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。