把输入力矩拆成不改变能量的转向分量与唯一改变能量的标量泵能分量,并在力矩限幅与一条控制Lyapunov约束下,用两变量线性规划求最大泵能,无需稳定反馈增益;硬件实验在两种非线性简正模态上均实现甩起。
Pranay Gupta、Deepanshu Rohilla 等人发布开源物理引擎 Alloy,使刚体机器人、布料、线缆、液体、颗粒与软体共享同一场景:每个物体只需描述一次,引擎会自动为它分派合适的求解器,并在每个控制步内耦合各求解器;单张 GPU 可并行运行多个世界,每个世界都带有健康评分,用于区分物理失效与策略失效。
研究团队搭建低成本可复现的移动双臂平台,把两台SO-101机械臂与TurtleBot 4底盘、LeRobot-ROS 2软件栈集成,采集250条真实演示,在同一执行本体和同一任务下对比π0、π0.5、SmolVLA与GR00T。π0表现最佳,自主成功率60%(宽松标准70%),有限人工干预下升至90%。
Pengyang Shi 等提出 CFGComposer,将两个独立训练的扩散模型在推理时组合,并用 copula 分数修正音频与文本跨模态交互偏差,实现与语音节奏同步、语义对齐的全身手势生成。在 BEAT 数据集上取得 SRGR 0.9916、FID 27.18,达到当前最佳语义保真度。