具身感知、具身交互、具身代理以及模拟到现实的适应

综述调研了近 400 篇文献，从多个维度对具身智能的研究进行了全面解析，聚焦于多模态大模型（MLMs）时代下具身人工智能（Embodied AI）领域。探讨了Embodied AI在实现人

Open X-Embodiment 是迄今为止**的开源真实机器人数据集，涵盖了从单臂机器人到双臂机器人，再到四足机器人等 22 种不同形态的机器人，共包含超过 100 万条机器人轨迹和 527 项技能（160,266 项任务）。

卡内基梅隆大学机器人研究所 智能自主操作实验室,设计了一个模块化的机器人控制堆栈，为Franka科研机器人提供了一个可定制和可访问的Interface,​low level控制在C++中实现，在1 kHz下运行，高级命令在Python中公开

虽然在化学工业中寻找新的溶剂在环境考虑方面是最重要的，但这一领域仍然与专家对危 险产品的高度手工和目视检查密切相关。为了保证这项任务的安全和高效的执行，我们的 建议是将产品操作映射到Franka机械臂上，而用户对机械臂的控制有限。这

评估CDF的性能，我们使用7轴Franka机器人进 行了实验，利用第四节中概述的训练好的神经CDF模型。这两种方法都采用了L-BFGS算法进行 优化，这也在cuRobo [36]中描述，实现了***的性能

这些丝滑动作正是先进Franka机器人力控技术 + 精妙框架设计 + 多模态大模型的加持。不得不说，这么一个简单的动作想让机器人做好是真的是太难了。要是没有 ReKep 技术，想看到机器人熟练地干各种家务活还不知道要等到猴年马月。

具身智能不只有算法模型，可靠的末端执行器与完整的数据链路，是仿真算法走向物理世界的关键底座。PNP机器人面向科研用户，提供机械臂、力反馈遥操作主手、定制夹爪、多模态采集中间层一体化工具链，帮助实验室快速搭建从示教采集‑策略训练

力反馈技术有助于人们理解机器人如何与环境进行交互，演示任务应如何执行，并更自然地与数字或物理环境进行交互。
正如科林和阿里在整个采访中讨论的那样，挑战不仅在于制造功能更强大的机器，还在于设计出能够让人与这些机器协作的界面和工作流程。

希望携带 Koala 数据采集设备到海滩捡拾垃圾。这些任务的数据采集本身就能对现实世界产生积极影响，并且能够模拟实验室环境无法复制的场景。可以在口袋里摸索着找到家门钥匙，可以清洗易碎的玻璃器皿而不将其打碎。本期考拉Koala数据采集能实现吗？

CVPR2026｜北京大学给机器人奖励装上 “多巴胺奖励机制”在机器人强化。Robo-Dopamine所探索的问题，与当前VLA、世界模型以及机器人强化学习的发展方向具有较强的关联性：如何让机器人不仅能够执行动作，而且能够理解自己的动作是否正在朝正确的方向发展

提要Tether 是一项由宾夕法尼亚大学、加州大学伯克利分校和 Dyna Robotics 的研究人员共同开发

长期以来，传统工业机器人深陷“只会死板重复、不会灵活适配”的行业困境。依托Franka原生高精度力控硬件优势，搭配SKILD具身智能策略模型与视觉感知系统，整套方案实现了全智能柔性作业。通过少量人工遥操作演示轨迹完成快速迭代，设备可自主完成工件定位

当前基于Flow-Matching、Diffusion架构的生成式VLA机器人策略，凭借优异的零样本泛化能力。FlowDAgger算法从理论复现到真机落地的工程壁垒，PNP机器人提供全链路具身智能方案验证平台，提供软硬件一体化成套解决方案。

Ego2Robot 验证了以人类**视角视频为原料规模化扩充机器人数据集的技术可行性。合成数据定位为真机数据的增量补充，而非完全替代，“合成增强 + 真机校准” 将成为后续具身数据建设的主流范式，为新本体小样本冷启动提供新路径。

近年来，AI发展正式走出纯数字生成的内卷时代，AI For Science+具身智能成为行业核心突破方向。行业依旧受限于实验非标化、通用模型稀缺、场景适配难度大等痛点，尚未实现大规模产业化落地。但随着Anthropic等巨头重仓入局奠定行业方向，叠加具身智能进化

李飞飞团队ReKep荣获CoRL-LEAP研讨会**论文奖，具身智能又下一城！

Tether 是一项由宾夕法尼亚大学、加州大学伯克利分校和 Dyna Robotics 的研究人员共同开发的创新机器人学习框架，旨在解决真实世界中机器人自主获取高质量交互数据的核心挑战。

论文 《GigaWorld Policy》 创新性地提出了 动作中心化的世界 动作策略框架 ，通过训练时联合监督和推理时精简推理设计，实现策略质量与实时控制的平衡。该方法解决了传统 WAM 中视觉和动作表征耦合导致的推理瓶颈，为机器人策略学习提供了高效

通用性大幅提升，支持快速适配多款机械臂，强大能力超乎你的想象！

ATM的主要想法是，既然像素级的视频建模不是一个好的表征方法，那么我们能否利用类似的想法，把视频变成一些粒子的集合，建模每个粒子的运动来反映整个场景的物理规律，来为控制模型服务。

34届ICAPS**学生论文——CMU卡耐基梅隆：利用在线生成的经验加速基于搜索的多机器人操作规划第。在多个多臂操作任务中评估了所提出的方法，包括货架重排和箱子抓取任务。在8台FRANKA机器人货架重排任务中，xECBS算法的成功率为84%

其与Franka机器人优化相结合，以获得一条安全的现实世界部署路径。在现实对64 个场景用Franka机器人运动规划任务进行全面评估，这些任务涉及四个不同的环境，具有随机的姿势、场景和障碍物，运动规划成功率 提高了23%、17%和79% 。

纵观 全球前沿研究，FR3 凭借力控、多机协同、ROS 生态等优势，成为具身智能领域公认的标准实验平台。PNP 机...

MolmoAct 提出“动作推理模型”（ARMs）这一新范式，通过三阶段结构—感知编码 · 空间路径规划 · 精确控制输出，实现了机器人在三维空间中的透明推理与可控行为。实验表明它在多项模拟与现实任务中的表现显著优于现有模型。

24年7月来自CMU的论文“3D Diffuser Actor: Policy Diffusion with 3D Scene Representations”。

ICRA2025**论文：柏林工业大学无规划组合梯度解决顺序任务，该方法展示了在动态和不确定环境中的适应性和鲁棒性，为机器人和自动化系统提供了新的解决方案。

英伟达等发布的Cosmos Policy 首次系统性验证了视频生成模型可以作为机器人策略学习的核心基础模型，为具身智能提供了一条全新的技术路径。这一工作不仅推动了“视频模型即世界模型”的理念落地，也为未来构建通用机器人智能体提供了重要参考

通过基于视觉的触觉传感器实现低成本远程操作和触觉反馈，用于刚性和柔性物体的操控

AdaWorldPolicy 结合世界模型、扩散策略和在线自适应学习，对动态环境和物理反馈的实时响应 ， 实现具身机器人高鲁棒性控制随着具身智能和机器人操作策略的发展，机器人在动态、真实世界环境下执行操作任务的适应性成为核心挑战。传统策略学习方法在环境扰

ACE系统，机器人学习系统中的ACE。

Deep Reactive Policy: 深度反应策略：学习动态环境下的反应式机械手运动规划。Deep Reactive Policy为机器人在动态环境中的运动规划提供了一种全新的解决思路。它突破了传统方法依赖全局

尽管最近数据规模激增，但由于异构性的存在，机器人学习的通用性仍然受到限制。研究人员提出的HPT——一种模块化架构和框架，通过预训练来应对这种异构性。

Robo-DM 作为一个高效的机器人数据管理工具，解决了大规模、多模态机器人演示数据在存储、传输和加载过程中的关键挑战。其统一的数据格式、高效的压缩与加载机制以及与现有框架的良好兼容性，使其成为推动机器人学习研究和应用的重要

PNP按：ICLR 是国际**机器学习与表征学习学术会议，聚焦深度学习、强化学习、多模态、机器人学习等前沿领域

摘要随着具身智能（Embodied Intelligence）研究的快速发展，机器人控制系统正面临高度动态、强

sPCSF 框架为扩散模型在真实机器人系统中的安全部署提供了创新性的解决方案。它以演示数据为核心，突破了传统安全约束对模型和环境依赖的局限，通过路径一致性的学习构建隐式安全流形，并以高效方式实现动作过滤，使扩散策略在真实场景中具备可用性

1部分：研究背景与问题提出近年来，随着机器人操作（Robotic Manipulation）研究的快速发展，如

PNP 机器人团队作为国内机器人行业较有影响力的团队之一，在FRANKA 机器人纳入思灵机器人集团旗下后，举办了多次基于 FRANKA 机器人的线上线下活动。这些活动极大地推进了 FRANKA 机器人在具身智能方向落地和发展，也为具身智能

ImMimic 是一项有前景的研究工作，它在处理人类视频与机器人操作之间的跨域挑战方面提出了映射 + 插值 + 共训练的有效组合。在多个任务和机器人结构上展示了较好的成功率与动作流畅性，尤其在机器人示范数据稀少时，能显著提

iros2025杭州大会，慕尼黑工大提出并实现了一个将“语义场景理解”与“运动安全保障”结合的机器人控制框架。主要贡献包括：提出“语义安全滤波器”这一新概念，旨在将人类常识意义上的安全（语义约束）纳入机器人操作保障体系，而不**于传

英伟达论文RVT-2：从少数演示中学习精确操作“RVT-2: Learning Precise Manipulation from Few Demonstrations”。

聚焦具身智能：归来后的Franka机器人历史、机遇和未来（下）德国Franka Robotics联合创始人Dmitrij和PNP机器人创始人包文涛联合直播，具身智能前沿探讨Franka机器人引领作用：在众多开创式具身智能应用中， PNP机器人聚焦具身智能，助力Franka机器人里程碑式证明多功能性。本次活动，创建了具身智能技术讨论群，欢迎从事具身方向机器人操作策略、力感知模态、多机协同研究的...

OpenAI 最近发布的 GPT-6 Astra 在物理操作基准测试中达到了 95% 的准确率，不做具身智能胜似具身智能。

PNP机器人按：制造业需要多个机器人在共享且障碍物密集的工作空间内协同。Science Robotics最新论文：RoboBallet提出了一种创新的多机器人协作规划方法，通过将图神经网络与强化学习结合，实现了高效、可扩展和流畅的协作模式。

与在数字孪生上训练的策略相比，使用数字表亲训练的策略在Franka机器人表现出相当的分布内性能和更稳健的分布外性能，并且可以实现零样本模拟到真实策略迁移

24年10月来自美国东北大学和Boston Dynamic公司的论文“Equivariant Diffusion Policy”。

，尽管近年来强化学习在仿真环境和标准测试平台上取得了显著进展，但这些成果在现实机器人系统中的可复制性和稳定性仍然有限。现实环境中复杂的动力学扰动、传感器噪声、安全约束以及高昂的数据采集成本，使得直接迁移仿真策略面临巨大挑战。

通过使用深度监督和一种新颖的参考特征计算方法，GraspSplats在不到60秒的时间内生成高质量的场景表示。进一步通过展示GraspSplats中明确且优化的几何形状足以自然支持（1）实时抓取采样和...

《A Pragmatic VLA Foundation Model》通过提出 LingBot-VLA 模型框架，系统验证了视觉—语言—动作基础模型在真实机器人环境中的可行性与工程价值。该研究以大规模真实数据为基础，结合合理的模型结构设计与高效训练系统，实现了跨任务

提要：2025年机器人行业盛会IROS在杭州开幕，机器人从传统控制跃迁具身大模型，多模态控制成焦点。
来自CMU的最新论文Neural MP，展示了通用神经运动规划方法。

MATTERIX 并非仅仅提出了一个新的实验室控制系统，而是从 系统工程与具身智能的角度 ，重新定义了机器人辅助化学实验室的建模与运行范式。通过引入多层数字孪生框架，该工作成功地将机器人控制、化学实验语义、物理环境状态和实验数据整合到一个

FTF框架展示了从人类触觉演示中学习机器人对力敏感的操作技能的可行性，并在多个任务中取得了良好的性能。未来的工作可能包括扩展到更复杂的任务、提高策略的泛化能力，以及进一步优化触觉数据的采集和处理方法。

Steering Your Diffusion Policy with Latent Space Reinforcement Learning 提出了一种新的、高效、实用的方式来改进 BC 型扩散策略在真实世界任务中的表现。通过在潜在噪声空

Genesis和RoboGen其实都ZHOU XIAN和CHUANG GAN的研究成果。在Genesis最近大火，其实Genesis在1年前就发布了,RoboGen在Genesis上生成和模拟。

重磅！CoRL 2024顶刊会议 清华大学高阳研究组发布“基于大模型先验知识的强化学习”

Robo2VLM是NeurIPS 2025 中最具突破性的具身智能研究之一，它提出了一种从真实机器人操作数据中生成视觉–语言问答训练数据的新流程，使视觉–语言模型（VLM）首次真正具备“可解释的操作推理能力”。与传统 VLM 使用互联网静

通过大规模专家示教数据、视觉驱动策略学习、高精度力控 Franka 机器人执行与严格临床评估，本研究首次展示了一个能够达到“专家级自主颈动脉超声扫描”的完整系统。其意义不仅在于实现自动化操作，更在于带来医学影像标准化、医疗资源

数据规模化正在推动机器人技术走向新纪元。但研究团队提醒：比起盲目增加数据量，提升数据质量可能更为重要。关键问题在于：如何确定真正需要扩展的数据类型？如何最高效地获取这些高质量数据？

英伟达发布通用机器人模型RVT-2，训练效率提升6倍

RSS 2024满分论文分享 详细解读清华大学高阳研究组ATM框架

Franka机器人引领作用：在众多开创式的具身智能方向的机器人应用中 PNP机器人聚焦具身智能助力Franka机器人里程碑式证明了其多功能性 文：包文涛 PNP机器人1、机器人技术的发展：从传统工业机器人到具身智能机器人   机器人技术的发展历程是一部不断创新与突破的史诗。从20世纪50年代的早期工业机器人到如今的具身智能机器人，这一领域经历了多次技术革命。早期的工业机器人，如1978年引入...

本文提出了一种使用Franka 七自由度机器人实现化学实验自动化的方法，将自然语言指令翻译为机器人可执行计划，使用大型语言模型以及 任务和运动规划。为非专家用户添加自然语言实用程序，但将自然语言实验描述从用户转换为低级机器人语言并非简单。

PNP机器人解读：与需要数百万次环境交互来微调一系列机器人技能的无模型方法不同，DiWA 使用一个基于数十万次

XtalPi 和 ABB Robotics 使用 GoFa 协作机器人实现实验室工作站自动化XtalPi 的 AMR 上的 GoFa 协作机器人。来源：ABB实验室自动化涉及重复但严格的过程。晶泰科技和 ABB Robotics 本周表示，双方已建立战略合作伙伴关系，在中国生产一系列自动化实验室工作站。两家公司表示，ABB的GoFa协作机器人和XtalPi的软件将提高生物制药、化学工程和化学...

RoboCasa是一个大型模拟框架，用于训练具有一般能力的机器人执行日常任务。它以厨房场景为重点，以人为本，具有逼真而多样的环境。我们借助生成式 AI 工具（例如大型语言模型 (LLM) 和文本转图像/3D 生成模型）创建这些环境。我们提供

RoboVerse：打造机器人学习的“统一宇宙”。

“递出苹果”or“递出桃子”？ObjectVLA：无需标注，解决端到端模型在开放世界中的泛化能力

框架在各种材料的浇注技能方面的效用和材料合成的两个实验：溶解度和再结晶。通过Franka 7自由度和另外8自由度机器人臂在两种场景下的性能如表5 所示。结果表明，与7自由度机器人相比，8自由度机器人 和约束运动规划机器人具有更高的成功率。

麻省理工学院电气工程与计算机科学系Pulkit Agrawal教授，介绍了一种新方法，可以让机器人在扫描的家庭环境模拟中接受训练，为任何人都可以实现定制的家庭自动化铺平了道路。

导语：DreamZero与具身智能范式转变的意义近年来，随着大模型、强化学习与仿真技术的快速发展，机器人领域正

Fabrica 是一项在机器人装配领域迈出重要一步的研究：它将全局装配规划与本地接触／插入动作的学习融合起来，实现了双臂机器人的通用多部件装配能力，在没有人类演示的条件下，对新物件有较强的泛化性与实用性。

来自美的、华东师大、上海大学、北京人形机器人创新中心和清华的论文“ChatVLA: Unified Multimodal Understanding and Robot Control wi...

mimic-video 提出了一种划时代的机器人控制学习范式，它将强大的视频生成模型作为物理动态先验，重新定义机器人策略学习的基本路径。相较传统 VLA 模型，这一方法显著提升样本效率、加速训练收敛、增强泛化能力

RLinf：面向具身和智能体的强化学习基础设施RLinf 是一个灵活且可扩展的开源强化学习基础设施。
本文档给出在 RLinf 框架内启动在 Franka 机械臂真机环境中训练任务的完整指南， 重点介绍如何从零开始训练基于 ResNet 的 CNN 策略以完成机器人操作任务。

触觉反馈对执行复杂而精细任务至关重要。最近触觉传感器的兴起使机器人能够用触觉扩展其能力。然而，许多任务仍然需要人工干预。为此，提出了一个远程操作框架，旨在根据安装在Franka机器人夹持器上基于视觉触觉传感器数据为操作员提供触觉反馈。

这标志着PNP机器人参与多地具身智能机器人训练合作之后，在具身智能领域进一步扩展，参与打造广东特色机器人训练场建设。本次签约不仅是一项高校与产业界的合作，更是粤港澳大湾区科技创新生态体系的一次重大突破。训练场落地广州黄埔，这一区域

从单兵作战到军团协作：具身智能机器人进化的下一个爆发点会是 RoboFactory 吗？

作为目前**的机器人扩散模型，RDT展现出了惊人的操控精度和泛化性。

团队提出了一种新型的机器人控制系统，名为DexVLA，该系统结合了视觉-语言模型（Vision-Language Model，VLM）和一种新型的基于扩散的行动专家（Diffusion Expert），以提高机器人在复杂环境中执行多样化任务

ORGANA：来自多伦多大学——用于自动化化学实验和表征的机器人助手,利用人工智能实现化学实验自动化，减少时间和体力投入进展与潜

机器人任务大一统！DiffusionVLA：打造高泛化性、高精度的机器人基础模型！

Robotics Diffusion Transformer（RDT）是由清华大学计算机AI研究院TSAIL团队推出的全球**的双臂机器人操作任务扩散基础模型。RDT具备1.2B参数量，能在无需人类操控的情况下，自主完成复杂任务，如调酒

DPPO已经在多个模拟家具组装任务中评估了其性能，并在模拟到真实的迁移实验中，展示了其在真实世界中的性能显著提高。

本文提出了一种统一框架BRIDGEVLA，通过输入输出的对齐机制，显著提高VLM在3D操作任务中的学习效率和泛化能力。

来自UC Berkeley 和Google DeepMind等推出的MuJoCo Playground，这是一个基于 MJX 构建的完全开源的机器人学习框架，其明确目标是简化机器人的模拟、训练和从模拟到现实的迁移。只需简单的安装过

MimicPlay和DexCap可以结合，用动捕设备采集的数据完全可以用来作为MimicPlay高层次轨迹规划的训练，而且这个训练可以训练到高精度的规划，因为DexCap数据质量更高。对于低层控制，也...

【PNP具身总结】具身智能中的策略学习与扩散模型， Diffusion Policy 在机器人操作任务中的优势，也有存在问题与下一步研究方向。扩散模型具有强泛化性，可用于多任务、长序列动作生成，但推理速度慢、数据需求量大

2025年11月美国具身智能领域的翘楚——Physical Intelligence（简称 PI 或 π）揭晓了其最新力作：机器人基础模型π*0.6。PI，这家总部位于旧金山的机器人与AI先锋企业，正致力于将通用人工智能从虚拟世界

RoboMamba：基于多模态状态空间大模型的高效机器人推理和操纵。本文由 北京大学HMI Lab 完成。HMI Lab依托北京大学视频与视觉技术国家工程研究中心和多媒体信息处理全国重点实验室两大平台，长期从事机器学习、多模态学习和具身智能

探索VLA预训练的泛化能力，GraspVLA团队揭晓七大关键准则。" "GraspVLA团队深入剖析VLA预训练模型的泛化潜力，提出了七条至关重要的评价标准，并在Franka机器人上进行验证。这些金标准不仅为评估预训练模型提供了明确指引