CTR：减少双臂模仿学习中虚假跨臂耦合的训练期数据干预方法
上海交大等作者提出 Constraint-preserving Temporal Recombination（CTR），一种训练期数据干预方法，在保留各臂局部传感运动内容的同时重新调整片段时序，以保留任务要求的跨臂约束。
推荐理由：论文提出训练期数据干预方法 CTR，用于削弱双臂模仿学习中的虚假跨臂耦合，并在仿真与实机任务上对比多种策略。
NEWS / 动态
#模仿学习
按时间浏览，使用右上角筛选切换领域。
arXiv · cs.RO精选AI 评分7272 arXiv · cs.RO精选AI 评分6767 ALIGN：面向优势条件行为克隆的条件估计与表达对齐框架
ALIGN 提出一种条件对齐的优势条件行为克隆（AC-BC）框架，用于视觉-语言-动作策略，直接预测策略标签空间中的类别化成对条件，并通过 AdaRMS 调制与流时间融合注入 DiT 动作专家。
推荐理由：论文针对混合质量机器人数据下的优势条件行为克隆，提出条件对齐框架，并在两个实机任务上给出闭环成功率对比。
arXiv · cs.ROAI 评分5858 基于特征级感知与提示式目标检测的人形机器人数据高效示教学习
论文提出一种面向人形机器人的数据高效示教学习（LfD）框架，从演示视频中提取紧凑的任务特征而非原始图像来学习操作技能。该框架结合分层视觉预处理、基于Kinect的人体关节估计、提示式目标检测和深度信息，提取人体运动特征与三维物体位置，再训练时序深度学习模型预测机器人关节角轨迹。
arXiv · cs.RO精选AI 评分7272 DISCO：在连续动作空间蒸馏树搜索，实现长程多物体整理
作者提出 DISCO，用渐进加宽的 MCTS 在物理仿真中生成长程规划，并把搜索结果周期性蒸馏进策略-价值模型，使策略在测试时无需仿真搜索即可直接部署。搜索过程中由学习到的策略提出连续动作，价值函数按任务完成进度为动作打分，并借助 GPU 并行仿真加速。在仿真与真实世界的多物体整理任务中，DISCO 的表现优于行为克隆、强化学习和基于搜索的基线。
推荐理由：论文把仿真中的 MCTS 搜索蒸馏进连续动作策略，为长程多物体整理任务提供了一条可迁移的训练思路。
arXiv · cs.RO精选AI 评分8585 Collective Experience Learning：用96台机器人的部署经验改进操作策略
论文提出 Collective Experience Learning（CEL）范式，让已部署机器人把自身执行经验汇总起来更新共享策略，再返回机群使用。作者通过失败引导经验检索微调（FERT）实现该范式，操作员只提供二值回合结果标签和环境重置，无需额外专家示范或纠正动作；容错异步训练系统（FATS）协调机器人执行、云端推理与策略优化。
推荐理由：论文提出用已部署机器人自身执行经验更新共享策略，并在96台机器人上验证了规模扩大带来的收益。
arXiv · cs.RO精选AI 评分6363 PGPG：面向生成式控制策略的进度引导偏好生成框架
论文提出 Progress-Guided Preference Generation（PGPG），一种无需人工在环监督的无监督偏好对齐框架，用于微调预训练的生成式控制策略。该方法通过有序覆盖对齐衡量自主采集轨迹相对少量专家演示的序列进度，自动提取伪偏好标签，并称无需手工设计奖励函数。在多项长程操作任务实验中，PGPG 优于标准监督微调基线，并可同时集成扩散策略与流匹配策略。
推荐理由：论文提出无需人工标注的偏好对齐框架，用少量专家演示自动生成伪偏好标签，可比较其与监督微调在长程操作任务上的差异。
arXiv · cs.ROAI 评分5858 ReDOA：通过观测对齐实现真实世界蒸馏的图像操作策略学习
ReDOA 提出一种在真实世界学习图像策略的框架，将控制学习与感知学习解耦：先在仿真中训练基于状态的教师策略，在真实机器人上执行并采集轨迹，再把控制知识蒸馏到基于图像的学生策略，并用观测对齐处理数据采集与部署之间的观测差异。
arXiv · cs.ROAI 评分5555 Energy Score 稳定的注意力混合密度策略：面向多模态机器人运动的轻量方法
作者提出一种用 Energy Score 训练的注意力混合密度策略，将未来视觉运动轨迹表示为显式概率分布，单次前向即可输出高斯混合参数，以避免 MDN 奇异性和梯度尺度不稳定。在 8 自由度机械臂上，该方法生成不同的避障轨迹并稳定避障学习；在随机移动物体抓取任务中，其在若干未见条件下比 Diffusion Policy 高 15-25%。
arXiv · cs.RO精选AI 评分7474 TILDE：从具身基础模型进行教师闭环蒸馏
TILDE 提出一种从预训练具身基础模型向未做动作预训练的策略迁移能力的蒸馏框架，结合学生状态上的在线蒸馏与教师执行恢复轨迹的学习。其 AutoDAgger 用机器人奖励模型监测任务进度并触发教师介入，无需人工监控或操控，恢复轨迹采集速度比人类在环方法快 2 倍以上。在三个真实世界任务上，TILDE 的任务表现最高为行为克隆的 4.1 倍，并支持跨架构蒸馏。
推荐理由：论文提出从具身基础模型蒸馏策略的框架，并给出自动数据聚合与实机任务对比结果，可供关注策略迁移的研究者参考。
arXiv · cs.ROAI 评分5858 基于混合现实的半自主机器人遥操作系统用于精细双臂任务
研究提出一套基于混合现实头显的可扩展半自主机器人遥操作系统，用于在机器人上采集示范数据。系统自主执行大部分任务轨迹，操作员只在关键阶段做微调，以减少大规模数据采集中的操作负担。作者在高精度精细双臂销孔装配任务上采集数据并训练模仿学习策略，称以更低的数据采集投入获得可用于训练全自主执行策略的高质量示范。