A Controlled Study of Models, Skills, Feedback, and Curriculum in Agentic Robotics
该研究通过涵盖九个操作任务、631 种实验配置及 2.8 万次代码智能体轮次的受控仿真,系统分析了模型能力、技能先验等因素对具身智能自学习循环的影响。实验表明,瓶颈常在于将信息转化为正确的策略更新,成功取决于智能体归因失败、推理空间几何结构及重构代码的能力。
该研究通过涵盖九个操作任务、631 种实验配置及 2.8 万次代码智能体轮次的受控仿真,系统分析了模型能力、技能先验等因素对具身智能自学习循环的影响。实验表明,瓶颈常在于将信息转化为正确的策略更新,成功取决于智能体归因失败、推理空间几何结构及重构代码的能力。
论文 FASTFUNNELS 针对拥挤且空间受限环境下的高速多机器人导航难题,提出一种层级算法以平衡安全性与敏捷性。高层采用强化学习策略生成随环境实时形变的动态椭圆区域(类似水滴),低层利用分布式模型预测控制确保机器人在该区域内运动并避障。
针对大视觉语言动作(VLA)模型难以实时运行而小模型易失败的问题,提出 VLA handover 方案,让机器人本地运行小 VLA,仅在预测可能失败时切换至服务器端的大 VLA。该方法通过最小化请求成本并满足成功率约束,在 LIBERO 仿真套件中相比纯小模型提升 11-22 个百分点的成功率,同时比纯服务器控制减少 49-77% 的请求量且对网络延迟更鲁棒。
推荐理由:提出基于失败预测的 VLA 切换框架,在仿真中显著提升成功率并降低服务器请求量。
该论文引入‘健康护理机器人’作为社会辅助系统的独立类别,并基于 SAE J3016 标准提出六级‘护理机器人自主性量表(CRAS)’。研究以 Ryan 机器人为案例,引用 NIH/NIA 资助的纵向数据(N=18, 887小时),显示其在认知功能(SLUMS +2.61)和抑郁症状缓解方面具有统计学显著性或临床意义,且无新奇效应。
HOC2R 结合 DINOv3 与 SAM 2.1 特征,在 30 任务基准上将接触计数准确率提升至 71.4%,定位距离降至 10.46 像素。该方法在六组机器人评估序列中成功完成三项任务,展现出对多手场景的强鲁棒性。作为伪标签提取工具,该研究已获 ACRA 2026 口头报告录用并公开预印本。
针对现有 VLA 模型缺乏技能保留与长程组合能力的局限,PRISM 将可复用技能表示为参数级原语,利用低秩动作专家适配器存储技能家族,并通过 VLM 条件化的路由器在推理阶段根据任务前缀动态组合技能。
推荐理由:PRISM 提出基于低秩更新的技能原语与路由机制,在 RoboCasa365 上显著提升了原子技能与长程复合任务的成功率。
针对鱼眼镜头效应和分析器不完美导致的偏振测量退化问题,作者提出了一种联合镜头 - 分析器校准方法,通过统一八参数公式显式建模入射角依赖的镜头透射率。该方法仅需手持户外序列即可估计相机帧间旋转并实现偏振校准,无需专用设备或预设天空模型。
推荐理由:提出了一种仅需手持户外序列即可完成鱼眼镜头偏振校准的方法,无需专用设备或预设模型。
针对非线性动力学与退化水下视觉条件下的相对跟踪难题,本文提出 FATHOM 框架。该框架整合结构化标记观测、惯性测量及历史动作,利用多模态任务监督的递归状态空间模型构建预测跟踪信念;通过扩散动作先验生成多条专家级推进器轨迹,并基于学习到的潜在动力学预测未来后果;最终在显式移动视界目标下选择最优候选方案。
该论文研究了视觉语言动作模型 OpenVLA 是否遵循如“不要把碗放在炉子上”这类禁止性安全约束。实验显示,在 LIBERO-Goal 基准上,否定词对任务执行无显著影响,模型以 79% 的概率执行了被禁止的任务。
STRIDE 是一种针对人形机器人的强化学习算法,旨在解决传统方法依赖外部动捕或高精度状态估计器的问题。该方法通过让机器人跟踪指令加速度而非基座速度来设计奖励函数,并结合 XQC 离线强化学习算法、高增益关节位置控制器及左右对称性增强技术。
该论文针对几何装配中的时空协调难题,提出一种将每个部件视为独立智能体的对象中心强化学习框架。系统利用图神经网络表征部件及其空间关系,通过代理级近端策略优化与集中式图评论家直接学习运动与时间协同。
该论文提出了 VICTR 框架,旨在解决机器人基础模型在未见任务中仅凭视觉相似性进行上下文检索的局限性。研究引入了一种基于参考演示、语言指令和当前观测的“进度感知”上下文检索机制,通过估计任务相对进度来对齐当前状态与已演示的执行阶段。
推荐理由:针对 VLA 模型在未见任务中上下文检索效果受限的问题,提出基于进度感知的价值函数估计框架,显著提升了真实世界操作任务的成功率与进展率。
针对场端部署的策略需满足演示中未包含的新约束(如避障)问题,现有梯度引导或纯投影/拒绝方法存在效率或合理性缺陷。本文提出 CS-Pi 采样器,利用流匹配采样结合投影与重噪声机制,在保持动作合理性的同时高效满足安全约束。实验显示该方法在货架抓取任务上安全成功率达 81%,硬件部署达 55%,优于对比基线。
针对真实世界机器人部署中人类反馈稀缺且昂贵的问题,本文分析了真实人类干预数据,发现人类常在任务停滞时介入且动作次优。为此提出 Q-OIL 方法,通过在强化学习奖励中加入基于进度的乐观奖励并引导探索至人类修正点来提升学习效率。实验表明该方法在仿真和真机环境中均比基线提升 10-50% 的成功率,并能改进预训练视觉语言动作模型的双手操作任务表现。
FFR EAI 本体业务总裁陈喆代表公司与加州科技大学及波士顿国际商学院在纽约达成全面战略合作,共同推进机器人教育研究与人才培养。三方将开展战略投资合作开发开发者平台能力,支持 CSTU 波士顿校区运营并成立 BIBS-FF-CSTU 机器人联合实验室。FFR 致力于构建涵盖 EAI 大脑、设备、解决方案和数据工厂的“四核全栈”AI 生态体系及 RoboShare 共享服务平台。
在第26届亚洲国际物流技术与运输系统展览会(CeMAT ASIA 2026)上,中科创达旗下晓悟智能与北京人形机器人创新中心联合展示了全栈式工业具身智能平台。该平台由北京人形“慧思开物”通用具身智能平台与晓悟工业具身平台联动构成,前者提供具身大模型、跨本体VLA基座及运控能力负责长程规划,后者依托工业级实时内核实现多车型协同调度与统一编排。
智元 AGIBOT 在上海徐汇区一家运营中的便利店完成了为期 24 小时的实地测试,六台 G2 轮式人形机器人累计完成 1,730 项任务。其中四台通过最终性能评估,涵盖顾客服务、货架补货、咖啡制作及清洁等场景。
推荐理由:智元在便利店完成 24 小时实测,验证了 G2 机器人在真实零售场景下的任务执行与自适应能力。
该研究提出一种针对固定根向图标量智能体的网络化可容许性保持(APC)架构,利用异质非对称输入边界下的 APIR 生成物理输入。在满足方向特定兼容性条件时,闭环动力学形成指数衰减误差与定向共识的级联,确保统一走廊、有界指令及唯一完整解。仿真结果表明,只要根组件包含至少一个知情智能体,部分固定即可保证安全参考跟踪。
针对人机交互中机器人处理模糊指令的挑战,本文提出了 ProCompNav 框架。该方法包含两阶段流程:首先构建候选池,随后通过递归比较判断(RCJ)策略,利用二元问题迭代缩小范围并剔除不一致候选项,从而在无需目标独有属性区分的情况下识别用户意图。
CoMPAS3D 发布包含 18 名舞者共 3 小时萨尔萨舞的交互运动数据集及 Salsa 评估域,涵盖 2,800+ 专家标注片段。该基准定义动作分类、能力估计和跟随生成三项任务,结合运动学指标与六维主观评分揭示生成舞蹈与真实数据的差距。微调视觉语言模型在真值序列上表现良好且与专家判断相关,为具身智能交互提供新评测工具。
论文提出 RAYEN 框架,旨在解决学习系统中难以同时保证硬凸约束满足且计算成本高的问题。该方法支持线性、二次、二阶锥及线性矩阵不等式等多种约束组合,无需昂贵的正交投影或软约束近似,在训练和测试阶段均能确保任意输入与权重下的约束满足。
推荐理由:RAYEN 框架在训练与测试阶段均保证硬凸约束满足,相比现有方法显著降低计算开销并提升轨迹优化求解速度。
论文提出了 PF M-HR 方法,这是一种直接在大规模无序姿态数据上训练的流匹配先验,旨在改进基于物理的人形机器人强化学习中的运动先验利用。该方法引入了姿态几何评分(PGS)来量化关节坐标变化与先验捕捉的姿态局部几何的一致性,并利用 PGS 调节跟踪奖励以引导策略探索。实验表明 PFM-HR 在单运动和通用运动跟踪上均有所提升,特别是在高动态运动场景下表现更好。
针对强化学习在机器人操作中因缺乏可靠视觉语言奖励模型而难以应用的问题,本文提出了 DenseReward 稠密机器人奖励模型。该工作开发了一套自动化失败数据生成流水线,能在仿真中合成碰撞、抓取失败、物体掉落及恢复等物理真实失败的轨迹,无需人工标注。
针对部分可观测环境下多机器人协同难以通过无通信实现的问题,本文提出 CoDiMAD 框架。该方法利用 MAPPO 训练全局特权 Oracle,构建离线数据集,并通过条件去噪扩散概率模型将 Oracle 蒸馏至仅依赖局部感知的学生网络。
该论文提出了 AnyDexRT,这是一种针对类人手灵巧手的低校准遥操作方法。它结合了自监督指尖对应学习和少样本人类引导来锚定映射关系,并利用接触分类器优化捏取姿态。实验表明该方法能提升重定向质量、减少手动调优并提高控制直观性。
论文提出 CTS-MoE 方法,将多地形移动建模为多任务强化学习,通过感知门控混合专家架构和分离的评论家网络,在 Unitree Go1 机器人上实现了从 73.3% 到 93.3% 的成功率提升。该方法降低了动作抖动并避免了切换瞬态,支持四种户外地形类型的转移。
论文针对视觉语言动作(VLA)策略内部表征难以直接解读的问题,提出一种将稀疏自编码器(SAE)特征分析与机器人行为事件锚定的可解释性流程。该方法从末端执行器轨迹中提取关键帧并聚类为事件,利用视觉、状态和时间线索引导 SAE 特征排名,可选用 VLM 进行事件描述。
针对生成式模型产生的机器人数据存在动作标签噪声问题,论文提出 RoboCurate 框架,通过逆动力学模型在仿真器中执行预测动作并测量与生成视频的运动一致性来验证动作。
视觉 - 语言 - 动作模型(VLA)常因数据集偏差而依赖视觉捷径,忽视语言指令意图。该工作提出首个反事实基准 LIBERO-CF,在相同场景布局下分配替代任务以评估语言遵循能力。
推荐理由:该工作提出首个 VLA 反事实基准 LIBERO-CF,并给出无需修改架构的 CAG 方法以缓解视觉捷径导致的指令遵循失效问题。
论文提出 WoVR 框架,旨在利用世界模型作为强化学习(RL)的可靠仿真器以进行视觉语言动作(VLA)模型的策略后训练。针对现有方法因幻觉和长视界误差累积导致推演不稳定的问题,WoVR 通过可控的动作条件视频世界模型、关键帧初始化推演以及世界模型与策略的共同演化来调节 RL 与不完美的想象动态的交互。
推荐理由:提出 WoVR 框架,通过可控视频世界模型与关键帧初始化解决幻觉问题,实现长视界稳定推演与策略优化。
论文 EmboTeam 提出一种神经符号框架,利用大语言模型生成结构化状态期望,并通过 PDDL 符号搜索验证与协调,最终落地为团队级并行行为树及机器人子树的技能执行与同步。
arXiv 论文介绍 GUARD 框架,该框架融合概率状态估计中的概率核优化技术与不确定性识别方法,为机器人控制算法推导关键阈值。系统将估计的不确定性及其来源转发给控制器以调整安全裕度并触发备份轨迹初始化。实验在模型预测控制和强化学习控制器上验证,结果显示在强化学习中碰撞率降低 44-67%,中高风险场景下备份策略激活减少 50-75%;MPC 仿真中成功避免碰撞。
论文提出 CubeDAgger 方法,旨在解决现有交互式模仿学习算法在动态任务中因专家 - 智能体切换时机差异导致动作突变、破坏机器人稳定性的问题。该方法基于 EnsembleDAgger 基线进行三项改进:引入正则化显式激活监督时机阈值;将专家 - 智能体切换系统转化为多候选动作的最优共识系统;向智能体动作注入自回归有色噪声以实现时间一致的探索。
该论文针对具身智能体在仿真基准测试中暴露验证标准(Criteria Exposure)的做法提出质疑。研究发现,当智能体被暴露于此类标准时,虽能快速生成高评分代码,但一旦标准微调便失效,且技能跨任务迁移性差。作者进一步提出了更忠实于指令的验证标准方案。
推荐理由:实验表明暴露验证标准会导致模型过拟合评分而非完成任务,且技能迁移性差。
该方法提出两阶段“生成 - 排序”架构解决具身智能体的自然语言指令到符号目标的翻译问题。实验在 Embodied Agent Interface Benchmark 家庭场景进行,DeepSeek-V3、Qwen2.5-7B/72B 等开源模型经微调与 CORE 偏好学习后,优于简单提示及知识图谱基线。论文已接受于 ECC 2026,代码与权重开放许可。
该论文针对多智能体场景中的导航问题,指出仅依赖当前状态无法避免局部可行但全局错误的动作(如切入人流)。作者提出将世界模型作为训练时的偏好 oracle 来蒸馏前瞻能力,而非在推理时进行昂贵的在线规划。
推荐理由:论文提出将世界模型用于训练阶段以蒸馏前瞻能力,部署时移除模型实现低成本导航。
针对仅具备相对位置测量和单一绝对位置锚点的差速驱动机器人团队,提出一种直接从优化推导的两层估计控制方案。该方法利用图邻域估计器重构质心、锚点向量与中心坐标,结合距离梯度形状调节与有限旋转消除姿态漂移,在 ROS 2 Gazebo 仿真及五台物理机器人的实验中验证了局部指数收敛性。
论文提出 OopsieRecover 框架,旨在解决视觉语言动作(VLA)模型在部署时易失败且难以泛化的问题。该方法假设语义能捕捉失败原因及修正逻辑,利用反事实推理从少量修正演示中推断意图,并将其编码为密集空间表示和条件代价以引导策略。实验涵盖 6 个任务及物体姿态、场景变化等变体,结果表明仅需少量修正即可让 VLA 在广泛的新情境下克服失败,无需针对每种变体收集新数据。
论文介绍 Latent RL Prior 两阶段框架,通过蒸馏大规模 RL 轨迹生成基于本体感觉和潜在任务上下文的流匹配动作解码器,并在视觉适应阶段仅用动作监督学习视觉接口。
SCALE 提出一种针对网络受限与异构任务截止时间的物理智能体实时潜在通信方案,通过匹配连续消息中的 token 相似度来复用信息并避免冗余传输。该方法在三个基准测试及蜘蛛机器人案例中显著提升了带宽受限网络下的任务性能与准时交付率。代码已开源供复现。