哥大李昀烛团队在 IROS 2026 介绍 FlexiTac 触觉传感器开源进展
哥伦比亚大学李昀烛团队在 IROS 2026 触觉专题研讨会上介绍了开源压阻式柔性触觉传感器平台 FlexiTac 开源一年半后的进展与生态。该传感器采用 FPC 与力敏薄膜层叠结构，组装约需 3 分钟，可弯曲裁剪并适配手套、指尖或机器人皮肤，团队开源了完整 BOM、组装说明和读取数据的软件，并集成进 LeRobot 与 SO-100 机械臂工作流。
雷峰网 · 机器人精选报道
NEWS
资讯
IN FOCUS
重点报道
WorldOracle 发布动作条件世界模型基准，对照真实执行评测七款模型
The Robot Report精选报道
Waymo宣布2027年东京robotaxi服务采用丰田bZ4X
The Verge · 具身关键词过滤动态报道
热点榜 ↗
10.19 — 10.25
- 01
- 02
- 03
- 04
- 05
- 06
- 07
- 08
- 09
- 10
LATEST
最新资讯最新文章
arXiv · cs.RO精选AI 评分6262 CALM：多智能体强化学习实现无人机协同吊运分散式控制
作者提出 CALM（Cooperative Aerial Learned Manipulation），一种让多架无人机协同携带篮筐、跟踪移动地面机器人的分散式控制器。
推荐理由：论文给出多无人机协同吊运篮筐的分散式控制方案，并与机械臂基线在位置和姿态误差上做了对比。
arXiv · cs.RO精选AI 评分6767 MOVER：从人类视频学习可泛化人形机器人搬运策略
研究提出 MOVER，一个多阶段 Teacher-Assistant-Student 强化学习框架，用于人形机器人物体搬运。该方法先用 GENMO 和 GMR 重定向视频数据并做数据增强，再分三阶段训练，最后用 Dagger-PPO 蒸馏去掉本体位置观测和参考关节位置，使部署策略依靠机载 RGB-D 相机感知物体位姿。
推荐理由：论文给出从视频数据到实机部署的三阶段强化学习框架，可用于比较人形机器人搬运策略的空间泛化路径。
arXiv · cs.RO精选AI 评分6262 LPS：通过一步流策略实现潜空间策略引导的离线强化学习方法
作者提出潜空间策略引导（LPS），将原始动作空间的Q梯度通过可微的一步MeanFlow策略回传，以更新潜动作空间actor，从而省去代理潜空间critic。该方法让原始动作空间critic端到端引导潜空间优化，同时以一步MeanFlow策略作为行为约束的生成先验。
推荐理由：论文提出用可微一步MeanFlow策略回传原始动作空间Q梯度，省去代理潜空间critic，为离线RL策略改进提供可迁移思路。
arXiv · cs.RO精选AI 评分6565 Combining Constrained Sampling and Reinforcement Learning for Manipulation 论文提出约束采样重置方法
Marc Toussaint 等人提出一种状态采样器，将约束流形上的采样用于重置状态分布，以提升接触丰富操作任务中目标条件强化学习的探索效率。该方法结合约束采样重置、投影插值和课程学习，作者称其优于无约束采样的强化学习及替代重置方法，并在全身与手内接触丰富场景中训练出通用、抓取与非抓取操作策略。论文被 CoRL 2026 接收，项目页面提供视频与完整源码。
推荐理由：论文把约束流形采样用于重置状态分布，为接触丰富操作中的强化学习探索提供了一种可迁移的训练思路。
arXiv · cs.RO精选AI 评分6060 MoVLR：用视觉语言模型为肌肉骨骼控制学习奖励函数
作者提出 MoVLR 框架，利用视觉语言模型在控制优化与 VLM 反馈之间迭代探索奖励空间，为高维肌肉骨骼系统的运动与操作发现和细化奖励函数，而非依赖手工设计奖励。该方法把语言和视觉评估转化为具身学习的结构化引导，论文称结果说明 VLM 能把抽象动作描述对应到生理运动控制中的隐含原则。该工作已被 L4DC 2026 接收，arXiv 编号 2512.23077。
推荐理由：论文提出用视觉语言模型迭代反馈来发现高维肌肉骨骼系统的奖励函数，可了解语言目标如何转成控制奖励。
arXiv · cs.RO精选AI 评分7272 Humanoid Dodgeball：用强化学习训练人形机器人快速躲避动态障碍
Humanoid Dodgeball 提出一个面向人形机器人敏捷动态避障的强化学习框架，通过威胁感知奖励塑形和多个方向特定的对抗运动先验，让机器人对飞来的抛射物做出全身躲避动作。作者称仿真与硬件实验显示，该框架在不同障碍速度和发射距离下提升了动态避障表现，同时保持稳定且物理可行的人形运动。
推荐理由：论文给出人形机器人躲避高速抛射物的强化学习框架，可用于比较动态避障中的奖励设计与运动先验。
arXiv · cs.RO精选AI 评分6060 SONIC-K1：在单张 GPU 上为 Booster K1 小型人形机器人移植全身运动跟踪器
SONIC-K1 是作者称为首个面向 Booster K1 人形机器人的开放权重全身运动跟踪器，通过将 SONIC 框架适配到这一更小的机器人得到。策略在单张共享 GPU 上从零训练，算力只占 SONIC 报告算力的一小部分；在 MuJoCo 仿真中按 SONIC 的成功判据跟踪了几乎所有留出动作片段，并在外部基准上表现良好。
推荐理由：论文给出在单张共享 GPU 上从零训练小型人形全身运动跟踪策略的流程，并区分仿真与实机表现。
arXiv · cs.RO精选AI 评分7171 Event2Reward：从进度关系学习机器人奖励
Event2Reward 提出从机器人演示中学习奖励的方法，用归一化时间标签锚定进度尺度，并用轨迹内的停滞、回退与恢复关系约束局部变化，将进度预测作为奖励塑形的势函数。
推荐理由：论文用轨迹内的停滞、回退与恢复关系约束进度预测，为从失败执行中构建稠密奖励提供了一种可迁移方法。
arXiv · cs.RO精选AI 评分6060 Data Inoculation：用残差策略扰动遥操作指令的机器人数据采集框架
Qiyang Li、Sergey Levine 等提出 Data Inoculation（DI），一种共享控制数据采集框架：人类提供闭环遥操作指令，残差策略在线训练并扰动这些指令，使机器人接触更广的状态范围，人类的持续纠正则提供恢复演示。作者称在三个真实机器人任务上，DI 的成功率持续优于或持平行为克隆与离线 RL 训练的策略。论文为预印本，未给出任务细节与成功率分母。
推荐理由：论文提出共享控制的数据采集框架，用残差策略扰动遥操作指令，为机器人演示数据的覆盖问题提供可迁移方法。
arXiv · cs.RO精选AI 评分6969 约束感知强化学习实现力驱动的钩型连接拆卸
Nadeen Elhadad 等提出约束感知强化学习框架，从接触力在线推断可行的拆卸方向，在机器人无关的物体中心仿真中训练后零样本部署到实机。该方法结合粒子滤波信念提供时序积分的方向信息，在四类真实任务上成功率分别为 100%、100%、90% 和 75%，且每项任务路径效率最高；在空调前盖上相比未使用该信念的策略把成功率从 45% 提升到 75%。
推荐理由：论文用接触力在线推断拆卸方向，并在四类真实任务上给出成功率，可看力觉策略从仿真零样本迁移到实机的做法。
arXiv · cs.RO精选AI 评分8080 ELEVATE：从任务失败中为四足操作机器人自动获取控制器
ELEVATE 框架利用任务程序优化中的持续失败识别缺失的全身控制能力，由编码智能体构建并迭代强化学习问题，验证后的控制器加入能力库并与已有控制器组合重试任务。
推荐理由：论文展示编码智能体从任务失败中自动合成全身控制器的闭环流程，并给出仿真与实机迁移的成功率数据。
arXiv · cs.RO精选AI 评分7171 CSO：通过技能分布对齐与技能粒度优化改进机器人策略
Zhiyuan Xiang 等提出两阶段后训练框架 Cascaded Skills Optimization（CSO），用于修正 VQ-VAE 类离散技能先验的量化误差。
推荐理由：论文提出两阶段后训练框架，用于修正离散技能先验的量化误差，并给出LIBERO与实机单臂任务的成功率对比。
arXiv · cs.RO精选AI 评分6464 MATCH：面向连续环境视觉语言导航的执行感知分层强化学习框架
MATCH 是一个联合学习语言条件规划器与目标条件原子动作执行器的框架，用于连续环境视觉语言导航（VLN-CE）。它用执行感知拓扑图表示依赖起点的执行选项，并结合执行器价值估计与实际结果记忆，让规划器通过有界连续偏移细化执行请求。该模型以 0.5B 参数在 R2R-CE 和 RxR-CE 基准上取得 state-of-the-art，初步实机部署也展示了应用潜力。
推荐理由：论文把执行器能力纳入规划器训练，为连续环境视觉语言导航提供可迁移的分层强化学习方法。
arXiv · cs.RO精选AI 评分6060 相对动作信用学习：扩展 PPO 以逃离局部最优
论文提出用动作条件价值评论器扩展 PPO，通过在同一状态比较已执行动作与采样替代动作来改善信用分配，并结合广义优势估计与探索噪声约束。作者称该方法能在相同探索设置下逃离平台期，在 PPO 停滞的训练预算内完成精密轴孔插入任务。研究将 PPO 在长程接触丰富任务上的失败归因于状态价值评论器只按回合结果判断进展，导致策略收敛到部分解后无法区分动作优劣。
推荐理由：论文把 PPO 在长程接触任务上的停滞归因于状态价值评论器缺少动作区分，并给出可迁移的算法改动思路。
arXiv · cs.RO精选AI 评分6969 ThinkWorld：用世界想象强化动力学链推理的VLA学习框架
ThinkWorld 是一个 VLA 学习框架，把动作推理建立在世界动力学上，并通过世界想象的强化学习加以强化。它将每个动作思考表示为 Chain-of-Dynamics（CoD），即一串离散运动 token，刻画从当前世界到未来状态的中间动力学，并作为跨本体的通用动作表示。
推荐理由：论文提出以世界动力学链作为跨本体动作表示，并用世界想象强化推理，为无动作标注视频提供监督路径。
arXiv · cs.RO精选AI 评分7171 ARC：用稀疏人工纠正引导机器人策略残差后训练
研究提出自适应残差纠正模块 ARC，在冻结的模仿策略之上用强化学习学习残差纠正，并以稀疏人工纠正决定残差控制何时激活、在残差动作空间的何处探索。在真实机器人的三个精密操作任务上，ARC 将平均任务成功率从 33.3% 提升到 75.0%。作者称人工纠正定义了七关节残差空间中依赖任务的 2-3 维子空间，保留 96.0-97.7% 的纠正幅度平方。
推荐理由：论文把稀疏人工纠正用于定位残差探索的子空间，而非当作模仿目标，为冻结策略的后训练提供了一种可迁移思路。
arXiv · cs.RO精选AI 评分8383 无渲染事件帧仿真加速自主机器人导航强化学习
研究提出一种解析事件仿真器，直接从场景几何与自运动合成事件流，无需视觉渲染，单 GPU 生成 64x64 事件观测耗时 17 微秒，比先进渲染管线快 400 倍以上。
推荐理由：论文给出不依赖渲染的事件流仿真方法，并附实机飞行结果，可用于比较事件相机导航的训练效率与部署路径。
arXiv · cs.RO精选AI 评分6464 StabBot 用学习立体视觉与残差强化学习实现机器人管道对扣
StabBot 机器人管道对扣系统结合摆锤卡尔曼滤波、ResNet-18 关键点网络与残差强化学习策略，在 200 组随机作业中全部完成对扣，传统固定导向器为 74%。
推荐理由：论文给出管道对扣机器人在缩比仿真中的成功率与接触力对比，可用于了解学习策略与视觉定位在对接任务中的组合方式。
arXiv · cs.RO精选AI 评分7272 研究用强化学习实现固定翼无人机自主拦截
一项预印本研究提出用强化学习训练的神经网络控制固定翼拦截机，将滤波后的单目视觉观测直接映射为执行器指令。策略在自建 Python 环境中用近端策略优化训练，随后部署到固定翼平台并在真实拦截场景中测试；仿真中该策略在多数条件下优于两个经典制导控制器，实机中成功拦截了机动的固定翼目标。
推荐理由：论文给出固定翼拦截机从仿真训练到实机拦截的完整链路，并附经典制导控制器作对照。
arXiv · cs.RO精选AI 评分7171 RoboLongR：因果一致奖励引导机器人逐步掌握长程操作
RoboLongR 是一个离线到在线的框架，通过学习依赖历史的奖励引导策略适应新任务，核心目标是让奖励进度与执行历史支持的前置条件保持因果一致。方法采用阶段打乱监督、循环记忆和两轮训练，并以稀疏终端反馈触发对重复高分失败的纠正。
推荐理由：论文提出以因果一致性约束长程操作奖励学习，并给出仿真与实机成功率对比，可用于比较长程任务奖励设计。