具身智能周报 | 人形VLA三国杀：HEX、Touch Dreaming、Sumo 掀起全身操控革命

具身智能周报 W15 · 2026年4月10日—4月17日

报告周期：2026-04-10 ~ 2026-04-17
生成时间：2026-04-17
数据来源：ArXiv (cs.RO · cs.CV · cs.LG) · GitHub Trending · 行业媒体

一周导读 本周 Top 5 必读

类型

标题

亮点

1

论文

UMI-3D(2604.14089)

从视觉受限到3D空间感知的通用操控接口扩展

2

论文

HEX(2604.07993)

跨本体全身操控的人形对齐专家策略

3

论文

Touch Dreaming(2604.13015)

触觉+梦想学习通用人形操控

4

论文

Sumo(2604.08508)

动态通用全身运动操控

5

开源

Genesis(★28.5k)

本周持续活跃，新增AMD GPU修复

核心趋势（5大方向）

人形机器人VLA化加速：HEX、Touch Dreaming、Sumo三箭齐发，全身+灵巧手操控成为主流

Sim-to-Real再度升温：AffordSim、SIM1、MolmoB0T等从仿真数据规模化和零样本迁移切入

VLA效率优化成焦点：DA-PTQ后训练量化、STRONG-VLA鲁棒解耦、StarVLA-α降复杂度

触觉感知突破：Touch Dreaming将触觉信号与视觉梦境结合，OmniUMI推进物理grounding

世界模型+RL融合：WOMBET、ViVa、AIM等将世界模型作为RL的价值函数或经验迁移载体

⚠️ 开放问题

VLA在边缘设备上的推理效率（DA-PTQ仅是开始）

人形机器人零样本迁移的成功率瓶颈（目前多在75-80%）

触觉传感器数据的大规模采集与Sim-to-Real对齐

具身LLM的安全对齐问题（HazardArena、BenchMark新出炉）

跨本体（cross-embodiment）学习的数据异构性挑战

数据总览 ArXiv 论文统计（4/10-4/16）

方向

本周论文数

代表性工作

具身感知与场景理解

~18

RobotPan, HiVLA, ESCAPE, OVAL

具身决策与规划

~22

Goal2Skill, RoboAgent, DeCoNav, Ro-SLM

具身控制与操作

~28

Touch Dreaming, FastGrasp, XRZero-G0, Sumo, HEX

具身强化学习与世界模型

~20

WOMBET, ViVa, AIM, WM-DAgger

具身智能体与大模型

~25

DA-PTQ, StarVLA-α, STRONG-VLA, HiVLA

仿真、数据与平台

~15

AffordSim, SIM1, ComSim, Compressor-VLA

人机交互与具身社会智能

~12

Adaptor, M2HRI, Designing for Error Recovery

合计（cs.RO）

~140

GitHub 仓库追踪

项目

Stars

本周类型

更新亮点

Genesis-Embodied-AI/Genesis

★28,513

经典更新

AMD GPU浮点bug修复、约束求解器优化

huggingface/lerobot

★23,291

经典更新

Jupyter notebook快速入门、guard pattern重构

isaac-sim/IsaacLab

★6,946

经典更新

本周持续活跃

Glicher147/DiffusionVLA

★2

近期更新

基于扩散策略的Franka机器人VLA

lauraghcd/eai2-site

★0

本周新建

EAI²人形机器人/VLA资讯网站

ArXiv 论文精选 方向1：具身感知与场景理解 UMI-3D: Extending Universal Manipulation Interface from Vision-Limited to 3D Spatial Perception

英文标题：UMI-3D: Extending Universal Manipulation Interface from Vision-Limited to 3D Spatial Perception

链接：https://arxiv.org/abs/2604.14089

作者：Ziming Wang et al.

提交日期：2026-04-16

核心贡献：

将UMI（Universal Manipulation Interface）从2D视觉受限设置扩展到完整的3D空间感知。现有UMI系统依赖单一侧面相机视角，对遮挡和深度估计有限制。本文提出3D空间感知扩展，通过引入多视角或深度传感器融合，实现更鲁棒的抓取和操控决策，在复杂场景中的抓取成功率显著提升。

方向标签：具身感知 3D感知 通用操控接口

RobotPan: A 360° Surround-View Robotic Vision System for Embodied Perception

英文标题：RobotPan: A 360° Surround-View Robotic Vision System for Embodied Perception

链接：https://arxiv.org/abs/2604.13476

作者：Jiahao Ma et al.

提交日期：2026-04-16

核心贡献：

提出360°全景机器人视觉系统RobotPan，解决传统机器人视觉系统视角受限的问题。通过多相机环绕布置与实时拼接融合，实现无盲区感知能力。系统专为具身感知任务设计，支持导航、操控和人机交互等多种场景的全景视觉输入。

方向标签：具身感知 全景视觉 多相机融合

HiVLA: A Visual-Grounded-Centric Hierarchical Embodied Manipulation System

英文标题：HiVLA: A Visual-Grounded-Centric Hierarchical Embodied Manipulation System

链接：https://arxiv.org/abs/2604.14125

作者：Tianshuo Yang, Jiangmiao Pang, Yao Mu et al.

提交日期：2026-04-16

核心贡献：

提出以视觉为中心的分层具身操控系统HiVLA。采用分层架构：高层由视觉语言模型进行任务理解和子目标规划，低层由视觉运动策略执行具体动作。通过视觉grounding确保规划与执行的一致性，在需要精确空间理解的操控任务中表现优异。

方向标签：具身感知 分层规划 视觉语言导航 VLA

ESCAPE: Episodic Spatial Memory and Adaptive Execution Policy for Long-Horizon Mobile Manipulation

英文标题：ESCAPE: Episodic Spatial Memory and Adaptive Execution Policy for Long-Horizon Mobile Manipulation

链接：https://arxiv.org/abs/2604.13633

作者：Jingjing Qian et al.

提交日期：2026-04-16

核心贡献：

针对长视野移动操控任务，提出情节空间记忆（Episodic Spatial Memory）与自适应执行策略。系统通过维护环境的空间记忆，在长序列任务中实现跨房间/跨场景的物体定位和任务执行，自适应策略可根据执行反馈动态调整动作计划。

方向标签：具身感知 空间记忆 长视野规划 移动操控

方向2：具身决策与规划 Goal2Skill: Long-Horizon Manipulation with Adaptive Planning and Reflection

英文标题：Goal2Skill: Long-Horizon Manipulation with Adaptive Planning and Reflection

链接：https://arxiv.org/abs/2604.13942

作者：Zhen Liu et al.

提交日期：2026-04-16

核心贡献：

解决长视野机器人操控任务中的规划与执行难题。Goal2Skill提出"自适应规划+反思"框架：高层目标通过大模型分解为可执行技能序列，底层通过技能库检索和在线优化完成具体动作，并在执行过程中引入反思机制（Reflection）检测失败并重新规划。在多步骤厨房操控任务中验证了有效性。

方向标签：具身决策 长视野规划 LLM规划 技能学习

EmbodiedClaw: Conversational Workflow Execution for Embodied AI Development

英文标题：EmbodiedClaw: Conversational Workflow Execution for Embodied AI Development

链接：https://arxiv.org/abs/2604.13800

作者：Xueyang Zhou et al.

提交日期：2026-04-16

核心贡献：

面向具身AI开发者的对话式工作流执行系统EmbodiedClaw。研究者可通过自然语言指令管理复杂的数据采集、训练、评测和部署流程，系统将对话指令转化为具体操作并执行。支持多轮迭代式开发，显著提升具身AI实验的开发效率。

方向标签：具身决策 对话式开发 工作流自动化 工具LLM

RoboAgent: Chaining Basic Capabilities for Embodied Task Planning

英文标题：RoboAgent: Chaining Basic Capabilities for Embodied Task Planning

链接：https://arxiv.org/abs/2604.07731

作者：Peiran Xu, Jiaqi Zheng, Yadong Mu

提交日期：2026-04-10

核心贡献：

将基础能力链式组合用于具身任务规划。不同于端到端学习方法，RoboAgent将复杂任务拆解为可复用基础技能的动态组合，通过技能链（Skill Chaining）实现零样本泛化到新任务。在Robobench等基准上展现了优于端到端方法的泛化能力。

方向标签：具身决策 技能链 零样本泛化 任务规划

方向3：具身控制与操作 Touch Dreaming: Learning Versatile Humanoid Manipulation with Touch

英文标题：Learning Versatile Humanoid Manipulation with Touch Dreaming

链接：https://arxiv.org/abs/2604.13015

作者：Yaru Niu, Ding Zhao et al.（CMU, 字节等）

提交日期：2026-04-14

核心贡献：

本周最具影响力的人形操控论文之一。将触觉感知与"梦境"（Dreaming）机制结合，学习通用人形操控策略。触觉信号用于精细力控，"梦境"机制通过想象式探索扩展数据分布，在仅依赖触觉和本体感知的情况下实现多任务泛化，涵盖抓取、装配、柔性物体操控等任务。

方向标签：具身控制 人形机器人 触觉感知 泛化学习

HEX: Humanoid-Aligned Experts for Cross-Embodiment Whole-Body Manipulation

英文标题：HEX: Humanoid-Aligned Experts for Cross-Embodiment Whole-Body Manipulation

链接：https://arxiv.org/abs/2604.07993

作者：Shuanghao Bai, Lei Sun, Shanghang Zhang et al.

提交日期：2026-04-10

核心贡献：

本周人形机器人领域另一重磅工作。提出跨本体（cross-embodiment）全身操控框架HEX，核心思想是"人形对齐专家"——从多来源的操控数据（包括非人形机器人数据）中提取可迁移的技能知识，通过人形形态对齐（Humanoid Alignment）模块统一映射到人形机器人全身控制。在Unitree H1和Skill D机器人上验证，覆盖站立搬运、双臂协同等任务。

方向标签：具身控制 人形机器人 跨本体学习 全身控制

Sumo: Dynamic and Generalizable Whole-Body Loco-Manipulation

英文标题：Sumo: Dynamic and Generalizable Whole-Body Loco-Manipulation

链接：https://arxiv.org/abs/2604.08508

作者：John Z. Zhang, Zachary Manchester, Simon Le Cléac'h et al.

提交日期：2026-04-10

核心贡献：

提出动态通用全身运动-操控框架Sumo，解决传统方法在动态运动与精确操控之间的权衡问题。通过将全身运动视为连续的优化问题，在保持动态平衡的同时完成物体操作任务（如移动中抓取、移动中放置）。支持多种运动模式的平滑切换，泛化到未见过的物体和场景。

方向标签：具身控制 全身运动 人形机器人 动态操控

XRZero-G0: Pushing the Frontier of Dexterous Robotic Manipulation

英文标题：XRZero-G0: Pushing the Frontier of Dexterous Robotic Manipulation

链接：https://arxiv.org/abs/2604.13001

作者：Junming Wang, Ziwei Liu et al.（大量作者）

提交日期：2026-04-14

核心贡献：

推进灵巧机器人操控的前沿边界。XRZero-G0提出新型模仿学习框架，结合视觉提示和强化学习微调，在多指灵巧手上实现高难度操作（如精细装配、工具使用、柔软物体操控）。无需大量人类示范数据，通过自监督和课程学习实现技能习得。

方向标签：具身控制 灵巧手 模仿学习 强化学习微调

FastGrasp: Learning-based Whole-body Control for Fast Dexterous Grasping with Mobile Manipulators

英文标题：FastGrasp: Learning-based Whole-body Control method for Fast Dexterous Grasping with Mobile Manipulators

链接：https://arxiv.org/abs/2604.12879

作者：Heng Tao, Yiming Zhong, Zemin Yang, Yuexin Ma

提交日期：2026-04-14

核心贡献：

面向移动机械臂的快速灵巧抓取学习方法。传统抓取规划速度慢，本文通过学习式全身控制实现快速（毫秒级）灵巧抓取决策，支持移动基座+多自由度机械臂的协同控制。在仿真和真实Franka机器人上验证了Sim-to-Real迁移能力。

方向标签：具身控制 灵巧抓取 移动机械臂 Sim-to-Real

方向4：具身强化学习与世界模型 WOMBET: World Model-based Experience Transfer for Robust and Sample-efficient Reinforcement Learning

英文标题：WOMBET: World Model-based Experience Transfer for Robust and Sample-efficient Reinforcement Learning

链接：https://arxiv.org/abs/2604.08958

作者：Mintae Kim, Koushil Sreenath

提交日期：2026-04-13

核心贡献：

将世界模型作为跨任务经验迁移的载体，显著提升强化学习的样本效率。WOMBET在潜在世界模型中生成多样化的虚拟经验，用于训练RL策略，从而减少对真实环境交互的需求。在多种机器人操控任务上验证，样本效率提升10倍以上，同时保持策略的鲁棒性。

方向标签：强化学习 世界模型 样本效率 经验迁移

ViVa: A Video-Generative Value Model for Robot Reinforcement Learning

英文标题：ViVa: A Video-Generative Value Model for Robot Reinforcement Learning

链接：https://arxiv.org/abs/2604.08168

作者：Jindi Lv, Hao Li et al.

提交日期：2026-04-10

核心贡献：

利用视频生成模型作为RL的价值函数（Value Model）。ViVa通过预测未来视频帧的"价值"来估计状态的好坏，将视频生成能力转化为强化学习的奖励信号。无需显式奖励工程，在复杂操控和导航任务中展现出超越传统价值函数的能力。

方向标签：强化学习 视频生成 世界模型 价值函数

AIM: Intent-Aware Unified World Action Modeling with Spatial Value Maps

英文标题：AIM: Intent-Aware Unified world action Modeling with Spatial Value Maps

链接：https://arxiv.org/abs/2604.11135

作者：Liaoyuan Fan, Chen Cao et al.

提交日期：2026-04-13

核心贡献：

提出意图感知统一世界动作建模框架AIM，通过空间价值图（Spatial Value Maps）融合意图理解与动作规划。世界模型学习环境动态和空间价值分布，支持多任务规划和实时重规划。在机器人导航和操控任务中验证了意图理解对策略执行的提升作用。

方向标签：强化学习 世界模型 意图理解 空间价值图

方向5：具身智能体与大模型 DA-PTQ: Drift-Aware Post-Training Quantization for Efficient Vision-Language-Action Models

英文标题：DA-PTQ: Drift-Aware Post-Training Quantization for Efficient Vision-Language-Action Models

链接：https://arxiv.org/abs/2604.11572

作者：Siyuan Xu, Tianshi Wang, Lei Zhu, Heng Tao Shen

提交日期：2026-04-13

核心贡献：

本周VLA效率优化代表作。针对VLA模型部署到边缘设备（机器人端）的挑战，提出漂移感知后训练量化（DA-PTQ）。传统量化会导致VLA输出动作的"漂移"（drift），本文通过感知动作漂移的量化策略，在INT8量化下保持VLA操控精度，将推理速度提升2-3倍，内存占用减少4倍。

方向标签：VLA 模型压缩 量化 边缘部署

StarVLA-α: Reducing Complexity in Vision-Language-Action Systems

英文标题：StarVLA-α: Reducing Complexity in Vision-Language-Action Systems

链接：https://arxiv.org/abs/2604.11757

作者：Jinhui Ye, Ning Gao, Shu Liu, Jiaya Jia

提交日期：2026-04-14

核心贡献：

针对VLA系统的计算复杂度问题，提出StarVLA-α（α=轻量化）。通过架构层面的复杂度削减（减少视觉token数量、简化动作解码器），在保持任务性能的前提下显著降低计算量和推理延迟。实测在多种操控任务中，推理速度提升的同时操控精度损失<3%。

方向标签：VLA 轻量化 推理效率 架构优化

STRONG-VLA: Decoupled Robustness Learning for Vision-Language-Action Models

英文标题：STRONG-VLA: Decoupled Robustness Learning for Vision-Language-Action Models under Multimodal Perturbations

链接：https://arxiv.org/abs/2604.10055

作者：Yuhan Xie, Yaochu Jin et al.

提交日期：2026-04-14

核心贡献：

关注VLA在多模态扰动（图像噪声、传感器延迟、指令歧义）下的鲁棒性问题。STRONG-VLA将鲁棒性学习解耦为视觉、语言和动作三个分支独立优化，减少模态间的干扰。在模拟多种现实扰动（光照变化、运动模糊、通信延迟）下，相比基线方法成功率提升显著。

方向标签：VLA 鲁棒性 多模态扰动 解耦学习

方向6：仿真、数据与平台 AffordSim: A Scalable Data Generator and Benchmark for Affordance-Aware Robotic Manipulation

英文标题：AffordSim: A Scalable Data Generator and Benchmark for Affordance-Aware Robotic Manipulation

链接：https://arxiv.org/abs/2604.11674

作者：Mingyang Li, Haofan Xu, Jiangmiao Pang et al.

提交日期：2026-04-13

核心贡献：

基于NVIDIA Isaac Sim构建的可扩展可供性感知操控数据生成器和基准。AffordSim生成大量多样化操控场景数据，标注物体可供性（affordance），用于训练可供性感知策略。在真实机器人上零样本迁移验证，在标准可供性检测和操控任务上显著超越数据驱动基线。

方向标签：仿真平台 可供性学习 数据生成 Isaac Sim

SIM1: Physics-Aligned Simulator as Zero-Shot Data Scaler in Deformable Worlds

英文标题：SIM1: Physics-Aligned Simulator as Zero-Shot Data Scaler in Deformable Worlds

链接：https://arxiv.org/abs/2604.08544

作者：Yunsong Zhou, Hangxu Liu, Jiangmiao Pang et al.

提交日期：2026-04-10

核心贡献：

本周仿真领域代表作。针对软体/可变形物体的仿真难题，提出物理对齐仿真器SIM1作为零样本数据规模化工具。通过在仿真中生成大量软体操控数据（布料到零件装配），无需真实数据即可训练泛化策略。在布娃娃操控和柔性零件装配中实现零样本Sim-to-Real迁移。

方向标签：仿真平台 软体仿真 零样本迁移 数据规模化

ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation

英文标题：ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation

链接：https://arxiv.org/abs/2604.11386

作者：Yiran Qin, Jiahua Ma, Yilun Du, Ruimao Zhang et al.

提交日期：2026-04-14

核心贡献：

提出组合式仿真框架ComSim，通过组合不同场景要素（物体、背景、光照、纹理）实现可扩展的真实感机器人数据生成。相比单场景仿真，ComSim通过组合爆炸式生成多样化数据，显著提升数据效率和策略泛化能力。

方向标签：仿真平台 数据生成 组合式仿真 泛化

方向7：人机交互与具身社会智能 Adaptor: Advancing Assistive Teleoperation with Few-Shot Learning and Cross-Operator Generalization

英文标题：Adaptor: Advancing Assistive Teleoperation with Few-Shot Learning and Cross-Operator Generalization

链接：https://arxiv.org/abs/2604.09462

作者：Yu Liu, Yihang Yin, Xuan Song et al.

提交日期：2026-04-13

核心贡献：

面向辅助遥操作的人机交互系统Adaptor，通过少样本学习和跨操作员泛化降低辅助机器人的部署门槛。系统从少量示范中快速学习新任务，并能在不同操作员之间迁移，减少每次部署的个性化调参成本。在康复辅助和日常助手机器人上验证有效性。

方向标签：人机交互 遥操作 少样本学习 辅助机器人

M2HRI: An LLM-Driven Multimodal Multi-Agent Framework for Personalized Human-Robot Interaction

英文标题：M2HRI: An LLM-Driven Multimodal Multi-Agent Framework for Personalized Human-Robot Interaction

链接：https://arxiv.org/abs/2604.11981

作者：Shaid Hasan, Tariq Iqbal et al.

提交日期：2026-04-15

核心贡献：

基于大模型的多模态多智能体个性化人机交互框架M2HRI。不同功能模块（视觉、语言、情感识别）由独立LLM智能体驱动，通过协作实现个性化交互体验。系统可根据用户偏好动态调整交互策略，在社交导航和协作任务中展现自然的人机协作能力。

方向标签：人机交互 多智能体 大模型 个性化

GitHub 开源项目 本周新建仓库 EAI² — Embodied AI Intelligence 网站

仓库：lauraghcd/eai2-site

简介：EAI² — 人形机器人、VLA模型与Physical Intelligence的资讯导航网站

语言：—

Stars：★ 0（本周新建）

类型： 本周新建

所属方向：综合导航/资讯

DiffusionVLA: 基于扩散策略的Franka机器人VLA

仓库：Glicher147/DiffusionVLA

简介：利用自然语言命令和图像数据控制Franka机械臂进行物体抓取放置，基于扩散策略模型

语言：Python

Stars：★ 2

类型： 近期活跃更新（2026-04-16）

更新亮点：本周有新的commits推送

所属方向：方向3 — 具身控制与操作

经典仓库重点更新 Genesis — 生成式具身AI仿真框架

仓库：Genesis-Embodied-AI/Genesis

简介：A generative world for general-purpose robotics & embodied AI learning

语言：Python

Stars：★ 28,513

类型： 经典持续更新

本周更新（4/10-4/16）：

2026-04-16：破坏性变更——根据浮点精度设置约束求解器默认容差

2026-04-16：修复安全GJK后备方案性能问题（又回退了之前修复）

2026-04-15：修复AMD GPU浮点取模运算bug

2026-04-15：统一分解式和单体求解器路径的线搜索细化

所属方向：方向6 — 仿真、数据与平台

LeRobot — Hugging Face机器人学习框架

仓库：huggingface/lerobot

简介： LeRobot: Making AI for Robotics more accessible with end-to-end learning

语言：Python

Stars：★ 23,291

类型： 经典持续更新

本周更新（4/10-4/16）：

2026-04-16：新增Jupyter notebook快速入门指南（可直接复制粘贴命令）

2026-04-15：更新doc-builder和贡献文档

2026-04-14：强制使用guard pattern导入模式

2026-04-14：修复KeyboardInterrupt导致的帧损坏问题

所属方向：方向5 — 具身智能体与大模型

IsaacLab — NVIDIA官方机器人学习框架

仓库：isaac-sim/IsaacLab

简介：Unified framework for robot learning built on NVIDIA Isaac Sim

语言：Python/C++

Stars：★ 6,946

类型： 经典持续活跃

本周活跃：本周有多次commits提交，保持高频更新

所属方向：方向6 — 仿真、数据与平台

核心洞察 趋势1：人形机器人操控进入"触觉+全身"时代

Touch Dreaming（触觉+梦想）、HEX（跨本体对齐）、Sumo（动态全身运动）三篇论文代表了人形机器人操控的新方向——从单臂固定基座操控，向全身运动+触觉感知+灵巧手组合迁移。值得关注的是这些方法都在追求泛化能力（versatile/generalizable），而非针对单一任务的专用设计。

趋势2：Sim-to-Real进入"零样本"竞争阶段

AffordSim、SIM1、MolmoB0T等多篇论文明确打出"零样本迁移"（zero-shot transfer）的标签，背后是仿真器物理精度和数据规模化的成熟。但零样本成功率仍停留在75-80%，说明真实物理差距仍是最大瓶颈。

趋势3：VLA效率优化成为工程化主战场

DA-PTQ（量化）、StarVLA-α（降复杂度）、SmoothVLA（物理约束对齐）三路并进——这标志着VLA从"能不能work"进入"能不能deploy"的工程化阶段。边缘推理（edge inference）将是决定VLA商业落地的关键瓶颈。

趋势4：世界模型从"生成"转向"决策"

WOMBET、ViVa、AIM的工作表明，世界模型的价值不再仅是视频生成或反事实推理，而是作为RL的样本生成器（合成经验）和价值函数（决策引导）。这种"世界模型+强化学习"的闭环是通往通用机器人的重要路径。

趋势5：具身安全和对齐成为新研究方向

HazardArena（VLA安全评估）、EmbodiedGovBench（具身Agent治理与安全）、State Backdoor（VLA后门攻击）等论文的出现，标志具身AI安全研究正从"下游关注"上升为"核心研究问题"。随着VLA部署规模扩大，安全风险将成监管焦点。

行业大事记 CEAI 2026 第三届中国具身智能大会

时间：2026年4月10日—12日
地点：安徽合肥
主题："智驱万物·具汇江淮"
规模：1500余名院士专家、行业领军企业与科研机构代表
主办：中国人工智能学会（CAAI）、CAAI具身智能专委会、安徽大学

下周关注

CEAI 2026论文集发布：关注大会接收论文中是否有令人形机器人圈眼前一亮的新工作

Genesis v0.3发布预期：随着物理引擎优化推进，新版本可能带来更快的仿真速度

VLA边缘部署进展：关注DA-PTQ等量化方法在真实机器人硬件上的实测对比

G1机器人开源生态：Unitree G1持续受到社区关注，可能有新的操控策略库发布

具身安全基准完善：HazardArena和EmbodiedGovBench的后续跟进和社区复现

本报告由 AI Agent 自动采集 ArXiv (cs.RO · cs.CV · cs.LG) 和 GitHub Trending 数据生成，核心内容经过筛选与结构化整理。
报告周期：2026-04-10 ~ 2026-04-17 | Vol. 2026-W15

Mbot具身智能实验室

让尖端科技触手可及，人人皆可探索未来

Mbot基础交流群等你加入，下方扫码联系

具身-杰西

Mbot具身-小助手

Mbot-视频号

Mbot-公众号