论文追踪｜每天精选，说人话

研究者提出免训练离线指标S²，衡量模型感知表征与物理运动几何的对齐程度，并发现其与下游机器人任务成功率正相关。

arXiv 论文提出 AgenticRoboRL，先监督微调再用任务成败为奖励做多轮强化学习，后训练机器人规划器。

剑桥等机构研究用程序生成的数学抽象合成数据预训练机器人行为先验，在未见物理任务上取得零样本预测能力。

arXiv论文提出AgenticRoboRL框架，通过监督微调与多轮强化学习后训练机器人规划器，在LIBERO-PRO上显著提升成功率。

研究者提出无需离线训练的MAPLE方法，用Mondrian过程生成地图假设来预测未知区域的占用情况，在多个环境和传感器量程下优于非预测式探索。

研究者提出 ConfigWM，以语言任务描述作为配置信号，引导视觉嵌入映射到任务特定状态空间，提升噪声环境下的规划稳定性。

研究者提出多智能体世界模型 OverSeer，通过加入空间固定的辅助相机视角提升时序与智能体间一致性。

研究者提出Video-Point Model，以多视角视频与语言指令为输入，联合预测未来视频与场景点的三维轨迹，并将动作作为生成器模态用于机器人控制。

arXiv 新论文提出 CoopUQ 框架，将跨机器人占用预测与约束多智能体强化学习结合，提升遮挡和分布外场景下的多机器人导航安全。

该研究构建基于MuJoCo的农业仿真环境，用演示数据适配Octo与π0.5两个预训练策略，并在Franka Research 3上实机验证。

研究者提出基于强化学习的SkateNav框架，让被动轮四足机器人自主学习滑行、蹬地与转向的时序分配，并在真实环境中完成零样本迁移。

研究者提出 DISCO，用物理仿真中的渐进加宽 MCTS 生成长程规划，再将搜索结果蒸馏进策略与价值模型。

研究提出PGPG无监督偏好对齐框架，借助专家演示自动生成伪偏好标签，用于微调生成式控制策略。

研究者提出AnyGoal基准与开源库，用目标偏移任务检验世界模型能否重组已见状态与动作，发现现有模型持续失败。

研究者提出 AffordanceWAM，在生成未来世界中对可供性进行建模，并联合预测机器人动作，在 RoboCasa 等基准上优于基线。

一篇观点论文提出，JEPA 类潜在世界模型的可解释性应从解读表征转向理解潜在变量的交互与因果作用。

ReconVLA通过目标区域重建学习细致视觉表示并生成动作，视频讲解模型结构、代码与训练配置。

论文提出理由引导的偏好强化学习框架，在偏好标签外引入理由标签，学习更可解释、更符合人类偏好的奖励模型。

本期速报收录5条产业动态与8篇论文，涉及机器人基础模型、触觉感知、仿真数据共演化、无人机竞速与个性化操作基准。

研究者从推理算法视角定义符号有用性，提出求解器充分符号化概念与反例引导的符号发明算法。

研究者提出GeoState几何表示，将场景状态演化与相机观测分离，在Waymo等数据集上验证了预测与跨视角查询能力。

CarryOn双循环机制为冻结的VLA模型提供个性化任务分解与安全执行监督，在真实机器人上降低违规率并提升恢复成功率。

UniWAM将VLM语义推理、视频生成动力学与动作预测整合进混合Transformer架构，预训练数据含近5000小时机器人数据。

研究者提出CSF，一种无需训练的安全过滤器，可将自然语言安全规则接地到运动生成器产生的安全与不安全参考轨迹，并在Unitree G1上验证。

Sereact双臂退货处理系统已在德国和波兰投入运营，TrinaTracker推出光伏安装与清洁机器人，多篇具身模型论文给出部署与评测数据。

研究者提出ME-World多智能体自我中心世界模型，在共享token序列中联合去噪多个自我流，提升共享环境一致性与动作控制。

HuMBLE提出结合人类运动数据与强化学习的人形机器人运动学习框架，在Atlas和Unitree G1上实现实时可转向、鲁棒且仿生的全身运动策略。

研究者提出CMP-IRRT*规划框架，利用顶视RGB估计障碍高度，使四足机器人可穿越低矮障碍，并开源代码。

研究者提出一种利用几何先验的非参数模仿学习方法，可在数据稀缺与异方差不确定性下实现快速适应，并在真实机器人操作任务中验证。

研究提出力感知运动框架，让四足机器人在负载受外部交互时，仅凭机载测量推断力并柔顺响应

论文提出接触引导探索与多评论家强化学习方法，使四足机器人学会推箱、滚球等非抓取式移动操作并保持稳定。

多篇 arXiv 预印本围绕精细双臂操控、视频数据迁移、施工导航与触觉风险编码等机器人操控与感知问题展开。

研究者提出PIVOT-Q方法，通过脆弱性感知的在线蒸馏，在仅使用7.4%状态预算下恢复量化VLA模型的泛化能力。

arXiv 论文提出 JESSI 端到端强化学习框架，直接从 LiDAR 生成控制指令，结合注意力感知模块实现社会合规导航。

DiVeR利用采样动作表征离散度估计决策关键性，对验证器学习重新加权，在LIBERO、RoboCasa及真实机器人上提升任务成功率。

研究者提出风险感知触觉编码RATE，通过学习任务条件下的交互风险表征，提升接触丰富机器人操作的任务成功率。

研究者提出FERPO，一种在线最大熵强化学习算法，不依赖critic对动作的梯度即可进行策略改进，在MuJoCo Playground和ManiSkill上实现竞争性能与样本效率提升。

苏黎世联邦理工等提出TacEx，将模型不确定性分解到触觉通道，引导机器人主动探索接触，无需任务奖励即可学习抓取。

研究提出时空核相关可识别性准则与Sub-ID方法，可从三维长时程手部轨迹中分解子运动，服务于运动控制与模仿学习。

研究者提出Skill-Space Shooting方法，借助基础模型探索可复用技能来修正机器人策略，实现自主改进与技能共享。

研究者提出MotorMind，无需专用策略训练或外部工具，仅凭通用VLM在LIBERO-PRO仿真和真实xArm6上实现零样本机器人操作，成功率大幅领先先前方法。

研究者提出Brain-SAD框架，利用动态恐惧信号在线选择长短策略，提升自动驾驶安全性与任务效率。

研究团队推出RLE-Bench基准，从交互控制、策略学习、感知估计和机械设计四类工作流评估编码智能体的工程能力。

研究者提出StructRL在线强化学习框架，通过可验证子任务为长时域视觉-语言-动作模型构建结构化中间奖励，在GR00T-N1.5与pi 0.5等模型上优于评估过的基线。

一篇综述将机器人上下文学习归纳为四类接口，并讨论其迁移假设与评测实践，涉及操作与导航任务。

研究团队发布视频世界模型 EditWorld，支持流式编辑与参考图像引用，并提出 WBench-Editing 评测基准。

研究者提出递归工具蒸馏方法，将强智能体的干预经验提炼为轻量智能体的操作手册，在真实操作中将成功率从37.3%提升至64.0%。

对π0视觉-语言-动作流模型的论文精读，该模型旨在用于通用机器人控制，属于具身大模型技术范畴。

研究提出基于LiDAR的全局重定位系统，在建筑网格中实现机器人定位，真实数据集上优于扩散与ScanContext++基线。

研究者提出在VLA视觉编码器嵌入空间训练预测性世界模型的新架构，以提升样本效率并探索短期规划能力

ECCV 2026 论文 RoboClaw 提出单一 VLM 控制器驱动的智能体框架，将数据采集、策略学习与长程执行统一在同一决策循环中。

论文提出HuRo方法，将人类视频机器人化以生成大规模VLA预训练数据，构建63万条数据提升机器人操作性能。

该论文提出基于时空管几何特性的时间感知强化学习框架，将完整STL规范映射为时变几何边界，以无历史状态方式学习满足输入约束的控制策略。