EARS-Info：面向多机器人探索的信息感知事件驱动重分配方法
作者提出EARS-Info，这是事件驱动蚁群重分配搜索EARS的信息感知扩展，用于OpenStreetMap派生网格上的多机器人探索，融合边际感知增益、可行重定位、返回感知路由、感知预留与缓存最短路径。
NEWS / 动态
#论文/研究
按时间浏览，使用右上角筛选切换领域。
arXiv · cs.ROAI 评分5252 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7474 Metatron：面向人形机器人的可提示全身执行层
论文提出 Metatron，一种可提示的全身执行层，由生成式基础策略与可编程技能层组成。基础策略接收由定时身体部位目标、速度指令和风格线索组合成的提示，训练数据包括动捕、合成恢复轨迹和重定向场景交互动作，训练后策略被冻结。
推荐理由：论文给出冻结策略加可编程技能层的人形全身执行方案，并在 Unitree G1 实机上演示多类任务。
arXiv · cs.RO精选AI 评分7171 SPT：无需额外偏好标注的可操控机器人操作偏好迁移
论文提出自标注偏好迁移方法SPT，让带偏好标注训练的VLA策略把偏好控制迁移到缺少偏好标注的新任务。SPT在带标注源演示上联合训练共享视觉语言骨干做偏好条件动作预测与偏好识别，再冻结识别器为目标演示自标注并微调策略。
推荐理由：论文给出偏好标注缺失时迁移执行偏好的自标注方法，并报告仿真与实机对比数据，可供研究VLA偏好控制的人参考。
arXiv · cs.ROAI 评分5858 手持微操作机器人主动约束框架实现引导与安全同步
Roger Ho 等人提出一种面向手持微操作的基于优化的主动约束框架，可同时提供任务引导与安全约束。该框架在手持机器人上实现，并在医学相关人工任务中演示，结果显示安全违规率相对基线降低两个数量级以上，同时弥补了仅施加安全约束带来的三倍精度损失。
arXiv · cs.RO精选AI 评分7272 FORGE：面向敏捷人形运动的在线降阶参考生成与全身执行框架
论文提出 FORGE 两阶段学习框架，将在线降阶模型（ROM）参考生成与全身跟踪控制结合，用于人形机器人敏捷运动。第一阶段用单刚体动力学结合完整人形运动学训练命令条件化的全身参考生成器，第二阶段在线滚动冻结的 ROM 策略，为全阶动力学模型上的全身跟踪策略生成参考。
推荐理由：论文给出两阶段降阶模型参考生成与全身跟踪框架，并在宇树 G1 上报告速度与跳跃指标，可供人形运动控制研究比较。
arXiv · cs.ROAI 评分5858 TextRadar：用毫米波雷达构建三维占据-语言场
TextRadar 提出从全景雷达观测构建场景级三维占据-语言场，使重建场景可用新描述进行查询。该方法用单帧雷达蒸馏模型预测对齐的距离与语言特征，并借助雷达估计位姿配准重建，在新场景中仅靠雷达完成建场。作者在七栋建筑约 2 万条同步观测上演示了场景级自然语言查询与免提示语义可视化，并发现相机到雷达的概念迁移在结构、材质和人体姿态上比颜色和印刷文字更一致。
arXiv · cs.ROAI 评分5555 研究对 π0.5 在 BEHAVIOR-1K 上的推理设置做配对评估
研究对 π0.5 在 BEHAVIOR-1K 全部 100 个任务上系统配对评估此前提出的推理与数据采集策略，所用模型基于 2025 BEHAVIOR Challenge 冠军方案微调，公开测试集 Q-score 为 0.39。结果显示这些策略并不能一致地迁移到新环境和新任务。项目页面、视频与详细分析见 https://rubenhammele.github.io/behavior2026。
arXiv · cs.ROAI 评分5858 论文发现更多规划反而有害：面向世界模型的学习型规划器对比
Josef Chen 的预印本在 PushT 上比较面向世界模型的学习型规划器，其固定动作更新器（1,505 参数）在预留的 16 个场景中解出 8 个，总规划与编码耗时 59.079s。
arXiv · cs.ROAI 评分5858 Echo：用离策略经验扩展视觉强化学习
Gagan Khandate 提出单阶段离策略强化学习框架 Echo，通过逆蒸馏让基于状态的辅助策略模仿不断演化的视觉策略，并收集无需渲染的低成本经验，再借助共享特权评论家直接改进视觉策略。
arXiv · cs.ROAI 评分5858 GOFish：直接在鱼眼图像上训练的高斯泼溅与网格提取方法
GOFish 提出一种直接在鱼眼图像上训练的三维高斯泼溅表面重建方法，可渲染超过 180° 的视场并从同一场景提取对齐网格。在 200° FIORD 和 205° FullCircle 基准上，其 PSNR 分别比此前最佳方法提升 2.28 和 1.97 dB，并在 FIORD 与 ScanNet++ 主集上取得最高网格 F-score。
arXiv · cs.RO精选AI 评分7171 TACOS：面向视觉足步规划的地形感知接触监督方法
TACOS 提出一种基于腿式状态估计因子图残差的足步不稳定性评分，并将其投影到前序图像上，用于监督稠密视觉预测器。作者给出利用事后信息的硬评分和可即时获得的因果软评分两个变体，在 1716 个人工标注接触上与现有方法比较，两个变体的不稳定性检测与严重程度排序均优于所有对比方法，合并严重程度排序比最强基线提升 28%。
推荐理由：论文提出基于因子图残差的足步不稳定性监督信号，并在人工标注接触与户外实机测试中与现有方法比较。
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8080 LEAP手手内物体位姿到达策略：仿真训练零样本迁移实机并加入残差安全过滤
研究提出一套在仿真中为LEAP手训练手内物体位姿到达策略的方案，无需人类数据，经系统辨识后零样本迁移到真实手，可用动捕或单个腕部深度相机。在4个物体、4800个未见目标、13.3小时实机评测中，基于状态的策略在2厘米和0.4弧度内到达95.2%的目标，叠加可调保守度的学习残差安全过滤器后掉落减少75%，仍到达91.5%的目标。策略还能旋转任意姿态的灯泡、到达分布外目标并承受快速手臂运动与扰动。
推荐理由：论文给出LEAP手在仿真中训练、零样本迁移实机的手内物体位姿到达方案，并量化了安全过滤对掉落率的取舍。
arXiv · cs.ROAI 评分5858 研究团队构建第一视角网球数据集并评测视觉模型的时空预测能力
研究团队采集了带标注的第一视角网球数据集，包含与五路第三人称视频同步的第一视角视频、估计的全局位置、标注的击球时刻和击球类型，并在其上训练和评测视觉模型。
arXiv · cs.RO精选AI 评分6767 RESPLE2：惯性先验递归非均匀样条多传感器里程计与全局优化
RESPLE2 提出一种基于非均匀 B 样条的递归多传感器状态估计框架，用于 6-DoF 运动表示。该方法利用样条节点夹持边界性质，由惯性运动学直接预测控制点，并在迭代扩展卡尔曼滤波中用部分惯性测量完成预测，更新步骤按原始时间戳融合 LiDAR、相机、IMU 与腿部运动学。
推荐理由：论文给出惯性先验驱动的非均匀B样条多传感器里程计方法，并公开代码与实验数据集，便于对照多平台动态场景的估计精度。
arXiv · cs.RO精选AI 评分6464 EgoThumb：视觉驱动的额外机器人拇指，实现自主抓取与持握辅助
EgoThumb 是一款全开源的视觉驱动额外机器人拇指，用于辅助单手完成抓取与持握。其紧凑的双肌腱驱动手指把驱动单元移至前臂，以降低远端重量并实现精确的主动关节控制。
推荐理由：论文给出全开源、视觉驱动的额外拇指硬件与模仿学习策略，可用于比较单手机器人辅助抓取方案。
arXiv · cs.RO精选AI 评分6767 可微仿真训练四旋翼穿越动态窄缝的视觉运动策略
研究提出一种可微分的移动窄缝建模方法，按到随时间变化的缝隙平面的有符号距离对居中、对齐和平滑碰撞项进行门控，把稀疏的穿越事件转化为稠密的路径目标。该方法被整合进一个从随机初始化单阶段训练的视觉特征到指令策略，无需教师、规划器或蒸馏。
推荐理由：论文用可微仿真把穿越动态窄缝的稀疏事件转成稠密路径目标，并给出仿真与实机成功率对比。
arXiv · cs.ROAI 评分5858 CRS：面向铰接物体操作的关节运动学约束参照评估方法
论文提出 Constraint-Referenced Strategy（CRS），将指令末端执行器旋量投影到物体关节轴上，把沿关节方向的进展与偏离约束的无效动作分开，无需录制演示或学习评判器。
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.ROAI 评分5858 哪只手迟了？双臂工具使用中机器人故障恢复的诊断研究
论文研究双臂工具使用中的机器人故障诊断，在仿真任务上按记录轨迹标注故障原因，测量各传感通道能让诊断器分辨出什么。工具滑脱可在工具手上读出，哪只手迟了需要双臂信息，单手传感器只能读出本手延迟和另一手至多部分延迟；当工具手迟到时，迟到的尝试是否同时推力不足无法从被动传感中辨识。
arXiv · cs.ROAI 评分5858 利用分布式感知与超维计算实现非视距被动目标感知
论文提出一种仅依赖通信基础设施分布式信道测量的框架，用于感知机器人视野外的被动实体并进行风险感知分类。测量数据经超维计算嵌入高维表示，无需显式信道重建即可学习。基于商用光线追踪的数值仿真和ROS验证显示，在严重遮挡下准确率最高达89%，并改善了路径规划与安全性。
arXiv · cs.RO精选AI 评分7575 World Dreamer v5-lite：单 Dreamer 多机器人世界动作模型
World Dreamer v5-lite 是一个面向多机器人的世界动作模型，围绕共享世界状态为各机器人分别预测动作序列。该状态由预训练视频编码器的校准特征在工作空间坐标中填充，空间尺寸不随视角增加而改变；视觉语言模型提供场景上下文，并为每个机器人提供一个查询，查询读取共享状态并交换位姿感知信息，动作流保持独立。
推荐理由：预印本给出多机器人共享世界状态的动作预测设计，并在仿真与四项实机任务上报告成功率对比。
arXiv · cs.ROAI 评分5858 Ego-CEVR：从人类第一视角视频学习跨本体视觉表征
Ego-CEVR 提出一种数据原生的分层视觉表征学习框架，将全局表征与交互表征分配不同的学习目标。全局模块通过在第一视角视频上做未来预测，学习物体关系、任务状态和时间进度；交互模块结合全局上下文解读腕部观测，并借助机器人动作监督学习局部对齐与接触线索。两条残差路径把两种表征同时接入动作策略，全局视频模块可在大规模人类第一视角视频和多种机器人本体视频上独立预训练，无需机器人动作标签或配对的腕部观测。
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。
北京通用人工智能研究院AI 评分5252 北京通用人工智能研究院提出AutoPhyX：文本条件自动生成物理属性
北京通用人工智能研究院团队提出AutoPhyX，一个文本条件框架，用于预测空间变化的物理属性，论文被ECCV 2026收录。该方法先构建部件可控的数据生成流程，将复杂3D资产分解为语义部件并配对物理参数与文本描述，再以跨模态调制让文本特征动态调制视觉特征，在体素场中完成属性预测，兼容网格、点云、Gaussian Splatting和NeRF等表示。
arXiv · cs.ROAI 评分3838 果蝇自主探索的内在目标：分层探索智能体复现未来意志动作
研究结合果蝇全脑记录与神经力学数字孪生，测试内在动机算法能否复现果蝇探索行为。果蝇全脑记录可提前10秒以上表征自发探索决策；在虚拟拴系球实验中，DIAYN在好奇心、熵与胜任力等20种内在动机算法中取得与果蝇最接近的行为与神经前瞻编码表现。
arXiv · cs.RO精选AI 评分6464 研究：世界建模在机器人动作学习中究竟改善了哪些方面
研究在 FastWAM 和 OpenWAM 中做受控的未来视频预测损失消融，模型架构、初始化、机器人训练数据和训练步数在各模型族内保持固定。在已见任务的干净条件下，预测监督分别将成功率提升 24.38 和 72.91 个百分点；但在分布偏移下收益并不稳定，未见任务上的提升因模型和任务而异，两个模型在所受评估的环境随机化下成功率都较低。
推荐理由：在 FastWAM 与 OpenWAM 上做受控消融，区分未来视频预测在熟悉任务上的执行提升与分布偏移下的迁移表现。
arXiv · cs.ROAI 评分5858 受德军坦克问题启发的气味源搜索终止准则
论文提出一种受二战德军坦克问题启发的估计方法，用机器人化学传感器读数的运行最大值和采样计数估计气味羽流峰值浓度，从而判断气味源位置。作者推导了该无偏估计量及其置信界，将其转化为机器人或无人机决定是否继续搜索的终止准则，并展示了样本效率以及在假设失效时的稳健性。研究最后总结该估计量在嗅觉导航中作为终止判据的作用。
arXiv · cs.ROAI 评分5858 DGC：面向四旋翼控制瞬态分布外扰动的双梯度一致性自适应学习方法
Mingtian Tan 与 Vasileios Tzoumas 提出 Dual Gradient Consensus（DGC），一种面向四旋翼混合域内/域外扰动的自适应学习方法，在保留随机傅里叶特征模型、离线 BPTT 策略与最小二乘自适应的基础上修改在线更新步长。
arXiv · cs.ROAI 评分3838 面向虚拟现实人机交互的多模态社交感知框架
一个整合语音、视觉与触觉的多模态框架在虚拟现实中对18名参与者、5个社交互动场景生成机器人语音与动作，并与人工遥操作基线对比。参与者对自主系统的自然度与社交适宜度评分均高于中性中点，但遥操作基线在这两项上显著更高。行为编码与定性反馈显示，对话时机、澄清模糊请求和空间协调是差距的主要来源。
arXiv · cs.ROAI 评分5858 TRIAGE：VLA 推理加速需同时结合 KV 复用与剪枝
Sooyoung Kwon 等提出 TRIAGE，一种无需训练的 VLA 推理加速方法，按 token 漂移阈值判断缓存是否有效，对固定预算的 token 重算、其余复用或剪枝。
arXiv · cs.ROAI 评分5858 IntNet：面向协同自动驾驶的通信驱动多智能体强化学习框架
Parada、Yu 与 Angeloudis 提出 IntNet，一个将车辆意图传输与自适应通信调度纳入统一端到端学习范式的多智能体强化学习框架，用于协同自动驾驶。
arXiv · cs.ROAI 评分2222 四旋翼飞行器轨迹生成与控制
该项目探索四旋翼飞行器的控制器设计与轨迹生成，基于微分平坦性从给定算法生成最小加加速度轨迹，并用简单PD控制器跟踪轨迹。仿真结果给出了四旋翼位置与速度的平滑轨迹。
arXiv · cs.ROAI 评分4040 空中机械臂的非线性控制
针对搭载二自由度机械臂、可与环境物理交互的四旋翼，研究实现并对比了笛卡尔阻抗控制器与自适应滑模控制器。在存在有界扰动的情况下，两者以相同初始条件和期望位置执行简单悬停任务，并基于完整动力学模型进行验证。
arXiv · cs.RO精选AI 评分7272 ARPG：通过动作表征预训练扩展灵巧操作能力
ARPG 提出将动作表征学习与动作生成分离，先在大规模人类操作数据上预训练动作表征编码器，再冻结编码器、用 130M 参数的生成骨干在表征空间中学习任务条件动作分布。
推荐理由：论文把动作表征预训练与动作生成拆开，为灵巧操作提供了一条独立于数据规模之外的扩展路径。
arXiv · cs.RO精选AI 评分7171 AuRA：通过自主机器人交互从原子到比特重建数字孪生
AuRA 是一套自动化机器人交互与数据准备系统，用于数字孪生重建，结合执行感知抓取选择、由机器人状态推导的夹爪运动测量以及配准的交互前几何与外观先验。在 13 个可变形物体上，AuRA 将每个成功重建资产的主动人工投入和实际采集时间分别减少 88.5% 和 55.4%。
推荐理由：论文给出自主采集机器人交互数据重建数字孪生的流程，并对比人工采集的耗时与重建指标。
arXiv · cs.ROAI 评分3838 面向海上数据中心监测的窄带声源分布式感知与对抗定位
针对海上数据中心面临的窄带对抗声源威胁，研究提出一种结合移动接收器与固定接收器组成锚点对的两阶段声学监视框架，先以锚点约束估计声源初始位置，再用粒子滤波联合跟踪位置与速度。蒙特卡洛仿真中定位成功率达91%，开阔水域10次实地试验中9次跟踪误差低于2米。