反馈式世界模型实现扩散策略的精准引导
针对世界模型在分布外状态预测不可靠的问题,本文提出一种推理时的反馈机制,利用执行后的真实观测在线校正预测偏差。该方法引入动作感知引导以优化控制翻译,并在 LIBERO-Plus、Robomimic 及实物操作任务中显著提升了策略性能,将预测误差降低最高达 76.4%。实验证明该机制可即插即用,能改进预训练基础模型 Fast-WAM-Joint 的预测效果而无需更新其参数。
推荐理由:提出推理时反馈机制,无需额外训练即可修正预测误差并提升策略性能。
针对世界模型在分布外状态预测不可靠的问题,本文提出一种推理时的反馈机制,利用执行后的真实观测在线校正预测偏差。该方法引入动作感知引导以优化控制翻译,并在 LIBERO-Plus、Robomimic 及实物操作任务中显著提升了策略性能,将预测误差降低最高达 76.4%。实验证明该机制可即插即用,能改进预训练基础模型 Fast-WAM-Joint 的预测效果而无需更新其参数。
推荐理由:提出推理时反馈机制,无需额外训练即可修正预测误差并提升策略性能。
论文提出 WARPED 框架,旨在利用仅单目 RGB 数据训练视觉运动策略,解决现有方法依赖多视角或深度传感器的限制。系统通过视觉基础模型初始化场景,追踪手与物体交互并重新定位轨迹至机械臂末端执行器,最后利用高斯泼溅技术合成逼真的腕部视角观测以直接训练策略。实验显示,该框架在五项刚性桌面任务和一项连杆物体任务中,成功率与遥操作相当,且数据收集时间减少 4-9 倍。
论文提出 ExtremControl 低延迟全身控制框架,通过底层加入缩放速度前馈减少约 70ms 跟踪延迟,并直接在 SE(3) 位姿上操作以避开关节空间重映射。系统支持光学动作捕捉与 VR 追踪,端到端延迟低至 50ms,实现了乒乓球平衡、抛接球等现有遥操作无法完成的任务。
推荐理由:提出 ExtremControl 框架,通过速度前馈与 SE(3) 位姿控制将端到端延迟降至 50ms,支持乒乓球平衡等新任务。
该论文提出 HEHA(分层异构代理探索)框架,解决无人机、轮式及足式等异构机器人在复杂地形下的未知环境探索问题。核心贡献是全局规划算法 RCH,能在遍历性约束下快速求解大规模受限多重哈密顿路径问题,将最大路径长度(makespan)降低 47%,整体探索时间缩短 30%;局部规划器亦考虑异质性以避免重复探索。材料为 arXiv 预印本,未提及同行评审状态或真实部署结果。
AFFORD2ACT 研究仅用稀疏视觉表征进行机器人操作的可行性。该方法利用现成的语言条件化 affordance 模型定位任务相关区域,选取最多 15 个物体关键点和 4 个末端执行器关键点(共 19 个点),并辅以轻量门控机制决定注意力分配。
推荐理由:该工作证明仅用 19 个稀疏关键点即可在六项真实机器人任务中超越 RGB/Dense 基线,平均成功率达 82%,为紧凑状态表示提供了新范式。
针对现有基准未适配农业机器人的问题,作者构建了包含1560个场景的A2A基准,发现长指令导致性能下降。为此设计了STL模块将复杂指令分解为子任务,集成到NavGPT骨干网络提出AgriVLN方法,使成功率从0.33提升至0.47,同时平均导航误差略有增加。
论文介绍 AgiBot World Colosseo 平台,包含超百万条轨迹覆盖 217 个任务及五种部署场景,通过标准化采集管线保证数据质量与多样性。
推荐理由:Agibot World 发布百万级轨迹数据集与 GO-1 通用策略,预训练模型在域内及分布外场景均提升 30% 性能。
该论文提出 CW-WAM,这是一种联合预测视频、运动和接触力矩的世界动作模型。它采用混合运动 - 力控制灵感,包含统一交互模块和成对因果注意力机制,利用长固定长度力矩记忆保留过去交互信息。
推荐理由:该工作提出 CW-WAM 模型,结合接触力矩预测与慢快控制架构,将方柱插入成功率从 25% 提升至 70%,为力敏感操作提供了新的参考。
针对部分可观测环境下的序列决策难题,本文提出 ASTEROID 框架,利用学生 - 教师监督学习架构实现高效的测试时探索。该方法让学生先收集同策略上下文,再由特权专家提供条件化动作标签,使学生学会在不确定时搜索、揭示隐藏状态后利用。
推荐理由:提出 ASTEROID 框架,通过不对称同策略蒸馏让学生在部分可观测环境下学会测试时探索,仿真转现实成功率提升 40%。
针对 VLA 模型在复杂长视界技能学习中面临的延迟信用分配与子任务掌握不平衡问题,本文提出 AtomicRL 框架。该方法引入语义感知策略优化(SAPO)以约束跨任务边界的信用污染,并通过瓶颈自适应目标探索(BATE)动态协调采样与局部探索。
推荐理由:提出 AtomicRL 框架解决长视界操作中的信用分配与瓶颈问题,在仿真及真机部署上均优于 PPO。
该报告提出统一闭环操作框架,评估 GPT-6 Astra、Gemini-4 Argon 等六款前沿大模型在 LIBERO-10 基准上的机器人操作能力。实验涵盖三种推理努力水平共 18 种配置和 1800 个评测集次,结果显示 GPT-6 Astra 成功率最高为 44%,Gemini-4 Argon 为 43%。
TARSphere 是一个面向物理与社会约束的具身智能全栈框架,包含运行策略的物理仿真器、事件驱动状态机及冻结多模态大语言模型(MLLM)执行脑。该框架构建了涵盖 30 个室内场景共 360 集任务的 TARSphere-Bench 基准,评估了导航报告与取放交付任务在感知鲁棒性、人类协作等五方面的表现。实验显示通用 MLLM 可超越具身模型但难以处理任务更新与人机交互,且执行安全需独立评估。
论文提出了 DONIC,这是首个联合训练于不同操作类别和人类运动源的双手通用追踪器,并发布了包含 1,575 序列的 BiHOI 数据集。该方法结合近端策略优化与行为克隆,利用对象中心奖励和 Clip-Centered Advantages 等技术,使单一策略能在异构参考下学习协同操作。
推荐理由:论文提出 DONIC 模型与 BiHOI 数据集,解决双手协同操作难题,在未见轨迹上成功率显著超越现有基线。
该研究提出一种主动感知框架,让高自由度移动机器人在导航时利用手眼相机检查不确定或关键区域。系统通过分层任务模型预测控制统一导航、地图维护与主动感知闭环,在真实测试中相比被动或非任务感知基线提升了地图一致性并降低了导航风险。仿真与实机序列验证了其对半静态场景变化的响应能力。
论文介绍 GeoMem-VLA 框架,通过专用几何 token 和冻结的几何基础模型监督,将三维场景理解内化为可更新的时序记忆以支持动作生成。该方法在 LIBERO 基准上平均成功率为 98.9%,在 RoboTwin 干净/随机化设置下分别为 91.10% / 91.24%,并在五个真实世界任务中达到 78.0% 的平均成功率。材料为 arXiv 预印本,未提及同行评审状态或开源代码仓库。
该论文提出 RangeNav,这是一个仅含 183k 参数的紧凑 LiDAR 范围图像编码器,完全基于合成数据预训练。模型采用各向异性卷积和圆形填充以处理范围图像的极端宽高比与经线问题。
Spacetime Splines 模型通过联合估计共享贝塞尔曲线,独立适配空间几何与时间进程复杂度。仿真实验验证了其在部分演示下的路径区间恢复精度及鲁棒性提升。该方法在物理人体模型辅助的翻身任务中实现了在线重定时与同步能力。
针对物理 AI 中零样本泛化难题,研究指出依赖少数团队采集的数据虽具体量但缺乏多样性。论文提出将零样本泛化定义为对部署分布的覆盖度,并构建结合多模态对齐、生成式增强和噪声标签学习的共享潜在空间。同时提议建立基于标准机器人 Origami 的开发者社区以获取多样化数据,最后给出了连接真实机器人零样本成功率与数据多样性的可测试假设及评估协议。
论文 OMAR 针对家庭整理等无明确指令的开放任务,提出一种结合视觉语言模型与大语言模型的推理管线。系统首先利用分割、深度及多视图关联对未知物体进行标签与属性(内容、包装类型) grounding,随后由 LLM 推断货架潜在组织并生成场景一致的放置排名,最后经几何运动学可行性检查执行。
论文提出一种名为 Post-hoc Epistemic Uncertainty 的方法,通过为单策略模型附加无需梯度更新的核方差头来估计认识论不确定性。该方法在 SmolVLA 上验证了其在任务相关性、主动学习演示获取及向更强监督者转介方面的有效性,且推理速度比双策略集成快约 50 倍。
推荐理由:提出无需训练即可附加的单策略后验不确定性头,在 LIBERO-10 上媲美双策略集成效果并大幅降低计算成本。
论文提出了 SpatialDex 框架,旨在从仅含 RGB 的人体视频中学习带有空间上下文的三维双手灵巧操作。该方法通过重建场景几何并估计手部运动,利用手尺寸先验在共享视频级尺度上进行对齐,并将重建的几何信息既作为策略输入也作为预测目标。
针对多模态大语言模型缺乏可靠物理交互规划能力的问题,该研究提出 CausGround 框架,将交互经验蒸馏为可复用的以动作为中心的因果知识。该方法识别动作的前置条件与效果,并将其组织在因子化的世界状态表示中,支持基于当前观测的逆向推理与正向推理以进行多步规划。
论文 FlowVLA 针对稳态倒水过程中视觉与姿态变化不明显导致决策困难的问题,提出将电机动作生成与物理完成度估计分离的框架。共享动作专家负责接近、倾倒和返回,目标无关的估计器融合视觉、关节、腕部力矩及循环力信念历史以估算转移质量,控制器据此触发返回。
该论文探讨如何将数字代理中的递归自我改进(RSI)机制迁移至物理世界,重点分析在部分观测、昂贵试错及不可逆后果下实现系统自优化的条件。作者梳理了现有研究在操作任务中支持的行为改进与流程优化成果,指出当前物理领域尚未完全隔离出由递归带来的增益。文章据此提出评估原则并指明未来研究方向,旨在建立机器人在反复试验中安全提升自身改进能力的理论框架。
推荐理由:文章提出将递归自我改进机制引入物理世界的评估原则与研究路径,为机器人能力与生成过程的协同进化提供理论框架。
该研究提出“情感粘度”模型,将社交智能体的回避行为视为界定人机边界的关系信号而非交互失败。论文探讨了三角嫉妒、不适抑制等设计案例,旨在构建可追溯、有限且可修复的中介机制以处理社会张力。相关成果将在 HAI 2026 举办的信任与归责国际研讨会上展示。
该研究提出一种多阶段强化学习方法,为月球重力环境下的四足机器人生成单点端到端控制策略以实现精准跳跃。仿真结果显示落地误差小于机身尺寸,且扭矩与功率需求符合硬件极限;实测验证了该策略在月球重力卸载条件下的垂直跳跃执行能力。
该研究揭示了串联机械臂雅可比性能指标(如灵巧度、刚度)在特定运动学条件下对首尾关节角独立的性质。利用此关节角不变性,可系统降低构型空间维度以简化工作区地图构建与任务布局优化评估。对比结果显示,基于该不变性的策略在减少计算量与存储需求的同时,未牺牲评估有效性。
本文提出了 ContactFlowFilter 方法,用于确定机器人末端执行器的活动接触数量、位置及力矢量。该方法针对仅依赖关节扭矩和底座力/力矩传感器(本体感知)的逆问题挑战,将生成式流匹配模型引入粒子滤波框架以处理多模态信念分布并检测离散接触事件。
针对现有直接关节映射在差动手腕中导致协调失真及难以应对重力约束的问题,研究提出一种感知执行器约束的领导者 - 跟随者遥操作方法。该方法联合建模重力补偿与连续角度解卷绕,真实机器人实验显示其相比直接映射实现了更平滑的手腕轨迹和更连续的恢复过程。该成果将提交至 IROS 2026 研讨会进行展示。
论文提出 SERA(Self-Evolving Robotic Agent)框架,将高层 VLM 组织为可编辑 harness 以维护任务上下文并提升规划能力,底层由固定 VLA 执行器提供控制。
本文提出了首个能够设计支持多种步态的稳定乐高步行器的计算解决方案。该方法首先通过专门设计的齿轮连杆机构控制每条腿的足部运动轨迹,利用一对 3D 打印的非圆形齿轮与乐高机械结构配合;其次由独立电机驱动每条腿,并通过简单且适应性强的控制算法同步多条腿的运动时机。
推荐理由:提出首个计算设计框架,通过非圆形齿轮与独立电机协同实现乐高步行机器人的多步态稳定行走。
针对肢体运动机器人在低净空环境下难以兼顾小扫掠高度与平面转向的难题,该研究提出了结合独立控制角速度的 S 型背骨曲线设计。真实机器人实验验证了其在 10 厘米净空测试轨道上的穿越能力,并成功实现了基准滚动弧步态无法完成的约 90°和 180°航向改变。
针对传统仅靠波动运动限制蛇形机器人能力的局限,本文提出结合扭转变形的新型侧行步态。通过引入线性扭曲函数将扭转载荷分散至整个机身,相比现有滚动矢量方法,在同等输出功率下将单个扭转关节的峰值功率降低42%。真实机器人实验表明,新步态不仅能进入现有方法无法通行的复杂地形,且移动速度最高提升49%。该研究为蛇形机器人在非结构化环境中的高效运动规划提供了新的控制策略与理论依据。
论文提出一种将欧氏距离场(EDF)直接整合进观测空间的强化学习框架,利用其丰富的空间信息简化奖励函数设计,实现了无需人工势场引导的有效避障。该方法在 7 自由度冗余机械臂上验证了从仿真到实体的零样本迁移能力,尽管仅用随机化静态物体训练,策略仍能泛化至未见过的真实环境并稳健地规避动态障碍物。材料为预印本状态,已接受于 IROS 2026。
推荐理由:该工作将欧氏距离场融入 RL 观测空间,在仿真中训练的策略实现了零样本迁移到真实机械臂,且能应对动态障碍物。
A2I-Calib++ 提出一种无需人工标定靶标或复杂参数调优的运动学驱动抗噪主动标定框架,通过噪声各向异性轨迹、感知约束对抗运动先验控制器及接触受限虚拟 IMU 三大模块解决足式机器人常规运动激励不足与振动干扰问题。
本文提出 LiveAct 框架,旨在解决现有交互式视频世界模型仅支持单一智能体和特定任务动作接口的局限。该研究引入了异构动作接口(HAI),包含“代理感知空间调制”和“架构引导的动作适应”两个组件,分别实现了对多智能体视觉未来的独立控制以及跨不同任务对同一控制变量语义的解释能力。
这篇论文提出了一个将流匹配(flow matching)路径规划与模型预测路径跟踪控制(MPPC)相结合的框架,旨在解决基于扩散的路径规划器在部署时缺乏约束满足和避障机制的问题。
该方法提出了一种独立于底层控制器的负载泛化算法,仅需物体参数即可在刚性或弹性关节机器人上执行相同轨迹。实验验证了其在 Franka Emika Panda 标准机器人及加装弹性腕部版本上的有效性,涵盖不同控制器与任务场景下的轨迹跟踪性能。
针对长视界机器人操作需记忆关键信息但现有方法推理负担重的挑战,PAL 提出分层记忆框架,维护短期视觉缓冲、语义事件记忆及可执行的子任务列表。高层 VLM 将观测转化为子任务列表,执行时选择相关子任务传给低层 VLA 策略。
论文提出 Relational Geometry Forcing (RGF) 以解决现有世界动作模型(WAMs)因点对点几何特征对齐而损害动作学习的问题。该方法通过冻结的 3D 基础模型,利用帧内、跨视图及动作时序三种互补的关系目标来转移几何先验,无需额外推理模块或显式几何分支。实验表明 RGF 在仿真和真实世界中均能提升多种操作场景下的性能。