LIFE：让机器人从经验中持续学习的终身具身智能框架
作者提出 LIFE（Lifelong Intelligence from Experience）框架，让机器人持续观察、选择性记忆并把经验转化为新能力。
试运行：收录范围与分类仍在校准，更新可能延迟。 最近内容更新：2026-11-04 17:28（北京时间）
#具身数据
arXiv · cs.ROAI 评分5151 arXiv · cs.AIAI 评分5454 AuroraWorld：面向机器人操作外视角到第一视角视频生成的结构化 4D 世界建模
Hao Xue 等提出 AuroraWorld，用结构化 4D 世界建模从大规模外视角操作视频合成第一视角观测，以缓解第一视角数据采集的硬件与部署成本。作者指出，现有方法在大幅视角变换、严重遮挡、复杂物体交互和外视角观测稀疏的条件下，难以生成物理一致且与策略相关的第一视角视频。该文为 arXiv 预印本（arXiv:2611.00177），摘要未给出实验任务、数据集与量化指标。
我爱计算机视觉AI 评分7171 复旦等提出 RSI-Nav：统一视觉语言动作学习让导航模型自我进化
复旦大学等提出 RSI-Nav，用同一个视觉语言模型同时完成指令到动作与轨迹到指令的双向学习，让导航模型自行生成并筛选训练数据。仅用第一视角 RGB 输入，R2R-CE 与 RxR-CE 导航成功率分别达 68.6% 和 72.4%，较 Cold Start 模型提升 15.7 和 17.7 个百分点，R2R-CE 的 SPL 从 45.5% 升至 58.6%。
机器之心AI 评分7575 飞捷科思与复旦CITLab提出Fysiverse-UniWAM，24项真机测试导航与移动操作双第一
飞捷科思（Fysics AI）联合复旦大学认知与智能技术实验室提出统一世界动作模型 Fysiverse-UniWAM，不依赖大规模机器人预训练，将自主导航、移动操作与固定工位灵巧操作贯通。
RobohubAI 评分4242 NimbRo 团队访谈：五夺 RoboCup@Home 冠军，凭半监督标注论文获 RoboCup 2026 最佳论文奖
Raphael Memmesheimer 带领的 Team NimbRo 在 RoboCup 2026 的 RoboCup@Home 比赛中获得第三名，并凭论文《Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation》拿下最佳论文奖。
智元 News精选AI 评分7272 智元开源 AGIBOT WORLD 2026 第四版 Physical Reasoning 数据集
智元开源 AGIBOT WORLD 2026 的第四版数据集 Physical Reasoning，任务设计重点从操作难度转向决策复杂度。该数据集覆盖 10 类以上逻辑推理场景，围绕物体数量、遮挡关系、空间占用和任务进度四个因素，采集同一任务在不同状态与约束下的决策和执行过程，并分为 Easy、Medium、Hard 三级难度。
关注价值：数据集把同一任务在不同状态下的决策分支与执行轨迹成对标注，可用于判断高层决策与底层策略联合训练的可行性。
光轮智能官方博客与公告精选AI 评分8282 光轮智能与 Hugging Face 发布 EgoSuite-Open100K 第一视角人类数据集首批 10 万小时数据
光轮智能与 Hugging Face 联合发布 EgoSuite-Open100K，包含 10 万小时第一视角人类数据，覆盖 1.5 万+ 任务和 1.5 万+ 采集场景，首批已上线 Hugging Face Hub，其余分批放出。
关注价值：数据集以 LeRobot v3 与 MCAP 格式开放，可用于评估以人类第一视角数据训练机器人策略的数据规模与标注取舍。
Meta AI 官方博客AI 评分5858 Meta 发布 Brain2Qwerty v2，非侵入式脑信号实时解码词准确率达61%
Meta 发布 Brain2Qwerty v2，称这是目前性能最高的端到端流程，可从非侵入式脑记录中实时解码整句，词准确率达61%，而其他非侵入式方法为8%。该系统基于9名志愿者佩戴脑磁图（MEG）设备打字采集的约22000个句子训练，采用端到端深度学习直接从原始脑信号解码，并用大语言模型微调引入语义上下文；表现最好的受试者词准确率为78%，过半句子解码错误不超过一个词。
Skild AI BlogsAI 评分5858 Skild AI 提出通过观看人类视频学习机器人技能
Skild AI 发文提出用人类视频数据训练机器人技能，认为遥操作受限于场景多样性和实时采集速度，难以达到基础模型所需的数据规模。其模型通过观看视频微调学习新技能，只需不到 1 小时机器人数据，公司称这能改变机器人数据瓶颈。
Physical Intelligence精选AI 评分7676 Physical Intelligence 研究：VLA 模型随预训练规模出现人类到机器人迁移
Physical Intelligence 在研究中发现，视觉-语言-动作（VLA）模型随机器人预训练数据规模扩大，会出现从人类视频到机器人任务的迁移能力。团队用 π0.5 做简单的人机联合微调，把人类视频中的动作表示为 3D 手部位置，在 4 个仅由人类数据展示的泛化场景中性能提升约 2 倍，且未使用专门的迁移机制。
关注价值：该研究显示人类视频到机器人的迁移随机器人预训练数据规模扩大而出现，为降低真机数据依赖提供了一条可复用路径。