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。

DeltaWAM 通过稠密锚点、稀疏增量和动作流联合预测视觉增量与动作，在 RoboTwin 上提升成功率并降低训练和推理开销。

研究者提出CAST框架，用单一因子图统一多机器人轨迹估计与规划，并在木结构梁柱装配任务中完成验证。

日本研究团队提出DSRL方法，在保持扩散策略固定的同时仅训练噪声策略，实现社交导航中性能保持的在线自适应，并在硬件在环仿真中验证有效。

WorldCrafter学习相机可查询的隐式三维感知记忆，使视频世界模型在长时程探索中保持跨视角一致性，提升相机控制精度。

一篇论文提出D-VLC方法，面向未知环境中异构具身多机器人系统，实现去中心化视觉-语言协作。

论文提出移动机器人VLA框架，用强化学习增强推理，并给出推理到动作的显式接口以适配异构平台。

CARF提出对比吸引-排斥流匹配框架，通过进度评分器区分失败轨迹中的进步与失败关键段，引导策略模仿进步行为并避开失败行为。

研究团队基于 IsaacSim 的水下感知模拟器 OceanSim，新增合成数据生成流程，并在真实海胆检测任务上验证仿真到现实的迁移效果。

研究团队提出联合利用生成视频与音频，从自然语言任务提示中推导运动轨迹与期望力曲线，并在Franka Panda上验证。

研究提出基于强化学习的统一全身控制器，将6-DoF末端目标直接映射为双足底座与机械臂的协调动作，在真机上验证了多种指令接口下的操作能力。

该研究提出一种基于广义动量坐标的结构保持Koopman框架，使学习到的动力学具有无源性，并在仿真与实验中提升预测精度与闭环跟踪性能。

ICRA 2025 论文 ReMEmbR 将机器人长时程历史建模为向量库子集检索，用多轮函数调用替代上下文窗口，输出可执行坐标与时间。

预印本论文Show-Harness提出新思路，不训练专用VLA，直接以通用VLM加适配接口操控机器人。

研究提出跨视角潜在世界模型DUET-DINO，结合侧视与腕部相机观测，在7自由度动作空间实现潜在规划，多项任务成功率优于基线。

该研究构建深度强化学习框架，训练无人机在模拟野火环境中导航与监测，结果显示智能体行为随时间趋于稳定，可跟踪火场边界。

研究提出基于三维阻力理论的颗粒接触模型与地形自适应控制器，在玄武岩、干沙和海滩沙等真实颗粒地形上实现敏捷人形运动，属首次演示。

研究团队提出SwingBot学习框架，借助仿生关键帧与递归特权状态估计，使高自由度人形机器人实现连续臂跃。

美的团队发布基于真实机器人数据的基准 FolDeX，以叠衣为任务，含2000+小时数据、20+任务、10+本体。

研究者提出 Show-Harness 具身框架，通过离散语义动作接口让 VLM 直接控制机器人，并推出 GUMI 实现跨本体示范采集。

研究者提出FRAME方法，通过属性权重和读出头实现机器人场景记忆中的多属性组合检索，性能优于基线。

研究提出CAST算法，结合规划与学习策略，提升价值学习，并在Unitree Go2四足机器人上完成动态倒立演示。

剑桥团队提出HiBRIDGE，用分层贝叶斯网络增强机器人群体交互中的行为预测与可解释性。

SyncWorld利用视觉校准片段为动作条件世界模型提供上下文，在未见环境中零样本模拟动作结果，并支持测试时策略改进。

DEX-X从人类视频中学习灵巧操作，利用仿真补全触觉信息，实现零样本迁移到真实机械臂。

研究提出去中心化预测性屏蔽方法，融合有限时域Q学习，使多机器人在部署中安全调整策略。

研究提出物理仿真与多智能体强化学习框架SMaRT-Tug，提升拖船协作操控性能。

新基准ROBORMBENCH证实当前视觉语言奖励模型在同义指令下不稳定，可翻转机器人成败判断。

研究者提出H2INT强化学习框架，编码人机交互关系以提升密集人群中的导航安全与鲁棒性，并完成真机验证。

研究人员提出AdaRoboVLG框架，将基础模型先验与可泛化抓取合成解耦，实现跨机械手泛化和功能抓取。

研究评估目录图片在工业毛刺识别中的域迁移效果，发现灰度化等简单改进带来最大收益。

论文梳理机器人学习中表征、VLA模型与世界模型的互补关系，提出统一分类法并指出集成挑战与未来方向。

研究提出拓扑图宏观动作强化学习框架，在视觉语言导航任务中取得领先表现。

研究者提出风险知情世界模型框架，将世界建模的重心转向后果认知与决策支持，以应对安全关键场景下的结构性挑战。

波恩大学团队提出MS-MEM框架，融合主动视角选择、推物与抓取，降低场景干扰并提升映射精度。

研究提出统一运动重定向框架UMR，通过学习点云对应实现无需人工映射的人形机器人运动重定向。

研究提出ProxPI方法，通过软邻近代价整合策略先验，提升MPPI控制在先验失配时的性能。

研究提出ADAPT端到端框架，通过扩散动作先验和强化学习实现文本指令直接控制人形机器人。

研究者提出CAER训练范式，通过重加权损失聚焦动作因果影响的视频帧，提升世界模型的物理一致性与可控性。

Zeva提出具身智能在线情境学习框架，在保持策略模型冻结时，从机器人自身物理交互经验中提取因果信号，实现部署中自我进化。

针对多智能体系统计算延迟问题，提出异步协同学习策略与分布式控制律，在无人艇仿真中取得性能提升。

研究者提出扩散模型方法，用于信号时序逻辑下可泛化的多智能体规划。

新算法实现多机器人共享约束下的广义纳什均衡求解，无需交换拉格朗日乘数，降低通信开销并提升隐私性。

国家发改委部署具身智能产业，论文团队提出跨机器人本体通用训练方法，推动机器人真实落地。

ChainSplat提出从多视角RGB视频学习可变形线性物体动力学，实现实时状态与力估计。

MILO框架利用大重建模型从单张图像恢复三维人机交互，准确率优于现有基准。

CLAP框架实现跨形态零样本物理模拟，性能媲美专用模型，已开源。

STEP方法利用多模态大语言模型估计系统状态并预测状态转移，提升工业人机协作任务规划的可执行性。

提出接触辅助因子图定位框架，融合机械臂接触事件与视觉里程计，提升水下采样轨迹精度。

研究提出Stonefish仿真器的深海扩展，增强流体动力学、传感器模型与水下光学，支持实时仿真，服务于深海机器人导航与自主性研究。

PhysCaP论文提出用物理启发探索将代码策略代理应用于真实世界机器人任务，实现物理推理。

研究提出VLAct方法，以有限机器人数据提升VLA模型表现，在多个基准上超越工业级系统。

EgoNav通过语义分割与自适应局部规划，提升室内机器人导航的成功率与路径效率。

新框架将代码智能体与视频模型结合，实现规则一致的世界状态演化。

StreamPI框架为单帧VLA模型赋予时间推理能力，无新增参数，在真实机器人和LIBERO基准上超越pi0.5。

MA-VLA通过原子动作分配和臂洗牌机制，实现多臂机器人的组合泛化与协作，在未见协作模式中表现优异。

一种显式建模物理交互的示教学习方法，用单次示范完成接触丰富任务，提升鲁棒性。

CARO框架将固定基座欧拉-拉格朗日模型嵌入强化学习，免接触传感实现四足机器人零样本鲁棒移动。

研究提出一种无奖励的持续学习框架，利用潜在状态世界模型，使太空机器人在硬件严重退化时无需新奖励即可适应，并在多项模拟任务中验证。

新框架GuRO结合MPC与RL，用黎曼优化提升四足控制训练效率。

日本研究者提出自由能门控可塑性（FEGP），在真实人机交互中让随机初始化的机器人神经网络在线学习三种循环运动模式，无需预训练。

研究者提出ParallelWorld，一种多步前瞻的具身推理测试时扩展框架，通过验证器引导的树搜索提升主动感知性能。

研究提出NeSAM框架，结合解耦式Bekker-Wong地面力学与变压器残差模型，提升越野车辆运动预测精度。

研究提出离线强化学习策略解耦提取范式，将策略改进从训练解耦到推理阶段，优于联合学习方法。

上海AI实验室等机构提出AdaPT框架，使人形机器人从转播视频学习网球发球和回合风格，并在G1和Dobat Atom机器人上实现真实部署。

研究者提出分层强化学习框架，使四足机器人能够动态穿越狭窄门洞，并验证其可扩展至其他动态任务。

法国科研团队提出CoToGrasp框架，在规范工作空间内学习接触流形，无需物体标注即可按接触拓扑生成稳定抓取，并完成真机验证。

法国研究团队提出GOAG抓取规划器，利用抓取器与物体接触面几何一致性，实现物体无关的训练和高效采样，平均成功率达86.93%

东京大学团队提出QDOS方法，通过优势加权质量-多样性预训练从离线数据中提取多样且高价值的技能，提升机器人操作和运动任务性能。

新框架CoToGrasp以对象无关方式学习接触流形，实现零样本泛化，在DexGraspNet上达到先进性能并完成实物验证。

GOAG提出生成式目标无关抓取规划方法，以接触面分布实现多指抓取泛化，成功率86.93%。

EXIMO算法通过探索、模仿、优化三阶段，利用视觉语言模型规划，提升VLA策略微调的样本效率和最终性能。

研究提出PartialBiGrasp框架，利用部分点云观测生成双臂抓取，通过卷积占用网络和采样优化，实现稳定抓取。

研究人员提出DA-WAM框架，将预测学习与规划优化统一，在NAVSIM基准上取得先进性能

研究团队提出Dream2Reward奖励模型，无需失败标注即可从成功演示中学习，提升机器人操作策略学习效果。

综述视觉语言模型在第一视角视频理解中的应用，涵盖手物交互、时序推理和具身智能部署。

北京大学研究团队借助 Franka Research 3 机器人，在模型自主决策下完成豆腐等柔软物体的精细操作，展示高精度力控能力。

Hydra-0提出以动作流为统一视觉接口的世界模型，跨本体降低运动误差并支持零样本组合与数据高效适应，在RoboLab基准上达到高相关性。

研究提出Hydra-0通用世界模型，以动作流为共享视觉接口，降低机器人运动误差并支持零样本组合与数据高效适配。

研究揭示面向大模型驱动具身体的状态语义注入攻击，影响任务规划与执行安全。

MatchingPolicy将对应关系识别与策略解耦，实现少样本跨物体泛化的新方法。

研究者提出两阶段潜在世界模型Orbit-Planner，用于卫星在轨避障，在Isaac Sim中闭环导航成功率达91.7%。

研究人员提出一种从网络视频学习城市场景具身导航策略的框架，并系统分析罕见但关键场景的长尾现象。

新框架Cyclops将稀疏激光雷达强度转化为RGB视频，实现在弱光环境下借助视觉模型完成全天候感知任务。

τ0-VLA通过世界模型引导的测试时计算，提升长程操作任务的成功率。

该研究提出Tac4Loco框架，利用足底压力阵列的时空表征提升人形机器人在复杂地形上的行走鲁棒性，并开源代码。

研究提出SpecVLA，利用机器人环境状态切换实现长动作长度推测与验证，降低延迟并保持任务成功率。

OccPlanner通过占用条件扩散模型，将像素目标映射到机器人度量空间，显著提升导航成功率。

研究发现从VLA模型π_{0.5}的残差流中可线性读取任务进度信号，并用作无标签OOD检测器。

剑桥团队提出EDD框架，通过显式解耦环境与社会知识，并采用重放策略，提升社交机器人在多场景下的持续学习能力。

新方法Seeker从动作监督中学习任务相关区域，提升机器人学习数据效率与鲁棒性，在真实机器人上成功率大幅提升。

研究提出一种主动技能学习算法，在有限练习预算下计算最优分配，以最大化长期任务回报。

NestDex框架利用学习到的灵巧手技能辅助遥操作数据采集，再由外层视觉运动策略学习自主控制，提升真机灵巧操作的学习效率与可靠性。

语义辐射场将二维语义分割提升至三维，可同时提供几何、外观与类别语义，用于具身智能体的空间推理训练与评估。

南京大学LAMDA团队发布机器人集群自主跳绳技术，论文已公开。

SHAPER提出无需微调的自我进化框架，通过演化技能与执行工具提升具身智能体性能。

新研究提出CEAA模块化架构，融合感知-思考-行动范式，以支持虚拟环境中的具身智能体部署。

研究者提出容错运动强化学习方法，使用非对称演员-评论家架构与可学习步态频率，在68千克四足机器人上验证。

arXiv新论文提出基于OpenArm的移动操作原型，通过表示交接整合语言、感知与规划。

新框架AutoIntervene利用视觉-动作支持记忆，校准阈值，在部署中动态切换策略与操作员控制，提升机器人任务成功率。

新框架C2Dex利用单目视频生成灵巧机器人操作示范，提升接触稳定性与物理合理性。

WorldTrace框架解决交互式视频世界模型长程视觉记忆问题，在LoopBench基准上分别提升时序一致性与情景回忆能力15.5%和19.5%。

新研究提出GeniWorld世界模型，利用URDF渲染将动作转为视觉表示，提升机器人操作在未知场景的泛化能力。

研究提出可变阻抗扩散策略，无需力传感器即可预测位姿与柔顺性，提升操作成功率并降低交互力。

新方法ErgoSurf利用触觉感知和高斯过程隐式曲面模型，在未知曲面上实现同时遍历覆盖与几何重建。

iARCS框架通过迭代智能体强化学习，提升合成三维场景生成的功能约束满足度，并改善下游具身智能训练数据质量。

研究者提出HiRoC层次化后训练框架，将任务规划与动作执行解耦，通过强化学习提升长程操作性能。

JoyAI-RA 0.5提出双动作对齐框架，利用人类视频等异构数据扩展操作学习，基准测试表现优异。

无人机航拍图像目标导航新方法提出UA-NWM，不确定性感知世界模型提升轨迹选择鲁棒性。

提出免训练框架GaussianSelector，基于三维高斯溅射实现稀疏视图下的物体分割，计算开销低，可多轮修正。

研究者提出一种自动化标定方法，用于确定旋转平台轴线相对于静态线扫描激光雷达的变换参数。

DASH机器人通过涵道风扇与弹簧腿一体化设计，结合接触隐式模型预测控制，实现飞行与跳跃双模式高效运动。

提出嵌套运动学与动力学框架，结合LLM与树搜索，实现快速可行性检查与轨迹生成，适用于人形机器人全身操作。

提出Masked Visual Actions，通过像素空间控制接口实现统一世界建模，仅需15小时微调即可预测场景响应。

提出Agentic Real2Sim框架，利用视觉语言代理将真实机器人交互记录自动转换为可仿真数字孪生，覆盖刚体、变形体和人形场景。

研究提出分层LLM与DRL结合框架，由云端LLM做全局负载均衡、边缘LLM定战术子目标，由DRL控制器执行无碰撞轨迹。

研究者提出耦合自中心控制方法，自动协调机器人躯干与底座，减少操作负担，提升效率。

DPNeXt提出轻量级多尺度融合解码器，在机器人感知任务中提升效率。

论文提出在机器人导航和标注预算限制下，通过空间不一致性选择样本的具身主动学习框架。

研究利用MJoCo MJX和Brax库创建机器人臂避碰任务仿真基准，在UR5e和Franka机器人上分别达到96.1%和98.8%的到达成功率。

SeerGuard安全框架通过预执行指令筛选和动作风险评估提升移动GUI代理安全性，实验显示风险评分显著下降。

研究者提出BadWAM框架，揭示世界-行动模型易受对抗攻击干扰，导致预测与执行不一致。

VOP-Nav融合速度障碍法与端到端学习，实现四足机器人在密集动态环境中的安全敏捷导航，并在真实机器人上验证。

研究者提出LifelongVLA框架，通过双时序LoRA门控模块与缓存高效重放策略，在机器人操作中实现塑性-稳定性平衡。

论文提出名为PhysClaw-0的共生式自主操控系统，通过可重用的语言修正记忆减少人类监督成本，在桌面清洁测试中人类工作时间降至16%。

研究提出将控制障碍函数与逆强化学习结合，从无标签专家观测中恢复屏障函数，实现安全在线控制，经仿真与真实避障任务验证。

提出两种执行质量评估指标与智能体强化学习框架，使机器人操作在干扰下成功率提升最高39.2%。

人工强制发布：该稿未通过自动质量门，正文未经过合格改写。

发布首个针对分布式电驱动卡车的高保真自动驾驶规划基准nuTruck，支持大规模神经网络训练与闭环评估。

人工强制发布：该稿未通过自动质量门，正文未经过合格改写。

提出KnowAct-GUIClaw框架，通过记忆与技能演化提升跨平台GUI任务自动化性能，在MobileWorld基准上超越闭源模型。

GigaWorld-Policy-0.5通过混合训练策略和专家架构，在保留视觉动力学训练优势的同时实现高效推理。

研究团队提出DenseReward密集机器人奖励模型，通过自动化生成物理真实的失败轨迹，提供逐帧奖励信号，提升强化学习效率。

人工强制发布：该稿未通过自动质量门，正文未经过合格改写。

ChunkFlow提出一种面向分块策略的连续一致训练执行框架，通过区域划分、确定性混合与连续性损失，改善VLA模型中的边界抖动问题。

人工强制发布：该稿未通过自动质量门，正文未经过合格改写。

研究提出强化学习探索令牌，通过结构化行为先验提升视觉-语言-动作模型在机器人操作中的样本效率。

研究团队提出UR-VC方法，通过跨轨迹相似状态聚合校正时间标签，提升机器人任务进度评估精度。

研究人员提出EEC解释框架，通过Agent响应图发现多智能体强化学习隐藏的几何结构。

该研究提出将时间深度编码器嵌入强化学习策略，使仿人机器人在仅依靠深度观测的情况下完成带球突破，无需显式状态估计。

论文提出AutoPath方法，通过学习可迁移的目标条件随机路径先验，实现机器人在密集静态和动态场景中的安全导航，无需人为演示。

人工强制发布：该稿未通过自动质量门，正文未经过合格改写。

人工强制发布：该稿未通过自动质量门，正文未经过合格改写。

SKooP框架结合形态对称性和Koopman模型预测，通过自编码器学习系统动力学，为评论家提供平滑特征，显著提升四足机器人强化学习采样效率和收敛速度。

人工强制发布：该稿未通过自动质量门，正文未经过合格改写。

研究人员提出EDAR方法，将动作令牌同时映射到可执行控制结构和预期视觉后果，在仿真和真实机器人操作基准中提升了策略学习效果。

ABot-N1通过慢速推理与快速控制的解耦架构，在城市场景导航中实现35.0%的POI到达率提升，达到77.3%。

人工强制发布：该稿未通过自动质量门，正文未经过合格改写。

PanoWorld利用全向表示旋转等变性，通过密集全景射线条件和几何感知记忆增强实现长程记忆，并在新构建的World360数据集上取得领先性能。

ContactMimic框架利用接触跟随奖励和轨迹增强，使人形机器人解耦接触行为与关键点几何，实现精确物理接触和接触可控性。

研究者提出Latent Memory Palace框架，将控制策略的推理过程建模为自回归变分推断，实现可适应的测试时计算分配，并在仿真和真实世界中获得良好表现。

AnyDexRT提出免标定重定向方法，结合自监督指尖对应与少样本人机引导，提升灵巧手遥操作性能。

CamVLA模型通过预测相机坐标系下的末端执行器动作与手眼矩阵，实现免标定、免深度、单目RGB的视点鲁棒操控。

该框架通过在智能体任务中提供细粒度连续评分，在多个机器人及编程基准上达到最先进性能，并可用于强化学习提升样本效率。

研究提出仿真到现实强化学习方法，结合触觉与关节扭矩传感，实现五指灵巧手零样本抓取与物体重定向。

DSWAM结合系统1的世界动作执行器与系统2的语言视觉子任务规划器，实现精细机器人操作，并在DeMaVLA环境下与VLA模型进行公平对比。

人工强制发布：该稿未通过自动质量门，正文未经过合格改写。

研究团队利用深度强化学习与课程学习训练人形机器人探索跌倒保护行为，发现三角支撑结构可显著降低跌倒损伤，并成功迁移至真实平台。

RoboCopilot提出人机无缝控制切换的交互示教系统，实现双臂操作技能的高效学习，并在仿真与硬件实验中验证有效性。

研究者提出缩小真实与仿真差距的方法，并据此构建 SIMPLER 仿真环境集合，用于在常见真实机器人配置上评估操作策略。

灵步机器人推出LingBot-VLA 2.0，通过多样化数据训练和运动预测建模，提升跨任务与跨本体的操作能力。