日报 | AGIDaily

技术进展

发生了什么：2026年4月22日，arXiv发布论文《RoboWM-Bench: A Benchmark for Evaluating World Models in Robotic Manipulation》，提出了一个面向机器人操作的世界模型评估基准。
关键技术：该基准专注于对视频世界模型进行具身化（embodiment-grounded）评估。它将生成的行为（来自人手和机器人操作视频）转化为具身动作序列，并通过机器人执行进行验证。基准覆盖多样化的操作场景，并建立了统一、可复现的评估协议。使用该基准评估当前最先进的视频世界模型后发现，可靠地生成物理上可执行的行为仍是一个开放挑战。常见的失败模式包括空间推理错误、接触预测不稳定以及非物理形变。
对比与影响：现有的世界模型基准大多侧重于感知或诊断，未能系统评估预测行为是否能转化为可执行动作以完成任务。RoboWM-Bench填补了这一空白，为评估世界模型的物理合理性和可执行性提供了标准化工具，有助于推动更物理真实的视频生成方法的发展。
可复现性：论文未明确提及代码发布。
来源：arXiv（https://arxiv.org/abs/2604.19092）

发生了什么：2026年4月22日，arXiv更新论文《ExpertGen: Scalable Sim-to-Real Expert Policy Learning from Imperfect Behavior Priors》，提出了一种从非完美演示中自动化学习专家策略的框架。
关键技术：ExpertGen首先使用在非完美演示（可由大语言模型合成或人类提供）上训练的扩散策略初始化行为先验。然后通过强化学习，通过优化扩散模型的初始噪声（同时保持原始策略冻结）来引导该先验实现高任务成功率。冻结预训练的扩散策略使得探索保持在安全、类人的行为流形内，同时仅需稀疏奖励即可有效学习。在工业装配任务上，ExpertGen实现了90.5%的整体成功率；在长时程操作任务上达到85%的整体成功率，优于所有基线方法。
对比与影响：传统依赖人类遥操作演示获取高质量机器人数据成本高昂。ExpertGen利用模拟和可能不完美的演示数据，通过强化学习进行优化，实现了高效、可扩展的模拟到真实转移，为获取大规模专家策略提供了新路径。
可复现性：论文未明确提及代码发布。
来源：arXiv（https://arxiv.org/abs/2603.15956）

发生了什么：2026年4月22日，arXiv发布论文《Multi-Gait Learning for Humanoid Robots Using Reinforcement Learning with Selective Adversarial Motion Prior》，提出了一种让人形机器人在统一强化学习框架下掌握五种不同步态的方法。
关键技术：该方法使一个12自由度的人形机器人掌握了行走、正步走、跑步、爬楼梯和跳跃五种步态。其核心贡献是选择性对抗运动先验（AMP）策略：AMP被应用于周期性、稳定性关键的步态（行走、正步走、爬楼梯），以加速收敛并抑制不稳定行为；而对于高度动态的步态（跑步、跳跃），则有意省略AMP，以避免其正则化过度约束运动。策略在模拟中使用PPO和域随机化进行训练，并通过零样本模拟到真实转移部署到物理机器人上。
对比与影响：传统的步态学习方法通常需要为每种步态单独设计策略或奖励函数。该方法通过选择性应用AMP，在统一框架下平衡了稳定性与动态表现力需求，实现了更高效、更通用的步态学习，并成功完成了模拟到真实的零样本转移。
可复现性：论文未明确提及代码发布。
来源：arXiv（https://arxiv.org/abs/2604.19102）

发生了什么：2026年4月19日，北京亦庄半程马拉松暨人形机器人半程马拉松举行。荣耀（Honor）旗下自主机器人“闪电”（Lightning）以 50分26秒 的成绩夺冠，不仅远超去年最快机器人 2小时40分钟 的成绩，也突破了由乌干达选手Jacob Kiplimo保持的人类世界纪录（57分20秒）。
关键信息：本次赛事有超过300台机器人参与，其中约40%以自主模式运行。荣耀机器人包揽前三名，且成绩均超越人类世界纪录。赛事成绩相比去年实现了超过70%的提速，标志着人形机器人在运动控制、自主导航与能量管理方面取得显著突破。然而，比赛中也出现了机器人起步摔倒、撞墙等故障，暴露了长期运行鲁棒性方面的挑战。
对比与影响：此次赛事已成为检验人形机器人硬件耐用性与算法成熟度的重要公开测试平台。成绩的飞跃性提升展示了中国在机器人运动能力上的快速进步，而频繁的故障则提示，从实验室演示到稳定室外部署仍需在可靠性工程上投入大量工作。
可复现性：赛事公开举办，多家国际媒体进行了报道。
来源：The Guardian（https://www.theguardian.com/sport/2026/apr/19/humanoid-robots-race-beijing-half-marathon）、NPR（https://www.npr.org/2026/04/20/g-s1-118086/humanoid-robot-half-marathon）

发生了什么：2026年4月，美国国会政策观察网站Global Policy Watch发布分析文章《The Next Frontier of Supply Chain Security: Congress Trains Its Sights on Robotics》，指出国会正将供应链安全焦点转向机器人领域，相关立法提案拟禁止行政机构采购或操作由“特定外国实体”（主要针对中国）制造或组装的无人地面车辆系统。
关键信息：该立法动向反映了美国立法架构的成熟化，其日益关注产品特定的供应链风险，并聚焦于数据访问、操作控制和系统脆弱性等问题。立法者认识到风险不仅存在于机器人的物理底盘，更在于使其运行的传感器、控制器和数据通路等更广泛的生态系统。此举是继针对半导体和微电子供应链安全立法后，在关键技术堆栈的又一层面布局。
对比与影响：与以往宽泛的技术出口管制不同，此轮立法更具产品针对性，旨在切断潜在对手在关键机器人系统及其组件供应链上的渗透。这标志着机器人，特别是具有自主能力的无人地面车辆，已被明确视为国家安全基础设施的一部分，其供应链安全将受到更严格的审查和限制。
可复现性：相关立法提案文本已在国会官网公开。
来源：Global Policy Watch（https://www.globalpolicywatch.com/2026/04/the-next-frontier-of-supply-chain-security-congress-trains-its-sights-on-robotics/）