RoboFFT 用前向噪声构造替代策略比率，让生成式机器人策略可做 PPO 式在线微调，在稀疏奖励任务上稳定提升；PHIRL 则用演示与进度反馈学稳健奖励，RL 与生成模型融合成为今日技术主线。
产业侧，元点机器人 的 8888 元小桥人形机器人首发售罄并推出 OpenBridge 开源生态；AMD 与 World Labs 合作切入空间智能。同时，特斯拉员工不愿训练 Optimus 替代自己，自动化与劳工矛盾浮出水面。
10 signals·8 sources·2026年9月30日星期三·09-27 18:07 ~ 09-29 03:22 UTC
今日主线 · main storyline
具身智能今日：RL微调、家庭机器人与劳工争议
今天具身智能多线进展：生成式机器人策略实现新式在线 RL 微调；元点机器人低价家庭产品首发售罄并推开源生态；特斯拉员工抵触训练 Optimus 替代自己。VLM 直控机器人、空间智能合作等信号密集，行业走向真实场景与组织摩擦。
今日主题 · topics
提出 RoboFFT 框架，对采样动作施加前向噪声，用加权流匹配损失构造替代策略比率，实现 PPO 式在线更新，无需精确似然估计。在长时程规划与稀疏奖励仿真任务中稳定提升多种生成式策略，并集成到真实世界 RL 框架验证。
via
arXiv cs.RO (Robotics)(论文来源)
小桥人形机器人售价 8888 元，首发 1000 台售罄，获 IFA 创新大奖；用户复刻韩立傀儡展示二次开发能力。元点建立 OpenBridge 全开源生态，提供开发工具与技能共享，累计订单超 3 万台，验证家庭场景需求。
via
雷锋网(行业媒体报道)
据 Ars Technica 报道，特斯拉员工对训练 Optimus 人形机器人作为替代工人表示抵触，重点涉及工厂中的培训与部署。这反映自动化与劳动力替代的长期争议，人形机器人落地制造场景的阻力不只在技术。
via
Ars Technica(科技媒体报道)
风向 · vibes
What practitioners are saying
研究启示 · insights
Worth re-reading
时序进度对齐提升奖励学习
通过迭代推断奖励、计算演示中的奖励值，并在四个维度上与进度标注对齐。在真实和模拟机器人任务上验证，仅需20%演示标注即可显著超越基线
研究员注:💭 研究员二次解读：以任务进度而非纯终局奖励对齐，有效抑制奖励黑客，标注成本骤降80%，是IRL走向实用的关键信号。
生成式策略在线微调新解
通过对采样动作施加前向噪声，并利用加权分数/流匹配损失构造替代策略比率，实现 PPO 式更新，无需精确似然估计
研究员注:💭 研究员二次解读：绕开生成式策略似然难解，用前向噪声做替代比率，让扩散/流模型直接进在线RL，有望打通sim-to-real微调闭环。
实用工具 · ship list
Tools, datasets & models shipped today
- 元点机器人推出的机器人技能开发与共享平台，支持二次开发，累计订单超3万台。↳ 适合快速搭建家庭机器人应用与社区协作，需评估硬件依赖。雷锋网
- 从 Computer-Use 延伸到 Robot-Use，让 VLM 直接操控真实机器人，无需大量专用训练。↳ 可快速验证 VLM 零样本操控，但复杂任务精度仍需机器人特化微调。Google News · robotics research
今日全部信号 · all sources