基于采样的模型预测控制作为序贯蒙特卡洛推理方法研究
该研究提出单一序贯蒙特卡洛(SMC)推理算法统一实现多种基于采样的模型预测控制策略,通过提案、更新规则及重采样阈值三个独立轴进行指定。在 MuJoCo 非线性控制、Franka FR3 硬件等仿真与真实部署中,28-knot 航程下碰撞率较非重采样基线降低 30%,推 T 任务成功率从 1% 提升至 100%(仿真)及 90%(硬件)。
该研究提出单一序贯蒙特卡洛(SMC)推理算法统一实现多种基于采样的模型预测控制策略,通过提案、更新规则及重采样阈值三个独立轴进行指定。在 MuJoCo 非线性控制、Franka FR3 硬件等仿真与真实部署中,28-knot 航程下碰撞率较非重采样基线降低 30%,推 T 任务成功率从 1% 提升至 100%(仿真)及 90%(硬件)。
论文 DreamVLA 提出利用生成式运动轨迹指导仿真环境中的强化学习,从而无需新的遥操作数据即可训练 VLA 模型。核心贡献是参考条件 DAgger 蒸馏流程,在失败后重启 RL 专家并聚合成功修正轨迹以解决分布偏移。研究评估了抓取、开抽屉、按按钮及行走抓取等任务,并对 DAgger 迭代次数、残差强化学习和生成数据集规模进行了消融实验。
论文提出 MoE-DAgger 方法,解决机器人分阶段操作中基于路由器熵的相位监督不足问题。该方法利用因果路由历史区分正常相邻相位切换与异常状态,无需在策略执行中提供相位标签或硬命令。实验显示,在匹配的人工控制预算下,Green 任务成功率达 84.0%,Red 任务为 78.0%,均显著优于无相位感知的过滤熵方法,且在 50 次 rollout 中未观测到碰撞。
针对时变阻抗参数可能破坏系统被动性的问题,研究提出了一种基于二次规划的参数优化框架。该方法通过调节期望惯性补偿刚度变化注入的能量,在 Kinova Gen3 七自由度机械臂上验证了其在人机交互扰动下的有效性。实验表明,相比能量储罐和非被动性方法,该框架实现了更不保守的刚度跟踪且无需额外阻尼开销。
该论文提出一种将单目视频转化为训练好的全身模仿策略的流程,旨在开发类人机器人、辅助设备和康复系统。针对运动学可行但难以通过肌肉动力学复现的参考轨迹及高冗余动作空间的挑战,方法包含两个互补阶段:首先进行受语义、解剖和接触约束限制的肌肉感知重定向;其次估计从肌肉兴奋到广义力的映射,并在零空间注入有界扰动。
该研究通过集成 RANSAC 异常值剔除与聚焦任务相关区域,优化了 DINOBot 框架在物体交互模仿中的对齐阶段。实验涵盖抓取、插入、摇晃和倾倒等真实世界操作任务,相比基线整体成功率提升 13.8% 且收敛更快。论文已接受发表于 ICAR 2025,当前为预印本版本。
论文提出 Dynamics-Informed Action Learning (DIAL) 框架,旨在弥合潜在世界模型中动态学习与规划应用之间的差距。该方法在训练阶段通过 rollout alignment 让前向模型接触自回归预测的潜在状态,并利用多步逆动力学监督训练轻量级逆动力学头;测试时利用该头构建动态感知的动作序列以初始化交叉熵方法(CEM)搜索分布。
针对无气动控制面的紧凑构型飞行器,该方法联合优化路径几何与时序以生成满足耦合运动方程的动力学兼容轨迹。通过平衡曲率诱导加速度与气动支持,在降低矢量推力需求的同时保留机动特征,并在闭环仿真中成功追踪代表性的翻滚序列。该研究为规划此类无人机的自主特技动作提供了基础依据。
该论文针对灵巧操作策略设计中触觉传感器配置被忽视的问题,提出并执行了一项受控协议,固定教师模型、训练流程及候选传感器,仅改变传感器配置与表征方式。实验在三种机器人手上进行手掌旋转和抓取任务,发现少量基于接触统计选择的传感器即可匹配大量均匀分布的传感器,而极少接触位置的传感器等同于无输入;所有候选传感器的输入张量布局对性能均无影响,即使使用卷积编码器也是如此。
针对单目相机缺乏深度信息导致碰撞检测困难的挑战,本文提出一种结合模型预测与模仿学习的中间路线方法。该方法通过学习碰撞模型将历史图像与控制序列映射为最坏情况下的障碍物清除分布,并将其转化为轨迹优化中的碰撞风险成本;同时利用人类演示学习场景相关的风险平衡及算法参数以加速求解。
本文提出 ReSkill 框架,用于解决组合式操作任务中的自我改进问题。该框架利用代码智能体构建以对象为中心的任务图,定位执行失败节点,并在任务层级优化阶段组织与恢复路线,在技能层级增强感知、运动等能力。
推荐理由:提出 ReSkill 框架,通过定位局部缺陷与验证候选变更实现机器人操作能力的选择性自我改进。
EmbodiedIntentBench 提出了一套用于评估移动机器人任务中意图驱动运行时适应性的基准,通过结构化契约涵盖覆盖、时效证据及资源约束。在多阶段仓库研究中,87.5% 召回率配置仅完成 1/16 任务而低召回率配置完成 14 个,且忽略执行导致的观测损失会逆转策略优劣排序。
研究证明,在富接触或遮挡操作场景下,手指挂载的低成本触觉阵列可作为腕部相机的有效替代品。实验显示,相比仅依赖视觉的策略,引入触觉感知使三项接触丰富任务的成功率提升 31.7-60.0 个百分点,且优于所有配备腕部相机的视觉策略。该成果支持将触觉传感作为此类操作任务中可靠的替代方案。
论文提出 Grip, Trace, Write 框架,构建力感知仿真环境以解决传统刚性安装笔的局限。该方法采用双分支 Actor 解耦握笔稳定性与手臂腕部书写动作,保留闭环耦合关系;训练流程先通过行为克隆初始化逆运动学演示,再利用墨水、接触力、时间和握持奖励进行强化学习优化。实验表明该策略在多种任务中提升了完成度、精度和效率,且无需微调即可泛化到未见过中英文内容,为灵巧工具使用提供了测试基准。
推荐理由:该工作提出力感知仿真环境,通过双分支策略解耦握笔与书写并强化学习优化,在未见中英文内容上实现泛化。
针对强化学习难以完美优化奖励导致行为不合规的问题,本文提出结合离线规划生成轨迹数据集并蒸馏为基于原始观测的策略的方法。该方法引入双重平均损失和ρ-最优强化机制以解决历史依赖策略的难题,并在需要获取信息才能成功的 Scavenger 挑战域中实现超过90%的成功率,而强化学习基线最高仅为5%。研究还展示了该蒸馏策略在遵循未见过的模糊指令及泛化至更大平面图时的迁移能力分别超过60%和75%。
推荐理由:提出将离线规划蒸馏为策略的新方法,在信息获取任务中成功率超90%,显著优于强化学习基线。
SimDuoReal 探索了从简单物体中心学习目标中涌现复杂双手灵巧性的可能性。研究通过共享奖励在强化学习中训练策略,使其在无手工设计运动序列的情况下发现预抓取、抓取、换手及手部调整等行为。
论文介绍了一种名为 MIND(Mechanistic Interpretability for Neural Diagnosis)的方法,旨在解决理解视觉运动策略在机器人操作任务中失效原因困难的问题。
论文提出 Anchor 框架,旨在解决大语言模型智能体在长周期交互中记忆冗余或强化不当行为的问题。该方法通过定位关键轨迹步骤、提取候选记忆,并在相同上下文下对比保留与不保留该源决策的效果,评估其对分布的偏移量及角色对齐度。
推荐理由:提出 Anchor 方法,通过局部验证记忆源决策来筛选有效经验,在 ALFWorld 和 WebShop 任务上提升成功率并减少 Token 消耗。
LSRP* 是一种新型 anytime 规划器,能在获取初始解后持续优化直至预算耗尽。该算法在最多 1000 个智能体的多种地图测试中,可处理比 LSRP 多 25% 的智能体并将解成本降低最高 40%。研究针对传统同步动作假设的局限性进行了改进与验证。
论文介绍 GUARD 框架,该框架利用扩散和流匹配生成的机器人策略的训练分布构建异常信号,将其与稀疏任务奖励结合并通过学习到的 Q 函数传播以引导去噪过程。在 Adroit 平台的四个灵巧操作任务中,该方法在标称和扰动动力学下平均成功率分别达到 96.0% 和 80.0%,优于最强基线 21.0 和 20.0 个百分点且保持最低异常分数。
推荐理由:提出利用训练分布中的异常信号引导去噪过程,在不修改预训练策略的情况下提升灵巧操作成功率与仿真到现实迁移效果。
Weijie Yuan 等人发布论文《Mobility Information Capacity of Multi-Robot Systems: Safety-Aware Maneuver Design》,提出一种联合表征多机器人系统在动力学、不确定性和安全裕度约束下机动自由度的框架。
该研究通过两个仿真任务证明,当用户接管控制时,按序重训剩余会话可恢复目标策略;若仅微调动作则无法完全消除被移除用户的影响。实验显示单纯删除数据并单次重训会因丢失训练顺序而失败,且日志虽能识别有害用户但难以优于计数法评估影响力。
针对潜在扩散模型在人体动作生成中面临的重建与生成质量权衡问题,本文提出 Diffusable Motion Tokenizer (DiMoT)。该方法通过 Critic Spectral Adaptation (CSA) 抑制高频率潜变量能量以改善文本条件化优化,并利用 Alpha-Flow Motion Decoder (AMD) 进行平均速度预测以实现高效的一步解码。
论文介绍 BATCH 框架,旨在解决利用人类演示进行机器人学习时面临的具身差异、视角、动作空间和时间结构不一致的挑战。该方法通过循环一致性目标学习自监督时间表示以建立跨具身对应关系,无需人工标注。
论文介绍 UniLatent 框架,旨在解决机器人数据集因几何、外观和运动学差异难以复用的问题。该方法在仿真中渲染成对的源目标机器人观测,将源视觉编码器对齐到冻结的目标编码器,使基于编码源演示训练的策路能直接在目标观测上运行,无需像素级图像翻译。
论文研究了六种预训练视觉语言动作(VLA)模型在四个 LIBERO 任务集上的适应效率,发现模型间样本效率差异显著:pi_0.5 比 pi_0 所需演示少 2-5 倍且在长视野任务差距最大;GR00T 系列中 N1.5 的适应效率优于后续版本。研究还指出冻结视觉语言模块会严重损害联合训练的 pi 模型但对 GR00T 影响甚微,且验证损失低估了 pi_0.5 的样本效率优势。
论文针对可微模型预测控制(MPC)训练中非光滑敏感性和昂贵评估两大瓶颈,提出 SmoothedTurboMPC 求解器与 Short-Horizon Actor-Critic(SHAC)算法。
针对自主系统在不确定性下安全导航的挑战,本文提出一种偏好增强分布强化学习方法。该方法将风险偏好的变化表示为量化权重分布的偏移,并通过偏好引导探索让智能体接触多样化偏好;部署时优化最坏情况下的偏好分布以生成保守策略,从而减少超参数调整和对外部传感器信号的依赖。实验表明,该方法在仿真环境和车辆平台上均能降低碰撞率并提高任务成功率。
UC Berkeley BAIR 团队在 CoRL 2026 会议上展示多项机器人学习成果,包括早期职业主题演讲、33 篇主会论文及 4 个 Late-breaking results 海报。
推荐理由:UC Berkeley BAIR 团队在 CoRL 2026 会议展示多项机器人学习成果,涵盖从具身记忆、灵巧操作到世界模型及仿真工具的最新进展。
优理奇宣布完成5亿元Pre-A轮融资,老股东超额追加投资,新进机构包括绿地集团、柯力传感等产业及财务投资人。绿地集团作为下游应用伙伴成为战略投资人,双方将围绕安保、酒店、康养等场景,在机器人模型、本体、数据及解决方案方面展开合作。
论文介绍 RoboFQE,这是一种用于评估机器人策略的工具,能从离线轨迹中估计折扣期望回报而无需生成新轨迹或行为策略密度。该方法结合拟合 Q 评估、预训练视觉基础模型和学习的终端成功标注,旨在弥补标准 OPE 基准与连续控制视觉操作之间的差距。
论文提出了 Fast-TD-MPC 框架,结合双过程认知理论,自适应地在快速策略执行与测试时规划之间路由计算资源。该方法在 103 个连续控制任务上实现了约 4 倍的推理加速,同时在外部扰动下通过选择性回退到规划模式维持鲁棒性。
针对新操纵任务需重新收集演示和训练的样本效率问题,该研究构建了一个仅包含平面、物体和手的几何视觉预训练数据集,轨迹自动生成且不含纹理背景,并将手表示为立方体以适配不同机器人形态。在 ACT 框架下,该方法在三个仿真机器人五个任务及三个真实世界任务中评估显示,相比从头训练,使用少量任务演示微调时能实现更高的早期成功率,表明简化几何场景可作为跨机器人与真实任务的有用初始化。
该论文提出一种软体机器人鼓手设计,旨在通过高频率鼓点中的“多反弹技术”提升演奏效率。针对软体非线性复杂性,设计了两种主动控制技巧:i) Tap-Pull (TP) 技巧在撞击后增加拉拽动作以增加反弹次数;ii) Micro-Pulse (MP) 技巧在击打过程中注入微小振荡以保持音量。
该论文针对机器人模仿学习中多模态信息内容、感知率与推理延迟不一致的问题,提出 LAG-Fusion 框架以支持异步多模态扩散策略组合。该方法允许各模态策略在其原生推理率下运行并贡献去噪引导,通过推导相对动作表示下的参考帧重基准规则实现延迟引导对齐。实验在接触丰富操作任务中组合低频视觉策略与高频力控策略,结果显示 LAG-Fusion 相比同步融合及专门设计的力感知基线提升了策略响应性与任务性能。
针对大语言模型规划器缺乏执行与安全保证的问题,本文提出 EvoPlan 框架。该框架包含三部分:首先离线挖掘信号时序逻辑(STL)移动约束以屏蔽策略;其次利用进化式 PDDL 规划器结合程序验证迭代修复计划;最后通过闭环执行循环将 Nav2 生成的路径与约束对齐并动态重规划。
论文 NoContactNoWorries 提出一种基于 Transformer 的多模态框架,融合 RGB-D 视觉与机器人本体感知来推断手部交互中的二元接触状态,以此作为伪触觉信号。研究在多个物体上训练单一预测模型,并在仿真及真实机器人实验中验证了该推断出的接触信号对下游强化学习智能体进行手内物体重定向的支持能力,且能泛化至新物体。材料已接受 IEEE/RSJ IROS 2026 会议。
针对细粒度双手灵巧操作中的运动学映射误差与视觉跟踪无法调节接触力的问题,提出触觉驱动的自适应策略并实例化为 DexTeleop-0 框架。该系统引入实时优化循环,利用指尖反馈在机器人侧添加接触修正,结合接触刚度近似与运动学雅可比矩阵计算局部化修正,实现每接触点向量力跟踪、软预测接触矩正则化及有界手关节残差。
针对大规模视觉语言动作模型(VLA)部署中实时执行的挑战,该研究指出当前工作多聚焦于扩散策略,而自回归策略因同步推理速度慢同样面临瓶颈。论文提出通过调整分词视域和应用约束解码技术,使自回归策略在保持严格延迟边界的同时实现多轨迹解码,从而最大化性能。
论文介绍 CLAW,这是一个端到端的自监督框架,能从无动作标注的视频中联合学习世界模型与连续潜在动作表示。方法利用对抗性潜在正则化防止潜在变量编码未来观测,使其捕捉动作结构;扩散式世界模型将环境动态建模为未来观测的分布而非确定性 rollout。