RoverDevKit:面向月球微型漫游车概念设计的开源物理 grounded 权衡工具箱
RoverDevKit 是专为月球微型漫游车概念设计打造的开源工具包,其评估器耦合了轮土模型与质量、太阳能及热生存等底层模型。该工具能在单核笔记本上于 1 分钟内完成 3000 次任务评估,用于绘制距离、质量与坡度能力的权衡曲线。在 mare 和 polar 等任务中,能量存储或坡面牵引力成为主要限制因素,且轮土模型复现了独立数据集的实测数据。
RoverDevKit 是专为月球微型漫游车概念设计打造的开源工具包,其评估器耦合了轮土模型与质量、太阳能及热生存等底层模型。该工具能在单核笔记本上于 1 分钟内完成 3000 次任务评估,用于绘制距离、质量与坡度能力的权衡曲线。在 mare 和 polar 等任务中,能量存储或坡面牵引力成为主要限制因素,且轮土模型复现了独立数据集的实测数据。
研究提出几何熵(H_G)这一任务无关指标,量化去除目标位姿等外在变化后的内在轨迹多样性。实验发现成功率与 H_G 呈倒 U 型关系,适度多样性提升鲁棒性但过高会导致策略模糊;随着数据增加或任务掌握度提高,最优熵值向更低水平偏移。该度量可用于演示数据集的快速预训练审计及校准指南。
针对现有流匹配方法依赖离散动作块导致对异质控制频率敏感及动作时序不一致的问题,本文提出频率感知流匹配(FAFM)。该方法将离散序列转换至频域进行流匹配,并通过一阶导数正则化约束提升动作平滑度。实验在合成基准、避障、LapGym 及 LIBERO 等任务上验证了其在成功率、多模态表达能力、运动平滑性及收敛速度等方面的改进,并在真实 Franka 机器人部署中表现一致。代码已开源。
针对大规模无标签视频与有限真实交互数据训练潜在策略时,现有行为克隆方法易导致多模态动作分布坍缩的问题,本文提出 Latent Action Flow Policy(LAFP)。
推荐理由:提出利用流匹配保持潜在动作结构的方法,在模仿学习任务中平均成功率提升 8.2%。
针对手持或可穿戴设备中力觉与触觉融合受限于成本、尺寸及机械兼容性的问题,作者提出了 AetheRock 臂戴装置,集成改进的低成本 GelSlim-Mini 指尖传感器与指腹电阻压力传感器。
论文提出 CADENCE 方法,针对工业仓储和共享工作空间中的机器人团队运动规划评估问题,指出标准指标如总成本(SoC)无法完全反映真实执行性能。研究在固定 7x7 工位上部署了七台差速驱动机器人,生成了涵盖空载、随机及瓶颈场景的 480 次硬件实验数据。
arXiv 论文介绍 RoboWits 双手动机器人基准,旨在系统评估认知推理、创造性工具使用及应对意外条件的鲁棒性。作者提出多智能体协作框架自动生成种子任务并引入几何、材料等维度的突变。实验显示预训练 VLA 微调后在种子任务表现尚可,但在突变任务中显著失效;基于 GPT-6 Astra 的零样本策略虽优于所有微调模型,仍损失约五分之一成功率,表明仅靠更强基础模型无法解决鲁棒性差距。
论文 OASIS 提出一种视觉运动策略,通过融合视觉语言与度量深度特征的 3D 感知编码器,结合 SE(3)末端执行器轨迹预测器,使动作解码器生成符合刚体运动的动作块。该方法在仿真和真实世界实验中均优于 VLA 和世界动作模型基线,提升了成功率与分布外泛化能力。材料为 NeurIPS 2026 Spotlight 接收的预印本,项目页面已公开。
论文提出 Z-Perturbation Reinforcement Learning (ZPRL) 方法,通过冻结预训练的流匹配策略并利用奖励驱动的残差扰动在紧凑的瓶颈潜变量空间进行在线强化学习适应。
推荐理由:提出通过瓶颈潜变量接口进行在线强化学习策略引导,在仿真与真实世界中均提升了预训练模仿策略的样本效率与成功率。
针对视觉语言动作模型缺乏带标注动作数据的问题,该研究提出 ALAM 模型,从无动作视频中提取物理世界变化先验。通过帧三元组学习受重建约束且符合组合与可逆一致性的潜在转换,构建局部加性转换空间。
推荐理由:该工作提出代数一致潜在动作模型,利用无标签视频构建结构化先验,显著提升 VLA 策略在仿真及真实任务中的成功率。
该研究提出一种由两个耦合空间四杆组成的鸟类仿生扑翼机构,利用 Rational Linkages 库简化 Bennett 连杆构建方法。原型机仅用单个电机驱动,实现主动展收与被动折叠的协调运动,验证了轻量化生物启发设计的可行性。
论文挑战“仿真无法直接迁移至现实”的共识,证明在足够大规模的合成训练数据下,无需真实数据采集或微调即可实现静态与移动操作的零样本泛化。作者开源了 MolmoBot-Engine 生成管线及包含 170 万专家轨迹的 MolmoBot-Data 数据集,并基于此训练了三类策略模型。
推荐理由:提出仅靠大规模合成数据即可实现零样本现实世界操作,并开源了生成管线与百万级轨迹数据集。
论文介绍 LessMimic 框架,实现无需推理时运动参考输入的人形机器人与物体通用交互。系统通过根命令和交互类型标志引导全身策略,并基于距离场表面距离与局部方向构建紧凑几何条件接口,使控制能随物体几何自适应。
该论文提出 GTA 框架,将低层空间状态估计与高层语义规划解耦,引入结合几何积累与导航历史的显式度量世界表征,并通过反事实分支推理修正决策。在 R2R-CE val-unseen 全量测试集上成功率为 48.8%,在 260 集英文子集上为 46.2%。研究还展示了该方法可迁移至轮式、四足及空中机器人。材料为 arXiv 预印本,未提及同行评审状态或具体部署许可。
论文提出 Humanoid Manipulation Interface (HuMI) 框架,旨在解决当前人形全身操作依赖遥操作或视觉仿真强化学习所面临的硬件物流与复杂奖励工程问题。
针对动态和视觉遮挡条件下的准确安全机器人操作挑战,本文提出 SyncTwin 数字孪生框架。离线阶段利用 VGGT 从 RGB 图像快速重建物体级三维资产形成可复用几何库;执行阶段通过跟踪真实世界物体状态持续同步数字孪生,并利用存储资产补全部分观测的几何。
论文提出一种形态对称图表示方法(MS-PPO/MS-SAC),将机器人拓扑图与形态对称性诱导的置换及符号变化显式结合,构建等变动作均值与不变评论家网络。该方法在宇树 Go2 和 G1 上实现了最低的跟踪误差、最高的仿真回报以及零样本仿真到现实部署能力,且参数量显著减少。
推荐理由:提出形态对称图表示方法,在宇树 Go2 和 G1 上实现更低跟踪误差与最高仿真回报,且参数量显著减少。
Lang2Morph 是一个由大语言模型驱动的框架,旨在将自然语言的任务需求直接映射到 Open Parametric Hand (OPH) 设计空间内的可制造机器人手部形态。
该综述构建了涵盖操作员体验、机器人自主性与双向通信的水下遥操作人机界面分析框架。文章对比了视觉、触觉、扩展现实及自然语言等接口技术,区分了成熟工业工具、选择性部署技术与研究阶段能力,并指出了互操作性与现场验证等局限。报告最终提出了面向流体反馈、低延迟共享自主性及真实到仿真迁移的研究路线图。
这篇论文提出 LawKAN 架构,通过在神经网络节点内植入已知非交换群律结构,仅让边学习局部增量、零初始化修正层学习未知偏差,从而解决传统模型重复学习规则导致误差累积或经典估计器忽略硬件偏差的问题。
针对强化学习中高维观测与稀疏奖励的挑战,本文提出 RAIL 方法,通过在教师训练阶段利用对比学习构建师生共享的潜在表征空间,使教师策略仅基于该空间学习可被学生复现的行为。该方法无需修改奖励函数或事后微调学生策略,即在多个环境中优于强基线并超越直接从原始观测进行强化学习的表现,同时支持通过仅训练教师实现对新任务的零样本迁移。
推荐理由:提出在教师策略训练中引入对比学习以对齐表征,解决因信息不对称导致的模仿差距问题。
在第六届国际神经康复会议上,研究者组织了一场包含 5 名中风患者及照护者的参与式设计工作坊,利用双钻模型与旅程地图引导团队从学科假设转向基于真实体验的优先事项。该过程成功将狭窄目标转化为具体任务方案,并将宽泛目标扩展为具备感官反馈或刺激功能的设备概念,获得了参与者的高度满意。所有工具与协议均已公开共享,为未来在神经康复技术开发中早期纳入生活体验专家奠定了实践基础。
论文提出 SCALE 框架,旨在让轻量级自主智能体在不依赖昂贵大语言模型推理的情况下持续获取可复用知识。该架构由小模型处理常规预测,仅在预测错误或积累跨回合证据时触发 LLM 进行反思;LLM 分析历史经验并生成反事实示例以提出可复用的概念假设。
推荐理由:SCALE 框架通过小模型处理常规任务、LLM 仅在误差时介入反思,实现了经验知识的紧凑内化与层级抽象。
该研究提出一种基于 Transformer 的策略,用于解决部分观测且含噪声的多输入多输出线性时不变系统族的通用控制问题。策略通过共享表示与编码技术,仅需短时噪声测量即可生成控制动作,无需植物矩阵或状态估计器。
推荐理由:论文提出利用 Transformer 实现无需显式状态估计的通用输出反馈最优控制,在仿真系统中达到接近 LQG 的最优成本。
针对质心与几何中心不重合的四旋翼无人机,该方法在无加速度计和数值微分条件下,在线估计质量、质心偏移及完整惯性矩阵并跟踪轨迹。理论证明有限激励下参数收敛至真值,仿真验证了算法有效性。该工作已提交 IEEE Control Systems Letters 待刊,arXiv 预印本包含 6 页正文与 4 幅图示。
针对资源受限平台上视觉语言动作(VLA)模型的自回归生成延迟问题,本文提出了 Zora 软硬件协同设计框架。该方法利用轻量级检索增强生成(RAG)草案模型结合机器人动力学替代昂贵的神经网络草案模型,并通过运动学引导的动作接受策略与 KV-cache 共享注意力机制降低批验证开销。
论文介绍了一种名为自适应内部计算(AIC)的迭代策略,该策略能根据状态动态决定何时停止细化潜在表示并执行动作。研究在十二个基准任务上平均仅需 3.3 步即可执行决策,相比固定八步策略将每步延迟降低了 31%--44%,并在七项任务中获得了高于最佳固定深度策略的平均奖励。
针对非标准语音交互需求,工业级自适应 TTS 系统部署稀缺。研究通过调整机器人语音的音高、时长和强度,在养老社区及高噪机场两类真实人机交互场景中验证了改进方向。该工作为后续正式研究提供了基于简单修改的框架与定性结果参考。
MultiMediate'26 挑战扩展评估域至包含 PInSoRo 数据集的儿童 - 儿童与儿童 - 机器人玩耍会话,引入 NoXi、NoXi-J、MPIIGI 及 PInSoRo 数据集并公开基线代码。该工作通过多模态特征提取,实现了跨领域、年龄范围和文化背景的参与度估算基准,为辅助 AI 系统建模提供透明环境。
针对现有大语言模型在主动发起对话时缺乏情境感知的问题,本文提出了一套联合表征感知、情境和交互线索的情境变量架构,并构建了覆盖多样化日常场景的主动式对话开启语料数据集(CCO)。通过利用该数据集微调小语言模型(SLMs),研究展示了显式的情境结构化与针对性数据策展能显著提升对话发起的质量与时机恰当性。
推荐理由:提出情境变量架构与专用数据集,微调小模型显著改善主动对话发起的质量与时机。
RADIA 对话系统利用检索增强生成(RAG)技术,使机器人能引用模拟自传记忆进行第一人称自披露。面对面用户研究显示,相比非自披露基线,该机制显著提升了用户的感知信任度与互动动态。这项被 IEEE RO-MAN 2026 录用的研究证实了自披露在长期社交型人机交互中的价值。
KR A1 是一款整合个性化语音合成、上下文对话及情感感知响应生成的人形机器人交互原型,旨在探索心理健康护理应用。系统架构采用本地部署的 Qwen2.5-3B-Instruct 模型处理自然语言,结合 OpenVoice v2 实现零样本说话人自适应语音合成,并利用 InsightFace 进行人脸识别与 FAISS 向量检索支持个性化互动。
针对传统训练策略与学习分布耦合的问题,本文提出 World In-Context Learning (WICL) 范式,利用冻结模型在仿真环境中对任务进行排练并将反馈写入上下文而非权重。
推荐理由:提出将反馈写入上下文而非权重的范式,在仿真中通过排练实现跨场景泛化。
论文 SWAM 针对世界动作模型(WAM)中动作学习可能损害语言 - 视频对齐的问题,系统研究了监督设计与架构影响。研究混合使用第一人称视频与 UMI 演示数据,在固定预算下提升了控制泛化能力。
针对商用触觉传感器发展尚早且各具优劣的现状,本文提出 LingBot-Touch 触觉基础模型,旨在将触觉理解从特定传感器物理中解放出来。该模型实现了压阻、磁致和视觉触觉等不同类型传感器的统一表征,并支持轻松扩展至新传感器。
针对真实环境中机器人操作任务难以复现和比较的问题,本文提出一种基于随机挑战的新基准范式。该方法利用可复现的真实场景构建具有随机性的任务样本,模拟隐藏测试集的严谨性与突发性,从而在不同实验室的机器人系统间实现公平的系统级创新与性能对比。论文在移动操作领域的新型基准上验证了该范式,并比较了两台机器人在不同实验室的测试结果。
该研究分析了双无人机通过单绳悬挂并允许载荷滑动的协同运输方案。理论模型表明,相比固定载荷,滑动配置能均衡绳索张力、扩大可达区域并增强抗扰动能力。动态仿真证实,在真实阵风条件下,该方法显著降低了无人机间的平均张力不平衡度。
该论文针对 VLA 模型需为每个下游任务和机器人微调的问题,以 SO-101 机械臂移动国际象棋国王为例进行研究。研究发现,利用随机脚本专家生成的仿真演示进行预训练能显著降低对真实数据的依赖;同时指出学习率冷却对检查点比较至关重要,而验证损失和行动误差不可靠。作者开源了仿真器、专家策略及真实演示数据。
该论文考察了在自然语言机器人车队控制中,计划验证和执行报告所确立的内容。研究基于包含 20 个模拟机器人的三层 ROS2 实现,对 44 个离线基准案例进行了检查,发现无响应模式配置下 70.0%-87.3% 的响应通过测试。
推荐理由:该预印本通过 ROS2 仿真验证了自然语言指令在机器人车队控制中的正确性边界,揭示了执行报告与原始任务要求不一致的潜在风险。
该研究针对由两艘自主水面车辆、脐带缆及拖鱼组成的拖曳海洋系统,提出基于集总质量法的模型与两种仅依赖车载传感器数据的状态估计方法。Lyapunov 分析验证了模型稳定性,数值仿真与实验结果证实了所提简化阶观测器与完美测量扩展卡尔曼滤波器的有效性。论文为提交至《Ocean Engineering》的预印本,包含 23 页高亮内容及 12 幅图示。