RAIL:面向学生兼容的教师策略的表征对齐模仿学习
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。
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。
论文提出世界模型规划加速器(WMPA),旨在解决嵌入式设备上运行世界模型时的功耗与热限制问题。研究通过信息论推导了潜状态转换的计算下限,并分析 DreamerV3 风格模型的实测数据,发现其受限于内存带宽且能耗远超 CMOS 物理极限,导致持续计算引发严重过热。
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。
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。
DreamLander 利用 DreamerV3 构建样本高效且泛化性强的模型,解决真实六自由度进入下降着陆问题。该算法在指定着陆区误差小于 2 米、速度范数低于 0.3 米/秒的条件下实现软动力下降,推动端到端解决方案进展。目前为 arXiv 预印本(arXiv:2611.12824),待正式注册 DOI 并投稿至 AIAA SCITECH 2026 Forum。
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。
论文提出一种零样本视觉语言框架,用于解决双足机器人在杂乱环境中执行自然语言操作任务的挑战。该方法将结构化场景表示与执行约束结合,在规划阶段即考虑物理可行性,并建立包含显式前后条件的并行双手动动作序列。
推荐理由:该研究提出零样本视觉语言框架,将执行可行性推理融入任务规划,在双足机器人上验证了提升成功率与故障恢复能力。
现代视觉 - 触觉传感器通常通过成像柔性界面变形来感知接触,但力相关信息仍需间接推断。本文提出 PCTac,一种开源的机械变色光子晶体指尖传感器,利用局部应力直接转化为空间分辨的结构色场作为触觉观测。
推荐理由:该研究提出基于机械变色光子晶体的触觉传感器,在真实机器人操作中显著优于传统 RGB 与纯视觉基线。
针对动态模型参数与外力不确定性问题,该研究提出一种径向基函数神经网络补偿器,其输出由笛卡尔跟踪控制器与关节空间 CBF 滤波器共享。通过辅助状态修正学习信号,该方法在约束调节、失配不确定性及扰动试验中,有效提升了两自由度机械臂的轨迹跟踪精度并维持了关节、速度与力矩限制。论文已提交至 2027 年欧洲控制会议,arXiv 版本为 v1。
针对机器人学习中多模态表征难以实现通用且良好对齐的挑战,本文提出 UniOMA 方法,通过引入几何感知的 Gromov-Wasserstein (GW) 距离正则化来增强现有的对比损失。
推荐理由:提出结合几何感知的 Gromov-Wasserstein 距离正则化,解决多模态表征结构对齐难题。
针对多机器人协作中个体观测不足的问题,论文提出一种面向任务的主动上下文共享框架,将原始观测转化为紧凑表示以保留关键信息。该方法分两阶段训练:首先联合编码车载观测与任务指令生成紧凑上下文;其次将其集成到预训练的视觉语言动作策略中实现双向交互。实验显示在受限通信条件下性能显著提升,并在复杂双机器人真实场景中验证了有效性。
推荐理由:提出面向任务的主动上下文共享框架,在受限通信预算下提升双机器人协作任务性能。
该论文提出 VLA Multi-teacher On-Policy Distillation (VLA-MOPD) 协议,旨在解决多任务视觉语言动作模型(VLA)的聚合难题。
该论文提出一种分层多通道倾覆预测框架,旨在解决非结构化环境中通信延迟导致的实时人工干预困难问题。系统利用多层级时间卷积网络(TCN)学习渐进式不稳定模式,并通过门控循环单元(GRU)构建前向动力学模型以检测意外动态偏差。
该研究提出一种结合三维预测与轨迹跟踪接口的博弈论模型预测控制规划器,用于解决无人机的协同目标到达及对抗追逐逃逸任务。PyBullet 仿真验证了可行性,实验室飞行实验进一步证实了物理平台上的轨迹跟踪接口有效性。论文已提交至 ECC27 会议,代码与权重暂未公开,仅作为控制器开发的评估基础。
针对涉及多艘无人表面船只(USV)的巡逻任务,本文提出一种结合网格路径规划、代理旅行时间预测和图强化学习的框架,以最小化任务完成时间和总延迟。该框架利用可行转换图表示候选事件并训练策略,在保持优势的同时将计算需求降低至对比基线的约 1/35,且对未见过的优先级设置具有鲁棒性。材料为预印本论文,未报告真实机器人部署结果。
论文介绍了 Embodied First Exam,这是一个统一的评估框架,允许代码智能体选择直接控制、生成代码控制或训练策略来控制机器人。该基准包含 35 个套件中的 1,156 项任务,覆盖 47 台机器人,包括 9 个新套件以应对空间谜题、灵巧操作等挑战。
针对现有具身智能基准缺乏对复杂布局中空间推理及动态场景下空间记忆的评估问题,作者提出了 GeoMind 基准。该基准包含 54 个围绕空间推理和空间记忆组织的任务变体,并提供了自动化生成与标注任务的流水线。广泛评估显示,各类代理在空间变化后的身份追踪以及将关系或几何约束转化为可执行动作方面存在显著弱点。材料为预印本版本,未报告真实机器人部署结果。
该系统利用磁流变制动器实现从 0.01 到 0.918 Nm 的制动扭矩,总质量仅 39.8 g。在遥抓取任务中,当视觉与触觉反馈均达 100% 成功率时,触觉反馈使物体接触力降低 28.2%,显著提升了操作安全性与沉浸感。问卷结果进一步证实该装置能改善用户对遥操作的可靠性、真实感及信心。
针对仿真策略在真实硬件上因非理想性而性能下降的问题,论文提出 GAP 框架,通过梯度引导网络学习如何调整动作而非直接执行动作,将适应先验从仿真迁移至物理硬件。实验显示该方法在仿真阶段相比现有基线提升约 2.4 倍 F1 分数,且在真实灵巧手上对三首不同难度的乐曲分别提升了 3.6% 至 23% 的 F1 分数,展示了减少真实世界交互成本的有效路径。
推荐理由:提出利用梯度引导网络学习适应先验,在仿真阶段提升钢琴演奏任务的样本效率并迁移至物理硬件。
针对通用视觉基础模型缺乏对机器人控制所需时序敏感表征的问题,本文提出 SPARK 方法。该方法基于时序抽象与知识保留两大原则,在保持预训练语义的同时提取紧凑的视觉状态表征。实验表明,SPARK 在多基准测试中持续优于原始基础模型,且其增益可迁移至真实世界的机器人操作任务。
Lexing Zhang 等人提出了 Motion Constraint Prediction Network (MoCo-Net),这是一个双流神经网络,用于从部分视角的点云观测中联合预测连杆部件的连续运动范围以及突出潜在碰撞区域的障碍物热力图。
论文介绍 BetaGrasp,这是一种结合四分类握持标签(crimp、sloper、pinch、jug)作为模式切换的 3D 扩散策略,运行于 Franka 机械臂与 16-DoF LEAP 手部。实验在弹簧测试台(带棘轮测力计)上验证,结果显示该标签使平均滑移力从 9.6 N 提升至 14.3 N,完全脱手率从 44% 降至 10%,而仅靠点云编码的基线策略无法区分握持类型且成功率仅为 25%。
推荐理由:BetaGrasp 通过引入四分类握持标签作为模式切换,将仿真到现实的滑移力提升显著,大幅降低完全脱手率。
OASIS 是一种分层导航框架,将模型预测控制器的优化结果反馈给软演员 - 评论家(Soft Actor-Critic)策略以生成子目标。该框架在包含静态与动态障碍物的五种场景中评估,相比层级及直接目标控制变体实现了最高的综合导航成功率。匹配对比显示其相对于无优化状态输入的相同层级架构具有持续的成功率优势,且主要优化失败更少、平均控制器时间相似。
Thermo-VLA 提出 ThermoRes Encoder,将热成像图分解为冷和热属性表示并通过语言条件残差调制注入 RGB token,实现温度驱动的目标选择与连续操作。
该论文研究了机器人演示数据集如何结合不同经验的遥操作者数据,提出用“数据倍数”衡量两组演示达到相同成功率所需的数量比。研究基于 robomimic 的 Square 和 Can 任务,对比了标记为 Better(更好)和 Worse(较差)的操作员数据。
该研究提出利用代理在物理仿真中进行自学习以掌握翻动物体的基础操作技能。通过迭代学习,系统逐步习得手递手、推倒、抓取感知及薄物体操控等子技能,将任务成功率从 24.7% 提升至 95.0%。最终生成的基于图形的代码集成了高层策略选择与反应式控制,已验证可在实体机器人上实现多阶段翻动物体操作。
推荐理由:论文展示代理在物理仿真中自主习得翻动物体技能,成功率从 24.7% 提升至 95%,并生成可迁移到实体机器人的代码。