13 signals·6 sources·2026年8月22日星期六·08-19 02:02 ~ 08-21 10:30 UTC

今日主线 · main storyline

宇树上市暴涨600%，人形机器人双突破

宇树科技今日双线出圈：上市首日暴涨600%，人形机器人跳高2米、速度12.66米/秒。资本与运动控制同时加速，具身智能热度升温。学术端，arXiv 论文提出 OrthoSkillVLA，用正交子空间适配缓解 VLA 持续技能学习中的灾难性遗忘，显示研究从炫技走向可扩展。

宇树科技今天成为具身智能焦点：其股票在上海首日交易中暴涨600%，人形机器人则实现2米垂直跳跃和12.66米/秒移动速度，双双打破人类纪录。资本与运动控制共振，标志行业从实验室走向公开市场。

与此同时，VLA 研究开始正视可持续技能学习。来自 arXiv 的 OrthoSkillVLA 针对顺序适配导致的灾难性遗忘，提出分类约束与 MoE 解码器，无需演示回放即可保留旧技能。这指向下一阶段核心问题：如何让机器人持续增长能力，而非重置。

今日主题 · topics

#01▼

Unitree 在上海证券交易所首日交易，股价飙升约600%，成为现象级 IPO。资本对具身智能赛道极度乐观，人形机器人被视为核心载体。技术解读：量产预期与动态控制突破相互强化，但估值已远超当前营收验证。

via

FT(外媒报道 IPO 表现)

#02▼

宇树科技人形机器人实现2米垂直跳跃与12.66米/秒跑动，超过人类记录。高动态运动控制依赖全身协调与瞬态爆发力，显示仿人平台在极端动作上的工程进展。技术解读：这更接近运动能力展示，而非通用任务能力。

via

Global Times(报道宇树机器人动态性能)

#03▼

OrthoSkillVLA 针对预训练 VLA 顺序适配时的灾难性遗忘，分析 VLM 与 ActionHead 异构表征并施加不同子空间约束，同时引入轻量级特征感知 MoE 解码器。无需回放即可保留旧技能并学习新技能。技术解读：为机器人持续学习提供参数高效路径。

via

arXiv cs.RO(机器人持续学习论文)

风向 · vibes

What practitioners are saying

DISCUSSION

“宇树科技的人形机器人实现了2米垂直跳跃和12.66米/秒的移动速度，打破人类纪录”

— Global Times·source

DISCUSSION

“中国人形机器人制造商在交易首日股价暴涨600%，引发市场强烈关注”

— Financial Times·source

PAPER

“首次对机器人操作中的潜在动作学习进行系统实证研究，系统考察了41项设计选择”

— arXiv cs.RO·source

研究启示 · insights

Worth re-reading

真机数据是最后一百米

公司强调真机数据是数据采集的「最后一百米」，与第一视角数据共同驱动模型持续迭代

— 雷锋网·source

研究员注:💭 在仿真与互联网视频狂欢中，真机采集的低噪声、可校准数据仍是跨过 sim-to-real 鸿沟的关键，但成本与规模瓶颈未解。

潜在动作学习系统化

实验表明，用潜在动作微调视觉语言模型骨干能为下游策略学习提供更强初始化

— arXiv cs.RO·source

研究员注:💭 41项设计选择的系统消融揭示，潜在动作不是孤立技巧，而是重塑 VLA 表征的关键组件；微调 VLM 骨干的迁移收益值得关注。

实用工具 · ship list

Tools, datasets & models shipped today

OrthoSkillVLA
持续技能学习框架，用特征感知 MoE 解码器避免灾难性遗忘，每技能分配专家，无需演示回放↳ 适合多任务持续部署，但需在真实机器人上验证泛化
arXiv cs.RO
MOQ Video Streaming
面向机器人和无人机的低延迟视频流协议，适用于远程操作与实时监控↳ 可集成到 teleoperation 系统中，但需评估编解码成熟度
Red5 Blog

今日全部信号 · all sources

Sources of the day

雷锋网/ Feed

星炽动力亮相2026 WRC：以PULSE连接多元场景与真实世界

2026世界机器人大会上，星炽动力展示了其自主研发的PULSE具身智能系统。PULSE作为用户意图驱动的世界动作模型，将感知、意图理解、推理仿真、动作执行与反馈进化形成闭环，支持多场景任务复用和跨本体适配。公司强调真机数据是数据采集的“最后一百米”，与第一视角数据共同驱动模型持续迭代。云边端协同架构保障实时性与全局优化，旨在让机器人从展馆走向社区、科研、商业等真实环境，实现稳定可复用的能力迁移。

PULSE是用户意图驱动的世界动作模型，闭环连接感知、推理与执行
统一具身智能底座支持多场景任务复用与跨本体能力迁移
第一视角数据与真机数据结合，真机校准构成数据采集最后一百米

embodied-aiworld-action-modelrobot-learning

8月20日

arXiv cs.RO (Robotics)/ Feed

Towards Professional Tennis Styles for Humanoid Robots with Adaptive Motion Planning and Tracking

本文提出 AdaPT，一个自适应运动规划与跟踪框架，使仿人机器人从广播视频中学习专业网球发球和击球风格。该方法采用分层设计：规划器生成风格化运动学动作，跟踪器以最小干扰执行。针对模拟到现实差距，通过随机化执行速度学习跟踪鲁棒性，并利用运动速度适配器条件化规划器以减轻复合误差。在 Unitree G1 上验证了自适应机制的有效性，并在全尺寸 Dobot Atom 机器人上演示了无需动作捕捉的户外发球。实验还揭示了算法和工程方面的见解。

提出自适应运动规划与跟踪框架 AdaPT，学习专业网球风格
采用分层设计分离风格规划与执行，降低相互干扰
通过随机化执行速度和运动速度适配器缓解模拟到现实差距

humanoid robotsmotion planningsim-to-real

8月20日

arXiv cs.RO (Robotics)/ Feed

PVRA: A Pointwise Key-point Voting Framework for Robotic Assembly

本文提出PVRA，一种基于3D关键点投票的模块化学习框架，用于机器人渐进式装配操作。作者通过关联领域比较分析，指出对象中心感知需发展为学习装配依赖，以预测可操作输出。框架以RGB-D装配场景为输入，训练网络推断关键点，在装配姿态估计数据集上与对象中心基线对比，并引入面向渐进式装配的增强评估指标，验证了学习装配依赖对自主装配操作的有效性。

提出PVRA：点级关键点投票框架用于机器人装配
从对象中心感知转向学习装配依赖
输入RGB-D预测可操作关键点输出

robotic-assembly3d-keypoint-votingmanipulation

8月20日

arXiv cs.RO (Robotics)/ Feed

What Matters for Latent Actions in Robot Learning

本文首次对机器人操作中的潜在动作学习进行系统实证研究。作者将代表性的潜在动作模型统一到自编码框架中，系统考察了41项设计选择，涵盖潜在动作建模范式、学习目标与正则化以及潜在动作整合策略。同时评估了四个潜在动作质量代理指标对下游操作性能的预测能力。在三个基准和真实机器人操作任务上的实验表明，用潜在动作微调视觉语言模型骨干能为下游策略学习提供更强初始化。

首次统一潜在动作学习框架并系统研究41项设计选择
考察潜在动作建模范式、学习目标、正则化与整合策略
评估四个代理指标预测下游机器人操作性能的可靠性

latent-action-modelsrobot-learningrobotic-manipulation

8月20日

arXiv cs.RO (Robotics)/ Feed

OrthoSkillVLA: Continual Skill Learning via Gradient-Informed Skill Subspace Adaptation

提出OrthoSkillVLA框架，解决预训练视觉-语言-动作模型在持续技能学习中因顺序适配导致灾难性遗忘的问题。分析VLM与ActionHead表征异质性，分别施加子空间约束；针对输出速度解码器，引入轻量级特征感知MoE解码器，每技能分配紧凑专家并由免训练路由器选择。无需演示回放，仿真与真实实验表明能更好保留旧技能并学习新技能。