并非所有特征都同等重要:VLA 模型的机理研究与 Action Atlas 平台发布
该研究通过可解释性管线揭示了 VLA 模型对指令的绝对坐标绑定机制,并开放了包含 520+ SAEs 与 UR10e 遥操作数据的 Action Atlas 平台。
推荐理由:该研究通过可解释性管线揭示了 VLA 模型对指令的绝对坐标绑定机制,并开放了包含 520+ SAEs 与 UR10e 遥操作数据的 Action Atlas 平台。
该研究通过可解释性管线揭示了 VLA 模型对指令的绝对坐标绑定机制,并开放了包含 520+ SAEs 与 UR10e 遥操作数据的 Action Atlas 平台。
推荐理由:该研究通过可解释性管线揭示了 VLA 模型对指令的绝对坐标绑定机制,并开放了包含 520+ SAEs 与 UR10e 遥操作数据的 Action Atlas 平台。
论文针对视频生成模型缺乏机器人可执行性约束的问题,提出 Executable Video Alignment (EVA) 框架。该方法在机器人演示数据上训练并冻结逆动力学模型(IDM)以解码动作,利用惩罚非平滑运动及违反速度加速度限制的动作空间反馈奖励,指导视频生成器的强化学习更新。
针对多机器人协同抓取与搬运中对象依赖的表示学习与非平稳性下的协调学习耦合问题,论文提出 DeReCo 框架。该框架采用两阶段训练策略:先在特权信息下学习协调策略,再基于局部观测重构对象依赖表示并重新训练协调策略以实现去中心化执行。
推荐理由:提出 DeReCo 框架解耦表示与协调学习,在仿真和真实机器人实验中验证了跨物体泛化能力。
RoboPocket 是一个基于智能手机的机器人策略迭代系统,结合端侧感知与云端推理,提供实时采集引导并将策略预测轨迹以增强现实(AR Visual Foresight)形式可视化。该系统允许用户在不部署物理机器人的情况下识别策略弱点并收集针对性修正数据,实现了无需机器人的 DAgger 式修正循环。在多种真实世界操作任务中验证表明,在线修正数据采集相比仅扩展离线演示的样本效率最高提升 2 倍。
当前机器人学习受限于手工设计奖励、仿真建模或动作监督。本文提出首个仅凭任务观察(如视频)即可学习的逆强化学习方法 IRLfO,并展示了首个在真实世界中从零开始学习视觉操作及跨任务正迁移的演示。MPAIL2 模型在不到 40 分钟内从零基础学习到抓取放置任务达到 82% 成功率,而同等交互和演示预算下的强化学习与行为克隆方法分别仅达 0% 和 12%。
推荐理由:该工作提出首个基于在线世界模型的视觉操作逆强化学习方法,在真实世界中实现从观察学习抓取放置任务。
KungfuAthleteBot 是一个针对人形机器人的统一框架,旨在解决从视频学习高动态动作时存在的漂移、信息缺失及鲁棒性不足问题。该工作联合专业武术家构建了高质量数据集,引入物理引导的抛物线轨迹修正以消除高度漂移和抖动,并设计了三阶段课程学习策略。
推荐理由:该工作提出统一框架,通过物理引导轨迹修正与免教师训练范式,实现了人形机器人从视频学习高动态动作及快速跌倒恢复。
论文提出 Scene2Demo 自动化离线具身数据生成框架,输入单张 RGB 图像和用户查询即可构建交互式仿真场景并生成可执行任务配置、原语动作流及多视角视频。
论文提出了 Stellar VLA 框架,旨在解决视觉语言动作(VLA)模型的持续学习难题。该方法无需增加额外参数或模块,通过联合优化任务表示与自演化知识空间,利用知识后验引导的专家路由和 Top-K 语义嵌入实现任务专业化。
论文提出了 Actron3D 框架,旨在让机器人仅通过单目、未标定且仅含 RGB 的人类演示视频,习得可迁移的六自由度(6-DoF)操作技能。其核心思想是将视频中的操作知识表示为物体空间上的连续神经函数,即“神经功能”。
论文提出了一种新的体积抓取模型,该模型对绕垂直轴的旋转具有等变性,显著提升了采样效率。研究采用三平面体特征表示设计,其中水平面特征对 90 度旋转保持等变,而其他两个平面的特征之和对该变换诱导的反射保持不变。
针对直接应用大语言模型进行多机器人编队控制时易出现行为不稳定或发散的问题,本文提出 LLM-Flock 框架。该框架通过基于影响的共识协议让机器人迭代优化编队计划以实现无中心协调,并采用结合大模型紧迫性推理与程序化碰撞检查的双层避障策略。
该研究评估了七种运动学方法及 LSTM 模型在 588 名受试者共 4363 个步态周期中检测足跟触地和离地事件的性能。结果显示 Zeni et al. 方法精度最高,而 LSTM 模型表现相当且无系统性偏差,为步态分析提供了数据驱动替代方案。论文已获 IEEE ICARM 2026 会议接收并授予最佳演示奖,未来将探索其在病理人群中的泛化性。
针对非结构化环境下机器人导航中物理模型难以捕捉非线性动力学、数据驱动方法泛化性差的挑战,本文提出 AnyNav 框架。该框架结合神经网络进行视觉感知与符号物理模型推理地形 - 车辆动力学,采用指令学习范式及双层优化训练摩擦网络,显著提升跨地形、多车型及工况的泛化能力。
论文介绍了一种名为宪法过滤器(CoFi)的方法,用于在存在法律政策、物理限制和操作偏好等复杂条件下预测智能体行为。该方法将机器学习与符号推理结合,通过贝叶斯估计框架确保智能体符合可解释的神经符号模型约束。研究在真实世界海洋交通数据上评估了 CoFi 的性能,展示了其在跟踪合规代理方面的改进效果,并证明了即使假设的宪法与现实不符,系统也能自适应调整信任度以恢复基线性能。
论文介绍 Prior-Informed Adaptation (PIA) 框架,该框架通过在异构低/高保真度仿真轨迹上预训练世界模型,并利用不确定性正则化规划进行在线适应,将仿真轨迹视为存在偏差的先验并在在线阶段修正残差差异。
论文介绍 VaDar 算法,该算法训练单一不依赖子目标的策略以最大化各子目标评论家值的线性组合。实验显示其性能优于或等于目标条件化等基线,且能处理非顺序目标结构任务。VaDar 是首个在 RoboCasa 套件中解决长程任务的算法,即使从行为克隆预训练的、初始成功率接近零的策略开始也能成功。材料为 arXiv 预印本,未提及同行评审状态或真实机器人部署结果。
针对模仿学习中专家演示稀缺及依赖昂贵人工标注的问题,本文提出了 Progress-Guided Preference Generation (PGPG) 无监督偏好对齐框架。
该研究提出 VLA-Rolling 框架,利用视觉语言动作(VLA)模型生成的动作尾部作为初始化,替代从头生成噪声的方式。在冻结底层 VLA 模型的情况下,该方法在 LIBERO、MetaWorld 等六个基准的十六对模型组合中均降低了推理成本,最高提速 1.48 倍,并在十四对中提升成功率最多 15.08 个百分点。项目代码与资源已公开。
Ashish Hota 提出一种含单可调增益的转向率反馈律,在满足转向约束下保证对任意合法逃逸策略的有限时间捕获。研究推导了非空增益区间所需的转向权限及与逃逸速度无关的速度上限,数值仿真验证了该方法的有效性。
CARVS 算法通过整合任务交换、验证检查与随机初始化,解决了人机协作中因人类不确定性导致的动态障碍与路径规划超时难题。仿真结果显示,该算法在大规模场景下显著降低了传统 MAPD 算法失效时的路径规划超时时间,提升了效率与可扩展性。论文已被 DAI 2026 会议录用并发表口头报告,代码与数据暂未提及开源许可。
论文介绍 Mirror 方法,这是一种无需人工奖励或专家动作数据的自监督视频到动作映射方法。该方法通过在环境中尝试执行对视觉计划的猜测来学习,并利用生成的视频 - 动作对增量式自我改进,从而更紧密地跟随视觉规划器。
推荐理由:提出无需人工奖励或专家动作数据的自监督视频到动作映射方法,在 Atari、Minecraft 等基准上实现超越现有观测学习方法的性能。
针对工业机器人离线编程后需在线示教以提高精度的问题,本文提出一种基于激光跟踪仪测量的传动误差识别方法。作者构建了速度依赖的傅里叶级数模型,并将其集成至虚拟调试软件作为共模拟功能样机单元,通过修正数控系统设定值进行误差补偿。
针对多模态强化学习奖励中视觉推理错误定位困难及教师修正受非视觉因素干扰的问题,提出一种基于视觉证据的可归因自蒸馏范式。该方法通过 Visual-Attribution Gating 机制,利用验证器优势作为优化锚点,并对比证据存在与退化视图来过滤不一致的残差,从而保留视觉引导并抑制错误更新。在六个视觉推理基准测试中,该方法平均性能优于 GRPO 和 OPSD 方法,建立了新的最先进水平。
该论文介绍 PhysWord 基础模型,利用原子动作动词作为共享语义锚点来组织连续物理动态表示。模型预测未来原子动作词并将上下文隐藏状态与来自未来观测的潜在目标对齐,构建具有视觉和可选触觉变体的时间结构化空间。
推荐理由:提出基于原子动作动词的潜在推理框架,在视觉触觉任务中取得最先进成功率并支持长程操作。
CoopUQ 框架利用跨机器人时空特征融合进行 occupancy grid map 预测,并通过约束多智能体强化学习引导策略以规避高不确定区域。在 Unity3D 仿真及真实机器人实验中,该方法在分布内与 OOD 场景下均展现出优于基线的预测性能与安全鲁棒性。代码与视频已公开。
本文系统研究了物理递归自我改进(Physical RSI)的机制、缩放行为与泛化性,引入 PhysRSI-eval 通过首次尝试性能、效率、成功率、预算和失败后改进五个维度量化 VLM 在 18 个操作任务中的表现。
推荐理由:该文提出物理递归自我改进观测缩放律,通过五轴指标量化 VLM 在操作任务中的表现与改进机制。
论文指出世界动作模型(WAMs)在联合预测视频和生成动作时,对任务无关的视觉外观变化过于敏感。为此提出 PICA-WAM 框架,将扰动不变性建模为辅助的跨外观自对齐任务,利用 EMA 教师网络处理正常观测以提供深层目标,引导在线 WAM 的浅层动作表示与之对齐。
推荐理由:针对世界动作模型对无关视觉扰动的敏感性,提出自监督框架 PICA-WAM 以提升鲁棒性。
该研究在 Harpy 硬件上实现了基于二次规划的控制器,能以 500 Hz 频率同时调节地面接触力与主动推力矢量。实验显示,机器人在 0 m/s 和 0.1 m/s 参考速度下均能追踪均值,关节跟踪误差小于 1 度且求解耗时仅 0.18ms。该成果将发表于 IEEE/RSJ IROS 2026,代码与论文预印本已公开。
论文介绍 DexOAK,这是一个基于学习的物体感知运动重定向框架,旨在从人类动作捕捉数据生成与物体接触一致的机器人手部参考。该方法首先最小化手 - 物体交互图的拉普拉斯目标以复现相对几何关系,随后利用前馈网络学习重定向函数,并通过接触、非穿透和自碰撞损失进行微调。
该研究通过强化学习框架,在 LEAP Hand 双手型上验证了触觉反馈对持续手内旋转的增益。仿真显示全触觉观测使类人手指布局每集平均归一化旋转提升 94.8%,对称布局提升 66.9%;硬件实验证实对称布局平均旋转次数高出 32.0% 且指尖总载荷降低 19.9%。结果表明更丰富的触觉信息能在更低平均负载下支持更大任务进度。
针对农业环境中植物几何变化、遮挡及视角差异带来的操作挑战,本文提出一种基于 MuJoCo 的仿真到现实(sim-to-real)机器人学习框架。研究构建了包含多样化番茄植株结构的仿真环境,通过摇杆遥操作收集专家演示数据,并利用低层控制器执行动作。
该研究开发了一种分层仿生机器人皮肤,将类受体传感器嵌入顺应性软介质中,以模拟人类皮肤的组织特征。平台实现了生物启发式和反事实的两种触觉受体排列方案,并在弱接触检测、两点辨别和纹理识别三项被动触觉任务上进行了定量评估。
现有机器人价值模型评估仅覆盖部分执行理解方面,反馈可靠性不足。本文提出 RoboValue 基准,通过共享接口从任务状态理解、时间进度监控、故障恢复推理及价值一致性四个维度进行统一评估。
研究人员开发了一种基于不确定性感知的算子学习代理,利用浅层神经网络从力学感知坐标中学习非平稳高斯过程核度量。该方法在 SO(3) 上直接重建方向并保留材料框架与肌腱几何,相比先前的神经算子模型准确度高出 30-50%,且仅需约 5 倍更少的训练设计。实验显示,基于核覆盖的采集策略将平均轨迹误差降低了约 15%。
针对视觉语言导航中历史信息冗余及利用不足的问题,本文提出 ReInsVLN 免训练框架。该框架包含覆盖感知指令压缩模块以精简视觉上下文,以及受遗忘启发的事件提醒机制以引导模型按预定计划重访观测。
该论文针对双臂演示中存在的虚假时间调度耦合问题,提出了约束保持时序重组(CTR)训练干预方法。该方法在保留记录的手臂局部传感运动内容同时,对对应片段进行重定时以实现可接受的调度方案并维持任务所需的跨臂约束。
推荐理由:提出 CTR 训练干预方法,在双臂模仿学习中消除虚假耦合,显著提升真实机器人任务成功率。
为降低视觉语言动作模型在机器人端的推理成本,该方法对大语言模型骨干网络的隐藏层和前馈中间维度进行感知剪枝,随后利用强化学习恢复操作策略性能。实验基于π0.5模型,将语言骨干参数从23.4亿降至9000万、全模型从33.7亿降至11.2亿,移除约96%和67%的参数。在LIBERO基准测试中,压缩后模型的四个套件平均成功率由84.55%提升至93.45%,推理速度提升1.98倍。
该论文提出 ALIGN 框架,旨在解决混合质量机器人数据中成功、重试与失败共存的问题。该方法直接预测类别化对偶条件并注入 DiT 动作专家,在 ARX X5 碗堆叠和 Franka 钥匙悬挂任务上,分别实现了 90.0% 和 56.7% 的闭环成功率,优于最强基线。材料为预印本论文,未提及开源代码或模型权重下载。
一项针对上肢外骨骼的研究系统比较了五种控制算法在人体闭环环境下的表现。实验由 14 名健康参与者完成,任务为在 0kg 和 2kg 负载下进行目标抓取。结果显示,比例控制(PMC)存在体力消耗与任务性能之间的权衡;纯积分自适应重力补偿(AGC-PI)虽降低了主动肌活动但引发了拮抗肌激活。
论文提出了 RoboMMT(Robot Modulated Motion Tracking),这是一种将参数化富表达运动合成、基于物理的角色控制与对空间交互目标的反应式适应耦合在一起的模块化控制架构。