基于置信度的端到端策略安全过滤
针对端到端策略缺乏安全性保证的问题,本文提出一种与过滤器无关的管道,根据策略的置信度动态调整安全过滤器的保守程度:在策略可靠域内提升性能,在超出该域时增加安全余量。初步仿真结果显示该方法结合了宽松与保守过滤器的优势。材料为预印本论文,未报告真实机器人部署结果。
针对端到端策略缺乏安全性保证的问题,本文提出一种与过滤器无关的管道,根据策略的置信度动态调整安全过滤器的保守程度:在策略可靠域内提升性能,在超出该域时增加安全余量。初步仿真结果显示该方法结合了宽松与保守过滤器的优势。材料为预印本论文,未报告真实机器人部署结果。
该论文通过约1700次真实机器人实验,评估了281种模仿学习策略在RJ45连接器抓取与插入任务中的表现。研究发现观察和动作表示的选择主导性能,点云策略中特定裁剪与归一化提升成功率70-100个百分点,视觉语言动作策略中绝对动作预测提升最多70个百分点。
论文介绍 uni-robot-agent 框架,旨在通过开放权重模型降低机器人使用代理(RUA)的研究门槛。实验显示,无需特权输入时,Qwen3.8-Flash-Next 在 RoboDojo 基准上得分 31.39,超越 GPT-6 Astra-RoboProbe 的 28.97 分,并在 19 个真实世界任务中表现具有竞争力。
推荐理由:该工作提出统一框架 uni-robot-agent,验证了开源模型在无特权输入下即可达到与闭源模型相当的零样本操作能力。
韩国研究人员开发了类似甲虫的软体机器人及多种仿生动物原型。新加坡南洋理工大学将马达加斯加蟑螂改造为搭载微型计算机和红外热成像仪的“半机械人”,可探测废墟下气体浓度并定位人体,单只覆盖面积达 100 平方米但需约 500 台协同作业。斯坦福大学工程师则制造了能搬运自身质量 2000 倍的机械蚂蚁,利用受壁虎启发的足部设计实现强抓地力。
IEEE Spectrum Robotics 周刊视频集锦展示了包括 ANYmal X、Spot、Lite3 在内的多款机器人的全身操作能力。内容涵盖 ETH 苏黎世联邦理工学院的接触中心学习框架、Pollen Robotics 的轮式机器人 Racey Mini 以及 DEEPRobotics 在广西景区的双机协作等真实场景演示。
RoboBusiness 2026 于加州圣克拉拉落幕,该活动作为机器人行业盛会迎来 20 周年并正式更名为 Robotics Summit West。会议核心议题转向"AI 在生产级机器人中的实际应用”及 RaaS(机器人即服务)落地策略,强调自主闭环需超越单一硬件能力。
arXiv 论文提出一种对称感知引导框架,用于优化等变扩散策略(EDP)。作者理论证明 EDP 的扩散过程具有等变性,构建了群不变隐噪声 MDP,并对比了标准、等变及近似等变的强化学习策略。研究发现在打破对称性的任务中,严格等变性存在实践边界,但利用对称性进行引导能显著提升样本效率、防止价值发散,并在演示数据极少时实现强策略改进。
论文提出了 CALM(Cooperative Aerial Learned Manipulation),这是一种用于携带吊篮并跟踪移动地面机器人的无人机协同操控去中心化控制器。
该工作提出一种 JEPA 风格的世界模型,将潜在动力学限制为双线性参数化形式,从而在编码器上施加更丰富的表示压力以暴露系统可控几何结构。这种结构化参数化从构造上强制实现了动作可恢复性,防止了表征坍塌。
针对视觉语言动作(VLA)模型在将粗粒度语义映射为细粒度时序执行时存在的泛化受限和鲁棒性不足问题,本文提出 ActionUNet 框架。该框架在时序对齐的动作特征空间内构建轻量级 U-Net 以融合分层结构先验,并采用带二阶平滑约束的连续 SIREN 作为动作解码器,以消除多尺度建模带来的机械振荡。
Spike-MPPI 提出一种受运动神经元启发的提议分布,通过稀疏且时间相干的扰动解决有限 rollout 预算下的高频抖动问题。该方法在 Franka FR3 臂的仿真与物理机器人实验中,均展现出比高斯等基线更平滑的执行命令及更高的任务成功率。研究证实采样统计结构是有限预算 MPPI 控制的关键设计因素,已在 legged locomotion 和 manipulation 任务上验证有效性。
该预印本研究了将完整的闭环机器人实现视为可复用执行经验的可行性。方法上,编码智能体利用少量演示和仿真反馈生成并迭代优化策略代码,保留验证选定的实现至软件归档库;在迁移阶段,利用这些归档实现辅助新任务的策略学习。
该论文提出证据采集与可行性门控(EAFG)框架,旨在解决机器人执行长周期操作时依赖先验知识而忽视观测支持的问题。通过让视觉语言模型生成子目标并执行动作序列来采集视觉证据,系统据此决定是继续规划、获取进一步证据还是停止任务。研究在三个烹饪场景下评估了该方法,结果显示其在明确指令和模糊指令场景中优于基线,并能正确识别缺失物体时停止执行。
推荐理由:提出证据门控框架,结合视觉语言模型与任务运动规划以处理指令可行性。
RTCF 是一种无需参数更新的测试时修正框架,通过渐进式记忆对齐在客户端 CPU 上以平均 10.99ms 延迟将 LIBERO 套件任务成功率从 86.4% 提升至 88.4%,长程任务表现亦显著改善。该研究因实验证据尚不足以完全支撑结论已主动撤回,当前版本为预印本且未通过同行评审。
针对人形机器人在非结构化地形中部署困难的问题,作者开源了 EgoHTR 数据集,包含超过 150k 帧的 5.5 万场景对齐 4D 人体运动序列。该数据通过第一人称可穿戴设备和便携式 3D 扫描仪采集,在复杂环境中展现了优于动作捕捉基准的重建精度。研究团队利用此数据训练了感知移动策略,并在 Unitree G1 机器人上实现了硬件部署以复现重建的运动参考。
论文提出 Anchor-Align 方法,旨在解决在机器人演示上对预训练视觉语言模型进行行为克隆微调时产生的表征漂移与语行动作不对齐问题。该方法通过蒸馏冻结模型的层级表示来防止漂移,并将动作目标转化为离散运动方向标签以联合训练。实验显示,该方法在单臂及双臂机器人的多种操作设置中均优于标准行为克隆,且在仿真基准上提升了长视野控制与感知鲁棒性。
该论文提出混合帧策略(MoF),一种扩散策略,能在多个坐标系中同步进行动作去噪。该方法保持单一规范扩散状态,将其重表达为若干任务相关帧,应用专用去噪器并在规范帧融合噪声预测。研究在九个仿真双手操作任务和两个真实世界任务上验证了 MoF 优于单帧基线及混合专家模型。
论文提出了 VLA-Corrector 框架,旨在解决具身智能中固定动作视界导致的累积误差问题。该方法引入轻量级潜空间视觉监测器(LVM)在线检测视觉动态偏差,一旦检测到持续偏离即触发截断并调用基于在线梯度引导的修正重规划。该机制实现了事件触发的自适应动作视界,在保持长时程执行效率的同时显著提升了接触丰富操作任务的鲁棒性,且无需修改骨干策略权重或重新训练。
针对物体交互任务中端到端生成式策略缺乏可解释性的问题,本文提出 RE4 框架,从第一性原理出发利用操作模式理论构建简单且可解释的模仿学习体系。该框架包含四个关键步骤:姿态估计以获取物体信息、基于操作模式的演示检索与变换、连接检索点的重规划以及返回变换后的演示进行 rollout。
推荐理由:该工作提出 RE4 框架,通过姿态估计与操作模式感知实现可解释的演示检索与变换,在仿真及真实机器人实验中均优于基线。
该论文提出 GUI-AC 框架,旨在解决图形用户界面(GUI)代理在多样化真实环境中泛化能力不足及强化微调不稳定的挑战。通过联合表征接地回卷的优势与策略概率,该方法构建了四区域视角以优化探索与过度自信问题,并引入接地确定性机制实现自适应优势更新与动态截断,从而提升持续学习能力。代码已公开于 GitHub。
该方法提出一种传感器引导的自适应对比学习框架,利用训练时特权 LiDAR 数据预训练视觉编码器以捕捉导航相关结构。部署时智能体仅依赖单目 RGB、目标位置及本体信号,无需 LiDAR 即可在室内外高保真仿真中显著提升跨场景策略迁移能力。研究已公开多模态数据集与代码,论文已被 IEEE Robotics and Automation Letters (RA-L) 接收。
针对现有方法受限于固定模态配置和任务特定架构的问题,本文引入 OmniHuMo 大规模高质量数据集(超 5000 小时动作及 320 万序列),并提出 AnyMo 统一多模态框架。该框架结合基于残差 FSQ 的动作分词器与可扩展掩码建模 Transformer,支持任意模态组合下的高保真动作合成及空间、风格属性的灵活控制。
该论文针对生成式运动预测需同时满足高精度、多模态未来及严格低延迟的挑战,提出局部传输条件化策略。模型在 Waymo Open Motion Dataset 上实现了最先进的 Soft mAP (0.4804) 和 mAP (0.4703),推理速度达 75 FPS。代码与预训练模型将在论文被接收后发布。
论文提出了 SwarmCoDe 框架,这是一种将集群分解纳入优化过程的协同共同进化算法(CCEA),无需预先指定物种数量。该方法结合动态分化、进化基因标签、伙伴选择性和相对优势,联合优化了机器人硬件、任务规划行为、合作关系及部署组成。
作者推出了 M,这是一个开源的低成本桌面社交机器人平台,旨在降低社交机器人研究的门槛。平台结合了模块化机械设计、多模态感知和简单的执行器架构,并配备了 ROS2 原生软件包以分离感知、表达控制和数据管理。
针对离线强化学习中回报最大化与行为约束间的脆弱权衡问题,本文提出 Latent Policy Steering (LPS) 方法。该方法通过反向传播原始动作空间 Q 梯度至可微单步 MeanFlow 策略来更新潜在动作空间的 Actor,消除了代理潜在评论家,使原始动作空间评论家能端到端引导潜在空间优化。
推荐理由:提出 Latent Policy Steering 方法,通过可微单步流策略实现高保真潜在策略改进,在 OGBench 及真实任务中优于强基线。
针对接触丰富环境下强化学习探索不足的难题,该方法通过设计基于接触结构的约束采样重置策略,结合投影插值与课程学习,有效训练了通用、抓握与非抓握操作策略。实验表明该方案在复杂操作任务中性能优于无约束采样及替代重置方法,项目页面提供视频演示与完整源代码访问。
论文介绍 Motion from Vision-Language Representation (MoVLR) 框架,旨在解决高维肌肉骨骼系统中难以直接从高层目标和自然语言描述设计有效奖励函数的挑战。
这篇论文是发表在 npj Robotics 上的综述,全面回顾了接触丰富机器人任务中基于学习的控制方法,特别是如何确保探索与执行阶段的安全性。文章将现有方法分为安全探索和 safe execution 两类,涵盖了约束强化学习、风险敏感优化、不确定性建模、控制屏障函数和模型预测安全盾等技术。
推荐理由:该综述系统梳理了从经典方法到基础模型在接触丰富任务中的安全学习进展,为相关团队评估现有技术与未来方向提供参考。
论文提出了 OmniVIC,这是一种结合视觉语言大模型(VLM)的通用变阻抗控制器(VIC),旨在提升富接触操作任务的安全性与适应性。其核心采用自改进检索增强生成(RAG)与上下文学习(ICL),从结构化记忆库中检索相关先验经验并结合当前任务提示词,利用 VLM 生成感知上下文的自适应阻抗参数,同时结合实时力/扭矩反馈确保交互力在安全阈值内。
本文介绍 BBoE,一种结合探索与利用、依赖预计算机器人运动的快速双向动力学采样规划算法。该策略通过利用预计算的边束(bundle of edges)在障碍物密集环境中高效收敛至目标。
推荐理由:该工作提出利用预计算运动束的双向动力学规划器,在四套不同系统中实现高成功率与低耗时。
论文探讨了间接法在周期性轨迹优化中的应用,旨在为腿式运动系统生成高效且动力学一致的步态(gait)。研究通过数值连续化方法解决了传统间接打靶法的收敛挑战,并提出了重构拉格朗日乘子和伴随变量的新方法。实验以双足行走机器人为例,验证了该方法在构建最优步态库方面的有效性及高精度特性。
论文提出了一项基准,在 MuJoCo 平台上对五种四足机器人(W01-TEK、Unitree Go1/Go2、Google Barkour vB、Boston Dynamics Spot)运行了十四种无监督环境设计、域随机化和机器人课程方法。
推荐理由:该基准在 MuJoCo 上对四足机器人评估了十四种无监督环境设计与课程方法,揭示了简单起步策略的局限性并提供了选型指南。
这篇论文针对视觉基机器人策略中动作分块导致的轨迹抖动问题,提出了一种基于运动原型的轨迹表示方法。该方法将轨迹段表示为光滑基函数的线性组合,在保持策略架构、训练目标和推理流程不变的情况下,通过显式条件约束使新分块经过前一分块的末端动作点,从而在不重新训练的前提下消除边界不连续并大幅降低抖动。
Karaman 和 Frazzoli 提出单鸟高速穿越随机林存在速度上限,本文构建泊松圆盘森林中的定向走廊网络并施加时间间隔。最大流量等于最小顶点割容量,通过沿无共享路径重复飞行实现,且在有限视界内最大化完成穿越次数。对于发散深度受宽度约束的情况,该电流独立于正纵横比;当对角线通道可用时,低障碍强度下群体电流为正,高障碍强度下为零。
论文针对强化学习中 on-policy 方法(如 PPO)在处理长周期、高接触任务时易陷入局部最优的问题,提出了一种扩展算法。该方法引入动作条件化价值批评器,能在同一状态下比较执行动作与采样替代动作的优劣,从而改善稀疏奖励下的信用分配。结合广义优势估计和探索噪声约束,实验显示该算法在有限训练预算内成功完成了 PPO 无法完成的精密插桩任务。
针对日常环境中需要频繁使用不同工具的任务,研究团队提出 SwapBot 模块化末端执行器系统。该系统采用固定机械接口配合低成本工具侧适配器,支持快速自主更换多种常见家用工具(包括关节式工具),并集成紧凑触觉传感器以辅助遥操作演示收集。
SymAnt 是一种结合神经网络表达力与场景知识图推理能力的神经符号方法,能在仅凭短时视频观察下高效预测长序列未来动作。该方法通过对两个图谱进行联合搜索构建符号上下文作为先验,支持用户直接编辑底层知识以调整预测而无需重新训练。实验在 Breakfast、50 Salads 等五个数据集上验证了其有效性,论文已获 WACV 2027 接收。
该研究提出一种新型传送带机制,可在直径 9 mm 的腱驱动连续体机器人内部集成至三个单元,实现功能元件沿机身的主动重定位。案例研究中,沿两条传送带安装永磁体演示了可重构的机器人间磁耦合,通过调整耦合点位置与数量来动态调节多机器人系统的有效刚度。实验表明有效刚度与耦合位置呈可预测的反立方关系,且随耦合点数增加而提升。
针对现有机器人仿真覆盖范围窄且开发成本高的问题,本文引入 Gym-Anything for Robotics 框架,通过代码代理自动生成逼真仿真环境。研究基于美国 GDP 数据筛选任务,构建包含 25 个仿真、25 个测试及 175 个训练环境的 RoboWorld 基准。