通过冻结分层世界模型学习目标条件子目标
论文提出一种方法,利用冻结的高层世界模型预测器训练轻量级的目标条件网络,以替代传统规划中昂贵的候选轨迹搜索过程。该方法在离线轨迹上仅使用回溯目标和状态预测损失进行训练,无需宏观动作标签或搜索解的目标。
论文提出一种方法,利用冻结的高层世界模型预测器训练轻量级的目标条件网络,以替代传统规划中昂贵的候选轨迹搜索过程。该方法在离线轨迹上仅使用回溯目标和状态预测损失进行训练,无需宏观动作标签或搜索解的目标。
该研究针对人形机器人模仿学习需大量数据的问题,提出利用 Kinect 关节估计、提示词目标检测及深度信息提取特征的框架。在 NAO 机器人仿真测试中,抓取放置任务仅需 16 次演示即达 78% 成功率(100 次增至 86%),推杆任务用 8 次演示达成 71% 成功率。该工作已在物理硬件上完成演示验证,论文发表于 IEEE ISAIA 2026。
本文介绍了一种针对水下结构的完整 GPU 驻留多机器人三维检测流水线。给定三角网格和携带短距窄视场相机的 K 个机器人,该流程计算六自由度轨迹以覆盖目标表面比例并最小化总成本。
推荐理由:作者提出了一套完整的 GPU 驻留多机器人水下结构三维检测流程,包含可见性计算与路径规划等核心模块的 CUDA 实现。
该研究识别出技能增强语言模型代理中的程序性暴露偏差(PEB),即模型倾向于过度依赖重复出现的动作模式。实验表明,将相同内容以视觉形式呈现能显著减弱这种由文本暴露引起的偏好偏移,且该效应延伸至可执行动作选择与任务成功率评估中。
该研究针对旋转变量机器人关节的圆形状态空间特性,提出了一种完全基于脉冲神经网络的控制系统。系统利用环吸引子编码关节状态以匹配拓扑结构,通过稳态调节计算目标偏差,并利用对侧增益调制将偏差转化为活动斑点的相位移动以实现设定点控制。
论文提出了 SkateNav 统一框架,利用时间预算目标联合学习转向、推进及其时序分配,并通过频率调制适应导航需求。仿真实验显示其成功率更高且运输成本更低;真实世界实验在杂乱室内、斜坡及户外路面上实现了从仿真到被动轮 Mini Cheetah 的零样本迁移。
论文针对 VLA 模型执行效率低的问题,提出 PaceVLA 框架,利用共享动作专家构建多粒度解码器,并通过可量化性引导的模式选择与上下文路由机制,在仿真基准和真实世界任务中实现高效且可靠的灵巧操作。
推荐理由:提出 PaceVLA 框架,通过自适应时间量化在保持任务成功率的同时提升 VLA 模型执行效率。
该论文提出了一种利用自主编码智能体直接在代码空间进行策略搜索的新范式,结合了自动化优化与可解释性。研究通过两个案例验证了该方法的有效性:在 2024 年机器人竞速联赛的复杂地图中。
推荐理由:原文展示了由代码智能体驱动的搜索工作流,在两个复杂多智能体场景中均超越了人工设计与专有方案。
论文提出 CondenseVLA,一种具备可学习解码端历史压缩模块的多帧 VLA 策略,旨在解决单纯扩大时间窗口带来的计算冗余与采样僵化问题。该方法利用 VLM 骨干网络缓存的每帧特征,通过可学习查询和多头交叉注意力将观测历史蒸馏为固定数量的 slot token,并辅以正则化项抑制槽位重叠与相关性。
推荐理由:该工作提出可学习的历史压缩模块,在保持计算效率的同时提升多帧视觉上下文对动作解码的利用效果。
论文提出 DISCO(Distilled Tree Search over Continuous Actions),旨在解决长视界操作任务中策略需避免误差累积并保持未来可行性的难题。
论文介绍集体经验学习(CEL)范式,通过失败引导的经验检索微调(FERT),利用部署机器人的执行失败上下文从车队共享的成功经验中检索相关轨迹片段作为监督信号更新策略,无需额外收集专家演示或修正动作。
推荐理由:提出利用车队失败案例检索成功轨迹进行策略更新的集体经验学习范式,在 96 台机器人上实现多任务成功率显著提升。
Fanxing Meng 等人提出一种方法,将人类婴儿运动发育量表表示为引导类人机器人强化学习的开发图。研究评估了四种流行儿科运动量表的全面性,发现其中三种能成功指导机器人从躺卧到站立行走的技能习得,而第四种因缺失中间里程碑导致失败;补充该节点后同样可实现技能学习。
论文提出 ReDOA 框架,旨在解决通用机器人操作中数据采集成本与现实环境适应性的权衡问题。该方法将控制学习与感知学习解耦,在仿真中训练的状态基教师策略于真实机器人上执行,利用收集到的轨迹将其控制知识蒸馏为图像基学生策略。
该方法利用水平与垂直车速量化多旋翼无人机各次风速观测的可靠性,并据此自适应调整二维向量估计器的测量影响。实验涵盖水平平移、垂直运动及自主航点飞行,结果显示 ROC-AUC 达 0.995,98.84% 的平移观测被识别为不可靠。车辆状态感知有效调节了直接空载风观测的影响权重,提升了多旋翼大气测量的可靠性。
论文提出了 InteractAgent,这是一个用于长程人机场景交互的多模态大模型系统。该系统采用单一大模型同时担任规划者与评估者,并冻结一个运动大模型作为执行器,形成闭环控制架构。
推荐理由:该文提出 InteractAgent,利用冻结运动大模型与多模态大模型构建闭环规划执行反射机制,在 UniHSI 基准上验证了长程交互任务的成功率提升。
SteerAct 是一种无需更新模型权重的轻量级激活转向框架,旨在改善预训练机器人动作模型的测试时表现。该方法利用共享的时序描述符对稀疏特征动态进行离线选择与在线控制,仅需每个任务约 24 次带结果标签的 rollout 即可构建参考库。
这是一篇关于自适应弯折点形成机制的预印本论文,受章鱼高适应性软体启发的研究聚焦于通过沿手臂动态改变锚定端点来调整肌腱驱动臂的曲率。研究在手臂中集成了一组充气外壳,充气可增加该位置的摩擦力并锁定肌腱,从而创建临时的新锚定点。
论文提出了 CusADi2 软件库,旨在通过并行化每个批次实例内部的计算来降低机器人动力学函数评估的延迟。
BiDex-100 是一个针对双手灵巧操作的仿真基准,涵盖泛化、指令遵循、有限演示、长视界和记忆五个能力轴上的 106 项任务。每项任务均配有视觉与空间变化的域外变体以评估鲁棒性。该基准支持两种具身形态,提供 8,080 次经验证的遥操作演示(共 625 万帧),并依据统一协议对七种近期视觉语言动作模型进行了能力、鲁棒性与数据效率的基线评估。
论文提出自结晶行为树(SCBT)框架,将大模型作为编译器而非运行时组件,通过上下文多臂老虎机、CMA-ES 调优及三阶段准入管道筛选补丁。在 Project AirSim 仿真中,该方法在遭遇风切变和电池故障时,仅用约 11 次 LLM 调用即可将任务成功率从 12% 提升至 97%,最终固化为无需学习的确定性行为树。
本文提出一种结合人类认知与机器人精度的共享自主控制范式,利用动态贝叶斯网络从遥操作中的注视数据和机械臂运动实时推断人类意图。系统通过熵值调整自主性水平,将人机输入融合为模型预测控制问题,实现了从直接遥操作到完全自主的平滑过渡。实验表明,该方法相比基线算法在物体检索时间、轨迹长度和人工控制输入上分别减少至少 61%、44% 和 60%,且用户感知到的可控性与可预测性较高。
论文提出 RCRA 在线自适应框架,通过 Transformer 估计行人反应性来调制冻结保守策略的残差,实现与反应型行人的合作及对非反应型行人的保守避让。相比贝叶斯基线,仿真平均准确率提升 12.62 个百分点;在成功率均高于 90% 的场景中,路径长度分别减少 16.7%(相对保守骨干)和 7.3%(相对随机训练基线),平均成功率提升 14.88 个百分点。
该论文针对杂乱场景中的灵巧操作挑战,构建了包含约 5 亿次抓取标注的基准数据集,涵盖八种灵巧手和约 5 万个物体。作者提出了 T(R,O) Grasp++ 框架,这是一个可扩展的基于扩散模型的方案,用于在复杂约束下进行跨本体灵巧抓取合成。
AeroDASH 提出一种异步 VLA 框架,通过 B-spline 策略初始化与执行感知 GRPO 优化,解决车载推理延迟导致的轨迹失配问题。在 UAV-Flow 测试集上,该模型成功率达 76.56%,分别比 OpenVLA-UAV 和去除了 GRPO 的基线高出 38.1 和 20.1 个百分点。实验表明其在保持运动的同时有效降低了加速度与加加速度波动,代码将在论文接收后开源。
arXiv 论文介绍了一种用于实际运动生成的注意力混合密度策略,该方法利用能量分数优化高斯混合参数以表征未来的视觉 - 运动轨迹分布,从而避免传统负对数似然方法的奇点与梯度不稳定问题。在八自由度机械臂实验中,该模型能生成明确的避障轨迹并稳定学习;在随机移动物体抓取任务中,其在未见条件下的性能优于扩散策略 15-25%,展现了在多模态和快速时序决策场景下的优越泛化性与实时可行性。
针对具身基础模型(EFMs)需要大量机器人数据预训练的问题,本文提出 TILDE 框架,结合学生诱导状态的在线蒸馏与教师执行恢复轨迹的学习。研究进一步开发了 AutoDAgger 自动化数据聚合管道,利用机器人奖励模型监控任务进度并触发教师干预,从而在无人类监控下收集恢复经验,相比人工闭环方法加速超两倍。该方法在三个真实世界任务上使性能提升最高达 4.1 倍,并支持跨架构蒸馏。
该研究首次系统性地评估了七种前沿多模态语言模型在物理硬件上直接控制机械臂执行六种 RoboDojo 基准任务的能力。结果显示,虽然当前模型能完成多种操作但精度与效率尚不足够,不过从 2026 年 7 月到 9 月期间性能翻倍时间为 44.5 天,最佳执行速率提升 4.4 倍且最低执行成本下降 6.2 倍。
研究开发两个 ROS 节点利用梯度提升分类器区分七种放射性同位素,在独立测试集上准确率达 95%,并支持 CSV 数据输入。实际演示中 C12137 探测器挂载于 Jackal UGV,跨三个地点的机器人评估共 42 次试验仅正确分类 30 次(71.43%)。其中 Am-241、Co-60 等五种同位素在六次试验中全对,而 Ba-133 和 Eu-152 则全部误判。
针对小型视觉语言模型在具身智能任务中能力不均的问题,本文提出一种将感知证据转化为结构化决策的导航框架。该方法在每一步向模型询问两个感知问题(方向判断与停止依据)及一个路径指令查询,利用鸟瞰图上的语义场、骨架图与两阶段终止器处理结果。
针对具身智能缺乏预训练数据的问题,研究提出 Skill-RSI 框架,利用强通用模型在仿真中编写、诊断并修复操作技能直至通过考试,随后将技能冻结为独立代码或低成本调用接口。
这篇论文提出一种学习优化框架,旨在解决多旋翼飞行器在动力学和驱动约束下的协同路径与时序规划难题。该方法通过预测空间航点和有序通行事件来协调独立求解的规划器,利用可微序列凸编程结合刚体动力学与转子推力边界,使网络能通过生成的轨迹接受碰撞和完成度梯度训练。
该系统利用混合现实头显辅助操作员,在关键阶段仅需微调即可由机器人自主完成大部分轨迹。研究通过收集高精度双手“销钉插入孔”任务的演示数据并训练模仿学习策略,验证了其在降低数据采集负担方面的有效性。该方法旨在以更低的人力成本获取高质量数据,从而训练出完全自主的任务执行策略。
论文介绍 DreamCan,一种分层策略,通过稀疏视觉规划将视频模型落地于机器人操作。高层规划器从预训练视频模型适配而来,生成平衡可达性与任务效用的稀疏子目标;低层视觉运动策略负责执行。
推荐理由:DreamCan 利用预训练视频模型生成稀疏视觉子目标,在 LIBERO-Long 任务上达到 91.2% 成功率,并验证了其在真实双手机器人操作中的有效性。
Unitree Go2 平台实验显示,基于前瞻马尔可夫决策过程(Look-Ahead MDP)的轻量级高度图监督器能统一远近场约束,显著减少迟滞切换并降低无效步态耗时。相比调优后的反应式基线,该方法在室内外混合地形中提升了翻滚稳定性且无需针对特定场景重新调整。该研究以预印本形式发布于 arXiv,代码与权重暂未提及开放许可。
论文提出了 DiPLO 框架,结合自蒸馏扩散规划器与低层全身跟踪策略以解决人形机器人行走与操作协同难题。该框架先通过人类到机器人的动作重定向进行监督预训练,再经自蒸馏去除对强任务条件的依赖,最后利用扩散增强近端策略优化(DA:PPO)微调以提升成功率并适配冻结的跟踪器执行能力。
针对松散风化层中轮式行星漫游器缺乏原则性恢复控制器的难题,研究提出了一种无需预定义动作的循环策略。该框架基于连续介质 MPM 仿真器验证,在 z/r=2.0 的陷阱配置下,平均逃脱成功率达 62.5%,显著优于最强脚本控制器(7/32)及噪声动作(0/32)。研究结果确立了测试仿真环境下的恢复能力,但物理迁移尚未得到验证。
针对大模型 VLA 骨干在终身学习中的存储膨胀问题,本文提出 SARAM 框架。该方法在新任务中复用冻结的旧适配器,仅在稀疏层引入新适配器并施加复制惩罚;部署时通过激活统计生成签名识别任务并将更新合并回骨干网络,仅保留骨干参与控制循环。实验显示,SARAM 在四个 LIBERO 套件上表现优于或等于基线,每任务磁盘状态减少最多 4.5 倍,且 GPU 内存与推理频率随任务流增长保持稳定。
论文提出一种分层控制器用于四足机器人全身控制:强化学习负责适应结构化的运动参考(如步态时序、落脚点),而高频率执行仍由模型基骨干网络、步态调度器及反应式脚部规划器负责。
针对现有方法通过直接对齐预训练 3D 基础模型表示导致 VLA 模型特征空间秩坍缩的问题,本文提出一种关系式空间对齐方法,将关注点从点对点相等转向成对关系对齐。该方法能在注入 3D 空间感知能力的同时保持模型的原始表达能力。实验在公开基准、新的空间推理基准及真实世界操作场景中均表明,该方法能有效将 3D 空间表示融入 VLA 推理,实现多样化的操作任务中的鲁棒性能与增强的空间感知能力。
该研究展示了四足机器人仅凭脚部自主解决巨型魔方的能力。系统开发了车载 RGB-D 感知管线以估计魔方位姿和颜色状态,规划器将其转化为可执行技能序列。通过强化学习训练的全身技能在保持层配置的同时重定向魔方并用单脚固定进行转动。部署的策略能容忍相对位置变化并恢复外部干扰。硬件实验完成了三次自主求解,每次约需 30 步,耗时 8-9 分钟。