面向 Class 8 卡车的驾驶 VLA 数据高效适配方法
研究提出 adapt-then-steer 策略，将现成驾驶 VLA 适配到 Class 8 卡车：以 NVIDIA Alpamayo 1.5 为基座，仅微调其动作生成部分，使用数百个真实施工与事故相关高速场景。
#NVIDIA
#NVIDIA
今日 3 条arXiv cs.ROAI 评分5555 arXiv cs.ROAI 评分5555 面向水下机器人的机载视觉与 MPC 导航：开源 BlueROV2 多机器人实验与对接平台
论文提出一个开源 BlueROV2 平台，将机载视觉与非线性模型预测控制（NMPC）结合，用于受限环境下的自主导航与对接。
arXiv cs.RO精选AI 评分6666 Fiatlux：面向人形机器人爬梯与换灯泡的长时程基准
Fiatlux 是一个基于 NVIDIA Isaac Lab 的长时程基准，让 Unitree G1 人形机器人在一个回合内把梯子放到天花板或墙壁灯具下、爬梯、把灯座里的旧灯泡换成新灯泡，并把旧灯泡放进回收箱。
推荐理由：Fiatlux 把爬梯与换灯泡合成一个长时程基准，并给出十二个子任务与三类基线，可供人形操作评测参考。
HF blogAI 评分4646 Hugging Face 发布 strands-isaaclab-h1-rough 数据集：宇树 H1 人形机器人崎岖地形行走
Hugging Face 上线 strands-isaaclab-h1-rough 数据集，记录宇树 19 自由度 H1 人形机器人在 NVIDIA Isaac Lab 程序化崎岖地形上按指令基座速度行走，共 12 条 episode、6000 帧、50 fps。
HF blog精选AI 评分7474 ZimaBlue：通过可扩展视频预训练演进可泛化世界动作模型
ZimaBlue 提出从大规模自我中心视频学习可泛化世界动作模型（WAM）的三阶段训练方案，先在大规模人类与机器人自我中心视频上做因果具身视频预训练，再通过视频-动作中期训练将视觉动态对齐到异构机器人轨迹，最后针对目标机器人做专门化。
推荐理由：论文给出从大规模自我中心视频学习世界动作模型的三阶段方案，并报告零样本操作成功率随数据规模的变化。
Robohub精选AI 评分8282 交互式世界模拟器：用动作条件视频预测训练与评测机器人策略
作者提出 Interactive World Simulator，一种动作条件视频预测模型，在像素空间预测后续帧，不含物理引擎，可在单张 RTX 4090 上以 15 FPS 交互运行超过 10 分钟。
推荐理由：作者用同一批策略在仿真与真机上的评分对比，给出世界模型能否替代真机评测与数据采集的一手证据。
qbitai精选AI 评分7878 英伟达 GEAR 联合李飞飞团队发布 Real2Sim 系统 SimFoundry
英伟达 GEAR 联合李飞飞团队、佐治亚理工大学等机构发布 Real2Sim 系统 SimFoundry，只需一段真实世界 RGB 视频即可自动生成可交互、可训练、可评测的机器人仿真环境。
推荐理由：英伟达 GEAR 与李飞飞团队等提出 Real2Sim 系统，用一段视频自动扩展仿真训练数据，读者可了解其闭环思路与实验结论。
qbitaiAI 评分5858 群核科技三篇论文入选 ECCV 2026，联合英伟达等提出物理AI仿真平台 SPEAR
群核科技三篇论文入选 ECCV 2026，涵盖空间感知与推理、强化学习数据生成、高保真物理仿真。其中联合 Adobe、NVIDIA、Apple、Intel 等提出的 SPEAR 仿真平台开放超 14000 个原生 Python 接口，可输出深度图、表面法线、实例分割等物理属性数据，并接入 InteriorAgent、InteriorGS 等结构化三维数据集。
NVIDIA blog robotics精选AI 评分7474 NVIDIA Research 在 CVPR 发布 GraspGen-X、LCDrive 与 NitroGen 三项研究
NVIDIA Research 在 CVPR 展示三篇论文：首个零样本抓取基础模型 GraspGen-X 基于 20 亿次仿真抓取训练，可为未见过的夹爪和物体生成抓取位姿。
推荐理由：三篇论文分别覆盖零样本抓取、自动驾驶推理加速与虚拟环境智能体训练，可了解规模化训练如何提升跨场景泛化。
NVIDIA dev blog roboticsAI 评分4242 NVIDIA R²D²：用仿真与语言模型改进机器人操作
NVIDIA 提出 R²D²，利用仿真与语言模型改进机器人操作，以应对真实动态环境中物体、光照和接触动力学变化带来的挑战。该方法针对仿真到现实的差距以及夹爪或工具未优化的问题，目标是提升机器人泛化能力、长时序任务执行与跨任务灵巧操作水平。
NVIDIA dev blog roboticsAI 评分3838 NVIDIA R²D²：面向长时程操作任务的感知引导任务与运动规划
NVIDIA 机器人研发文摘 R²D² 本期聚焦长时程操作中的感知引导任务与运动规划，指出传统 TAMP 系统依赖静态模型、在新环境中常失效。方案将感知与操作结合，使机器人能在执行过程中更新规划并适应动态场景。
NVIDIA dev blog roboticsAI 评分2222 NVIDIA Research 的 R²D²：三项神经突破改变机器人学习
NVIDIA Research 提出 R²D²，用三项神经突破改进机器人学习，目标是让机器人应对真实世界任务中的不可预测性、灵巧性与精细交互。当前机器人虽在受控环境中表现优异，但从装配精密部件到以类人精度操作日常物体，仍难以胜任真实部署。