户外空中操作与物流基础模型是今日两条技术主线。arXiv 论文展示空中机械臂集成 模仿学习、LiDAR-惯性里程计 与 全身 MPC，在无动捕环境下完成户外操作；CJ Logistics 与 RLWRLD 则深化合作，开发物流专用机器人基础模型，聚焦仓储分拣场景。
与此同时，昆仑之数 与 DAMA 联合发布机器人数据创新应用共同体，以数据底座切入具身智能。这些动作共同指向：具身智能正从演示走向真实世界，解决感知、控制与数据规模化瓶颈。
10 signals·6 sources·2026年9月29日星期二·09-26 19:31 ~ 09-28 13:48 UTC
今日主线 · main storyline
具身智能多点落地：户外操作、物流模型与数据底座
今日，具身智能在真实场景推进：空中机械臂借助模仿学习与全身 MPC 实现户外自主操作；CJ Logistics 与 RLWRLD 合作开发物流专用机器人基础模型；昆仑之数与 DAMA 发布机器人数据创新应用共同体。这些动向显示行业正从受控 demo 转向解决感知、控制与数据瓶颈，加速仿真到现实落地。
今日主题 · topics
集成模仿学习、LiDAR-惯性里程计与全身 MPC；扩散策略生成末端执行器运动，无需外部动捕；在物理空中机械臂上完成户外操作任务。技术解读：该框架解决户外无动捕环境下的感知与控制耦合难题，表明演示驱动策略与模型预测控制可支撑非受控场景。
via
arXiv cs.RO(arXiv 预印本)
CJ Logistics 与 RLWRLD 深化合作；聚焦仓储、分拣场景；利用具身智能提升自主操作与决策，加速 sim-to-real。技术解读：针对高复杂度物流场景训练 foundation model，是行业内从通用模型走向垂直场景落地的明确信号。
via
搜狐网(行业合作报道)
昆仑之数与 DAMA 联合发布；以数据底座驱动具身智能新范式；聚焦机器人数据要素创新应用与生态构建。技术解读：数据是具身智能规模化瓶颈，此举试图构建数据共享与标准体系，但落地效果待观察。
via
中华网(行业发布报道)
今日全部信号 · all sources