机器人研究每周速递 | 2026.08.15 – 08.22
本周概览： 人形机器人持续爆发——清华团队登顶 Science Robotics 封面，NVIDIA 发布通用世界模型 Hydra-0，多家机构推出 VLA 基础模型；手术机器人与自动驾驶领域也有重要进展。
1. Learning Vision-Driven Reactive Soccer Skills for Humanoid Robots
- 机构： 清华大学自动化系 赵明国团队 × Booster Robotics（加速进化）
- 核心贡献： 提出统一强化学习框架，将视觉感知与运动控制端到端整合，使人形机器人在运动模糊、光照变化、遮挡等真实视觉不确定性下仍能完成敏捷足球技能。在 Booster T1 人形机器人平台上验证。
- 日期： 2026-08-20
- 来源： Science Robotics 人形机器人特刊封面文章
2. Humanoid Robots in the Operating Room: A Framework for Staged Integration of Embodied AI in Surgery
- 机构： Julius Kernbach, Gabriel Brat, Eric Topol, Pranav Rajpurkar（斯坦福等）
- 核心贡献： 首次系统提出人形机器人分阶段融入手术室的框架，评估当前人形平台在手术场景中的能力边界与局限，为具身 AI 进入外科领域提供路线图。
- 日期： 2026-08
- 来源： npj Digital Medicine（Nature 子刊）
3. 2026 世界机器人大会（WRC 2026）在北京开幕
- 核心动态： 8 月 19 日开幕，300 余家企业参展，首发新品 150 余件。银河通用发布双足人形机器人 Galbot ET1 及自研具身大模型"银河星脑"；大会发布《2026 人形机器人产业发展报告》，显示 2026 上半年中国人形机器人出货量超 4 万台，全球占比 97%，全年整机产量有望突破 10 万台。
- 日期： 2026-08-19
- 来源： 新华网 / 环球网
4. Hydra-0: Action Flow for Generalist World Modeling and Control
- 机构： NVIDIA（Hongyu Li, Bowen Wen, Yilun Du, Yunzhu Li, Stan Birchfield 等）
- 核心贡献： 提出基于动作流（Action Flow）的通用世界模型与控制框架，面向通用机器人智能，项目页已开源。
- 日期： 2026-08-19
- 来源： arXiv:2608.18077
5. τ₀-VLA: A Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation
- 机构： 大团队（Xiaowei Cai 等，含 Xiangyu Yue 等）
- 核心贡献： 面向长时序机器人操作，提出层次化 VLA 基础模型，引入世界模型引导的测试时计算机制，使模型能在困难决策点分配额外计算量，突破单次前向传播的局限。
- 日期： 2026-08-18
- 来源： arXiv:2608.16885
6. GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction
- 机构： 清华大学 / 智源研究院等（Ziyang Cheng, Jiwen Lu 等 20 人团队）
- 核心贡献： 面向人形机器人全身控制的行为世界模型，支持环境交互下的鲁棒控制，20 页技术报告，含项目页。
- 日期： 2026-08-18
- 来源： arXiv:2608.18234
7. Zetta ζ: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence
- 机构： 微软研究院等（Xin Ding, Yunxin Liu, Ting Cao 等）
- 核心贡献： 提出高效闭环具身智能框架，支持物理智能的自我进化，面向具身智能体的持续学习与进化。
- 日期： 2026-08-18
- 来源： arXiv:2608.16590
8. HAF: Adapting Generalist VLAs to Humanoid Whole-Body Loco-manipulation via Hierarchical Action Flow and Spectral Latent RL
- 机构： Langzhe Gu, Shanghang Zhang 等
- 核心贡献： 将通用 VLA 模型适配到人形机器人全身运动操作（loco-manipulation），通过层次化动作流与谱隐空间强化学习实现跨形态迁移。
- 日期： 2026-08-18
- 来源： arXiv:2608.16837
9. A Survey on Large Language Model-Powered Autonomous Driving
- 机构： 清华大学等跨机构团队
- 核心贡献： 全面综述 LLM 如何赋能自动驾驶两大范式（模块化管线 vs 端到端神经网络），系统梳理 LLM 在感知、决策、规划中的技术路径与开放挑战。
- 日期： 2026-08-21
- 来源： Engineering（中国工程院院刊）
10. NebulaVLA: A Dual-Frequency Vision-Language-Action Model With Guide Action for Robotic Manipulation
- 机构： Cong Zhao 等 14 人团队
- 核心贡献： 提出双频 VLA 架构，引入引导动作（Guide Action）机制，提升机器人操作的精度与稳定性。
- 日期： 2026-08-18
- 来源： arXiv:2608.16503
11. FetchMan: Learning Visual Humanoid Loco-Manipulation Policies from Simulated Experiences
- 机构： Omar Rayyan, Zhi Li, Chenfanfu Jiang, Yuchen Cui 等
- 核心贡献： 从仿真经验中学习视觉人形机器人运动操作策略，项目页已发布。
- 日期： 2026-08-21
- 来源： arXiv:2608.16978
12. SurgVIL: Scaling Surgical Robot Imitation Learning with Open-source Surgical Videos
- 机构： Xinhao Chen, Axel Krieger 等
- 核心贡献： 提出利用开源手术视频扩展手术机器人模仿学习的框架，将带运动标签的仿真演示与无标签真实手术视频结合，以弱监督方式提升策略学习规模，在 da Vinci 机器人两项任务上验证。
- 日期： 2026-08-17
- 来源： arXiv:2608.16058
13. RoboStriker: Latent-Space Strategic Games for Autonomous Humanoid Boxing
- 机构： Kangning Yin, Weinan Zhang 等（上海交通大学）
- 核心贡献： 在隐空间中构建策略博弈，实现人形机器人自主拳击对抗，为人形机器人动态对抗技能学习提供新范式。
- 日期： 2026-08-18
- 来源： arXiv:2608.16195
14. SparkVLA: Stop-Aware Hierarchical VLA with Adaptive Action Chunking for Long-Horizon Manipulation
- 机构： Xunyao Lei 等
- 核心贡献： 面向长时序操作，提出带停止感知的层次化 VLA，自适应调整动作块长度，提升长任务完成率。
- 日期： 2026-08-18
- 来源： arXiv:2608.16172
15. G3VLA: Geometric Inductive Bias for Vision-Language-Action Models
- 机构： 上海纽约大学 × 丹麦技术大学 × MBZUAI
- 核心贡献： 为 VLA 模型引入几何归纳偏置，提升机器人在空间推理和几何相关操作任务中的表现。
- 日期： 2026-08-20
- 来源： arXivDaily 专题 / arXiv
16. Scalix: Uncertainty-Aware Scale-Consistent Monocular SLAM
- 机构： Sebastian Barbas Laina, Stefan Leutenegger 等（慕尼黑工业大学等）
- 核心贡献： 提出不确定性感知的尺度一致单目 SLAM 系统，解决单目 SLAM 长期存在的尺度漂移问题。
- 日期： 2026-08-19
- 来源： arXiv（cs.RO recent）
17. StableDrive: Not All History Helps — Velocity-Aware Selective Memory for Long-Horizon End-to-End Autonomous Driving
- 核心贡献： 针对端到端自动驾驶长时序规划，提出速度感知的选择性记忆机制（Selective Momentum Memory），过滤过期或冲突的历史规划状态，提升跨周期规划的可靠性与一致性。
- 日期： 2026-08-16
- 来源： arXiv:2608.15573
18. Cyclops: LiDAR as a Camera That Dreams in Color
- 机构： Wei Gao, Maani Ghaffari, Hui Kong 等
- 核心贡献： 将 LiDAR 重构为"会做梦的彩色相机"，探索激光雷达与视觉的新型融合感知范式。
- 日期： 2026-08-18
- 来源： arXiv:2608.16264
19. US-VLA: An Ultrasound Vision-Language-Action Model for Embodied Abdominal Examination
- 机构： Cheng Zhang 等
- 核心贡献： 将 VLA 范式扩展到超声医学影像领域，面向腹部超声检查的具身操作，是医疗具身智能的前沿探索。
- 日期： 2026-08-18
- 来源： arXiv:2608.16074
20. Effector-Centric NMPC of Tiltable-Multirotors for Offset-Free Omnidirectional Aerial Manipulation
- 机构： Jinjie Li, Moju Zhao 等（东京大学）
- 核心贡献： 面向可倾转多旋翼无人机的全向空中操作，提出以末端执行器为中心的非线性模型预测控制（NMPC），实现无偏移全向空中操作，已被 IEEE Transactions on Robotics（T-RO）录用。
- 日期： 2026-08-19
- 来源： arXiv:2608.17819 / IEEE T-RO
本周趋势小结：
- 人形机器人全面升温：从 Science Robotics 封面到 WRC 产业大会，从足球到拳击到手术，人形机器人的应用场景快速扩展。
- VLA 基础模型密集发布：一周内至少 5 个新 VLA/世界模型（τ₀-VLA、NebulaVLA、SparkVLA、G3VLA、HAF），层次化架构与测试时计算成为新焦点。
- 通用世界模型成兵家必争：NVIDIA Hydra-0、清华 GigaBrain-WBC、微软 Zetta ζ 同台竞技。
- 医疗机器人交叉融合：手术模仿学习（SurgVIL）、超声 VLA（US-VLA）、人形手术框架（npj Digital Medicine）三线并进。