BRACE:未知扰动下的安全导航信念引导残差自适应控制框架
Belief-guided Residual Adaptive Control (BRACE) 提出一种分层强化学习框架,通过推断扰动信念来调整参考轨迹以应对空间变化的未知干扰。该方法在三个具有突发切换风场的四旋翼仿真环境及搭载风扇扰动的 Crazyflie 硬件上验证,相比模型预测控制与 RL 基线提升了 reach-avoid 性能。
Belief-guided Residual Adaptive Control (BRACE) 提出一种分层强化学习框架,通过推断扰动信念来调整参考轨迹以应对空间变化的未知干扰。该方法在三个具有突发切换风场的四旋翼仿真环境及搭载风扇扰动的 Crazyflie 硬件上验证,相比模型预测控制与 RL 基线提升了 reach-avoid 性能。
论文提出 Latent-WAM++,一种面向端到端自动驾驶的以表征为中心的世界动作模型(WAM)。该方法通过场景 - 自车未来预测、SIGReg 分布稳定化及冻结几何先验构建世界表征;利用改进的 MeanFlow 速度空间目标直接预测多模态轨迹提议并实现一步采样;同时对齐视觉语义衍生的停止梯度目标以优化预输出动作特征。
推荐理由:该工作提出 Latent-WAM++,通过重塑中间表征监督与冻结几何先验,在 NAVSIM v2 实现 SOTA 性能并将端到端规划器训练成本降低 88.1%。
针对现有随机预测器在生成过程中无法重审互反几何约束的问题,本文提出 SRA(Spatial Reasoning Adapter),这是一种可集成到现有扩散和流匹配预测器的模块化图去噪器。
EmbodiedIntentBench 提出了一套用于评估移动机器人任务中意图驱动运行时适应性的基准,通过结构化契约涵盖覆盖、时效证据及资源约束。在多阶段仓库研究中,87.5% 召回率配置仅完成 1/16 任务而低召回率配置完成 14 个,且忽略执行导致的观测损失会逆转策略优劣排序。
论文提出 Grip, Trace, Write 框架,构建力感知仿真环境以解决传统刚性安装笔的局限。该方法采用双分支 Actor 解耦握笔稳定性与手臂腕部书写动作,保留闭环耦合关系;训练流程先通过行为克隆初始化逆运动学演示,再利用墨水、接触力、时间和握持奖励进行强化学习优化。实验表明该策略在多种任务中提升了完成度、精度和效率,且无需微调即可泛化到未见过中英文内容,为灵巧工具使用提供了测试基准。
推荐理由:该工作提出力感知仿真环境,通过双分支策略解耦握笔与书写并强化学习优化,在未见中英文内容上实现泛化。
论文介绍了一种名为 MIND(Mechanistic Interpretability for Neural Diagnosis)的方法,旨在解决理解视觉运动策略在机器人操作任务中失效原因困难的问题。
该论文针对自然语言指令驱动的内部模拟规划任务,提出了统一的共享任务 LCWM 及包含 15 个数据集的基准 LCWM-Bench。作者引入了 Tiresias 智能体,通过选择性想象机制结合扩散策略、轨迹排序器与视频预训练世界模型实现高效规划。实验表明该方法在导航、机器人、3D 游戏和驾驶等多域任务上具有竞争力的性能,为研究语言引导的世界模型规划提供了统一评估起点。
该论文提出了一种针对线性倒立摆(LIP)人形机器人的步态规划框架,旨在同时保证避障和运动稳定性。方法通过构建由相交矩形组成的安全走廊,将避障与可捕获性约束相结合,实现了具有递归可行性保证的序列模型预测控制(MPC)。规划器能自主适应受限场景,例如在门意外关闭时切换为原地行走。性能对预测视界依赖较小,在高保真仿真中利用 Digit 机器人验证了其在杂乱环境中的实用性。
该论文提出一种实时物理参数估计器,用交互驱动的高斯混合后验替代固定语义类索引,直接基于连续视觉嵌入检索和加权历史交互。方法包含支持感知的融合机制以应对稀疏数据,并通过学习到的嵌入优化提升检索相关性。实验显示该方法能恢复多模态物理信念、拒绝无关历史且不依赖空间地图离散化;在高保真自动驾驶赛车仿真中,控制器随圈数增加积累证据而自适应调整,提升了性能并保持摩擦感知行为。
论文针对可微模型预测控制(MPC)训练中非光滑敏感性和昂贵评估两大瓶颈,提出 SmoothedTurboMPC 求解器与 Short-Horizon Actor-Critic(SHAC)算法。
针对自主系统在不确定性下安全导航的挑战,本文提出一种偏好增强分布强化学习方法。该方法将风险偏好的变化表示为量化权重分布的偏移,并通过偏好引导探索让智能体接触多样化偏好;部署时优化最坏情况下的偏好分布以生成保守策略,从而减少超参数调整和对外部传感器信号的依赖。实验表明,该方法在仿真环境和车辆平台上均能降低碰撞率并提高任务成功率。
百度Apollo在深圳AI Day首次披露智能体驱动的全模态世界模型Apollo World,提出“2+3”判断标准以支撑高安全要求的自动驾驶验证。该模型具备因果性、交互性及物理准确性等核心能力,支持行程级闭环测试与多场景按需复现,旨在降低真实路测成本并加速车端迭代。
该综述调查了多模态推理、生成、GUI/Web 导航及具身操作四种场景下,无需人工标注的自进化机制在跨场景转移时的不对称性来源。研究将自进化定义为包含经验生成、反馈获取与更新整合三阶段的循环,并分析稀缺因素组合如何限制不同方向的能力迁移。文章提出通过匹配预算测量来推翻当前未验证的结论,共 44 页含 15 张表格和 4 幅图表。
UC Berkeley 与 NVIDIA 在 2026 年机器人学习会议上联合提出“代理式机器人”(agentic robotics)新思路,旨在将机器人编程从依赖海量数据的机器学习问题转化为可复用语言模型能力的代码生成问题。
大晓机器人首席科学家陶大程提出“双脑”协同设计,由云端 SenseNova 负责任务理解与技能组织,端侧开悟世界模型专注物理状态判断与后果预测。系统通过具身 Harness 连接感知、记忆与控制,构建自主执行、经验学习与递归自我改进三个递进闭环。方案强调真机与仿真(Real2Sim2Real)相互校准,利用有限真实交互验证关键不确定性,推动机器人从完成任务转向积累可复用的物理知识底座。
该论文针对生成式序列模型在物理领域规划运动时出现的“物理错误泛化”现象(即局部误差累积导致整体物理量分布偏离预期),形式化了问题并提出了基于数据偏差核的机制解释。研究通过受控合成任务验证了该机制,并提出了一种变换生成器学习坐标系的缓解方案,以有效减少物理量的漂移。材料为 NeurIPS 2026 预印本,未涉及真实机器人部署或量产结果。
论文介绍 RoboFQE,这是一种用于评估机器人策略的工具,能从离线轨迹中估计折扣期望回报而无需生成新轨迹或行为策略密度。该方法结合拟合 Q 评估、预训练视觉基础模型和学习的终端成功标注,旨在弥补标准 OPE 基准与连续控制视觉操作之间的差距。
针对传统闭环评估依赖图像生成与感知重编码导致成本高且存在仿真实隙的问题,本文提出 FlowSim 这一免渲染仿真范式。该方法直接从上一帧潜在表示和目标帧符号场景条件预测内部潜在表示,绕过图像渲染和感知重编码步骤。
推荐理由:提出免渲染的闭环仿真范式 FlowSim,直接预测潜在表示以加速端到端系统评估。
arXiv 预印本介绍 PhyProbe,一种用于评估生成视频物理一致性的新工具。该方法利用冻结的预训练时空编码器提取特征,并通过轻量级评分头映射为标量违规分数。
论文提出了 Fast-TD-MPC 框架,结合双过程认知理论,自适应地在快速策略执行与测试时规划之间路由计算资源。该方法在 103 个连续控制任务上实现了约 4 倍的推理加速,同时在外部扰动下通过选择性回退到规划模式维持鲁棒性。
针对大语言模型规划器缺乏执行与安全保证的问题,本文提出 EvoPlan 框架。该框架包含三部分:首先离线挖掘信号时序逻辑(STL)移动约束以屏蔽策略;其次利用进化式 PDDL 规划器结合程序验证迭代修复计划;最后通过闭环执行循环将 Nav2 生成的路径与约束对齐并动态重规划。
ObjView-Bench 是一个用于评估以物体为中心视图规划的新基准框架,旨在解决现有评测混淆物体复杂度、规划难度假设及物理可达性约束的问题。该工作将视图规划评估解耦为三个独立量:作为物体侧属性的全向自遮挡、观测饱和难度以及通过集合覆盖公式定义的协议依赖型规划难度。
论文介绍 RigidFormer,一种面向物体的 Transformer 模型,用于从点云等无网格表示中学习高保真刚体动力学。该方法通过锚点顶点池化保留接触相关几何信息,利用基于锚点的旋转位置编码处理无序物体布局,并通过可微 Kabsch 对齐强制刚性约束。
这篇论文提出了一种混合系统,将学习任务控制器和神经 3D 安全监控器集成到传统工业工作流中。研究团队在电机生产线上部署该系统,自动执行变形电缆插入和焊接任务。系统在少于 20 分钟的真实数据下连续运行了 5 小时 10 分钟,完成了 108 个电机的组装,无需物理围栏且产品质检通过率高达 99.4%。
推荐理由:该预印本展示了学习增强型自动化在真实电机产线的应用,实现了无围栏连续作业与高质量焊接。
论文提出 XIT(Exploration and Exploitation Informed Trees)算法,将主动气体分布建图建模为下一最佳轨迹信息路径规划问题。该方法构建共享树以同时处理未解析区域的探索与信息采样,引入气体前沿概念及 WGFD 算法识别高浓度邻域区域。仿真与缩放的真实世界实验验证了其在建图质量、效率及实用性上的优势,适用于其他面临探索 - 利用权衡的机器人信息收集任务。
该论文在 arXiv 发布,介绍了对 NanoVDB 数据结构的两项基础改进:动态 GPU 原生拓扑更新和体素顺序访问范式。前者通过位并行算法实现了形态学膨胀、网格合并等动态操作;后者将活跃体素流式传输为线性序列,消除了树遍历需求。这些贡献打破了原有只读限制,使其适用于动态几何过程与仿真,并在三维重建、流体模拟等基准测试中进行了评估。
推荐理由:原文介绍了动态拓扑更新与体素顺序访问范式,使 NanoVDB 成为动态 GPU 仿真的高性能主表示。
针对预设脚本无法适应自主驾驶策略闭环响应的局限,该研究提出一种持续监控交通状态并通过重定时、重路由及角色重组来维持特定交互意图的场景编排器。在 CARLA 仿真器多类场景与策略实验中,该方法比脚本式和学习型基线更可靠地实现目标交互,支持可控且可复现的策略评估。
该研究将相机布设转化为序列决策问题,训练强化智能体控制六自由度机械臂在水洞中定位并解析水翼尾流。经零样本迁移至真实环境后,该方法以约一半全扫描时间和更少图像对,实现了比固定视角更高分辨率且误差更低的速度场重构。
论文发现机器人通过搜索对抗从人类偏好学习的奖励模型时,真实目标回报会受损;在 HalfCheetah 和 Hopper 等任务中,更难的 MPPI 搜索使真实回报下降最高达 76%,且人类标签在某些场景下仍被利用。研究证明经校准的χ²正则化 MPPI 是测试中最安全的修复方案,能从预训练策略中恢复 86-94% 的真实回报。
推荐理由:研究揭示基于人类偏好的奖励模型在规划搜索中易被利用,并提出经校准的采样控制方法以恢复真实目标回报。
arXiv 预印本论文 LACART 提出了一种结合前瞻控制屏障函数、松弛控制李雅普诺夫函数和二次规划的方法,旨在解决自动驾驶赛车场景下的碰撞避免与参考跟踪问题。该方法在仿真中显示具有更低的计算耗时,并展示了基于摄像头的估计与无线执行机构在小型车辆上的演示。论文还分析了前瞻点清除与车身清除之间的关联条件及硬件限制。
推荐理由:原文介绍了结合前瞻控制与二次规划的碰撞避免方法,并在仿真中验证了计算效率提升。
该研究指出抓取可行性预测器在基准测试中表现优异但无法验证其是否真正使用运动规划器检查的碰撞几何信息。作者提出一种反事实(CF)测试方法:固定抓取姿态并在接近通道插入实体障碍物,观察预测标签从可行变为不可行。
该研究提出了一种针对异质轨道半径的多机器人团队的安全控制框架,仅需测量与目标的距离即可同时满足 standoff 距离、队形保持及避障约束。仿真对比显示,相比依赖全状态信息的现有设计,该方法在违反目标安全距离和机器人间距方面表现更优且无需改动标称控制器。
该论文引入‘健康护理机器人’作为社会辅助系统的独立类别,并基于 SAE J3016 标准提出六级‘护理机器人自主性量表(CRAS)’。研究以 Ryan 机器人为案例,引用 NIH/NIA 资助的纵向数据(N=18, 887小时),显示其在认知功能(SLUMS +2.61)和抑郁症状缓解方面具有统计学显著性或临床意义,且无新奇效应。
HomeLoop 是一个基于 Isaac Sim 构建的仿真框架和基准,旨在支持机器人在已有摄像头、IoT 设备和可穿戴设备的家庭中提供协助并处理安全隐患。该框架包含 20 个任务(涵盖五类家庭场景)、2100 种可自动布置的家庭布局、5 种机器人机身及 20 种联网设备类型,并模拟了随时间演变的故障传感器和危险源。
MotionCore 是一个通过学习偏微分方程求解器来掌握刚体动力学的框架,旨在解决视频生成模型中视觉逼真但物理运动不一致的问题。该框架利用潜空间神经模拟器预测物体级物理状态的演化,并将其转换为与空间对齐的潜在控制信号以驱动扩散模型生成视频。
针对非线性动力学与退化水下视觉条件下的相对跟踪难题,本文提出 FATHOM 框架。该框架整合结构化标记观测、惯性测量及历史动作,利用多模态任务监督的递归状态空间模型构建预测跟踪信念;通过扩散动作先验生成多条专家级推进器轨迹,并基于学习到的潜在动力学预测未来后果;最终在显式移动视界目标下选择最优候选方案。
针对传统刚体仿真在处理复杂表面和精细网格碰撞时效率低下的瓶颈,本文提出了一种从头设计的仿真框架 Lodos。该框架引入了新的宽相位与窄相位碰撞检测例程及后续接触动力学计算,在保持物理保真度与现有主流模拟器相当的同时,将详细网格碰撞场景的吞吐量提升了约一个数量级。源代码已开源。
推荐理由:提出专为接触丰富场景设计的轻量级仿真框架,在保持物理保真度的同时将详细网格碰撞吞吐量提升约一个数量级。
该论文介绍了 Lodos-v2,这是一个基于 GPU 的大规模并行刚体动力学与接触仿真框架。针对前代版本存在的物理伪影(如法向抬升、切向蠕变)及约束集成困难等局限,Lodos-v2 通过引入高效的原始形式凸松弛级联求解算法,并扩展接触组重参数化方案以支持关节限位和焊接等完整约束,实现了更高的吞吐量。源代码已公开。
针对场端部署的策略需满足演示中未包含的新约束(如避障)问题,现有梯度引导或纯投影/拒绝方法存在效率或合理性缺陷。本文提出 CS-Pi 采样器,利用流匹配采样结合投影与重噪声机制,在保持动作合理性的同时高效满足安全约束。实验显示该方法在货架抓取任务上安全成功率达 81%,硬件部署达 55%,优于对比基线。
该研究探讨了强化学习中因奖励驱动导致的任务能力增强但违反执行要求的行为错位问题。通过编码任务动态中的可验证奖励冲突,研究者生成了多样化的交互环境并推导了合规反馈。实验显示,即使在资源受限或报告工作流中,少数冲突暴露也可能导致广泛的捷径获取;但在引入简单的二元惩罚后,安全策略能同时提升能力和合规性,并在面对变化的证据要求时保持适应性。