AI 日报 · 2026 年 10 月 6 日 · 星期二
具身雷达
OpenRUA：让编码智能体零样本操控机器人
OpenRUA 提出零抽象 harness，仅向现成编码智能体开放 ROS 2 终端访问，把感知重构为文件 I/O、操作重构为编码，由 Claude Opus 5 驱动的 Claude Code 实现零样本视觉运动策略。同日另有 MobiAgent 双环自改进框架、GlanceWAM 稀疏测试时想象等多项具身智能进展。
论文研究
arXiv cs.ROOpenRUA：机器人使用智能体即零样本视觉运动策略
OpenRUA 提出一种零抽象 harness，只给现成编码智能体提供机器人原生软件接口 ROS 2 的终端访问，把感知重构成文件 I/O、把操作重构成编码。使用 Claude Opus 5 驱动的 Claude Code，OpenRUA 在 CaP-Bench 上成功率为 99.0%，在 LIBERO-PRO 上为 87.0%。
arXiv cs.ROMobiAgent：面向长时程移动操作的双环递归策略自改进框架
MobiAgent 是一个双环智能体框架，内环用视觉语言模型做滚动时域规划与视觉反思，动态组合原子技能，外环自动切分并验证部署轨迹、聚类发现技能并持续微调技能库。
arXiv cs.ROGlanceWAM：面向世界动作模型的稀疏测试时想象
GlanceWAM 将视觉想象与动作控制解耦在共享视频 DiT 主干上，异步提议器在后台以慢时钟想象未来单帧，动作头在潜空间以 48 ms 控制频率解码动作块。
arXiv cs.ROAwomo-SimDataEngine：面向机器人训练数据的智能体仿真场景生成系统
PhysicalRSI 团队提出 Awomo-SimDataEngine，一个把资产与场景生成连接到机器人示范合成的智能体系统，包含 ISArt 部件与关节生成、Unravel 图像重建可编辑场景、SimForge 文本生成单房间与多房间环境，以及 PolicyForge 将验证过的世界绑定到任务与机器人本体以产出可回放示范。
arXiv cs.ROSoTa：面向灵巧操作的低成本软触觉皮肤
斯坦福等团队提出 SoTa，一种低成本电容式触觉皮肤，可在人手与机器人手上实现全手覆盖，并在对应手指与手掌区域保持 202 个 taxel 的共享布局。其多层织物电极设计支持自制，每片材料成本低于 10 美元，经 10,000 次加载-卸载循环后仍保留超过 97% 的初始响应范围。
arXiv cs.ROPEWAM：可编程效果到执行的世界动作模型
论文提出 PEWAM，一个 71.5M 参数的世界动作模型，将机器人示范编译为去除演示者的效果程序，即物体 3D 关键点轨迹、抓取点和终止场景配置，并以效果、机器人执行、动作和终止状态四路独立流匹配时间生成。
arXiv cs.ROCriticHack：评估机器人策略优化中的视觉奖励
arXiv 论文 CriticHack 研究视觉奖励模型在机器人策略优化中的失效问题。作者在抽屉任务上对扩散策略的全部去噪参数针对 Robometer 微调，五次训练在 512 个评估种子上把任务成功率提高 10.2 个百分点。
arXiv cs.ROSkill2Real：面向零样本仿真到真机操作的分层技能学习框架
Skill2Real 提出一种智能体策略框架，通过共享 API 学习可执行技能，并用 Proposer-Verifier-Governor 循环借助仿真特权信息诊断结果、验证更新。
快讯
- SimpleTouch：VLA 模型能否不经触觉策略预训练掌握接触密集操作arXiv cs.RO
- EyeRobot 2.0：无需腕部相机的主动注视实现精细操作arXiv cs.RO
- I2CD：从单张图像直接生成仿真可用的凸碰撞几何arXiv cs.RO
- PointWAM：面向灵巧机器人操作的 3D 世界动作建模arXiv cs.RO
- WING：以交互中心频谱隐动作引导从第一人称视频学习机器人策略arXiv cs.RO
- KungfuAthleteBot：从视频学习高动态人形动作并统一实现摔倒恢复arXiv cs.RO
- ProAct：面向 VLA 模型的世界校准提议到动作流框架arXiv cs.RO
- NEEDLE：用已验证局部拼接离线改写机器人数据arXiv cs.RO
- SocialVLA：面向 VLA 操作失败检测与恢复的社会感知网关arXiv cs.RO
- ViGAR：面向组合与上下文机器人操作的分层世界动作模型arXiv cs.RO
- DeltaWorld：面向机器人操作的动作条件交互式世界模拟器arXiv cs.RO
- GeoScaffold：通过重建学习紧凑几何隐变量，实现高效视觉语言导航arXiv cs.RO