# 具身赛道周报 · 2026 年第 39 周（09.21–09.27）

> 原文链接：https://robotics.hellobike.com/weekly/2026-w39
> 频道：weekly | 更新日期：2026-09-27 | 标签：weekly, 2026-w39
> 核心摘要：本周值得看：Fiatlux：面向人形机器人爬梯与更换灯泡的长时程基准；Intrinsic开源Physical AI平台组件；Light-O1-Preview 权重更新。

# 具身赛道周报 · 2026 年第 39 周（2026-09-21 – 2026-09-27）

::: v-pre
> 本期周报覆盖 2026-09-21 至 2026-09-27 周期内入库与更新的具身智能论文、开源模型、数据集、SDK 工具链、真机排障与产业动态。

## 本周速览

- **核心论文焦点**：Fiatlux：面向人形机器人爬梯与更换灯泡的长时程基准；ForgetMimic：面向强化学习人形机器人控制的运动遗忘；GraspTune：用于鲁棒抓取的触觉驱动执行细化。
- **产业与快讯焦点**：Intrinsic开源Physical AI平台组件。
- **热门开源模型更新**：Light-O1-Preview、DM05、TurboVLA、Flux-3-Action-DROID-BF16-FlashPack。

## 前沿论文与算法突破

本周 `cs.RO` 与具身智能论文里，关联真机或核心方向的代表工作：

- [Fiatlux：面向人形机器人爬梯与更换灯泡的长时程基准](/papers/2026-09-27-2609-38216)：针对垂直移动与易碎载荷灵巧操作缺少统一评测，Fiatlux在Isaac Lab构建Unitree G1换灯泡基准并提供基线。
- [ForgetMimic：面向强化学习人形机器人控制的运动遗忘](/papers/2026-09-23-2609-28378)：针对人形机器人策略中特定动作难以移除的问题，ForgetMimic以运动级遗忘方法在Unitree G1和H2的12种动作上验证。
- [GraspTune：用于鲁棒抓取的触觉驱动执行细化](/papers/2026-09-21-2609-24180)：GraspTune用触觉驱动的有界残差TCP运动细化视觉抓取提案，并在仿真和UR5e真机上验证稳抓提升。
- [LIBERO-VPro评测机器人模型视觉鲁棒性](/papers/2026-09-21-2609-24350)：LIBERO-VPro通过执行期视觉扰动，系统评估机器人基础模型闭环视觉鲁棒性，覆盖12类挑战，并在仿真与Franka Research 3实机上验证。
- [PLAT：通过特权潜变量转移学习实现人形控制的稀疏定时关键帧运动跟踪](/papers/2026-09-22-2609-25754)：针对稠密逐帧参考限制人形高层控制的问题，PLAT用特权潜变量转移学习稀疏定时关键帧跟踪，并在仿真和Unitree G1上验证。
- [PredActor：用于可转向板载人形控制的预测动作扩散](/papers/2026-09-21-2609-24840)：PredActor用本体感知联合预测动作与内部未来状态，实现可引导人形闭环控制，并在仿真和Unitree G1硬件上验证。
- [SG-CPG用于四足机器人执行器退化适应](/papers/2026-09-22-2609-25687)：论文提出SG-CPG，通过严重程度驱动门控，在连续执行器退化下保持四足机器人小跑步态，并在宇树Go2仿真和实机验证。
- [TactileStep：用于调节人形机器人运动中足-地相互作用的足底触觉学习](/papers/2026-09-24-2609-28959)：TactileStep通过对齐足底压力仿真与真实鞋垫并用阶段感知奖励，在仿真和Unitree G1多地形上改善落脚与支撑。
- [Talk2Escape：用于视觉-语言导航的对话式落地](/papers/2026-09-23-2609-28296)：为解决VLN开环易累积偏差失效，Talk2Escape以监测运动触发对话纠错，在仿真与真机上验证。
- [VIDEAS：通过先验引导仿真从演示视频中为世界模型蒸馏显式动作语义](/papers/2026-09-27-2609-33464)：VIDEAS将演示视频蒸馏为显式动作语义，经先验引导仿真验证，用于训练并评测语言世界模型VIDEAS-WM。

## 开源 VLA 模型与数据集动态

本周有权重或模型卡更新的具身模型（按点赞与下载排序）：

- [Light-O1-Preview](/models/lightoriginshq-light-o1-preview)（♥ 21 · ↓ 472 · Qwen3_5ActionForConditionalGeneration）：LightOriginsHQ 在 Hugging Face 发布的机器人模型，架构为 Qwen3_5ActionForConditionalGeneration，参数规模 5.5B。
- [DM05](/models/dexmal-dm05)（♥ 11 · ↓ 651 · DM05ForConditionalGeneration）：Dexmal 在 Hugging Face 发布的机器人模型，架构为 DM05ForConditionalGeneration，参数规模 5.8B。
- [TurboVLA](/models/h-embodvis-turbovla)（♥ 8 · ↓ 413 · TurboVLA）：H-EmbodVis 在 Hugging Face 发布的机器人模型，架构为 TurboVLA。
- [Flux-3-Action-DROID-BF16-FlashPack](/models/fal-flux-3-action-droid-bf16-flashpack)（♥ 2 · ↓ 40 · Flow Matching World-Action Model (Flux)）：fal 在 Hugging Face 发布的机器人模型，架构为 Flow Matching World-Action Model (Flux)。
- [rskill-gr00t_n17-franka_panda-libero_spatial-bf16](/models/openral-rskill-gr00t-n17-franka-panda-libero-spatial-bf16)（♥ 1 · ↓ 63 · NVIDIA Isaac GR00T N1.7 (VLM + Diffusion Action Transformer)）：OpenRAL 在 Hugging Face 发布的机器人模型，架构为 NVIDIA Isaac GR00T N1.7 (VLM + Diffusion Action Transformer)，参数规模 3.1B。
- [pi05_droid_franka_haply_absjointpos](/models/arkojit1-pi05-droid-franka-haply-absjointpos)（♥ 1 · ↓ 49 · π0.5 (PaliGemma VLM + Flow Matching Action Expert)）：arkojit1 在 Hugging Face 发布的机器人模型，架构为 π0.5 (PaliGemma VLM + Flow Matching Action Expert)，参数规模 4.1B，训练数据包含 Amey…
- [JiRackPrecisionTokenizer](/models/cmsmanhattan-jirackprecisiontokenizer)（↓ 67090 · Qwen2ForCausalLM）：CMSManhattan 在 Hugging Face 发布的机器人模型，架构为 Qwen2ForCausalLM。
- [NoveltyAdapt-policies](/models/helenlu94-noveltyadapt-policies)（↓ 23926 · MLP Actor-Critic Policy (RL Locomotion)）：helenlu94 在 Hugging Face 发布的机器人模型，架构为 MLP Actor-Critic Policy (RL Locomotion)。

本周有更新的机器人开源数据集：

- [ABC-130k](/datasets/xdof-abc-130k)（↓ 232095）：XDOF 在 Hugging Face 发布的机器人数据集，规模 n>1T。
- [Gen-HumanEgo](/datasets/genrobot2025-gen-humanego)（↓ 537818）：genrobot2025 在 Hugging Face 发布的机器人数据集，规模 n>1T。
- [video_to_data_challenge](/datasets/nvidia-video-to-data-challenge)（↓ 5766）：nvidia 在 Hugging Face 发布的机器人数据集，规模 n<1K。
- [metaworld_mt50](/datasets/lerobot-metaworld-mt50)（↓ 7392）：lerobot 在 Hugging Face 发布的机器人数据集，LeRobot 格式，采集构型 metaworld，含 2500 条轨迹，时长 0.71 小时。
- [challenge_data](/datasets/challenge-2026-challenge-data)（↓ 68079）：challenge-2026 在 Hugging Face 发布的机器人数据集。
- [2026CS-Store-Challenge](/datasets/ssu-realitylab-2026cs-store-challenge)（↓ 563）：SSU-RealityLab 在 Hugging Face 发布的机器人数据集，LeRobot 格式，规模 10M<n<100M。

## 开源工具链与真机排障

本周有代码提交或版本更新的高星开源工具：

- [RoboTwin](/sdks/robotwin-platform-robotwin)（★ 2956）：RoboTwin-Platform 在 GitHub 开源的框架，主要语言 Python。 ［ICML 2026］ RoboTwin 2.0 Offical Code Repo
- [Unity-Robotics-Hub](/sdks/unity-technologies-unity-robotics-hub)（★ 2593）：Unity-Technologies 在 GitHub 开源的仿真器，主要语言 C#。 Central repository for tools, tutorials, resources, and documentation for robotics simulation i…
- [ProtoMotions](/sdks/nvlabs-protomotions)（★ 2433）：NVlabs 在 GitHub 开源的框架，主要语言 Python。 ProtoMotions is a GPU-accelerated simulation and learning framework for training physically simulated di…
- [ompl](/sdks/ompl-ompl)（★ 2174）：ompl 在 GitHub 开源的算法库，主要语言 C++。 The Open Motion Planning Library (OMPL)
- [robocasa](/sdks/robocasa-robocasa)（★ 1799）：robocasa 在 GitHub 开源的仿真器，主要语言 Python。 RoboCasa: Large-Scale Simulation of Everyday Tasks for Generalist Robots
- [transfuser](/sdks/autonomousvision-transfuser)（★ 1607）：autonomousvision 在 GitHub 开源的框架，主要语言 Python。 ［PAMI'23］ TransFuser: Imitation with Transformer-Based Sensor Fusion for Autonomous Driving; ［…

## 整机硬件与产业动态

本周行业快讯与商业化进展：

- [Intrinsic开源Physical AI平台组件](/news/2026-09-25-an-open-source-approach-to-physical-ai-from-intrinsic)：Google旗下Intrinsic宣布开源Intrinsic Core部分能力，含ROS兼容的Intrinsic Control等，用于构建复杂机器人应用。

:::

## 原始参考来源 (Sources)

- [Robohub：An open source approach to physical AI from Intrinsic](https://robohub.org/an-open-source-approach-to-physical-ai-from-intrinsic/)
- [arXiv 2609.38216：Fiatlux: A Long-Horizon Benchmark for Humanoid Ladder Climbing and Light-Bulb Replacement](https://arxiv.org/abs/2609.38216)
- [arXiv 2609.34018：Estimate, Don't Imitate: Reusing Differentiable State-Based Policies for Visuomotor Control](https://arxiv.org/abs/2609.34018)
- [arXiv 2609.33882：DexTaG: Tactile-as-Guidance in Reinforcement Learning for Dexterous Manipulation](https://arxiv.org/abs/2609.33882)
- [arXiv 2609.33551：FoLD: Force-Informed Learning for Dexterous Articulated Object Manipulation](https://arxiv.org/abs/2609.33551)
- [arXiv 2609.33464：VIDEAS: Distilling Explicit Action Semantics from Demonstration Videos for World Models via Prior-Guided Simulation](https://arxiv.org/abs/2609.33464)
- [arXiv 2609.33451：DAOCP: a dual active set solver for optimal control problems](https://arxiv.org/abs/2609.33451)
- [arXiv 2609.33310：CompliantWBC: Whole-Body Compliance for Heavy Humanoids via Force Latent Estimation and Residual Impedance Targets](https://arxiv.org/abs/2609.33310)