X-Planner：面向具身智能的事件结构化任务规划框架
针对现代视觉-语言-动作（VLA）系统在长程操作中缺乏显式中间结构、现有思维链规划器依赖粗粒度标注的问题，研究团队提出了 X-Planner 规划前端。该方案同时改善具身推理的监督与表征，融合了第一人称视角、通用操作接口及遥操作等多源数据，构建了具备分层粒度和差异化标注深度的规划数据集。由于原始摘要截断，具体的下游控制效果待全文进一步阐释。
DC AI 热点
全部 AI 动态
9月24日2026-09-24
面向耗散系统的离散时间深度循环神经网络建模方法 DissipNet
在物理人工智能（Physical AI）领域，AI系统需兼顾高预测精度并保持动态系统的基本物理特性。为此，研究人员提出了一种深度离散时间耗散循环神经网络（DissipNet）。该网络通过结构化权重约束和专用训练算法，显式强化了耗散性这一关乎系统稳定性和能量耗散的关键物理属性，旨在提升对真实世界动态系统的建模、预测与控制能力。
如何利用 NVIDIA Warp 与 MjWarp 加速机器人仿真及学习工作流
该技术文章聚焦于如何结合使用 NVIDIA Warp 与 MjWarp 框架，以加速机器人领域的物理仿真与强化学习等工作流。由于提供的原始素材缺少详细摘要与正文内容，具体的技术架构实现、性能评测对比及实操步骤等细节尚无法进一步展开。整体内容旨在探讨通过高性能 GPU 仿真工具提升机器人开发与训练效率的方法。
微软提出机器人推理卸载架构，以突破物理AI硬件算力瓶颈
微软研究院针对机器人硬件难以跟上AI能力增长的瓶颈，发布了有关“推理卸载”的最新研究成果。研究表明，将AI模型的推理计算任务转移至机器人本体之外的外部计算平台，能够显著提升任务执行的成功率并提高系统效率，同时支持运行更为复杂的先进物理AI工作负载，为智能机器人突破车载硬件限制提供了可行的计算架构方案。
9月23日2026-09-23
丰田推进产线人形机器人部署与员工协同训练，计划部署40万台工业机器人
丰田汽车计划未来几年在工厂部署40万台机器人，其中包括人形机器人。目前丰田已在装配线引入轮式移动的人形机器人ELEY，并由员工佩戴特定手部装置对其进行精细操作训练。丰田执行副总裁表示，此举旨在实现机器人与人类共存协同，而非取代现有员工。国际机器人联合会数据显示，日本目前工业机器人部署量位居全球第二，丰田此举展现了汽车制造龙头加速智能化落地的趋势。
早报：GPT-6 Sol与Qwen Intelligence发布，多款硬件与大模型新品集中亮相
本期科技早报汇总了多项行业动态：大模型方面，GPT-6 Sol发布且价格减半，Qwen Intelligence亮相并落地荣耀新机，前小米XLA负责人陈龙创业研发自进化具身大模型；硬件终端与芯片方面，第六代骁龙8旗舰发布并由iQOO与红魔首批搭载，OPPO Find X10系列正式发布；此外，苹果特努斯谈及Siri AI不应替代人际关系。
9月22日2026-09-22
英伟达发布 Isaac ROS 5.0，推进开源与智能体机器人开发
为帮助开发者在动态环境中构建具备感知、推理和行动能力的复杂机器人应用，英伟达发布了基于开源机器人操作系统 ROS 的 GPU 加速软件套件 NVIDIA Isaac ROS 5.0。该版本旨在提供新型物理 AI（Physical AI）模型与工具链，进一步推动具备自主能力的智能体机器人及开源机器人开发进程。
物理AI规模化落地为何需要在每一层构建安全机制
物理AI正从实验室研究迅速走向规模化部署。市场调研机构预测，到2035年L3至L5级自动驾驶汽车的装机量将达4900万辆，2026至2035年间工业机器人部署量预计达6000万台。随着这些自主机器深入道路、工厂与仓储等与人类共享的实体环境，整个物理AI系统必须在硬件、算法及运行等每一技术层级构建全方位的安全保障，以应对复杂人机协作场景的风险挑战。
9月17日2026-09-17
如何利用AI智能体构建与验证用于物理仿真的3D场景
文章介绍了如何将AI智能体工作流应用于物理AI系统的数字孪生准备与验证中。通过智能体工作流，AI能够自动巡检并解析3D场景，生成和编辑仿真所需的关键数据，从而大幅提升物理仿真环境的搭建效率，为具身智能与机器人等物理AI系统的训练与测试提供高质量的数字孪生支撑。
英伟达 TensorRT Edge-LLM 在 Jetson AGX Thor 上实现 MLPerf 边缘智能体基准 6.4 倍加速
英伟达公布最新测试结果，TensorRT Edge-LLM 在 Jetson AGX Thor 平台上运行 MLPerf 边缘智能体基准测试时实现了 6.4 倍的速度提升。随着 AI 智能体逐步从云端数据中心迁移至汽车、机器人及其他边缘硬件，该技术针对需要多步骤推理的智能体工作流进行了优化，显著提升了端侧设备本地处理复杂任务的能力与能效表现。
← 上一页2 / 2