人形机器人如何学会职业选手的动作：自适应运动规划与跟踪
针对人形机器人打球时难以兼顾职业运动员动作风格与任务可靠性的问题，一套分层框架把生成风格化运动学动作的规划器与执行动作的跟踪器解耦。该框架从转播视频和动捕数据中学习网球发球与对打风格，通过在随机执行速度上训练跟踪器、并让规划器以学习到的运动速度表示作为条件，缓解仿真到真机的误差累积。它已在研究型人形平台和全尺寸人形机器人上验证，包括无动捕环境下的发球。
#具身智能
#具身智能
今日 0 条IEEE Spectrum · AIAI 评分3232 钛媒体AI 评分4040 杨立昆新模型 H-JEPA：反对 Agent，反对 RSI
杨立昆提出分层联合嵌入预测架构 H-JEPA，将多个 JEPA 逐层堆叠，各层在不同时间跨度上预测状态。Visual AntMaze 任务中，单层 LeWM 成功率仅 18%，三层 H-JEPA 达 73%。该架构不用奖励、不用重建，主张向上增加抽象层级而非增加步数，与当前 Agent 和 RSI 路线相反。
雷峰网AI 评分5050 哥大李昀烛团队在 IROS 2026 介绍开源触觉传感器 FlexiTac 的生态进展
哥伦比亚大学李昀烛团队在 IROS 2026 触觉专题研讨会上介绍了开源柔性压阻式触觉传感器平台 FlexiTac 开源一年半后的进展与生态。FlexiTac 采用 FPC 与力敏薄膜层叠结构，3 分钟即可组装，可弯曲裁剪并适配手套、指尖或机器人皮肤，成本低且批次一致性较好，技术栈已集成进 LeRobot。
雷峰网AI 评分3636 数据越多≠决策越好：IROS 2026 演讲重新审视数据与信息的关系
昆士兰大学 Jen Jen Chung 在 IROS 2026 主旨演讲中指出，决定智能上限的不是数据绝对规模，而是数据质量与信息密度，盲目堆砌数据会导致系统崩溃与策略失能。她在无人机自主滑翔、多机器人通信和富接触装配任务中证明，按需采集高价值信息、传输最关键信息而非全部数据，比扩增数据更有效。其团队提出的“策略修复”方案在相同示教数据预算下，泛化性能提升显著优于盲目扩增数据。
雷峰网AI 评分5656 银河通用与清华 LATENT：用不完美人类数据让人形机器人学会网球对打
银河通用 GaLbot 团队联合清华大学、北京大学等机构在 IROS 2026 发布 LATENT，用 5 名业余网球选手约 5 小时的人体动作数据，训练人形机器人学习网球击球技能。
雷峰网AI 评分2828 IROS 2026 大奖揭晓：长期记忆论文获最佳论文，人形机器人网球与端托盘研究获奖
IROS 2026 最佳论文奖颁给 LT-Mem，该研究提出 Live Memory、Delta Memory、Meta Memory 三层长期记忆结构，用易变性（Volatility）应对机器人时间性遗忘。
IEEE Spectrum · AIAI 评分4646 HiPHI：大规模高精度人体运动与物体交互基准数据集
HiPHI 是一个 617.5 小时的全身体人体运动数据集，由光学动捕以亚毫米精度采集，其中包含 245.7 小时带同步物体轨迹与网格的人-物交互数据，并用语言学框架 FrameNet 组织动作覆盖范围。该白皮书同时提出衡量动作多样性与交互 grounding 的基准套件，并报告了在该数据集上训练、部署到实体 Unitree G1 人形机器人上的策略结果。
Microsoft Research精选AI 评分6161 微软研究：把物理 AI 推理卸载出机器人可提升任务表现与续航
微软研究院对移动操作机器人负载做了首次系统性测量，发现仅依赖机载 GPU 推理会限制机器人性能、电池寿命与可扩展性。
推荐理由：微软对机器人负载的首次系统性测量显示，把推理从机载 GPU 卸载到边缘或云端可在成功率、模型规模与续航上同时获益。
MIT News · AIAI 评分4242 MIT CSAIL 与清华提出 GeoPT：让 AI 模型更懂物理的预训练方法
MIT CSAIL 与清华大学提出预训练方法 GeoPT，通过 130 万个"合成动力学"样本让仿真模型学习物理交互，峰值性能达成速度提升 2 倍、训练数据减少最多 60%。该方法可模拟车辆、飞机、船舶受风、水、碰撞等力的响应，在工业基准上速度和精度超过现有仿真模型。
MIT News · AIAI 评分3939 MIT 的 FloatForm：小型机器船自组装成水上漂浮结构
MIT 团队推出 FloatForm，一个由 21 厘米见方的小型方形机器船组成的集群系统，可自主拼装成刚性结构、拆解并重组为新构型。实验中海量 8 艘机器船从随机位置聚合、锁定、按指令分离并整体航行，单次耗时 4-8 分钟，仿真验证可平滑扩展至 64 艘；其去中心化方法让规划复杂度只取决于局部邻居而非集群总规模。