利用人类演示的接触力矩引导进行灵巧操作学习
该论文提出了 CHORD 框架,旨在通过接触力矩空间指导强化学习以解决长视界灵巧操作难题。研究构建了包含 4,739 个任务的大规模仿真基准,并在其中 1,831 个任务上实现了 82.12% 的平均成功率。
该论文提出了 CHORD 框架,旨在通过接触力矩空间指导强化学习以解决长视界灵巧操作难题。研究构建了包含 4,739 个任务的大规模仿真基准,并在其中 1,831 个任务上实现了 82.12% 的平均成功率。
针对现有机器人演示数据多在无人环境中采集导致策略缺乏人类感知行为的不足,本文提出 HABIT 大规模机器人演示数据集。该数据集包含超过 10K 个片段和 160 小时视频,覆盖 60 项任务,将任务分为协作、同事与监督三种角色以捕捉不同的人类 - 机器人交互模式。
论文提出 SSR 框架,旨在解决人形机器人在非结构化地形上的安全高效移动难题。该方法通过自监督学习结合想象落脚点引导,预测摆动脚接触点并评估支撑稳定性以减少滑倒;同时利用等变潜在空间对称性增强实现高维视觉下的双侧协调,并结合特定地形的多判别器运动先验鼓励类人行为。实验表明 SSR 在楼梯、宽缝隙和高台等极端挑战下均能实现安全稳定的长时程穿越。
推荐理由:提出端到端框架 SSR,利用想象落脚点引导与对称性增强实现人形机器人在复杂地形的稳定行走。
该论文提出将稀疏门控混合专家(MoE)架构应用于基于视觉的四足机器人运动控制任务。实验在受控设置下对比了标准 MLP 与 MoE 策略,结果显示在激活参数数匹配的情况下,MoE 架构使训练奖励提升 8%,且优于同等总参数的 MLP。研究还通过真实 Unitree Go2 四足机器人的实验验证了该方法在现实世界中的性能表现,表明借鉴大语言模型领域的稀疏化技术对机器人运动控制具有应用潜力。
论文提出一种名为 Show, Don't Tell 的自监督系统,旨在解决机器人快速识别演示中出现的未知物体的问题。该方法通过在自动创建的、由人类演示监督的数据集上训练专用目标检测器,完全绕过语言描述和复杂的提示工程。研究开发了集成在机器人上的系统,将这一范式应用于现实世界的机器人部署,实验结果表明该流程在操作物体检测和识别方面显著优于现有最先进方法,从而提升了机器人的任务完成率。
针对人形机器人高质量运动数据稀缺的问题,该研究提出了 Pose Distance Fields for Humanoid Robots (PDF-HR),一种将机器人姿态分布表示为连续可微流形的轻量级先验。
论文提出了 SPiD 框架,通过耦合精确的可变形物体质量弹簧模型与增强的自监督训练策略,实现了对绳类等可变形线性物体的快速平滑稳定控制。该方法在仿真和真实世界中均验证了其在不同初始状态、绳长及外部干扰下的泛化能力,并展示了从遥操作到自主执行的鲁棒性。
针对动态 3D 开放世界与竞技 PvP 场景下 VLA 模型难以从密集视觉输入中提取稀疏可行动作的局限,本文提出 3A-VLA 框架。该框架通过意图抽象(IA)与环境语义抽象(ESA)将指令压缩为语义原语并将视觉流结构化,利用抽象对齐重加权(AAR)模块自适应调整动作模仿损失权重。
该研究提出 CLF-RL 方法,将非线性控制理论中的控制李雅普诺夫函数与优化的参考轨迹嵌入强化学习奖励,替代传统启发式奖励的手动调优。通过处理系统混合结构的全阶动力学进行轨迹优化,位置跟踪性能提升最多 1.7 倍。策略在宇树 G1 类人机器人上实现完整飞行阶段的可靠跑步,具备抗干扰能力和仅靠机载传感器实现的准确全局参考跟踪能力。
本文介绍了一种由刚性手臂和软体操纵器串联而成的混合机器人系统,旨在结合刚性机器人的精度与重复性与软体结构的顺应性和适应性。作者提出了一种定制的模仿学习算法,该算法适用于此类混合系统,能够利用刚性的精确操作和软体的身体特性来习得操作技能,并一次性泛化到任务变化中。实验表明,该系统在堆叠等经典任务中的性能达到或超过刚性机器人,同时实现了通过狭窄开口抓取物体等全新的行为模式。
CLIFER 模型结合想象与持续学习技术,在 66 名参与者与人形机器人进行的平衡内被试实验中,显著提升了个体效用并诱发了更高的让步率。该异步架构能在实时交互背景中更新模型,相比 FaceChannel 基线实现了更广泛的唤醒度估计范围。研究证实将持续情感个性化与差异反馈耦合于实时谈判具有实际价值。
针对标准 URDF 文件格式缺乏高层语义上下文的问题,论文提出了 URDF2Ontology 框架,利用大语言模型与迭代图净化机制,将原始 URDF 文件自动转化为填充了语义信息的 OWL 本体。
论文提出了 GenEA,这是一种新型智能体表示法,旨在基于动作推理人们的计划和目标。该框架的核心是一个多层状态空间,将关节身体的粗粒度生物力学与其与附近物体的相互作用耦合起来,通过扩展机器人领域的任务 - 运动规划框架并引入基于仿真的直觉物理来实现。
该论文研究流匹配机器人策略在欧拉采样中精度与局部稳定性的不同要求。作者使用冻结权重的模型在 LIBERO 任务上验证,发现尽管未违反非扩张条件,但部分输入仍需较多步长才能达到高精度,表明终端精度不足以保证局部稳定性。
论文指出当前许多记忆增强的视觉语言动作(VLA)策略错误地依赖时间戳填充记忆,导致在任务无实质进展时误判为‘幽灵进度’而提前停止。研究通过在 RoboMME 计数任务中引入停顿或抖动验证了这一漏洞:均匀采样使成功率从 47% 降至 16%,而从事件索引记忆的修复方案在不重新训练的情况下恢复了半数以上损失,证明机器人记忆应统计事件而非时钟滴答。
论文提出了 TanCRAFT 框架,这是一个四阶段的实时预测性辅助系统,旨在通过跟踪场景状态、推理当前部分组装情况、预测被操作部件的近期运动并在预测放置不兼容目标时进行干预,来防止物理组装中的人类错误。研究在受控的七巧板(Tangram)组装任务上进行了离线基准测试和受试者内用户实验,结果显示该系统的预测反馈相比无引导和反应式会话显著减少了错误,同时带来了最低的感知工作负荷和最短的完成时间。
该论文描述了团队针对 2026 BEHAVIOR 挑战赛提出的解决方案,核心为基于$ ext{\pi}_{0.5}$构建的单一视觉语言动作(VLA)模型,在 OmniGibson 仿真器上完成百项长周期家务任务。
针对小型全向水下机器人(AUV)在水下难以获取精确动力学模型的难题,本文提出一种非线性六自由度模型预测轮廓控制(MPCC)方法,通过高斯过程回归学习残差动力学并嵌入零阶鲁棒优化方案中,使控制器在 25 Hz 保持实时性。仿真消融实验表明残差选择至关重要,基于 MOLA AUV 的水下实验验证了该方法相比名义 MPCC 和工业界常用的 PID 控制器具有更优的轨迹跟踪性能。
该研究针对世界动作模型(WAMs)需注入低维机器人信号的难题,提出 MetaWAM 方法,将姿态、动作等信号折叠进单一频域通道并通过逆 DCT 提升,无需增加模块即可对齐预训练视频扩散模型的先验。在 RoboCasa 基准上成功率达 68.9%,推理延迟降低 39%;在三项真实 Franka 任务中成功率为 85.0%。代码与模型已公开。
推荐理由:提出 MetaWAM 统一接口,将机器人信号折叠进单一频域通道,无需额外模块即可对齐预训练视频扩散模型的先验分布。
本文研究了变形线性物体(DLOs)平面单抓握形状控制的预测效用与决策效用区别。作者提出 Geometry-Pointer-Flow (GPF) 几何策略,将抓取位置选择与运动生成分离。
该论文针对世界动作模型(World-Action Models)迭代视频去噪带来的高推理开销问题,提出 Elastic-WAM 方法。该方法通过自适应分配时空细化计算资源,统一调控何时停止世界细化、每步推进多远以及刷新哪些区域。研究在多样化仿真基准和真实长程操作任务中评估,结果显示其兼具最先进的控制性能与更低的推理延迟。材料为预印本论文,未提及具体开源代码或模型权重下载链接。
推荐理由:提出弹性计算分配机制,在仿真与真实长程操作中实现控制性能领先且降低推理延迟。
本文提出 Koopman 模型基础强化学习(K-MBRL)算法,旨在解决具有未知动力学的非线性机器人控制系统问题。该方法通过最小化结合即时成本与一步预测状态未来成本的近似策略目标来学习控制策略。
针对基础模型控制机器人存在的安全风险,作者提出了 RoboRisk 综合安全评估基准和 LEASH(Lease-Enforced Agentic Safety Harness)框架。
论文提出了 DexSeed 框架,旨在低成本生成多样化的、可物理执行的机器人演示数据用于灵巧视觉语言动作(VLA)学习。该方法基于 InteractionMesh 重定向和手臂轨迹增强技术,在保持抓取关系的同时适应不同物体几何与放置位置,并通过强化学习手指控制策略实现仿真中的可执行 rollout。
该论文提出一种针对接触丰富型双臂建筑任务的“人在回路”控制范式,支持在 VR 引导遥操作、半自主共享控制和基于规则的自主执行三种模式间进行结构化切换。系统结合了沉浸式 VR 引导、手动定义的复用技能库以及明确的人机角色分配与指令优先级规则。
论文介绍 RedirectMimic 方法,通过分离演员观察到的参考信号与训练执行的目标,利用规则生成的编辑参考引导近端策略优化奖励,同时保持部署接口不变。在 Unitree G1 仿真环境中,该方法将手臂动作编辑的核心窗口内容发生率降至 2.7%,关节成功率达 94.2%,并在速度定义任务中保持低错误率与高精度跟踪。
论文提出了 LaST0.5 这一新型世界动作模型(WAM),旨在解决现有模型全球场景表征忽视局部机器人 - 物体交互的问题。该模型在混合 Transformer 架构中引入交互中心潜在专家,利用视觉交互线索学习紧凑的潜在空间,并通过自适应的世界到动作转移机制调整执行与重采样。
推荐理由:提出 LaST0.5,通过引入交互中心潜在空间弥合世界演化与操作生成的表征差距。
该研究开发了一种结合关节路径正则性与工艺约束的离线优化路径规划器,通过迭代权重调整自动确定成本权重。在碳纤维缠绕和机器人 3D 打印任务中,规划路径满足几何公差及所有关键性能指标目标,并在 UR10e 机器人上完成无挤出执行与关节级轨迹跟踪验证。
针对人形机器人在单手持物时因上肢非对称负载导致的速度跟踪偏差及导航失败风险,本文提出 ReACT 框架。该方法利用估计的力矩对 Actor 特征进行反射一致的扰动调制以补偿负载影响,并通过对比加载与未加载条件下的速度指令训练跨负载一致性。
本文提出了 Learn-To-Propagate Distributionally-Robust Forest (L2P-DR-Forest) 算法,旨在解决非线性随机系统在初始状态和过程噪声分布未知的情况下的运动规划问题。
该论文研究了利用人类游戏玩法数据对机器人策略进行预训练的方法。作者针对 InternVLA-A1.5 模型,结合了键盘鼠标事件预测与冻结视频模型的视觉监督,构建了覆盖保持的锚点选择机制以防止未来动作干扰。
该工作提交了 Team IF1001 的 2026 BEHAVIOR Challenge 第二名方案,评估移动操作能力涵盖 100 个家庭任务。方法基于 Cosmos 3,通过丰富视觉历史、任务进度条件化及特定技能 LoRA 适配器进行改进。
推荐理由:报告了基于 Cosmos 3 改进的 WAM 在 BEHAVIOR Challenge 中获第二名的结果,公开了任务进度条件化与 LoRA 适配等关键工程细节。
该论文在 SO-101 机械臂上训练了 ACT、SmolVLA、Diffusion Policy 和 pi0.5 四种模仿学习策略,针对同一抓取放置任务分别在约 520 勒克斯和 45 勒克斯(11.5 倍光照变化)条件下进行验证。
针对智能机器人在适应性与灵巧度上与生物体存在的差距,该研究通过引入膝踝顺应性及足部摇杆效应,扩展了 McGeer 单摆步态模型并推导标准跟趾撞击映射。基于状态依赖的蒙特卡洛与再生核希尔伯特空间方法,论文计算了倒立摆与被动动态行走模型的相空间体积 W(γ),揭示了顺应性组件对物理智能建模与控制的新路径。
FAME-QP 是一款结合约束依赖算子表示与 CUDA Graphs 重放的 GPU 加速求解器,专为线性模型预测控制中的稠密二次规划设计。该工具通过设备校准自动选择执行配置并缓存算子库以应对矩阵变化,在仿真的人形机器人与四旋翼控制实验中,相比竞品 GPU 求解器显著降低了延迟并保持了解决精度与控制性能。
该论文提出 CIALLO 动作编码器,旨在解决不同机器人控制接口差异导致知识无法迁移的问题。该方法将动作、视觉变化及基于观测的语言对齐到共享的短期行为意图空间,并通过本体条件解码器映射回特定机器人的动作。
针对现有挖掘机加装专用传感器成本高、维护难的问题,本文提出一种利用车载视觉观测与控制时序信息的闭环自主挖掘框架。该方法编码驾驶室视角图像的结构线索,建模历史摇杆指令的短期运动趋势,并为铲斗关节引入滚动状态缓冲区以在严重遮挡下保持时间连续性;同时将机械关节范围约束纳入学习目标以抑制不可行估计。
该研究提出基于预训练视觉语言模型的 SPAR 架构,通过共享预测机制利用无动作监督的人眼视角视频提升机器人策略学习效果。实验表明,源自此类视频的表征能显著改善下游分布外任务性能,且随数据规模扩大效果进一步增益。论文探讨了目标选择与数据策展的影响,为可扩展的机器人学习提供新路径。
该论文提出 Ego2Robot 学习框架,旨在利用第一人称人类视频(EHV)中的手物交互数据训练机器人操作策略。文章定义了四种学习范式:显式本体转移、显式动作与任务监督、第一人称视频表示预训练以及潜在动作与动力学建模,并对比了各范式的信息提取方式与额外数据需求。
该系统在社交机器人 Haru 上实时生成融合节奏与语义的标志性手势,基于 BEAT2 数据集训练。在线用户研究显示,60 名参与者测试中该方法语音 - 手势对齐更强且优于基线。研究预印本已上传 arXiv,代码与数据许可状态待定。