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 ActionUNet：用高效多尺度微调提升VLA模型鲁棒性
Di Zhu、Ziheng Yan、Fang Wan 提出 ActionUNet，一个在预训练 VLA 模型上做高效多尺度微调的框架，用于缓解粗粒度语义与细粒度时序执行之间的对齐问题。
推荐理由：论文提出在预训练VLA上做多尺度微调的轻量框架，并给出π0.5在三个测试设置下的成功率提升幅度，可供比较微调策略。
arXiv · cs.RO精选AI 评分7575 GlanceWAM提出稀疏测试时想象的世界动作模型
Linhan Wang等人提出GlanceWAM，将视觉想象与控制解耦在同一个视频DiT主干上，由异步提议器在后台以慢时钟生成单帧前瞻画面，动作头在潜空间中按控制频率解码动作块，单块时延48 ms（A100）。
推荐理由：论文把视频想象移出控制关键路径，在共享DiT上异步生成前瞻帧，为世界动作模型的时延与成功率权衡提供了一种可迁移思路。
arXiv · cs.RO精选AI 评分6767 WNM-3D：以3D场景条件驱动的闭环视觉语言导航世界模型
作者提出WNM-3D，一个面向连续视觉语言导航（VLN）的生成式世界导航模型，用冻结的前馈几何编码器从单目RGB历史提取跨视角表示，再经可训练的3D Scene-to-Token Adapter转为定长场景前缀，通过块因果注意力在联合去噪中持续提供给世界-动作Diffusion Transformer。
推荐理由：论文把3D场景几何作为持续条件注入世界-动作扩散模型，并给出GN-Bench与VLN-CE上的对照结果，可供比较世界模型路线。
arXiv · cs.RO精选AI 评分6060 EAFG：用视觉证据门控 VLM 与 TAMP 的任务与运动规划
作者提出证据获取与可行性门控框架 EAFG，让 VLM 生成子目标、机器人执行 TAMP 规划的动作序列以获取视觉证据，再据此决定继续任务规划、继续获取证据还是停止。在三个烹饪场景（明确指定所需物体、指令欠明确、所需物体缺失）中，EAFG 在明确与欠明确场景下任务完成情况优于 VLM-TAMP 基线，并在所需物体缺失时能适当停止。该工作为 arXiv 预印本（arXiv:2608.20084）。
推荐理由：论文提出用视觉证据门控 VLM 子目标与 TAMP 规划，并在三个烹饪场景中与 VLM-TAMP 基线对比，可供关注长程操作规划的研究者参考。
arXiv · cs.RO精选AI 评分7272 Anchor-Align：通过表征锚定与语言动作对齐提升 VLA 微调泛化性
作者提出 Anchor-Align，在行为克隆微调 VLA 时加入视觉语言锚定与语言动作对齐两个目标，以缓解预训练表征被覆盖和语言动作错位问题。视觉语言锚定从冻结的 VLM 副本逐层蒸馏表征，语言动作对齐把每个动作目标转成离散运动方向标签，并在同一机器人观测上联合训练语言与动作预测。
推荐理由：论文针对行为克隆微调会覆盖预训练表征的问题，提出表征锚定与语言动作对齐两项训练目标，并在单臂与双臂实机上评测。
arXiv · cs.RO精选AI 评分6060 VLA-Corrector：面向自适应动作时域的轻量检测与纠正推理框架
作者提出VLA-Corrector，一个面向动作分块VLA策略的轻量纠正推理框架，在不修改主干策略权重的前提下检测视觉动态偏差并触发纠正重规划。该框架引入潜空间视觉监控器LVM，持续比较预测与实际视觉特征演化，一旦检测到持续偏差便截断剩余动作，并通过在线梯度引导OGG重新规划。
推荐理由：该预印本提出不改动VLA主干权重的检测与纠正推理框架，为动作分块策略的闭环响应提供可迁移思路。
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6262 综述：接触密集机器人任务的安全学习，从经典方法到安全基础模型
一篇被npj Robotics接收的94页综述系统梳理了接触密集机器人任务的安全学习方法，将其分为安全探索与安全执行两大类。文章回顾了约束强化学习、风险敏感优化、不确定性建模、控制屏障函数和模型预测安全盾等技术，并重点讨论这些安全原则如何延伸到VLM与VLA基础模型，包括语言级约束指定与安全信号多模态落地带来的新机会和放大风险。作者同时列出当前局限与面向复杂接触环境的未来方向。
推荐理由：综述把接触密集任务的安全学习拆成安全探索与安全执行两类，并讨论这些原则如何延伸到VLM/VLA基础模型。
arXiv · cs.RO精选AI 评分6262 OmniVIC：结合视觉语言上下文学习的自改进变阻抗控制器
OmniVIC 提出一种由视觉语言模型增强的通用变阻抗控制器，从图像和自然语言推理任务上下文并生成自适应阻抗参数。其核心是自改进的检索增强生成与上下文学习，从结构化记忆库检索相似历史经验，并结合实时力/力矩反馈把交互力约束在安全阈值内。作者称在仿真和实机复杂接触任务上优于基线，平均成功率从 27% 提升到 61.4%，力违规减少；该工作已被 IEEE Humanoids 2026 接收。
推荐理由：论文把视觉语言模型的上下文推理接入变阻抗控制，并给出仿真与实机任务的成功率对比，可供关注语义推理与柔顺控制衔接的研究者参考。
arXiv · cs.RO精选AI 评分7878 Gym-Anything for Robotics：用编码智能体扩展机器人物理仿真并发布RoboWorld基准
作者提出Gym-Anything for Robotics框架，让编码智能体创建机器人仿真，以缓解仿真构建依赖专家、难以规模化的问题。他们依据美国GDP数据挑选覆盖有经济价值体力工作的场景，定义良好仿真与任务的标准，并设计对抗式创建-审计循环逐项检查。基于该流程构建的RoboWorld包含25个仿真，以及难度不同的25个测试和175个训练强化学习环境；最好的前沿模型在所有RoboWorld测试任务上均失败，平均奖励仅0.06。
推荐理由：论文提出用编码智能体自动生成机器人仿真环境，并给出25个仿真与200个RL环境的基准结果，可供比较仿真规模化路径。
arXiv · cs.RO精选AI 评分6262 BURGER：用机器人绘画基准评测VLA模型的泛化能力
作者提出BURGER，一个语言条件机器人绘画基准，并提供可在仿真和真实世界生成连续绘画轨迹的提示驱动流水线。研究用282个绘画任务、28200条仿真演示评测5个代表性VLA模型，分析数据规模、语言落地和多模态行为，发现不同模型呈现不同失败模式。团队还将训练策略部署到Franka Panda机械臂，展示在人工干预下进行反应式绘画。
推荐理由：该预印本用绘画任务构建语言条件机器人基准，覆盖282个任务和5个VLA模型，便于比较不同模型的语言落地与动作生成失败模式。
arXiv · cs.RO精选AI 评分6060 HiFOR：面向VLA模型的动作引导世界检索分层预见框架
作者提出HiFOR，一个带动作引导世界检索的分层预见框架，用于视觉-语言-动作模型。该方法通过分层依赖掩码联合预测短期状态演化、语义里程碑和最终目标状态，并用结构感知潜在世界建模与动作引导因子化世界检索为动作生成提供针对性引导。作者称在两个仿真基准和六个真实机器人操作任务上验证了方法有效性。
推荐理由：论文把短期状态、语义里程碑与最终目标纳入统一分层预测，并用动作引导检索未来信息，可供VLA策略设计参考。
arXiv · cs.RO精选AI 评分7575 TouchBridge：触觉条件人到机器人数据转换用于灵巧操作
TouchBridge 提出硬件与软件协同的人到机器人数据转换框架，通过可穿戴人类演示接口与对应机器人接口建立视觉和指尖触觉的跨本体对应。其 Tac-Retarget 方法以实测接触对齐指尖接触区域，无需物体网格、位姿估计或物理仿真即可完成重定向。
推荐理由：论文给出触觉条件重定向的人到机器人数据转换框架，并报告四类实机接触任务的成功率与采集效率对比。
arXiv · cs.RO精选AI 评分7474 LOGIV：面向长程机器人任务的图验证执行与因果局部修复框架
LOGIV 是一个面向具身机器人执行的图工程框架，用显式任务图连接符号规划、基于观测的验证与具身动作，并在执行中检查条件支撑与资源顺序边的物理有效性。在 RoboTwin V2 和 BiCoord 的 20 个双臂任务、三种执行骨干上，无注入扰动时平均任务成功率分别提升 10.67 和 15.33 个百分点；在预设扰动下，其任务完成与条件恢复优于三个适配的恢复基线。
推荐理由：论文把任务图与执行期条件校验结合，为长程机器人任务提供可复用的失败恢复接口。
arXiv · cs.RO精选AI 评分6060 Surrogate Uncertainty：用外部代理模型估计黑盒VLM视觉定位不确定性
论文提出 Surrogate Uncertainty 方法，用外部代理贝叶斯模型估计黑盒视觉语言模型在视觉定位中的逐查询不确定性，并分解为偶然与认知两部分。该方法通过跨输入模态的分层检索构建紧凑联合空间邻域，可结合保形预测或基于模型的规划实现主动视觉定位。作者称在多个定位基准和先进VLM上校准与任务表现均有提升，并在真实 Fetch 机器人上按开放世界指令在自信行动与信息收集间做取舍。
推荐理由：论文把黑盒VLM的视觉定位不确定性交给外部代理贝叶斯模型估计，并在真实Fetch机器人上验证主动定位的取舍。
arXiv · cs.RO精选AI 评分6262 CoRAct：面向视觉-语言-动作模型的后果锚定推理到动作对齐框架
作者提出CoRAct，一个后果锚定的推理到动作对齐框架，通过动作噪声空间中的奖励引导优化，显式对齐具身思维链推理与动作生成。
推荐理由：论文提出用动作噪声空间中的奖励优化显式对齐推理与动作，并在仿真基准和实机任务上对比ECoT基线。
arXiv · cs.RO精选AI 评分6363 PRIME W0：用世界模型物理先验增强具身操作的VLA框架
PRIME W0 是一个分层条件流匹配框架，旨在让VLA模型不再只依赖当前观测，而是利用长时序上下文与VLM的分层表示。其设计包括从预训练VLM向自适应MoE动作专家逐层注入KV、通过异步世界模型子目标图像预测和DINOv2历史帧语义桥接实现动力学感知条件，以及采用协方差结构化噪声的Action Dynamic Manifold流匹配。
推荐理由：论文提出分层条件流匹配框架，用世界模型子目标预测与历史帧语义桥接补足VLA的时序上下文，并给出消融验证。
arXiv · cs.RO精选AI 评分6767 研究提出几何预测头，让0.5-2B VLM直接回归机器人可供性与轨迹
该预印本提出一种轻量几何预测头，接在冻结的0.5-2B VLM骨干上，从中间隐藏层读取特征，经任务指令条件化查询和视觉token交叉注意力，直接回归可供性框与轨迹路点。
推荐理由：论文指出自回归解码是轨迹预测的主要瓶颈，并给出冻结骨干加几何预测头的替代方案，可供比较VLM空间输出方式。
arXiv · cs.RO精选AI 评分7878 UMI-Live：开源双臂UMI野外数据采集系统发布
作者提出UMI-Live，一套用于野外双臂数据采集的开源全栈UMI系统，其定制硬件集成相机与LiDAR-惯性传感、板载计算和供电，无需外部追踪设备或在采集环境中标定。系统提供简单录制界面，异步流水线并行进行SLAM重建并发布可直接用于训练的数据集，同时发布支持双YAM遥操作及VLA策略训练与推理的软件。作者用π0.5和MolmoAct2微调验证数据质量，在双臂抓放任务上成功率分别为10/10和8/10，并公开三个任务共40小时的UMI-Live数据及硬件设计、软件和复现指南。
推荐理由：该系统把相机与激光雷达惯性传感、机载计算和异步SLAM流程整合成免外部追踪的双臂采集方案，并附40小时数据与复现指南。
arXiv · cs.RO精选AI 评分6767 Utility-WAM：修正未来条件引发的动作偏移
Utility-WAM 针对世界动作模型（WAM）中预测未来引发的动作偏移提出修正方法。
推荐理由：论文拆解世界动作模型中预测未来带来的动作偏移，指出精度任务上的负迁移并给出残差适配器修正方案。