公开调研
每日研究报告
追踪具身智能、机器人与作物表型领域的最新研究进展
40
报告
4
领域
1045
天
追踪具身智能、机器人与作物表型领域的最新研究进展
首次系统验证3D基础模型作为植物三维表型的前端几何基础，将COLMAP风格的分钟级初始化压缩到1.58秒，同时保持器官级测量精度。
提出Cortex框架，通过32个标准技能原语和双向对齐机制，解决VLA模型在长时程操作任务中的马尔可夫短视问题，在Libero-long和RoboTwin基准上分别提升3.1%和4.1%，并在真实世界化学实验中实现65%零样本成功率。
提出跨模态学习框架，利用多模态掩码自编码器从卫星影像生成无人机级别的作物冠层表征，在产量预测和氮素分类任务上显著超越纯卫星数据。
提出AutoSERL框架，通过滑动窗口干预、安全恢复和干预终止三大机制，仅用一次示教轨迹即可自动化真实世界机器人强化学习训练，在六个接触密集操作任务上达到100%成功率
提出分析概念中心记忆框架，通过结构化的物体概念、状态转移和技能记忆，实现长时程具身操作中的精确检索和技能复用，在RMBench上达到70%成功率。
提出H-Tac大规模触觉-动作数据集和TTP框架，通过人类中心触觉预训练实现跨具身的灵巧机器人操作，真实机器人任务成功率最高达96.7%。
ZR-0是一个26亿参数的端到端VLA模型，通过密集具身思维链(ECoT)监督实现跨具身平台的表征对齐，在LIBERO、RoboTwin 2.0等多个基准上取得领先性能。
提出基于3D基础模型的跨作物3D表型分析框架，将传统COLMAP初始化从6.52分钟压缩到1.58秒，同时保持重建质量和表型测量精度。
首个开源植物表型AI智能体系统PhenoAssistant，利用大语言模型编排专业工具链，通过自然语言交互实现从图像表型提取、数据可视化到模型训练的全流程自动化。
提出两阶段训练框架，先从纯动作轨迹中学习跨具身动作先验，再通过解码器复用和潜蒸馏将其迁移到VLA训练，在13个跨具身任务中显著提升成功率和收敛速度。
仅8B参数的统一具身基础模型，在24个具身VLM基准中16个达到SOTA，超越Gemini-Robotics-ER-1.5和GPT-5.4，提出PGC闭环框架实现长时程自主执行。
UC Berkeley与Amazon联合发布ABC全开源行为克隆框架，包含130K轨迹、195个任务的大规模双臂操作数据集，以及DiT和VLA模型训练、仿真评估的完整工具链。
ReGen框架利用世界动作模型的生成能力，通过伪回放轨迹实现机器人持续学习，无需存储历史演示数据，减少高达50%的灾难性遗忘。
CropVLM通过领域特定语义对齐(DSSA)将CLIP适配到农业领域，在37种作物上实现72.51%零样本分类准确率，HOS-Net实现零样本作物检测，达到49.17 AP50。
WVM将视频世界模型与价值估计相结合，构建通用机器人价值流模型，在标准基准和新的次优行为基准上均达到SOTA，有效提升混合质量数据下的策略学习。
CoorDex 提出协调潜空间残差控制框架，将人形机器人的全身运动与灵巧手控制解耦为独立的潜空间先验，通过共享任务上下文和分离的残差头实现连续行走中的高维灵巧操作。
PlantXpert：一个基于证据推理的多模态基准，用于评估视觉语言模型在大豆和棉花表型分析中的能力
Co-VLA提出协调感知的双臂操作框架，通过结构化动作专家将双臂动作分解为共享协调潜变量和残差执行潜变量，在紧密协调任务上提升27%成功率。
提出一种数据驱动框架，利用超过400万帧人类指尖运动数据，自动优化机器人手的物理结构，实现亚毫米级指尖跟踪精度，突破了传统机器人手设计依赖人工经验的瓶颈。
提出BiSpectral Mamba框架，融合多尺度CNN、双向状态空间建模和量子启发学习，实现高光谱作物分类，总体精度达84.83%，参数量仅0.24M
首尔大学提出多视角VLM融合框架，无需训练即可在真实世界灵巧操作中实现毫米级3D定位与长时程任务规划
提出自进化零样本目标导航框架，通过可操作规则记忆和UCB检索策略实现测试时持续改进，在MP3D上成功率提升10.1%。
提出LeafTrackNet框架和CanolaTrack数据集，结合YOLOv10检测器与MobileNetV3嵌入网络，实现油菜叶片的鲁棒时序追踪，在HOTA指标上超越现有方法9.73%。
A-Lab是一个完全自主的材料合成实验室，由AI指导机器人在17天内独立合成了41种全新无机化合物，成功率71%，开创了自动驾驶实验室的新范式。
ORCA是一个完全开源的灵巧操作研究平台，将低成本3D打印肌腱驱动手与统一的控制、仿真、遥操作和模仿学习软件栈相结合，并与LeRobot原生集成。
WEAVER提出了一种同时满足高保真度、长时序一致性和高效生成三大需求的世界模型架构，在机器人操作任务中实现了最先进的策略评估、策略改进和测试时规划性能。
PlantXpert：首个面向大豆和棉花表型分析的证据驱动多模态推理基准，评估11个VLM在农艺推理任务上的表现，发现微调显著提升准确率但量化推理仍是瓶颈。
EvoArena提出基于补丁的记忆进化范式EvoMem，让LLM智能体在动态变化的环境中保持鲁棒性，解决了传统记忆系统在环境演变时的状态坍缩问题。
UC Berkeley等机构提出Mana框架，将灵巧手操作重新定义为动画问题，通过粗到精的流水线实现关节工具的零样本仿真到现实迁移。
上海 AI Lab 提出 Agents-K1，首个端到端智能体原生知识编排流水线，将 246 万篇论文转化为多模态科学知识图谱 Scholar-KG，4B 提取模型配合 GRPO 训练，在 FrontierScience 基准上将 Gemini-3 准确率从 7.9% 提升至 24.6%。
SpatialClaw 提出用代码作为空间推理智能体的动作接口，在持久化 Python 内核中迭代编写、检查、修正推理代码。在 20 个空间推理基准上平均准确率 59.9%，比现有空间智能体高 +11.2%，横跨 6 个 VLM 骨干无需任何适配。
CHORUS 提出用单一预训练 VLA 策略实现去中心化多机器人协作。每个机器人仅依赖自身观测和身份提示独立运行，无需推理时通信。比从头训练的扩散策略成功率高 64%，对队友行为的反应性提升 40%，并可无缝扩展到三机器人团队。
FACTR 2 提出 NEXT 神经外部力矩估计（仅需 10 分钟自由运动数据）和 FIRST 力感知重采样训练，在无需专用力传感器的商品机械臂上实现力反馈遥操作和策略学习，五个长时程接触丰富任务上超越基线 17%+。
World Pilot 提出一种 VLA 框架，通过潜在引导和动作引导两条路径将世界-动作模型的先验注入策略，在 LIBERO-Plus OOD 基准上达到 84.7% 的 SOTA 成功率，机器人真实任务中也全面领先。
斯坦福大学提出DIRECT动态路由框架，通过多模态场景感知为VLM具身规划器按需分配测试时计算资源，在VLABench和Franka硬件实验中匹配最强模型成功率的同时将延迟降低65%
提出PhenoYieldNet统一框架，通过作物物候库(CPB)和作物物候注意力(CPA)机制建模不同作物对气象变化的差异化响应，在单作物和多作物场景下均达到SOTA。
AROMMA框架首次将单分子和二元混合物的嗅觉表征统一到同一嵌入空间，利用化学基础模型SPMM+注意力聚合器+知识蒸馏+伪标签，在GS-LF和BP数据集上分别提升3.2%和19.1% AUROC。
系统综述嗅觉感知数据采集技术（GC-MS、金属氧化物、光学、电化学传感器）和ML预测模型（ANN、RF、KNN、SVM等），为嗅觉AI提供从硬件到算法的完整技术路线图。
基于8681化合物数据集，系统比较功能团指纹、分子描述符和Morgan指纹在RF/XGBoost/LightGBM上的气味预测表现，Morgan+XGBoost达到最佳AUROC 0.828，揭示了连续可解释的气味空间。
Osmo团队利用图神经网络构建Principal Odor Map (POM)，实现分子结构到气味感知的映射，在前瞻性验证中达到人类水平的气味描述能力，为数字化嗅觉奠定基础。