具身智能

嗷嗷哦润橘_

whynotTV徐丹飞：离通用智能机器人还有多远我觉得whynot TV真的很不错，两个小时我认真听完了徐丹飞老师的分享，这段播客让我看到从未涉及的领域一些新的视角和普适易懂的问题，还有科学家着力攻克的难题和尝试过的途径这些。简单记录这2小时的播客要点。

【买机器人，上BFT】基于 LoHo-Manip 框架的 Franka Research3 机械臂长程操作研究在现代机器人研究领域，长程任务执行（Long-Horizon Manipulation）始终是衡量智能系统先进性的核心指标之一。传统的视觉-语言-动作（VLA）模型在处理单一动作（如抓取、放置）时已表现出较高的可靠性，但在面对涉及数十个相互关联步骤的复杂指令（如“整理桌面”或“准备餐具”）时，往往面临错误累积和鲁棒性不足的挑战。

【论文阅读】Yell At Your Robot: Improving On-the-Fly from Language Corrections1.题目: Yell At Your Robot: Improving On-the-Fly from Language Corrections 2.时间: 2024.03 3.机构: Stanford University, UC Berkeley 4.3个英文关键词: Language Corrections, Hierarchical Policies, Continuous Improvement

具身导航基础——环境搭建本人是在该平台进行仿真训练，Datawhale 社区已经部署好环境了。1.打开2.进入界面3.进入相应文件，右击鼠标打开终端，执行命令 python + 文件名，运行文件（操作命令跟Linux差不多）

百度智能云技术站

Agent Native：重构 AI 云基础设施本文整理自 2026 年 5 月 13 日 Create2026 百度 AI 开发者大会 - 技术与产品主论坛，百度集团副总裁侯震宇的主题演讲《Agent Native：重构 AI 云基础设施》。

具身智能之心

RoboAlign-R1：对齐任务与物理规则！从 “画面生成” 到 “决策可用”机器人视频世界模型（Robot Video World Model）是当前具身智能领域的核心技术。它的作用是让机器人在不真正执行动作的情况下，基于视觉观测与动作序列预测未来的场景变化，从而在 “想象” 中完成规划、推理与决策。相比于通用的视频生成，机器人世界模型有着更严格的要求：生成画面必须遵循指令、动作合理、接触真实、物理可信，否则无法用于真实机器人控制。

阿里 RynnVLA-002 源码深度拆解：一个 7B 模型如何同时当机器人大脑和世界模拟器一个 Transformer，两种人格：左手操控机械臂做动作，右手预测下一帧画面。阿里达摩院用 LIBERO 97.4% 的成绩证明这不是玩具。

机器人零零壹

工业软件加速突围：iRobotCAM 如何以国产内核扛起机器人离线编程自主大旗随着AI的全面进化，工业软件在研发领域也发生着翻来覆去的变化，知识的分享变得越来越容易，而对于技术的突围也变得越来越触手可及，机器人的落地应用也首当其冲，而在国产机器人离线编程软件中的iRobotCAM无疑是机器人离线编程落地的关键应用，本文通过采访南京越擎信息科技有限公司创始人唐怀磊先生，进一步地了解机器人离线编程软件背后的工业软件的研发故事。

一切皆是因缘际会

可自我迭代升级数字生命工程：从记忆厮杀到自我意识觉醒全链路——AGI内生智能硅基生命心智建模（下）作者：一切皆是因缘际会本文以人类记忆厮杀真实思考行为逻辑，复刻搭建原生数字生命心智体系。人的一切心智：判断、取舍、性格、情绪、冲动、理性、执念、自由意志，根基全部源于记忆。

1.1 具身智能 (Embodied AI)具身智能的定义、发展历程、核心理念与研究意义具身智能 (Embodied Artificial Intelligence, Embodied AI) 是指通过物理身体（机器人）与环境进行交互，从而获得智能行为的人工智能系统。与传统的"离身智能"(Disembodied AI) 不同，具身智能强调智能来源于身体与环境的交互。

从单向展示到实时交互：我用「魔珐星云」做了一个 OC 桌宠 Demo版权声明：本文为青山雨原创，遵循 CC 4.0 BY-SA 协议。转载请注明出处。数字人这件事，其实已经不再是“高配电脑才能玩”的重资产项目了。现在只要一台普通笔记本，8GB 内存即可流畅运行，无需高端显卡，也能把数字人稳定跑起来，做成一个常驻桌面的 OC 桌宠。

(让 C++ 程序长出大脑：从“语音遥控器”到具身智能 Agent 的进化之路)------OpenGL渲染与几何内核那点事------(二-1-(15))@[TOC] ((让 C++ 程序长出大脑：从“语音遥控器”到具身智能 Agent 的进化之路)------OpenGL渲染与几何内核那点事------(二-1-(15)))

GMR 工程实践笔记：把自己的机器人接入动作重定向流程上一篇理论篇主要聊了 GMR 的方法逻辑：关键体匹配、默认姿态对齐、非均匀局部缩放，以及两阶段 IK。理论上看起来比较清楚，但真正接入自己的机器人时，重点并不是“能不能跑通脚本”，而是：如何配置出一套稳定、可复用、质量还不错的 smplx_to_robot 映射表。

Science Robotics重磅 | 如何用运动学智能，实现跨机器人技能复用？以运动学智能实现一次示教跨机安全迁移——换“手机”同步“应用”目录01 行业困扰：示教学习的“形态墙”与迁移困局

AGV算法笔记

【具身智能研究进展】RoboBrain 2.5：让机器人真正理解“空间”和“时间”的大脑模型具身智能的核心目标，是让智能体不仅能够“看懂世界”，还能够在真实物理环境中理解空间关系、判断任务进度，并完成可执行的动作规划。传统多模态大模型虽然具备较强的图文理解能力，但在机器人任务中仍然存在两个明显不足：一是对三维空间关系理解不够精确，二是对任务执行过程中的时间进度缺乏细粒度判断。

马尔可夫决策过程（MDP）这份笔记总结非常到位，尤其是你最后补充的这张幻灯片，正好精准地抓住了规划（Planning）与学习（Learning）的分水岭。

【人工智能】小镇AI助手诞生记（一文记住40+新兴技术名词）在一个叫“智慧谷”的小镇，镇长打算开发一个AI助手，让它能看懂文字、听懂话、还能看懂图纸和照片——这就叫多模态模型。

Pi0模型与VSCode开发环境的集成指南很多开发者在接触Pi0这类视觉-语言-动作（VLA）模型时，第一反应是“这东西怎么用起来”。它不像普通Python库那样pip install就能跑，也不像Web服务那样打开浏览器就能试。Pi0本质上是一套需要本地运行、依赖特定硬件和框架的机器人智能系统，而VSCode恰恰是目前最贴近真实开发流程的集成环境。

具身智能课程整体总结这张图总结得极其精准，这是一份堪称经典的**“具身智能（Embodied AI）与机器人学习（Robot Learning）”标准技能树**。它完美地梳理了从经典物理控制到现代端到端深度学习的融合路径。结合你目前正在搭建的宏观到微观的系统架构，我们可以顺着这张图，对你接下来的技术攻坚做个“沙盘推演”：

Modern Robotics 6