ASCoR:面向遥感领域的非对称语义 - 空间学习通用化方法
该论文提出 ASCoR 框架,旨在解决遥感语义分割中仅在源域监督下对未见域的泛化问题。该方法基于 SAM3 构建非对称架构,通过文本条件分支提供类别引导,利用探测一次动态自适应 LoRA 限制源域特异性,并引入轻量级可靠性路由器整合多尺度空间表征。实验在 ISPRS、LoveDA 和 OpenEarthMap 基准上验证,实现了新的平均 IoU 记录,代码已开源。
该论文提出 ASCoR 框架,旨在解决遥感语义分割中仅在源域监督下对未见域的泛化问题。该方法基于 SAM3 构建非对称架构,通过文本条件分支提供类别引导,利用探测一次动态自适应 LoRA 限制源域特异性,并引入轻量级可靠性路由器整合多尺度空间表征。实验在 ISPRS、LoveDA 和 OpenEarthMap 基准上验证,实现了新的平均 IoU 记录,代码已开源。
论文提出一种基于仿真的协同设计框架,联合优化材料分布、气动执行器位置与朝向及控制策略,生成可直接通过熔融沉积建模单体 3D 打印的软体机器人设计。该方法采用可微分二维平面应力质点法模拟器,结合实验验证的材料模型和充气执行器的经验代理模型,实现了从任务级目标到物理可实现软体机器人的路径。研究展示了基于梯度的优化生成的软体机械臂能复现仿真预测的行为,且无需后组装即可直接转移至单次单体打印制造。
推荐理由:该工作提出基于仿真的协同设计框架,联合优化材料分布与气动执行器布局,实现单体 3D 打印软体机械臂并复现仿真行为。
本文发布了 ArmnetBench v0.1 数据集,收录了 3718 个在低成本 SO-101 机械臂上完成的真实机器人操作片段。数据涵盖 600 次遥操作演示和 3118 次策略 rollout,涉及 7 种模仿学习与视觉语言动作模型在 12 个桌面任务上的表现。
KlaskTron 是一个基于动态桌面游戏 KLASK 的低成本(<2500 美元)桌面级机器人测试床,旨在解决物理多智能体强化学习基准稀缺的问题。该平台配备双 CoreXY 龙门架和高扭矩无刷电机,支持高速精确操作。项目完整开源了硬件 CAD/BOM、NVIDIA Isaac Lab 数字孪生仿真环境以及经过验证的零样本策略迁移基线(使用学习到的神经执行器模型),所有资产均公开以确保证据可复现。
推荐理由:开源低成本桌面级对抗多智能体强化学习平台,含硬件设计、数字孪生及零样本策略迁移基线。
针对浅水环境成像受折射、焦散和波长依赖衰减干扰且缺乏配对数据的问题,研究团队构建了 KAUSTics 半合成数据集及 KAUSTics-Net 像素级条件扩散框架。该方法在自建数据集上实现了高 PSNR 与 SSIM 指标,并在独立 Sea-Undistort 数据集及真实无人机图像实验中验证了特征保持能力,强调了评估重建保真度与下游遥感实用性的必要性。
作者构建了 KlaskTron-IL 基准,包含 80k 物理机器人采集的人类演示、320k 对称增强数据及由零样本验证策略生成的合成轨迹。该基准揭示了标准模仿学习方法在富接触对抗动力学下的三种典型失效模式:行为克隆的数据扩展瓶颈、GAIL 判别器梯度弱以及行为克隆先验与奖励密度的非对称交互。由于策略接口与硬件执行器模型一致,在此范围内训练的强基线策略可直接迁移至物理机器人运行。
推荐理由:作者构建了含接触对抗的模仿学习基准,提供零样本仿真到现实迁移策略与诊断基线,揭示标准方法在复杂动力学下的失效模式。
针对接触式机器人操作受末端执行器可达性和物体机械性质限制的问题,本文提出了一种基于气流的非接触式操作强化学习框架。作者开发了适用于 Isaac Lab 的通用气流扩展模块,利用实验识别的气流模型计算对物体的力和力矩,支持大规模并行训练。
推荐理由:作者提出基于气流的非接触式操作强化学习框架,在 Isaac Lab 中实现并行训练,并在真实世界零样本部署中验证了混合推吹策略与矩形重定向策略的有效性。
针对新型成像模态数据稀缺问题,该方法利用存档常规样本生成合成目标域数据,无需推理时生成即可直接对真实输入进行诊断。在前列腺组织未染色与脱蜡场景下,其与传统 H&E 基准的吻合度(Cohen's κ=0.59/0.66)均显著优于推理时虚拟染色(κ=0.37/0.61)。该研究为新兴诊断模态提供了高一致性替代方案,论文已提交至 IEEE ISBI 2027。
AnchorHEC 提出一种仅需 RGB 图像、正向运动学及内参的无标记手眼标定框架,通过共享三维基础模型重建初始化双相机并约束手腕束调整。仿真实验显示,相比基于重建的基线方法,该框架在三种骨干网络下平均将平移与旋转误差分别降低 86.4% 和 71.6%,且已在物理机器人上完成验证。
论文提出 History Forcing 统一在线策略蒸馏框架,旨在解决少步自回归视频扩散模型在长序列生成中的一致性难题。该方法利用教师模型在有/无历史信息下的预测残差来解耦监督信号,将历史信息约束融入学生模型的分数或速度预测目标中。
推荐理由:提出 History Forcing 蒸馏框架,利用历史信息约束长序列生成,在 1.3B 参数规模下实现 VBench 质量分 85.07。
该论文研究了在无目标标注的 3D 表面检测任务中,子空间表示如何促进从合成缺陷数据到真实数据的迁移。作者利用最近子空间分类器、单类模板子空间和广义差异子空间等工具,在 MVTec 3D-AD 数据集上发现图像级检测处于随机水平且阈值无法保持,但在 Real3D-AD 对象上,基于注册模板的单类子空间在无基准训练下达到了较高的点 AUROC。研究结果表明,参考及其注册的重要性超过了子空间本身。
该论文提出了 CUE 系统,旨在解决仅凭相机观测无法捕捉摩擦和恢复系数等接触丰富动力学的“动力学差距”问题。该系统在无需重置的情况下,根据高层指令自主构建感知、识别物理参数并针对仿真误差最大的区域进行交互。实验显示,CUE 在模拟环境中将台球位置预测误差降低了 72%,并已部署到真实台球桌上。该工作已接受为 CoRL 2026 晚些时候的突破性成果。
推荐理由:提出 CUE 系统,通过自主交互填补仿真与真实世界的动力学差距,在台球任务中将误差降低 72%。
该论文提出一种基于数据学习的神经积分控制屏障函数方法,利用神经 ODE 学习动力学、模仿学习获取名义控制器、监督回归构建屏障函数,从而在无需几何标签的情况下确保状态安全。
推荐理由:提出用神经 ODE 学习动力学、模仿学习控制器与回归屏障函数,构建无需几何标签的积分控制屏障函数,在敏捷避障任务中消除不安全样本并优于基线。
针对现有世界动作模型(WAMs)因需显式想象未来状态而导致计算开销大、难以满足实时控制的痛点,本文提出 W2A 框架。该方法在训练阶段将视频扩散模型的中间去噪表示蒸馏至动作模型,测试时完全丢弃视频模型,假设压缩的低维子空间足以提供有效监督。实验表明,W2A 在 LIBERO 基准上平均成功率达 95.9%,推理速度比代表性 WAM 基线快约 21 倍,兼顾了高成功率与高效率。
推荐理由:提出将视频扩散模型的中间去噪表示蒸馏至动作模型,测试时完全丢弃视频模型,在保持高成功率的同时显著降低推理延迟。
针对分层控制在接触、平衡或扰动快速变化时固定规划器接口失效的问题,本文提出 EPO 方法,通过为每个低层策略学习复合能量模型来实时选择最优的策略 - 目标对。该方法允许在不重新训练现有策略的情况下融入新策略,并在仿真中改善了精度与鲁棒性的权衡,同时展示了在真机人形行走操作任务上部署冻结策略与能量模型的可行性。
推荐理由:提出基于能量的策略编排方法,在仿真与真机人形操作任务中提升模块化策略的可行性与鲁棒性。
该论文提出了 IMUdrape 方法,旨在解决衣物挂载传感器因布料滑动、扭转和摆动而记录到额外运动信号的问题。该方法通过文本描述活动以合成运动,从照片重建目标服装的缝纫图样,并在真实传感器的部署位置放置虚拟 IMU,利用无接触穿透求解器进行物理仿真,从而生成成对的服装与身体信号。
推荐理由:针对衣物挂载传感器因布料形变导致数据稀缺的问题,该方法通过物理仿真生成虚拟 IMU 数据,在真实数据集上显著提升了动作识别与姿态估计性能。
该论文提出了 GEAR(Generative Editing for Asset Retrieval)框架,旨在解决虚拟环境中用户着装需与周围场景和谐共存的挑战。
推荐理由:提出 GEAR 框架,通过生成中间查询桥接场景与服装资产跨域差距,在虚拟旅行场景中实现实时检索与试穿。
论文提出了 GoalDex 框架,旨在解决灵巧手内操作中对显式物体姿态估计的依赖瓶颈。该方法基于 RGB 观测和本体感觉,通过行为蒸馏和辅助重建目标联合学习视觉表征与控制策略,并引入图像目标条件化机制,允许直接通过图像指定期望配置而非标准姿态表示。
Local Solution Repair(LSR)是一种目标重规划方法,通过运行时检测次优行为并局部优化计划,解决了现有 MAPD 方案在大规模部署中因回溯和闲置导致的效率低下问题。该方法修复了 M2M 和 LNS-PBS 等最先进基线的解决方案,在三环境长视界仓库仿真中,任务吞吐量提升超 5.9%,减少约 3.6 万次次优实例且仅增加少量计算时间。
该论文提出了 OpenNWM 导航世界模型,旨在通过预测未来观测来支持规划,并解决因缺乏动作标注数据导致的泛化受限问题。研究引入了 NavAnywhere 数据集,包含来自 15 个异构来源的 1750 万条无动作导航视频,涵盖地面机器人、人类和无人机在五种场景类型中的运动模式。
论文发布 GSExplorer,一种围绕持久化 3D Gaussian 世界状态构建的生成 - 重建框架。系统利用当前 3DGS 场景为条件驱动视频生成器提供多模态渲染条件,并通过独立的相对射线编码分支注入相机几何信息;生成的视频反馈至基于 SLAM 的重建后端,通过不一致性过滤防止冲突内容破坏场景,并利用跨块束调整优化空间对齐。
SPECTRA 是一个通过物体相对姿态量化刚性物体操作执行质量的框架,利用仿真生成的少量演示建立参考标准。该模型在七个任务中以 30 次演示为基准识别约束,准确率高达 94%,与人类判断的相关性 p=0.81。研究还展示了其在硬件上筛选高评分演示以训练扩散策略时,成功率优于随机选择方案。
ClothDojo 是一个用于双臂机器人衣物平整和折叠任务的仿真平台,能够大规模生成适应不同衣物结构和初始状态的自适应操作轨迹。该平台将衣物的规范网格坐标编码为 NOCS 纹理以提供视觉线索,并通过微调预训练的视觉语言动作模型获得数据生成策略。
该论文研究灵活路线公交(FRT)系统的实时运营控制安全问题,提出 Hi-CoLA 框架以解决强化学习策略缺乏统计性能保证的问题。该方法结合重要性采样、集中不等式与可微代理网络,高效估计高置信度性能下界并通过策略梯度优化。在芝加哥某实际路线的 SUMO 仿真案例中,Hi-CoLA 在平均和尾部风险性能上均优于最先进的离线及安全强化学习方法。材料为预印本,尚未通过同行评审。
本文提出了一种重建流程,从人类控制和漫游车桅杆相机单目馈送中经验性地量化了对物理地面真值的逼真场景重建精度,并分析了月球遍历效应(如运动模糊、悬浮尘埃导致的雾霾、轨迹偏差和稀疏视角)的影响。
该研究针对交互式视频世界模型在撤销动作后无法正确读取当前状态的问题,提出了一种名为 ReDate 的方法。该方法利用智能体行动日志中的有效时间戳对检索到的帧进行标记,使冻结的生成器能区分新旧视图而无需重新训练。
推荐理由:提出基于有效时间戳的 ReDate 方法,无需训练即可解决交互式视频世界模型在撤销操作后的状态读取错误问题。
该论文介绍了 Team Friday 在 MetaFine Open Competition(CoRL 2026)中的二名解决方案。团队未微调大模型,而是为每个任务训练了独立的 19M 参数策略与指令分类器,数据由模拟器中的特权脚本化教师生成。
推荐理由:报告提出通过设计可模仿的虚拟教师来纠正学生策略,在 MetaFine 挑战赛中实现分数翻倍。
该研究针对 ACT、Diffusion Policy、SmolVLA 和 π0.5 四种策略,基于 SO-101 机械臂的抓取放置任务,发现验证损失无法预测真实机器人成功率。
Pano2BIM 是一款几何约束型视觉语言智能体,能利用已知尺寸的平面图和单张 360°照片生成 LOD 200 级别的近似 IFC4 建筑信息模型。在实验室初步评估中,其测量工作流家具足迹交并比(IoU)达 0.53,优于基线的 0.44,且单次运行耗时约 42 分钟、API 成本仅 11 美元。该研究证明了低成本快速生成竣工 BIM 的可行性,有助于维护反映物理状态变化的数字孪生体。
机本智能于近日连续完成由 Alphaist Partners、耀途资本领投的两轮融资,累计金额近千万美元。公司成立于 2026 年 9 月,CEO 李浦豪与 CTO 陈泽源分别来自清华自动化系和北大,长期研究灵巧操作底层交互算法。团队选择强化学习路线,正探索将仿真、真人演示与生成轨迹结合构建数据体系,推进模型从仿真向真实硬件迁移验证。
Stratasys在Formnext展会上于欧洲首次推出F870™ FDM®系统,旨在通过可扩展方案丰富面向大规模生产的聚合物终端零件制造能力。该系统专为汽车、航空航天与国防等行业设计,展示了来自丰田、通用汽车等制造商的工厂车间应用案例。Stratasys首席执行官Yoav Zeif表示增材制造正从单一应用扩展至整个生产工作流程,赋予制造商更高效率与韧性。
针对离线训练的遥操作演示在长视界全身移动操作中泛化性差的问题,本文提出 I3S 系统,结合低成本的 JoyLo+ 接口与策略追踪机制实现全身协同修正及迭代重训练。实验显示,四轮 HG-DAgger 协议下该系统在所有任务中成功率均超 90%,平均提升自主成功率 68.3 个百分点,显著优于仅基于演示的训练方法。
论文介绍 Adaptive-WAM,这是一种构建于 Wan2.2-5B 骨干网络上的质量感知多出口规划器。该方法将轨迹扩散头附加到选定的 DiT 块上,利用轻量级评分器在满足质量阈值时终止推理,从而避免完整的迭代去噪和 VAE 解码过程。
推荐理由:该工作提出基于中间层特征的质量感知早退规划器,在 NAVSIM 上取得最佳结果并实现低延迟推理。
该论文提出 FlowTouch 模型,旨在解决触觉传感器仅在接触时才有读数的局限,通过利用物体局部 3D 网格编码信息并抽象场景细节,实现从视觉到触觉的预测。研究整合了场景重建与基于流匹配(Flow Matching)的图像生成技术,结果显示该模型能跨越仿真到现实的差距并泛化到新传感器实例,其生成的触觉图像还可用于下游抓握稳定性预测。代码、数据集及视频已公开。
针对复杂非结构化户外环境,该研究提出了 WildOS 统一系统,实现长距离、无先验地图的开放词汇物体搜索。该系统融合稀疏导航图与基于基础模型的视觉模块 ExploRFM,在保障几何安全的同时进行语义推理;引入粒子滤波方法对远距离目标进行粗略定位以支持有效规划。野外闭环实验表明,WildOS 在非道路和城市场地均实现了鲁棒导航,效率与自主性显著优于纯几何或纯视觉基线。
论文提出了 MIC-BEV 框架,用于解决多视角基础设施下异构相机配置的 3D 目标检测难题。该框架采用基于图的融合模块建模相机与 BEV 网格间的几何关系,并引入 M2I 合成数据集以覆盖多样道路布局、环境条件及传感器退化场景。实验表明,MIC-BEV 在模拟 M2I 和真实 RoScenes 数据集上均展现出强检测性能与鲁棒性,且融合权重能自适应适应退化输入。
论文提出 ReuScope 审计协议,以 Capsule Vision 2024 为例量化数据跨划分重叠及评估敏感性。研究发现移除 Kvasir-Capsule 相关训练样本后公开验证集准确率显著下降,且匹配对照实验排除了样本量与类别分布的干扰。该工作已被 NeurIPS 2026 接收,代码与数据已开源。
推荐理由:提出 ReuScope 审计协议,量化 Capsule Vision 2024 数据集的跨划分重叠与评估敏感性,为计算机视觉领域的公平性与可靠性提供可复用的验证方法。
论文介绍了一种名为 ROOF 的强化学习方法,旨在解决人形机器人在头顶存在障碍物时的跌倒恢复难题。该方法利用接触支撑几何逃逸引导,仅凭本体感知即可学习何时清除障碍、建立支撑以及完成起身动作。
推荐理由:提出接触支撑几何逃逸引导方法,在仿真与宇树 G1 真机实验中显著提升了头顶障碍物下的跌倒恢复成功率。
该研究提出了一种由现成组件构建的开源膝部外骨骼,其生物扭矩控制器完全源自仿真而非设备特定数据采集。通过肌肉驱动的模仿策略从公开数据集复现深蹲动作并蒸馏出仅依赖车载传感器的估计器,实现了在七名受试者中无需新数据即可将峰值膝关节伸展力矩降低 21.5%。材料证明了基于仿真的生物扭矩控制器可迁移至物理硬件,且软硬件管线同步开源便于研究对比。
论文介绍 META-Robot 框架,旨在解决基于大语言模型的机器人代理在泛化新任务时依赖复杂脚手架的问题。该框架通过引入动作级谓词使执行结果显性化,结合本体感觉反馈将物理状态融入自我认知过程,帮助智能体识别自身局限并扩展评估标准与技能库。