具身智能是一个广阔且充满活力的交叉学科领域。它不仅是算法的竞技场，也是系统工程、硬件设计与认知科学的交汇点。VLA和RL/IL是两个核心切入点，前者更前沿，后者更扎实。最重要的是，具身智能的研究并非必须依赖昂贵的硬件。利用开源的仿真环境、公开数据集和代码框架，在纯软件层面同样可以开展极具深度的研究。希望这份梳理能帮助你拨开迷雾，找到属于自己的那条研究路径，共同见证这场AI与物理世界融合的浪潮。

当前，虽然大语言模型和图像生成模型已经发展到万亿参数的规模，但人形机器人的控制技术却远远落后，模型规模小、行为单一，且训练过程需要大量人工设计的奖励函数，难以扩展。这种为特定任务手动设计奖励的方式，比如让机器人学会走路的奖励函数，并不能直接用于跳舞或格斗，导致每增加一个新能力，就需要重新设计一套复杂的系统，极大地阻碍了通用人形机器人控制技术的发展。为了解决这个问题，本文提出了一个。

AI圈的"转会地震"比想象中更劲爆！继体育圈的转会乌龙闹剧后，学术与产业双界传来重磅消息——从定义计算机视觉的"数据基石"到开辟具身智能的"产业航道"，这位手握多个"奠基级成果"的狠人，若真落地复旦，是否会重塑中国AI从实验室到产业的竞争格局？让我们深扒这位顶流学者的成长轨迹与时代布局。

CoRL 2025（Conference on Robot Learning 2025）作为聚焦机器人与机器学习交叉领域的旗舰会议，近日于 2025 年 9 月 27 日至 30 日在韩国首尔 COEX 会展中心举办CoRL与同馆联办形成 “机器人学习 + 人形机器人” 的交流场景，会议主题涵盖操作、感知、规划与安全、运动控制、人形机器人与硬件等方向，9 月 27 日为工作坊，28 日至 30 日

Humanoid Everyday 项目通过提供大规模、多样化的数据集和标准化的评测平台，为通用人形机器人研究奠定了坚实的基础。实验分析不仅揭示了现有模仿学习方法在处理高维、复杂人形机器人任务时的局限性，也证明了大规模、多样化的数据预训练是提升模型泛化能力的关键路径。面对当前机器人学习数据集主要集中于固定基座机械臂，而现有人形机器人数据集在任务多样性、环境复杂性及人机交互方面存在局限的现状，南加州

这项研究为自动驾驶领域带来的启示是， 단순히模仿驾驶行为是不够的，赋予模型“思考”和“推理”的能力，是通向更高级别自动驾驶的关键路径。它展示了如何利用大型语言模型的推理能力来解决具身AI（如自动驾驶）中的实际问题，为后续研究提供了一个功能强大且可解释的框架。此外，如何让模型从更少的、更高质量的人类标注数据中学习到更强的因果推理能力，也是一个值得探索的方向。它利用一个强大的视觉语言模型（VLM）来理

相比LLM用了3年才实现SOTA模型开源，VLA领域仅用不到1年就做到了——这不仅说明“具身智能是行业热点”，更反映出“开源是VLA快速落地的最佳路径”。开发者更活跃：中小团队、高校研究者能低成本参与VLA创新，比如有人会给模型加“老人护理场景的动作”，有人会优化“工业分拣的精准度”；硬件适配更快：机器人厂商不用再“自研AI”，直接用开源模型适配硬件，能加速“家庭服务机器人、工业协作机器人”的商业

在，多篇直指当前该方向的核心落地瓶颈：大语言模型（LLM）驱动的code-as-policies策略，在动态/部分可观测场景中因环境接地不足，任务成功率难以保障；现有具身世界模型缺乏物理感知，无法精准建模3D几何与运动动力学，导致生成内容脱离实际场景约束；Transformer基具身策略处理长时任务时，视觉输入易超出上下文限制，记忆效率与泛化性不足；多模态大语言模型（MLLM）的具身智能体，还存在

斯坦福大学的“Learning to Ball”研究为解决强化学习在长时序、多阶段任务中的动作连贯性问题提供了一个强有力的框架。通过引入目标不明确的“中间策略”，并利用双向引导和同步适应机制进行训练，该方法成功让AI智能体掌握了类似人类球员的、连贯而流畅的篮球技巧。这项工作不仅在仿真环境中取得了高水平的量化指标，更重要的是，它为物理仿真角色的控制从“单一技能”向“复杂行为组合”的跨越，迈出了坚实的

RoboTidy的发布标志着具身智能研究范式的一次重要演进：从追求算法的迭代，转向算法与环境协同发展。通过引入3DGS技术，RoboTidy构建了前所未有的高保真仿真环境，并通过严谨的Sim-to-Real实验证明了其对于提升物理机器人能力的直接价值。学术界与产业界的深度融合，正在加速将前沿算法转化为真实世界的生产力。随着RoboTidy的代码和数据集逐步开放，具身智能领域将在一个更坚实的基座上，