具身智能

HelloWorld__来都来了

【每日学术速报】2026-06-15【每日学术速报】2026-06-15 ▌ TL;DR（今日摘要） • 今日推送 6 篇论文：MICCAI 2025 × 3（手术AI × 2、半监督分割 × 1）、ICRA 2026 × 1、具身智能预印本 × 2 • 医学AI焦点：SurgTPGS 首次将文本提示引入3D手术场景理解；ReSurgSAM2 用自然语言参考驱动手术视频长期追踪；SSL-MedSAM2 以SAM2生成伪标签破解半监督医学分割 • 具身智能焦点：AnchorDream 用视频扩散生成具身感知训练数据（仿真+36%、真机近翻倍）

【通识】宇树G1_29DOF速度跟踪训练—逐章学习手册学习方式比较简单有效：用kimi code / claude code直接基于源码设计一份教学文档，目标是一步步把我教会，形式采用互动教学形式即可

VLA 的 Co-training：通过多源数据提升机器人泛化能力存在问题：机器人数据和互联网视觉语言数据教给模型的东西并不相同。一条常见的机器人轨迹通常包含以下信息：

NWM----导航世界模型论文标题Navigation World Models作者Amir Bar, Gaoyue Zhou, Danny Tran, Trevor Darrell, Yann LeCun

【论文速递】2026年第04周(Jan-18-24)(Robotics/Embodied AI/LLM)中文使用 googletrans 翻译，翻译不对的地方以英文为准标题: Agentic Reasoning for Large Language Models

【论文速递】2026年第03周(Jan-11-17)(Robotics/Embodied AI/LLM)中文使用 googletrans 翻译，翻译不对的地方以英文为准In real-world video question answering scenarios, videos often provide only localized visual cues, while verifiable answers are distributed across the open web; models therefore need to jointly perform cross-frame clue extr

ROS2自定义接口消息、参数服务案例接着前面的博客，我们继续深入，我们先聊自定义接口消息。回想一下前面博客，话题用的消息msg是一个String类型，服务接口类型用的是官方示例里自定义的AddTwoInts类型，动作接口类型是自定义的。实际上不管是话题，服务，动作都是可以自定义接口的。接口的作用是为了定义传输数据的结构，这样方便分布在不同位置的程序间，互相收发数据。接口 = 通信协议 = 数据格式约定。没有接口，节点之间根本不知道对方发的是什么、怎么解析。

跨越天际：从智能汽车到 eVTOL 的适航与系统级开发25——智能负载卸载策略在分布式电推进（DEP）的 eVTOL 运行剖面中，能量是极其稀缺且昂贵的资产。与智能汽车能够随时靠边停车、或者依赖大容量混动发动机源源不断提供辅助发电的工况不同，eVTOL 在遭遇突发空中紧急情况（如某组动力电池包热失控被迫隔离、或者遭遇大跨度风切变导致多电机全功率超载运行）时，整机微电网（HVDC）将瞬间面临电能供需失衡的致命危机。

OpenPi、GR00T的视觉语言模型与动作模型连接方式差异分析总结VLA模型通常可以拆成两个逻辑模块：视觉语言模型和动作生成模型，前者用于生成视觉语言语义特征，后者用于生成连续动作序列。

TidyBot2 完整文档本文档为 TidyBot2（jimmyyhwu/tidybot2）技术文档，合并多章节内容，便于离线阅读。

RLinf复现RECAP（一）：从轨迹回报到优势标签与RECAP数据处理相关的代码主要位于，完整数据流如下，RLinf不会把Return和Advantage直接写回原始轨迹文件，而是保存成独立的Sidecar Parquet。例如,

TidyBot++ 一种用于机器人学习的开源全向移动机械臂【文献解读】论文标题：TidyBot++: An Open-Source Holonomic Mobile Manipulator for Robot Learning

RLinf复现RECAP（二）：优势标签驱动pi0.5的CFG训练CFG全称为Classifier-Free Guidance（无分类器引导），最初主要用于扩散生成模型，通过比较条件预测和无条件预测，让生成结果更符合指定条件。例如，在图像生成任务中，模型可以分别计算，

pi*0.6的RECAP：VLA如何从成功、失败和人工纠正中继续学习VLA 模型通常从人工示范中学习，训练数据告诉模型，看到这个画面和任务指令时，执行这组机器人动作。这种方法适合让机器人快速掌握基本技能，但存在一个明显问题，模型只知道模仿数据，不知道数据中的动作到底有多好。

Nature新刊Sensors：清华团队突破机器人触觉难题，多模态感知精度直逼人类指尖首次让触觉数据从“数值”变成“可理解的信息”——鸽眼的启发目录01 传统触觉传感器的痛点电子皮肤（e-skin）：分辨率和模态难两全

想要成为计算机高手

用meta quest 3 遥操宇树机器人-xr_teleoperate 复现（含docker安装与配置方式）最近采购了meta quest 3，现已完成了在so101单臂上的遥操作，这个机械臂的结构比较简单，接口完善，也有 python_sdk包，整体没有什么困难的地方，而我最终目标是遥操自研机械臂，可能没有相关的适配，这个可能还是个问题。

Isaac GR00T N1.7在Piper真机上的服务端/客户端部署实践Isaac GR00T N1.7是一个面向通用机器人操作任务的VLA模型。模型推理依赖GPU环境，而Piper真机侧则依赖CAN总线、RealSense相机、机器人SDK和本地安全控制逻辑。

Agilex松灵机器人

万小时数据落地！松灵机器人构建具身智能数据新基建进入 2026 年，一个新的现实是：算法模型的差距正在快速收敛，而高质量的真机数据成为了核心稀缺资源。

机器人零零壹

访越擎科技机器人离线编程软件iRobotCAM创始人：具身智能爆发前夕，我如何参与？具身智能为火热从理想，小鹏，广汽等汽车巨头的进入，到小米，荣耀等手机巨头的推进，在技术从视觉到控制等供应链成熟的基础上，在物流搬运，生产制造等持续加速落地。而对于生产制造领域，本次采访具身智能一线企业南京越擎信息科技有限公司iRobotCAM具身智能设计与离线编程软件创始人，进一步探讨具身智能的技术的落地节奏的特点，行业趋势的发展，以及企业面对具身智能变革的当前如何参与等热门话题。

李飞飞团队新作：首个闭合感知‑行动回路的具身空间智能基准只有任务导向的主动观测，才是空间推理的关键。——感知‑行动闭环目录01 核心定位：ESI‑BENCH到底在测什么？