研究：目标误泛化中策略对齐的三种失败深度
论文研究目标误泛化中目标信息在智能体内部丢失的深度，覆盖八个视觉导航与操作任务，包括机器人控制。
推荐理由：论文在八个视觉导航与操作任务中追踪目标信息在策略内部的留存深度，并据此区分可修复与需重训的失配情形。
NEWS / 动态
#仿真
按时间浏览，使用右上角筛选切换领域。
arXiv · cs.RO精选AI 评分7171 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 从生物曲线到模块化软体机器人：带不确定性引导修正的学习型逆向设计
该预印本提出一个 real-to-sim-to-real 框架，通过代理辅助逆向设计与不确定性引导修正，把生物曲线转成线驱动模块化软体机器人的构型。学习得到的前向代理模型把形变预测时间从 1.53×10^5 ms 降到 0.0008 ms，约 1.9×10^8 倍加速；逆向设计时间从 1.99×10^6 ms 降到 4.18 ms。
推荐理由：论文给出用学习代理模型替代物理建模做软体模块机器人逆向设计的思路，并报告了加速比与重建成功率。
arXiv · cs.ROAI 评分4545 通过任务分解增强深度强化学习的机器人运动规划
研究在Truncated Quantile Critics（TQC）骨干上结合首层critic迁移与分阶段奖励重设计（RR）的任务分解框架，在PyBullet无遮挡与单遮挡环境中测试Push、Pick-and-Place和Slide，每种设置三个随机种子。
arXiv · cs.ROAI 评分5858 多候选Simplex架构按上下文运行时构建安全吸引域
论文提出一种两阶段吸引域（RoA）认证流程，用基于收缩的稳定性分析确定目标集，再做基于Taylor模型的可达性分析，从而在运行时按上下文构建安全RoA，并在多个高保障控制器候选间安全切换。
arXiv · cs.ROAI 评分3838 月球推进式无人机安全节能运动规划框架
研究提出一种面向月球推进式无人机的自主运动规划框架，用视觉引导最优控制在指定航点间规划抛物线跳跃，航点不安全或不可达时执行转向机动安全着陆。团队构建定制语义分割模型从航拍图像识别障碍，并引入快速计算可达地形的方法，再用模型预测控制（MPC）跟踪跳跃轨迹。在高保真月球仿真环境中测试显示，该统一框架可生成安全、节能的跳跃轨迹，且能被MPC快速、低误差跟踪。
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6767 OmniDex发布260万杂乱场景数据集与灵巧抓取模型
OmniDex提出可扩展的seed-and-filter策略，构建了包含超260万场景和0.4B场景特定抓取真值的杂乱场景灵巧抓取基准。研究同时提出OmniDex模型，通过Soft Winner-Takes-All学习、类人物理约束训练和物理驱动排序，避免后优化延迟。实验称该模型在多样场景、视角和未见物体上取得state-of-the-art性能与较强泛化。
推荐理由：论文同时给出260万杂乱场景抓取数据集与OmniDex模型，可用于比较仿真数据规模与灵巧抓取泛化路线。
arXiv · cs.RO精选AI 评分7272 EmbodiRSI：面向数据高效机器人适配的递归自改进系统
EmbodiRSI 是一个在真实到仿真再回真实流程中做递归自改进的智能体系统，用任务专属仿真作为低成本环境迭代改进策略后再迁回物理世界。在三个桌面环境和 14 个子任务上，经过两轮 RSI 更新，场景均衡的自主仿真成功率从 50.4% 提升到 83.5%。
推荐理由：论文给出真实到仿真再回真实的递归自改进流程，并对比少量真实数据与大量真实演示的适配效果。
arXiv · cs.RO精选AI 评分6464 SALT：面向可靠视觉规划的状态仿射潜空间转移模型
作者提出 SALT（State-Affine Latent Transition），一种动作条件的状态仿射潜空间动力学模型，动作同时调制状态变换与加性更新，并以递归多步 rollout 监督训练。
推荐理由：论文把多步 rollout 误差拆成单步误差与传播项，并据此提出状态仿射转移模型，为视觉规划中的递归误差提供可迁移的分析视角。
arXiv · cs.ROAI 评分5858 Spike-MPPI：受运动神经元启发的MPPI采样方法
作者提出Spike-MPPI，一种受运动神经元启发的MPPI提议分布，通过共同随机驱动招募运动单元池、经抽动核滤波产生稀疏且时间连贯的扰动。在仿真中的足式运动与Franka FR3机械臂操作任务以及实机上评估，Spike在所有任务中产生最平滑的执行指令，包括与频谱匹配的高斯提议对比；平面消融显示共同驱动是所测运动池机制中对平滑度贡献最大的部分。
arXiv · cs.RO精选AI 评分6060 研究团队用编码智能体学习并迁移闭环机器人软件
So Kuroki 等人在 arXiv 预印本中提出把完整闭环机器人实现当作可复用的执行经验，由编码智能体从少量成功演示生成策略代码，并用仿真反馈迭代改进。在 RoboCasa 的四个源任务上，成功率从初始生成代码的 28.3% 提升到验证筛选代码的 64.2%，该方法还在 Unitree G1 实机上做了验证。
推荐理由：论文把闭环策略实现当作可复用经验，用 RoboCasa 四任务与九个迁移任务的对照数据说明源码优化与跨任务迁移的关系。
arXiv · cs.RO精选AI 评分6060 RE4：基于操作模式的物体交互模仿学习框架
Arsh Chawla 与 Rahul Shome 提出 RE4 框架，用操作模式理论检索并变换演示数据，以可解释的四步流程完成物体交互模仿学习。该框架包含模式感知的演示检索、模式感知变换，以及保持模式约束并连接检索点的重规划步骤，最终返回变换后的演示用于 rollout。
推荐理由：论文把操作模式理论用于演示检索与变换，在仿真基准和实机实验中检验可解释策略的鲁棒性。
arXiv · cs.RO精选AI 评分7272 AffordSim：面向可供性感知机器人操作的可扩展数据生成器与基准
AffordSim 是一个将开放词汇3D可供性预测集成到仿真轨迹生成中的数据生成器与基准，可根据自然语言任务描述合成场景、生成可供性查询并采样区域条件抓取，再用运动规划筛选可执行候选。
推荐理由：论文给出将开放词汇3D可供性预测接入仿真轨迹生成的数据生成器与50任务基准，可用于比较可供性感知操作的数据构建方式。
arXiv · cs.ROAI 评分5555 SwarmCoDe：无需预设物种数的异构机器人群体协同设计框架
SwarmCoDe 是一个协同协同进化算法（CCEA），把群体分解纳入优化过程，无需预先指定物种数量，联合优化机器人硬件、任务规划行为、合作关系与部署群体构成。
arXiv · cs.ROAI 评分5858 M：开源低成本模块化桌面社交机器人平台
作者提出开源低成本桌面社交机器人平台 M，目标是降低社交机器人研究的复现、改造与部署门槛。M 采用模块化机械设计、多模态感知和机械结构简单的表达驱动，配套 ROS2 原生软件包，将感知、表达控制与数据管理分层，并提供与硬件接口一致的仿真环境以支持交互行为的 sim-to-real 迁移。
arXiv · cs.RO精选AI 评分6060 ADTT：对齐增量三平面Transformer作为占用世界模型
作者提出对齐增量三平面Transformer（ADTT），一种紧凑的4D占用世界模型，用自车运动补偿显式对齐历史三平面，并只预测未来场景变化。模型在对齐先验上用查询条件Transformer预测残差变化，其中自车运动查询引导可控未来运动、可学习外部查询捕捉自车运动之外的场景变化，预测变化叠加到对齐先验后解码为未来占用场景。
推荐理由：论文提出用自车运动对齐历史三平面、只预测场景残差变化的紧凑占用世界模型，可用于比较自动驾驶场景预测的算力取舍。
arXiv · cs.ROAI 评分5858 间接最优控制构建周期轨迹库并用于双足行走
该论文研究周期轨迹优化的间接法，用于为足式系统生成最优步态，并与更常用的直接法对比。作者用数值延拓缓解间接打靶法的收敛难题，提出从被动步态重构拉格朗日乘子与协态的方法，并在compass-gait模型上对比两种打靶法，显示间接法精度更高。研究还将其应用于含十个动态状态、四个输入的RABBIT机器人，论文已投稿Automatica。
arXiv · cs.ROAI 评分3838 OrbitalGym：规划算法何时决定轨道博弈结果
论文提出基于JAX的仿真环境OrbitalGym，支持多智能体、位置速度姿态燃料状态表示及显式或隐式通信，可编译为批处理GPU代码大规模并行评估策略。
arXiv · cs.RO精选AI 评分7878 DexSuite 发布开源灵巧操作仿真框架，覆盖 30 个任务与 100 多种单臂机器人
DexSuite 是一个基于 Genesis 模拟器的开源一体化灵巧操作仿真框架，提供 30 个任务，并把 10 种机械臂与 12 种末端执行器（从平行夹爪到灵巧手）组合成 100 多种单臂机器人和数千种双臂组合。
推荐理由：该框架把机械臂、末端执行器、任务、遥操作与触觉仿真整合进同一套开源环境，并给出基准与示范数据集。
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.ROAI 评分3838 可变形物体形状伺服教程第一部分：基础原理
该教程第一部分系统介绍基于数据驱动雅可比的可变形物体形状控制方法，涵盖形状控制问题建模、形状表示、变形雅可比估计与在线更新及标准控制律，并组装成完整形状伺服回路、推导局部稳定性条件、说明部分目标形状不可达的原因。全文以双臂机器人操作弹性杆、相机观测的平面仿真示例贯穿讲解，第二部分将涉及更高级主题。
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.ROAI 评分5050 全顺时针倾斜旋翼双轮四旋翼实现水平姿态表面移动
一篇论文提出全顺时针倾斜旋翼的轮式四旋翼，利用表面接触约束在不倾斜机身的情况下沿接触面产生推进力。力与可控性分析及旋翼转向配置优化显示，四旋翼全顺时针旋转可比传统交替旋转配置产生更大切向力，且无需额外旋翼倾转执行器或机构即可兼顾空中与接触移动。仿真结果展示了自由空间悬停与保持水平姿态的地面水平移动。
arXiv · cs.ROAI 评分3838 基于多臂老虎机的路径约束移动传感器自适应搜索
针对能量受限移动传感器团队在路径约束下的兴趣区域检测问题，将主动路径选择建模为多臂老虎机问题并提出迭代搜索算法，利用采集数据计算的置信界自适应分配路径。同时提出基于图的低基数路径覆盖构造方法，给出有限时间与任意时间概率正确性保证，并推导检测全部兴趣区域与标注全部节点所需时间的非渐近上界，在广泛问题实例上与算法无关下界相差常数因子。数值仿真展示了路径冗余与团队规模对搜索性能的影响。
arXiv · cs.ROAI 评分5858 定位约束下的 A* 无人机路径规划方法
该论文研究无 GPS 环境下的无人机路径规划，提出一种定位约束 A* 规划器，将定位不确定性作为搜索中的硬约束。方法用扩展卡尔曼滤波传播机器人状态与协方差，只保留满足协方差上限的路径，并说明该做法不影响 A* 启发式的可采纳性与一致性，从而在可行路径中保持最优性。蒙特卡洛仿真与 PyBullet 四旋翼测试显示，相比 RRT* 和 PRM，该方法找到更短、更可靠的路径，且始终满足不确定性约束。
arXiv · cs.ROAI 评分5858 socx：基于 JAX 的 GPU 加速机会约束随机最优控制求解器
作者提出 socx，一个用 JAX 实现的 GPU 加速求解器，用于机会约束下线性随机最优控制的提升凸重构。方法利用问题的稀疏与独立结构，把优化分解为可并行的独立线性二次跟踪（LQT）问题与欧氏投影，再通过约束耦合。
arXiv · cs.ROAI 评分5858 课程设计还是简单起步？四足机器人无监督环境设计基准测试
研究在 MuJoCo MJX 上对五台 3D 四足机器人（闭链 W01-TEK、开链 Unitree Go1 与 Go2、Google Barkour vB、Boston Dynamics Spot）统一评测十四种 UED、域随机化与机器人课程方法，所有课程驱动同一 PPO 学生并在匹配的环境步数预算下比较。
arXiv · cs.ROAI 评分5858 MUSBRIC：兼容乐高的气动肌肉积木用于可重构肌骨机器人
作者提出 MUSBRIC，一套面向可重构肌骨机器人的模块化硬件平台及配套 MuJoCo 仿真器，用乐高兼容端盖把纤维增强伸展型气动人工肌肉做成可插拔复用的肌肉积木。肘关节原型验证了随负载变化的屈伸，滑轮导向实现可逆运动，机械限位稳定伸直姿态；机械手展示柔性抓取与多关节搭建。硬件与仿真在 15 种腿部配置上做匹配扫描，四足由四条腿组装并演示行走，硬件设计与仿真代码将开源。
arXiv · cs.ROAI 评分5858 面向自动驾驶卡车的短时域MPC学习终端代价
论文提出一种MPC与强化学习混合框架，用于自动驾驶卡车在高速公路交互交通中的行驶控制，由有限时域MPC通过动态规划求解，并用预训练RL模型估计终端代价。作者在带反应式周围交通的仿真环境中，将该框架与零终端代价的纯MPC、使用基础策略估计终端代价的rollout以及纯RL进行对比。结果显示混合方法实现零碰撞，且代价在所有配置中最低。
arXiv · cs.ROAI 评分5858 LLM引导的四足机器人平面移动操作规划与推挤策略
研究提出一种LLM引导的分层框架，用于四足机器人在有可移动障碍物的环境中完成交互式导航与平面推挤。语言条件任务规划器用LoRA在合成数据上微调，将自然语言任务和结构化场景表示映射为变长参数化动作序列，由低层强化学习策略执行，在交互式导航任务上优于经典规划器和提示式前沿模型。
arXiv · cs.RO精选AI 评分6767 AcrossDEX 1.0：从人体运动预训练到跨手本体的双臂灵巧操作
AcrossDEX 1.0 是一个连接人体运动预训练、仿真专家学习、机器人演示采集与视觉闭环执行的学习系统，支持六通道 Inspire 手和十六关节 Allegro 手两种本体。
推荐理由：论文给出跨两种灵巧手本体的统一适应流程，并比较直接回归、扩散与流匹配在开盖和物体重定向任务上的成功率。
arXiv · cs.ROAI 评分4747 自主机器人导航中单目RGB人体跟踪的决策级误差归因与深度感知安全评估
研究用双因子Shapley归因分离安全规则与感知对机器人停走决策误差的贡献，并区分漏检与定位误差。在ETH和UCY行人视频、模拟静止机器人、898名行人三场景实验中，横向距离规则在标注位置上未漏危险但停走精度仅5.6-31.9%；两场景RGB感知下校准地平面定位平面RMSE为0.59米和0.51米，检测召回0.43和0.26使漏检成为漏危险主因。所有交互均为仿真，结果为离线决策分类。
arXiv · cs.ROAI 评分5858 Coupled Guidance：面向流匹配模型的专用引导机制
论文提出 Coupled Guidance，一种从几何视角推导、利用流匹配训练固有耦合结构的引导机制。作者分析指出，把扩散模型的引导方法直接迁移到流匹配会破坏训练时的耦合分布，导致采样精度控制变弱。
arXiv · cs.ROAI 评分5858 CoC-CFG 提出按步引导权重：VLA 推理该多大程度影响动作
CoC-CFG 在策略上下文与去掉推理片段的同一上下文之间做无分类器引导，每个 Euler 步用一个权重调节推理的影响，w=1 时恢复原策略。作者把权重选择建模为动作价值可精确测量的马尔可夫决策过程，并用小型 critic 拟合这些价值，提出 Q-adaptive guidance。
arXiv · cs.ROAI 评分3838 数据驱动还是模型约束？稀疏感知下气流估计方法的对比
研究在三个仿真二维稳态场景、不同采样密度下定量对比四种气流估计方法：高斯过程回归、基于图的高斯马尔可夫随机场，以及两种基于Navier-Stokes的方法（含一种新的强形式残差最小化变体）。结果显示，物理先验在低采样密度下收益最大，可补偿缺失的空间信息；随传感器覆盖增加，数据驱动的高斯过程回归竞争力上升，但模型类估计器在所评估场景中仍保持精度优势。
arXiv · cs.RO精选AI 评分6363 Teaching a Tree to Recover：在线蒸馏LLM监督者并用反事实回放训练决策树
论文提出将LLM监督者在线蒸馏为决策树，并用反事实回放为每次训练回合后的恢复动作打上必要、不必要或有害的标签，以淘汰无用规则。在仿真中20个仅靠MPC会卡住的未见布局上，该决策树在所有随机种子下至少正确处理18个，或到达目标，或在无可行路径时求助。其表现与始终查询LLM的监督者和专家设计规则相当，且测试时不发起任何LLM查询。
推荐理由：论文把LLM监督者在线蒸馏成决策树，用反事实回放标注恢复动作，为移动机器人卡死问题提供可迁移的监督设计思路。
arXiv · cs.ROAI 评分4040 基于蒙特卡洛采样的快速机器人定位方法
一种基于蒙特卡洛采样的在线粒子滤波定位方法被提出，仅靠安装在车体前、后、左、右的四个测距传感器即可在迷宫环境中定位移动机器人，无需任何航向信息。仿真实验显示，即使迷宫局部区域高度相似，车辆仍能实现较准确的定位。
arXiv · cs.RO精选AI 评分6767 Kinematic-Tactile Aligned Dexterous Retargeting with Contact Wrench Space Alignment：基于接触力旋量空间对齐的运动学-触觉灵巧重定向
Xinyuan He 等提出一个分层三阶段框架，用于运动学与触觉对齐的灵巧手重定向，以物体为中心的接触力旋量空间作为人手与机械手之间的触觉对齐物理表示。框架先对齐手部运动学与接触几何，再根据触觉力与接触几何构建人手力旋量支撑剖面，随后优化机器人指尖力目标以覆盖该支撑并转换为关节位置修正，得到可直接回放的机械手轨迹。
推荐理由：论文提出以物体接触力旋量空间对齐人手与机械手触觉信息的三阶段重定向框架，并在实机倒水任务中报告96.7%回放成功率。