更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有 你想要的。 【导读】 中科院自动化所提出BridgeVLA模型，通过将3D输入投影为2D图像并利用2D热图进行 动作预测，实现了高效且泛化的3D机器人操作学习。实验表明，BridgeVLA在仿真和真实场景中 均展现出卓越的性能和数据效率，仅需3条轨迹即可在基础任务中达到96.8%的成功率。 近年来，视觉-语言-动作（VLA）模型在机器人操作任务中大放异彩，成为推动通用机器人操作的 重要引擎。 但现有的VLA模型，大多只以2D信息作为输入，且需要大量的机器人数据进行微调； 反观以PerAct，RVT-2为代表的3D操作策略，通常仅需要10条轨迹就能够取得不错的效果，因 此，一个很自然的想法是，是否能将现有的2D VLA升级为3D VLA，使其同时兼具2D VLA的效果 以及3D操作策略的效率？ 作者丨 新智元 编辑丨 新智元 点击下方 卡片 ，关注" 具身智能之心 "公众号 >> 点击进入→ 具身 智能之心 技术交流群 2D VLA的泛化，3D Policy的效率，这下全部打包带走！ 缩小VLM和VLA之间的迁 ...

目标驱动导航，赋予机器人自主完成导航目标 具身导航作为具身智能的核心领域，涉及语言理解、环境感知、路径规划三大技术支柱。目标驱动导航（Goal-Oriented Navigation）通过赋予机器人自主决策能 力，是具身导航中最具代表性的方向。 目标驱动导航要求智能体在陌生的三维环境中，仅凭目标描述（如坐标、图片、自然语言）等，即可自主完成环境探索与 路径规划。 与传统视觉语言导航（VLN）依赖显式指令不同，目标驱动导航系统需要实现从"听懂指令走对路"到"看懂世界自己找路"的跃迁：当人类下达"去厨房拿可乐"的指 令时，机器人需自主完成语义解析（识别厨房空间特征与可乐视觉属性）、环境建模（构建家居场景的空间拓扑）以及动态决策（避开移动的人类或宠物），这 背后凝聚着计算机视觉、强化学习与3D语义理解的交叉突破。 目标驱动导航技术已在多个垂直领域实现产业化落地。在终端配送场景中，该技术与社交导航算法结合，使机器人具备应对动态环境和人际交互的能力：美团无 人配送车通过动态路径重规划在复杂城市环境中执行递送任务，Starship Technologies的园区配送机器人已在欧美高校和社区部署。在医疗、酒店及餐饮场景，嘉 ...

以下文章来源于思岚科技 ，作者SLAMTEC 思岚科技 . 致力于提供机器人核心传感器激光雷达、自主定位导航解决方案SLAMWARE以及机器人通用底盘产品 很荣幸的向大家宣布： 业内首个消费级水下激光雷达、RPLIDAR家族新成员，RPLIDAR U1正式发布！ 从此，水下世界也将开启高精度激光SLAM导航时代。 体积小巧，面向消费级应用 行业内水下激光雷达的相关研究其实已经开展了多年，到目前为止，现有的水下激光雷达大多体积巨大并 且成本高昂。他们并不适合在日常消费和商业应用中采用。 RPLIDAR U1首次将水下激光雷达带入消费级应用门槛 。其尺寸只有乒乓球大小，可以非常方便的安装在 各类设备当中。 更重要的是，RPLIDAR U1通过创新的技术创新，使得其成本可以满足消费类产品的使用。 全新的系统架构，不仅仅只是防水 可能有小伙伴要问了，这不简单么，只要做好防水，把激光雷达放水里不就可以吗？ 这还真不行，由于水介质特性， 传统的激光雷达在水里将遭遇探测距离大幅下降、出现噪点、测距精度过 低等多重打击 。这便是到目前，水下世界中，大多还是采用声纳这类传统低精度的探测手段，水下机器人 难以像在地面上那样进行高 ...

>> 点击进入→ 具身 智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有 你想要的。 ICCV 2025 将于 10 月 19 日至 25 日在美国夏威夷举行。刚刚，ICCV 官方向投稿者发送了今年论文 接收结果的通知。 数据显示，今年大会共收到了 11239 份有效投稿，所有投稿均已进入审稿流程。程序委员会推荐录用 2699 篇论文，最终录用率为 24%。 对比前几届数据，2025 年的投稿量几乎接近 2019 年的三倍，这反映了计算机视觉领域的快速扩张和 学术研究的日益活跃。 尽管投稿数量大幅增加，ICCV 的录用率在过去几年中保持了相对稳定，基本维持在 25% - 26% 的 区间内。 继 CVPR 2025 之后，ICCV 2025 会议也实施了一项旨在强化问责制与诚信的新政策。程序委员会主 席团识别出了 25 名极不负责任的审稿人，并因此对与他们相关的 29 篇论文进行了直接拒稿处理。 这些被拒的论文中，有 12 篇若无此关联本应被录用，但这也引发了争议。 作者丨 机器之心 编辑丨 机器之心 点击下方 卡片 ，关注" 具身智能 ...

面向现实世界的机器人感知评测任务，五大赛道，全链路挑战，全球征集解决方案！ 为什么需要 RoboSense？ 在机器人系统不断迈向真实世界的进程中，感知系统的稳定性、鲁棒性与泛化能力正成为制约其部署能力 的关键因素。面对动态人群、恶劣天气、传感器故障、跨平台部署等复杂环境条件，传统感知算法往往面 临性能大幅下降的挑战。 为此， RoboSense Challenge 2025 应运而生。该挑战赛旨在系统性评估机器人在真实场景下的感知与理解 能力，推动多模态感知模型的稳健性研究，鼓励跨模态融合与任务泛化方向的创新探索。 | Registration | From June 2025 | | --- | --- | | Competition Server Online | June 15th, 2025 | | Phase One Deadline | August 15th, 2025 | | Phase Two Deadline | September 15th, 2025 | | Award Decision @ IROS 2025 | October 19th, 2025 | 该赛事由新加坡国立大学、南 ...

作者丨 视觉语言导航 编辑丨 视觉语言导航 点击下方 卡片 ，关注" 具身智能之心 "公众号 >> 点击进入→ 具身 智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有 你想要的。 主要贡献 研究背景 | Task | PointNav | ImageNav | ObjectNav | Audio-GoalNav | | --- | --- | --- | --- | --- | | Description | Navigate to a | Navigate to a | Navigate to a | Navigate to | | | specific 3D point | location matching | specific object. | sound sources. | | | in space. | a visual image. | | | | Sensory Inputs | Visual (RGB, | Visual | Visual (Object | Visual (RGB-D) | | | Depth, ...

点击下方 卡片 ，关注" 具身智能之心 "公众号 >>直播和内容获取转到 → 具身智能之心知识星球 由无界智慧（Spatialtemporal AI）团队推出的A0模型，是首个基于空间可供性感知的通用机器人分层扩散 模型，通过具身无关的可供性表征 （Embodiment-Agnostic Affordance Representation） 实现了跨平台的通 用操作能力，模型框架和代码等已经开源。 论文链接：https://arxiv.org/abs/2504.12636 项目主页：https://a-embodied.github.io/A0/ 机器人操作面临的核心挑战 在机器人技术快速发展的今天，通用化操作能力始终是制约行业发展的关键瓶颈。想象一下，当你让机器 人"擦干净白板"时，它需要准确理解应该在何处施力（"where"），以及如何移动抹布（"how"）。这正是 当前机器人操作面临的核心挑战——空间可供性感知理解不足。 现有方法主要分为两类：基于模块化的方法和端到端的视觉-语言-动作（VLA）大模型。前者虽然能利用视 觉基础模型进行空间理解，但对物体可供性的捕捉有限；后者虽能直接生成动作，却缺乏对空间 ...

这几年以自动驾驶和具身智能为主线的AI技术不断突破，撑起了近一半的技术路线和融资金额。从L2~L4自 动驾驶功能的不断量产到人形机器人完成跳舞、四足机械狗在沙漠与丛林跳跃。很幸运能够完整的经历这一 发展周期，我们非常清晰行业对技术和人才的需求。 做了3年多的技术自媒体，在自驾、具身智能、3D视觉、机器人领域，我们沉淀了大量的内容。但后期陆续 收到了许多同学关于就业的求助，谈薪、避坑、职位选择、跨行等都是大家很关注的问题。我们一直想给大 家这样一个平台，让需要就业的同学能够快速匹配到自己的岗位，事半功倍！近半年的筹划，我们推出了 AutoRobo知识星球，一个覆盖机器人、自动驾驶、具身智能方向的求职社区！ 招聘信息 新人微信扫码加入 AutoRobo知识星球 这是一个给自动驾驶、具身智能、机器人方向同学求职交流的地方，目前近1000名成员了，成员范围包含已 经工作的社招同学，如地平线、理想汽车、华为、小米汽车、momenta、元戎启行等公司。同时也包含2024 年秋招、2025年秋招的小伙伴，方向涉及自动驾驶与具身智能绝大领域。 星球内部有哪些内容？这一点结合我们已有的优势，给大家汇总了面试题目、面经、行业研报 ...

什么是显示端到端VLA，提到显示，这一点和隐式是对立的。上一期分享，我们分享了隐式端到端的模型定 义，显示端到端VLA模型视频生成GOAL，明确生成了未来机械臂如何运动的图像！可以浏览下图！ 其中还涉及了一个比较重要的概念：逆运动学。 逆运动学 逆运动学主要应用在机器人学、动画学和计算机图形学中，与经典运动学相对。它的目标是根据目标位置，计 算物体（如机械臂或骨骼系统）的各个关节应该如何运动才能到达该目标。 列入在机器人领域，逆运动学会回答这样的实际问题：机械臂的末端（手爪）需要到达某个指定位置，那么每 个关节应该如何旋转。 逆运动学的核心步骤： 已知信息： 求解： 利用矩阵、三角学或迭代方法，计算每个关节的角度或未知，使得末端能够到达目标点。 多解性问题： 逆运动学通用会有多个解（甚至没解），需要在可能的解中选择一个最优解（如最小能量消耗或最自然运 动）。 主要工作一览 3）LAPA 1）开山之作：UniPi 将序列决策问题转化为文本条件视频生成问题：给定文本编码的目标描述，规划器会合成一组未来帧来描绘其 计划执行的行动序列，随后从生成的视频中提取控制动作。通过以文本作为底层目标描述，我们能够自然而然 地实 ...

在近20年AI发展的路线上，我们正站在⼀个前所未有的转折点。从早期的符号推理到深度学习的突破，再 到如今⼤语⾔模型的惊艳表现， AI 技术的每⼀次⻜跃都在重新定义着⼈类与机器的关系。⽽如今，具身智 能正在全面崛起。 想象⼀下这样的场景：⼀个机器⼈不仅能够理解你的语⾔指令，还能在复杂的现实环境中灵活移动，精确 操作各种物体，甚⾄在⾯对突发情况时做出智能决策。这不再是科幻电影中的幻想，⽽是正在快速成为现 实的技术⾰命。从Tesla的Optimus⼈形机器⼈到Boston Dynamics的Atlas，从OpenAI的机械⼿到Google的RT- X项⽬，全球顶尖的科技公司都在竞相布局这⼀颠覆性领域。具身智能的核⼼理念在于让AI系统不仅拥 有"⼤脑"，更要拥有能够感知和改变物理世界的"身体"。这种AI不再局限于虚拟的数字空间，⽽是能够真 正理解物理定律、掌握运动技能、适应复杂环境。它们可以在⼯⼚中进⾏精密装配，在医院⾥协助⼿术操 作，在家庭中提供贴⼼服务，在危险环境中执⾏救援任务。这种技术的潜在影响⼒是⾰命性的：它将彻底 改变制造业、服务业、医疗健康、太空探索等⼏乎所有⾏业。 然⽽，要实现真正的具身智能，还⾯临着前 ...