多机器人任务分配中的离散基于模型的扩散优化方法
针对多智能体系统中离散决策变量导致的 NP 难组合优化问题,现有基于模型的方法仅适用于连续空间而基于扩散的组合求解器需离线训练。本文提出 Discrete Model-Based Diffusion(Discrete MBD),一种无需训练的采样式优化方法,通过蒙特卡洛采样近似分类反向转移分布直接优化离散变量。
针对多智能体系统中离散决策变量导致的 NP 难组合优化问题,现有基于模型的方法仅适用于连续空间而基于扩散的组合求解器需离线训练。本文提出 Discrete Model-Based Diffusion(Discrete MBD),一种无需训练的采样式优化方法,通过蒙特卡洛采样近似分类反向转移分布直接优化离散变量。
该研究提出一种以紧固件为中心的虚拟拆解框架,从 CAD 衍生装配体中获取状态依赖的拆解知识。实验在包含 54 个组件的 OpenManipulator Chain 夹持器上验证了状态依赖操作,利用可见性与工具可达性评估将候选检查量减少了 51.4%。该方法通过图推理与物理验证生成了转换后的 AND/OR 图,证实了在制造前获取特定产品拆解知识的可行性。
针对人形机器人在听到音乐片段前必须承诺动作、且需延续已执行动作的挑战,论文提出 AHEADance 框架。该框架利用 ListenAhead 模块结合已听音乐的冻结模型预测与未来音乐预报来对齐节拍,并通过 Commit Forcing 训练从自身已承诺片段进行延续,将低活跃度从 83.5% 降至 10.3%。
论文提出 PneuGen 框架,利用大语言模型智能体对软体机器人的几何、形态及驱动参数进行高效搜索与设计。系统包含负责生成设计的代理和负责分析仿真诊断并提出修改建议的评论员代理,结合可复用的物理先验模块响应模型实现自动验证与有限元仿真迭代。
推荐理由:提出利用大语言模型智能体进行软体机器人参数化设计与仿真迭代的框架,在抓取与形变匹配任务中优于传统优化基线。
该 arXiv 预印本研究调查了慢性中风患者在单人及双人(dyad)条件下学习复杂追踪任务的效果。结果显示,仅单人组在剔除离群值后表现出显著的追踪误差降低(Δ = -5.33, p = 0.027),但两组均未显示清晰的技能保持;双人组虽提升了运动复杂度与努力度,但因任务认知负荷过高未能揭示学习效应。研究指出样本量小及中风异质性是主要局限,建议未来结合临床特征评估该干预的潜在益处。
Duy Anh Nguyen 和 Trung Dung Ngo 提出了一种用于矩形物体协同推行的平面力闭锁条件的解析公式。该条件独立于质心,仅取决于四个无摩擦接触点的位置,可用于验证接触构型的几何可行性并指导调整。
推荐理由:该研究推导了矩形物体在四接触点下的平面力闭锁充要条件,并将其集成到轨迹跟踪框架中,仿真显示显著降低了位置与姿态误差。
该研究提出了 Curie's Jarvis 系统,使机械臂能在为人类设计的普通实验台上执行化学实验。系统通过读取打印协议照片、在无固定位置或标记的台面上识别容器、利用四视角摄像头区分外观相同的容器并读取标签,且在每步操作前重新定位目标。
论文介绍 Latent Barrier Steering (LBS),这是一种用于安全流匹配生成式规划的分层语义到路径框架。现有控制屏障函数滤波器仅局部修复样本,难以应对全局约束阻塞;LBS 先引导生成器潜在变量向更大安全余量的 rollout 演化,再解码并仅对剩余违规应用路径空间二次规划。实验表明该方法在导航和机器人末端执行器规划任务中,既保持安全性又提升目标达成率并减少修正负担。
本文提出了一种名为 GRF-MPC 的控制框架,将实时地面反作用力(GRF)和质心压力(CoP)测量值直接整合到人体质心动力学模型中,以优化辅助力和力矩。研究在 Robotic Upright Stand Trainer (RobUST) 平台上进行了部署,采用欠驱动的 4 缆配置,并在近 300 次试验中与全驱动 8 缆笛卡尔阻抗基线进行了对比评估。
论文针对视觉语言动作模型在 LIBERO 基准上表现优异但泛化来源不明的问题,提出通过检索邻近演示并复用动作片段即可在无策略训练下达到 91.7% 成功率。研究对比九种公开 VLA 发现微调主要优化了视觉语言骨干作为检索键的效果,且动作仍接近演示。
针对基于学习的去中心化避撞在状态估计不确定性和异构动力学下的可靠性问题,本文提出 DOBB(Dynamic Oriented Bounding Box),将当前状态估计、不确定性及智能体特定响应特性映射为动态方向相关的安全边界。
Robo-MLT 提出一种结合显式工作流监控与学习动作生成的双系统框架,用于处理血液气体分析及试管排序等长视界医疗实验室任务。该模型在包含 50 种标准及 20 种样本移除配置的实验中,任务成功率分别达到 82% 和 70%,比π0.5基线高出 30 和 22 个百分点。系统能在操作员移除正在处理的样本后自动修订计划并继续处理其余样本,显著提升了长视界操作的可恢复性。
该论文提出了 RoboACE(Robot Adversarial Co-Evolution)框架,旨在解决固定训练源无法发现新弱点的问题。该方法联合演化课程选择与执行策略,围绕冻结的基础模型进行交替更新:课程模块利用积累的能力证据提出信息丰富的挑战,执行模块则通过可复用的修订扩展能力。
论文提出了 CAFE 框架,旨在解决场景驱动机器人自主性中从观察中选择任务并执行的问题。该系统在预定义的清洁、安全和存储/整理类别下运行,不依赖实例特定的目标或动作序列。
Maze Runner 是一个开源的自主导航栈,旨在解决稀疏重复几何下的定位、狭窄走廊规划及估计或地图错误时的安全控制问题。该栈在 Gazebo 仿真环境中驱动 Husarion ROSbot XL(配备 2D LiDAR),通过 RANSAC 和总体最小二乘法从扫描中提取带不确定性的墙体线,并分别用于基于地图的扩展卡尔曼滤波定位和在线构建地图的 EKF SLAM。
推荐理由:该工作提出了基于线特征定位与控制屏障函数的自主迷宫导航栈,在仿真中实现了厘米级定位与实时规划控制。
论文 ExRL 指出利用现有强化学习方法适配高维度的长动作片段策略往往需要大量在线交互数据,难以在实际机器人场景中应用。作者提出将适应过程从优化动作本身转向优化每个预测动作片段的执行时长,从而在保持低维度优化空间的同时提升表达力。该方法通过轻量级适配器结合离线强化学习算法训练,在仿真基准和真实机器人任务中实现了多样化的长片段策略的样本高效自适应,且仅需极少的任务特定超参数调整。
成都人形机器人创新中心于 11 月 11 日发布第五代贡嘎人形机器人,该机型搭载自研一体化具身智能系统,在场景感知、时空记忆、因果推理规划及动作世界模型等核心模块完成迭代。其物理时空记忆引擎统一存储空间坐标与物体状态,支持跨时长长程家庭任务;整套架构针对非结构化环境打磨,赋予机器人在复杂场景中自主执行长程任务、异常恢复及持续自适应的能力。
英伟达在CoRL 2026会议推出开源世界—动作模型GR00T 2系列,包含主打泛化能力的GR00T 2和强调速度的Turbo版本。该模型基于40万小时人类视频训练,支持跨本体迁移、少样本适应及视觉引导规划,在多项灵巧操作与长程任务中取得高成功率。英伟达宣布将全栈开源模型权重、仿真流程SimFoundry、智能体框架ASPIRE及相关硬件设计图纸,旨在降低机器人开发门槛并推动技术落地。
Google DeepMind 正式发布新一代视觉语言动作模型 Gemini Robotics 2.5,该模型在灵巧性、可靠性和安全性方面实现显著提升。相比基线模型,其在多步骤任务中的成功率提升 30% 至 100%,执行速度提高 20% 至 30%。
禾赛科技公布2026年第三季度未经审计财务数据,营收10.7亿元,连续六个季度GAAP盈利。其中战略增长业务(SGI)营收9,051万元,环比增长101.4%。
推荐理由:禾赛公布三季报,机器人动力模组出货超3.5万套并进入NVIDIA Isaac GR00T方案,同时发布Kosmo世界数据引擎。
MIT CSAIL 和卡内基梅隆大学研究人员提出了名为 Workspace Models 的新方法,旨在解决现有基于 AI Agent 的机器人在处理长历史视觉数据时存在的延迟高、计算成本大及反应慢的问题。
推荐理由:MIT CSAIL 与卡内基梅隆大学提出 Workspace Models,通过离线大模型蒸馏轻量化模块解决机器人长时记忆延迟问题。
Dynamic Creatures 宣布与 Hasbro 旗下 AI 工作室 Sixth Wall Studio 达成合作,旨在通过机器人赋予 Hasbro 角色实体生命。
NVIDIA 发布了新的 AI 基础模型 GR00T 2(世界 - 动作模型),旨在通过从视频中转移人类运动来减少遥操作训练。该系统利用扩散模型预测未来视觉,从而将人类手部动作迁移至不同形态的机械臂。
Google DeepMind 发布了 Gemini Robotics 2.5 视觉语言动作模型,该模型与 Apptronik Apollo 2 机器人及奔驰产线合作进行了试点测试。
同一新闻,精选展示《DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型,奔驰工厂测试成功率达 96%》
NVIDIA 将专为 AI 智能体设计的 Agent Substrate 捐赠给开源社区,解决传统 Kubernetes 因单会话 Pod 导致的内存浪费及跨轮次冷启动延迟问题。该方案通过保留非活跃会话状态并消除 RL 后训练中的调度瓶颈,显著降低智能体等待提示或工具响应时的资源开销与重启耗时。
Google DeepMind 正式发布 Gemini Robotics 2.5,这是其目前最强大的视觉语言动作(VLA)模型,旨在提升机器人学习速度与广度。该模型在超过 200 项任务测试中,相比基线成功率高出 30% 至 100%,完成任务速度快 20% 至 30%。
推荐理由:原文介绍了 Gemini Robotics 2.5 在任务广度、可靠性与安全方面的提升,并披露了与奔驰产线合作的实测数据及 ASIMOV-Jailbreak 基准。
蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch 及其轻量版 Tiny,旨在解决原始触觉信号导致动作模型性能下降的问题。该模型将磁、视、压阻三类传感器数据统一编码为触觉 Token,支持跨硬件与传感器布局的泛化。
推荐理由:蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,通过统一编码解决多传感器数据异构难题,显著提升机器人精细操作成功率。
蚂蚁灵波科技于11月10日开源触觉基础模型LingBot-Touch,基于近5000小时真实数据预训练,覆盖磁、视、压阻三类传感原理并将信号转化为统一触觉表征。
同一新闻,精选展示《蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch》
论文提出 GeoWind2Plan 框架,解决城市低空飞行中建筑重塑风场导致的路径规划能耗依赖问题。该框架将建筑几何转化为参考风场帧,利用局部几何条件化的神经算子快速预测任务相关的三维风片并拼接成局部风场,随后基于物理驱动的无人机能量模型优化可行路径与速度剖面。
推荐理由:该框架在仅用背景风与建筑几何的条件下,实现约 3 秒的走廊局部三维风场预测,相比 CFD 快数千倍,且规划出的轨迹在 CFD 评估下显著降低能耗。
MemTransfer 是一个具身决策基准,旨在评估记忆表示在条件变化时的泛化能力。该研究在模拟仓库环境中构建了 100 个导航案例,涵盖十种任务类型,并基于专家演示提供历史数据。
该工作研究了如何让通用多指机器人手执行完整的工具操控过程(拾取、加载到合适姿态并挥舞)。作者将手和工具建模为统一的手 - 对象机制,定义其运动由笛卡尔空间下的相对接触速度描述。
针对生物结构几何不完整、局部厚度未知及关键内部边界难以确定的挑战,本文提出一种状态自适应的自主铣削框架。该框架利用通用解剖先验提供保守的全局引导,并通过语义引导配准和混合视觉 - 力校准转化为机器人可执行指令;在接近不确定边界时,机器人主动探测结构并利用相对刚度变化估计边界状态与分离性。分层实验在生物替代物和体内小鼠颅窗制作中验证了准确的解剖先验迁移、可靠的边界适应及生物结构的自主精密铣削能力。
SpectraTac 是一种紧凑型、无摄像头的分布式彩色光学触觉传感器,通过主动 RGB 照明与空间分布的彩色传感结合,利用透明弹性体形变调制内部光场来感知接触。
LARC 提出一种针对分段三次埃尔米特关节轨迹的认证算法,仅对 clearance 测试不明确的区间进行二分以节省计算。该方法在 AgileX PIPER 上处理 160 条轨迹时,匹配固定精细基线决策且仅需 2.48% 的计算量,中位加速比达 10.28 倍。
针对几何保真度、顺应性、结构完整性及气密性的多重挑战,研究评估了热缩成型、硅胶铸造、粉末/液体增材制造及熔融沉积建模(FDM)等工艺路线。结果显示 FDM 因缺陷可通过工艺优化逐步降低而成为最灵活方案,且气密性不仅取决于壁厚还受挤出路径架构影响。该成果确立了基于执行器架构与制造约束兼容性的实用设计制造方法,为开发复杂柔性软体气动致动器提供指导。
该研究提出 AgenticRobotics 架构,利用大语言模型控制器驱动一次性工作流来管理机器人策略的训练与改进过程。系统核心在于将机器人策略和硬件视为需质量度量、记录及版本失效管理的工具,以应对训练管道和数据收集的频繁失败。实验显示,在单一线程上,该机制实现了极低的人工误晋升率(0.001),具备任意时刻停止下的有效决策能力,并能通过签名验证器检测所有类型的工件篡改行为。
论文指出VLA模型常因数据增强而将颜色视为噪声,导致在真实世界颜色依赖任务中成功率大幅下降(最高仅48.8%)。作者提出FLARE框架利用光照扰动暴露此类脆弱性,并设计ChromaGuard方法保留色度进行对抗训练。实验显示,基于SmolVLA的物理6-DoF平台在使用ChromaGuard后,良性与受攻击任务的平均成功率分别达到95.0%和88.8%,显著优于未防御基线。
本文探索了利用功能性近红外光谱(fNIRS)脑信号在仿真环境中调节机器人学习的可行性。研究对比了被动观察与主动演示任务,重点考察将神经信号用于增强轨迹优先级和状态 - 动作 Q 值目标的效果,而非替换现有参数。实验结果表明,该框架能有效提升学习性能,且支持利用离线数据进行训练,为实时脑机接口设置不切实际或数据有限的场景提供了实用替代方案。
针对地中海温室狭窄通道与金属干扰导致的通信瓶颈,该研究提出基于 ROS 2 边缘计算、MQTT 及 FIWARE 云平台的混合架构。系统在仿真环境及真实温室场景中验证了其在恶劣网络条件下维持持久连接与数据完整性的能力。该方法消除了信息孤岛,为低层机器人控制与高层 IoT 决策的协同提供了可扩展的去中心化解决方案。
论文提出 RoboLineage,这是一个专为机器人策略迭代设计的原生数据生命周期治理系统。该系统将 rollout、审查、数据集决策、训练运行、策略元数据、评估结果及部署建议表示为类型化的谱系工件(typed lineage artifacts)。