论文追踪｜每天精选，说人话

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。