从人类学习中获取物体中心运动先验以增强机器人灵巧操作
针对多指灵巧手操作多样物体的高维动力学挑战,本文提出一种方法,通过利用人类 - 物体交互数据集学习预测未来手 - 物体状态,将其作为强化学习的通用奖励项以减少任务特定工程依赖。实验在仿真和真实世界三种操作任务上进行,结果显示该方法在成功率和新对象泛化性上优于现有最先进方法,并验证了在不同机器人手上的跨具身兼容性。该论文已作为口头报告被 AAAI 2026 接收。
针对多指灵巧手操作多样物体的高维动力学挑战,本文提出一种方法,通过利用人类 - 物体交互数据集学习预测未来手 - 物体状态,将其作为强化学习的通用奖励项以减少任务特定工程依赖。实验在仿真和真实世界三种操作任务上进行,结果显示该方法在成功率和新对象泛化性上优于现有最先进方法,并验证了在不同机器人手上的跨具身兼容性。该论文已作为口头报告被 AAAI 2026 接收。
该研究提出 LumiTac 传感器,这是一种无摄像头的紧凑光电子触觉设备,通过空间分布照明与光谱编码结合实现六维力矩测量。传感器直径 12 mm、厚度 4.75 mm、重量小于 2 g,成本约 7 美元。
推荐理由:论文提出了一种紧凑的六轴光学触觉传感器,实现了高刷新率与低延迟,为机器人灵巧操作与人机交互提供了新的感知方案。
针对离线强化学习中回放缓冲区被常规操作主导、罕见关键事件采样不足的问题,本文提出一种无需标签或奖励的统计杠杆分数评分机制。该方法首先筛选长尾特征列以捕捉异常分布,其次放弃重要性权重修正而直接优化重平衡目标,最后将规则应用于相对目标的短轨迹窗口以恢复关系信号。在需绕过障碍物推物体的三关节机械臂实验中,任务成功率从 0.49 提升至 0.69,接近有标签oracle的 0.74 上限。
论文提出 FWIK 方法,通过考虑未来窗口内的多路点来选择冗余机械臂的逆运动学解,结合自碰撞模型与 MoveIt 2 规划器进行验证。在 Franka Emika Panda 和 KUKA LBR iiwa 两个 7-DoF 机械臂上,FWIK 在所有八种机器人 - 规划器设置中均实现了最短规划轨迹时长,且序列完成率介于 96.8% 至 100%。
推荐理由:FWIK 方法在仿真中显著缩短规划时间并提升序列完成率,为冗余机械臂的在线逆运动学选择提供了新方案。
Otobong Jerome 等人研究了最优快速探索随机树(RRT*)在三角形网格地形上的适用性。研究发现原始 RRT*因零体积特性无法运行;简单的 Mesh RRT*版本虽能运行但最小化错误目标,导致成本偏差。
针对平层联合嵌入预测架构(JEPAs)在长视界规划中时序区分度不足的问题,本文提出一种轻量级时间到目标(Time-to-Goal, T2G)指标。该方法利用离线轨迹中的潜在三元组进行训练,通过边距排序损失显式学习时序顺序,无需奖励或策略标签即可替代欧氏距离作为规划成本。
推荐理由:该工作提出轻量级时间到目标指标,解决平层世界模型在长时规划中时序区分度不足的问题。
针对学习型机器人策略在训练阶段评估困难的问题,论文提出 RACE 指标,利用固定集的成功轨迹校准动作偏差并聚合累积评分,替代昂贵的实机测试。实验表明,该指标在仿真中优于基线且对验证集变化鲁棒,在真机上其检查点排名与部署成功率一致,能有效区分不同偏差对任务成功的影响。
推荐理由:提出 RACE 指标,利用固定成功轨迹校准动作偏差以替代昂贵实机测试,仿真与真机实验均显示其排名与部署成功率高度一致。
针对短视界模型预测控制(MPC)因视野局限导致的多模态最优解平均化或继承不一致专家决策的问题,提出 ZipDrift 方法。该方法训练一个仅基于候选修正代价评估的一步漂移生成器,结合学习到的评论家对候选进行排序,由 MPC 强制执行动力学与约束。
该论文研究基于物理的动作迁移问题,即寻找能复现参考运动并满足接触动力学的机器人控制策略。作者提出 GRASP 框架,结合采样探索与梯度引导优化,通过拟合存档轨迹的局部二次成本模型来指导马尔可夫链蒙特卡洛更新,无需依赖可微仿真器。
OUCH 是一款腕戴式设备,利用堆叠气动囊和刚性压头在手腕提供可控的有害机械刺激以评估意识障碍患者的运动反应。实验显示,200 kPa 充气压力下其接触压强达 18,500 kPa,诱发不适所需施加力比商用手持测痛仪低约 89%。该研究通过有限元分析和变形测试床验证了设备在表面局部变形的能力,为客观神经学评估奠定基础。
该论文提出了 PHIL(Proactive Human-in-the-Loop)框架,旨在通过偏好学习实现主动策略修正与后训练。系统允许操作员在 XR 界面预览策略预测的未来运动并在接管前进行干预;被拒绝的策略预测会与同一状态下执行的修正动作片段配对,用于鼓励策略偏好这些修正。
推荐理由:PHIL 框架通过 XR 界面预览策略预测并允许人工干预,利用偏好学习将修正动作反馈给策略,使扩散策略和 X-VLA 在四项真实任务上的成功率分别提升约 26% 和 19%,且减少了不必要的恢复行为。
该论文针对工业协作机器人和四旋翼无人机已知的平滑性要求,指出软体连续机器人的需求可能更高。为此,作者提出了一种$oldsymbol{ ext{C}^ ext{₅ﱿ}}$-平滑轨迹生成器,在满足运动学限制的同时生成无穷次可微分的轨迹,确保速度、加速度及高阶导数(如加加速度等)连续。研究特别关注了起止点所有导数为零的边界条件情况,并通过仿真和硬件实验验证了该方法的有效性。
ELA 是一种针对机器人模仿学习的新框架,旨在解决动作标注数据稀缺的问题。该方法联合训练潜在动作模型、潜在动作策略和动作解码器,能够从丰富的无动作标签视频演示中学习,并仅需少量带动作标签的机器人演示即可实现下游控制。实验表明,该框架在仿真和真实世界的操作任务中均优于现有的潜在动作基线方法,且通过轻量级 4M 参数动作解码器与现有模仿学习方法无缝集成,无需修改策略架构或训练目标。
推荐理由:ELA 框架联合优化潜在动作表示与解码,仅需少量标有动作的演示即可利用海量视频数据提升策略性能。
论文介绍 MESA 评估框架,旨在解决现有基准狭窄或过于宽泛的问题,实现对语言条件策略泛化能力的精确测量。该框架包含五个评测套件,隔离分布内性能并针对空间配置、物体实例、物体类别和子任务组合四个泛化轴进行诊断。
这篇论文介绍了 NEO-VLA 框架,主张视觉语言动作模型不应依赖固定的视觉编码器输出,而是让图像 token 在骨干网络中随语言共同演化。实验表明,这种架构在多种操作设置和分布偏移下比传统编码器方案更鲁棒,且关键动作信号往往在最终视觉表示之前达到峰值。材料为预印本版本,代码链接已提供。
推荐理由:该预印本提出无编码器架构,证明直接访问视觉计算层级能提升操作鲁棒性。
FFR 与加州科技大学及波士顿国际商学院达成战略合作,计划围绕机器人教育、技术研发及人才培养展开合作并成立联合实验室。三方已于 10 月 26 日签署谅解备忘录,涵盖战略投资、开发者平台建设及运营支持等内容。FFR 于 10 月完成对法拉第未来机器人业务的收购,累计销量达 1168 台。
The Robot Report 发布《2026 机器人初创企业雷达》,收录 60 家成立于五年内且聚焦软件、仿真及下一代 AI 模型的全球初创公司,涵盖制造、农业与医疗等多行业应用。报告提供各企业的技术应用、员工规模及累计融资数据,旨在帮助投资者识别具备技术基础与行业合作伙伴关系的创新主体。该榜单由 maxon 和 PTC 赞助,相关奖项提名已于波士顿机器人峰会前开放。
论文介绍了 DreamX 方法,该方法复用预训练视频扩散模型提取紧凑的潜在动作表示,将每帧压缩至 4 个 token,实现了跨本体(人与机器人)和环境的零样本动作迁移及策略学习。在 LARY-Bench 基准上达到当前最佳性能,支持任意到任意的视频转移。材料为 arXiv 预印本版本,未提及同行评审状态或具体部署结果。
arXiv 论文 PolicyIK 提出了一种基于强化学习的目标条件化策略,旨在解决机械臂高精度逆运动学问题。该方法利用姿态反馈更新关节位置参考,并通过两尺度误差与特定奖励机制实现毫米级残差消除与大动作保持。
论文提出 GUILD 框架,解决机器人模仿学习中非引导式数据采集效率低的问题。该方法利用视觉语言模型的语义先验生成任务与环境建议,并通过预测数据归因评估采集轨迹对策略性能的影响,形成闭环反馈以指导后续采集。在仿真与真实机器人实验中,GUILD 相比被动采集及经验基线显著提升了样本效率与部署表现。
PyRUA-DataFarm 利用 LLM Agent 接收任务请求与一次校准数据,在仿真中自动重建场景、专家控制器及成功判定器,并通过视频模型渲染多视角合成视频。
推荐理由:提出用 LLM Agent 自动构建仿真环境与视频渲染,生成低成本且真实可用的机器人训练数据。
论文提出了 PACT 框架,针对肌腱驱动机器人手在有限空间内兼顾出力、速度与反向驱动的需求,联合优化了腱绳路径、力臂和滑轮尺寸。该方法在四自由度手指原型上实现了不对称的 N+1 腱绳拓扑结构,在八种位姿下任务力覆盖率介于 0.88 至 1.00,预测的最小孤立关节屈伸带宽为 5 Hz。
论文提出几何支持行为正则化(GSBR),通过惩罚动作与预训练基策略支持集的距离,在允许改进的同时避免过度限制策略优化。该方法仅需访问基策略样本即可估计距离。实验显示,GSBR 在四个机器人基准的十九个任务中,将平均成功率从33%提升至95%,吞吐量比次优强化学习方法高出约23%。
arXiv 论文介绍 Möbius,旨在构建能同时理解、生成和编辑人类运动的统一框架。该模型将扩散过程引入多模态表示空间,使干净运动、噪声运动和文本共同参与共享注意力机制,且直接操作连续帧级原始运动数据,无需离散分词或预训练 VAE。在 HumanML3D 数据集上达到最先进水平,扩展至 17 亿参数和 1700 小时运动数据后证明有效且可扩展。
推荐理由:该工作提出统一运动语言模型,将理解与生成融合于连续帧级表示,无需离散分词或预训练 VAE。
该论文研究了在视觉语言动作(VLA)模型中,是否应将预训练的视觉语言模型(VLM)与动作专家的梯度回传进行隔离。研究发现,当对 VLM 施加动作 Token 监督时,隔离策略在自动驾驶和机器人操作任务中与联合训练表现相当;但在缺乏动作 Token 监督的情况下,联合训练能显著降低轨迹预测误差并提升闭环驾驶路线进展及机器人操作性能。
该论文研究了将去中心化协调代码部署到桌面、空中和人形移动操作器三种不同物理平台时的表现差异。研究发现,尽管底层算法可靠执行,但物理载体显著改变了可见运动的时间尺度和轨迹几何形状,导致超过三倍的执行时间扭曲和轨迹重塑。
该论文针对离散时间线性时不变系统在测量不完整及受干扰下的控制问题,提出一种无需显式状态估计的线性二次高斯控制器设计方法。通过利用最小方差对偶性,将当前控制输入表示为可用测量值与历史输入的线性函数,成功将其转化为可处理的确定性优化问题。研究提供了理论依据并通过数值实验验证了该方法的有效性。
论文指出软演员评论家(SAC)及其变体在多任务强化学习中占据主导,而策略优化器 PPO 因批评侧梯度病态问题导致尾任务停滞。为此提出 TOPPO,通过 Critic Balancing 模块改善梯度条件性并平衡学习任务动态。
论文提出 TRACC 方法,通过模仿失败动作中可用的运动轨迹前缀并结合推断的任务结局来完成任务,无需依赖成功的任务轨迹。该方法在 Oops! 数据集的六个野外失败人类任务上进行了评估,证明了在无成功演示情况下从失败尝试中学习的有效性,确立了失败视频作为人形机器人技能学习监督信号的可行性。
针对自然语言指令模糊导致的交互式机器人规划难题,本文提出一种结合大语言模型与贝叶斯优化的方法。该方法利用 LLM 初始化候选形式化规范(基于信号时序逻辑),并通过贝叶斯优化在用户意图空间进行不确定性估计,选择能最大化信息增益的澄清问题。
arXiv 预印本论文提出一种从人类演示学习灵巧操作的框架,核心在于提取演示中的接触结构而非关节运动。该方法通过模拟 MANO 手模型恢复接触力,利用独立于手部形态的接触锚定重定向技术将数据迁移至不同机械手,并采用残差强化学习策略修复动力学可行性。
推荐理由:该工作提出无需真实机器人训练数据的三阶段流程,利用接触结构锚定将人类演示迁移至不同形态的机械手并恢复物理一致性。
该研究针对几何复杂操作难以产生策略的问题,提出一种 GPU 加速方法,在数千个并行仿真实例的主动 rollout 中将场景重建为 surfel 集合。这使得策略能基于传感器导出的几何而非手工指定几何运行。
Max Beffert 和 Andreas Zell 提出一种针对非静止系绳多旋翼无人机的实时求解器,将悬链线边值问题重构为单变量超越方程并证明收敛性。通过改进初值和混合求根法,平均求解时间降至 4.0 微秒,较优化后的旧方法快 68 倍且误差极小。该方法已在 ArduPilot 飞行控制器上以 Lua 实现验证,满足嵌入式调度预算。
针对现有 VLA 或世界动作模型在理想条件下成功率接近 100% 但缺乏真实世界鲁棒性的问题,作者提出了 LIBERO-Recover 基准。该基准基于 LIBERO 平台,收集了 SOTA 具身模型的执行失败案例,构建了包含行动重试、行动适应、物体状态恢复和环境恢复四个层级的 1,000+ 场景。
针对 VLA 模型在新机器人部署时因硬件配置差异导致性能下降且微调易引发遗忘的问题,本文提出一种自监督方法,利用零样本 VLA 生成在线交互数据作为额外训练集。实验表明该方法在真实 ALOHA 机器人和 RoboTwin 仿真基准上实现了多任务策略的强泛化:既继承了预训练的蒸馏任务,又提升了专家微调后的指令遵循能力,同时缓解了非微调任务的遗忘现象。代码、检查点和数据已公开。
论文提出 DEED(Data-Efficient Post-Training and Experience-Driven Learning)框架,旨在弥合基准性能与可靠现实操作之间的差距。
推荐理由:提出 DEED 框架,通过数据高效微调与经验驱动学习在单 GPU 上实现 Unitree G1-Edu 机器人超市补货任务。
CLAP 提出一种无需修改骨干架构即可将预训练视觉语言模型转化为视觉语言动作模型的方法,通过在数值动作序列前添加自然语言描述来因果性地条件化精确动作预测。
推荐理由:CLAP 通过因果语言动作预测解决输出分布不匹配问题,在少量训练下实现 VLM 到 VLA 的透明能力迁移。
论文介绍了 jaxipm,这是基于 JAX 实现的 IPOPT 算法 GPU 批处理版本,旨在解决现代 GPU 硬件上运行非线性规划(NLP)时的 CPU-GPU 传输瓶颈。
推荐理由:该工作提出首个 GPU 批处理非线性优化求解器,解决了传统 CPU 求解在机器人高频采样中的瓶颈问题。
论文提出了 IntentNav 框架,旨在解决未知环境下的物体导航问题。该方法引入前沿基于的人类意图标注技术,从低层动作推断高层搜索意图;构建包含 BEV 记忆与视角视觉记忆的候选空间,利用 VLM 策略选择最佳目标。在 MP3D、HM3D-v1 和 HM3D-v2 基准上取得了学习类方法的最优成功率,且该导航接口可零样本迁移至轮式、四足和人形机器人,无需额外微调。
论文提出 PACE(Phase-Aware Chunk Execution),一种无需训练的机器人策略在线执行方法。该方法利用预测速度曲线中的低速谷值作为重规划边界,以平衡反馈频率与运动连续性。
推荐理由:提出无需训练的 PACE 方法,利用预测速度曲线的低速谷值动态选择重规划边界,在 RoboTwin2.0 和 LIBERO 基准及真机实验中均优于固定或自适应策略。