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
#预印本
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6060 NovaSplat：用3D高斯泼溅引导与细化实现无模型6D物体位姿估计
NovaSplat提出一种无模型6D物体位姿估计流程，仅用引导阶段拍摄的短智能手机视频训练3D高斯泼溅模型，该模型既作为检测与粗位姿估计的模板来源，也作为位姿细化的可微主干。
推荐理由：论文用手机短视频训练3D高斯泼溅表示，为无CAD模型的新物体6D位姿估计提供可复现流程。
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.ROAI 评分4545 通过度量3D融合理解开放词汇无人机感知中的时序语义稳定性
研究通过度量3D融合将逐帧预测关联到持久世界空间位置，提出体素级评估框架，联合刻画语义一致性、语义信念漂移（SBD）、观测持续性（OP）与语义不确定性。在UAVid-3D-Scenes上的实验显示逐帧语义变化显著，高聚合世界空间一致性在重复观测支持不足时会高估时序稳定性；持续性分层分析表明复发体素语义分歧更大，该现象在两个分割骨干及不同体素分辨率、几何关联和时间采样密度下保持一致。
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7272 Ego-OSCAR：不到200美元的开源头戴立体视觉采集系统与550小时数据集
作者团队提出开源头戴采集系统 Ego-OSCAR，用不到200美元的通用零件与3D打印件搭建，将硬件同步全局快门立体相机与6轴IMU结合，并用微控制器把相机与惯性时钟域对齐到700微秒残差。
推荐理由：论文给出不到200美元的开源头戴立体采集硬件与约550小时数据集，可用于比较自采具身视觉数据的成本与可复现性。
arXiv · cs.ROAI 评分5555 CylindTrack：面向移动机器人全景多目标跟踪的深度感知圆柱运动建模
CylindTrack 提出一种深度感知的圆柱跟踪-by-检测框架，联合建模全景拓扑与时间深度一致性，以应对等距柱状图像接缝处的坐标不连续和相对深度估计波动。方法包含深度-时间轨迹建模（DTM）、球面时空一致性学习（SSTC）与拓扑感知圆柱运动模型（TCMM）。
arXiv · cs.RO精选AI 评分6060 NTR：用神经 token 重建约束端到端驾驶的场景 token 瓶颈
NTR 提出神经 token 重建框架，用自蒸馏掩码隐特征重建目标直接约束无感知端到端驾驶中的紧凑场景 token 瓶颈，使重建梯度只经过该瓶颈。方法还引入基础模型标注得到的语义先验作为弱语义接口，推理时移除全部辅助重建组件，部署规划器保持不变。
推荐理由：论文针对无感知端到端驾驶的场景 token 瓶颈提出自蒸馏重建监督，并在三个公开基准上报告结果。
arXiv · cs.ROAI 评分4242 面向安全关键系统的鲁棒Taylor-Lagrange控制：保证可行性
针对Taylor-Lagrange控制（TLC）在时间离散化下因采样间效应难以保持可行性的问题，提出鲁棒TLC（rTLC）方法。该方法用带Lagrange余项的Taylor展开将安全函数扩展至高于其相对阶的阶数，使控制量在当前时刻显式出现，从而在整个离散时间区间内保持安全约束满足，且仅需单个超参数（离散时间区间大小）。通过自适应巡航控制问题与现有安全关键控制方法进行了对比验证。
arXiv · cs.ROAI 评分5858 等变扩散策略的对称性感知引导：收益与局限
Minwoo Park 等人在 arXiv 发表预印本，提出等变扩散策略（EDP）的对称性感知引导框架。作者从理论上证明 EDP 的扩散过程具有等变性，并由此导出群不变的隐噪声 MDP，随后在对称性程度不同的任务上比较标准、等变与近似等变三种强化学习引导策略。
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.RO精选AI 评分7272 HumiMimic：从野外视频迁移人-人形机器人交互动作
作者提出 HumiTransfer 框架，将野外人人交互视频转换为物理合理的人-人形机器人交互动作，并据此构建 HumiMimic 数据集。该数据集覆盖 26 自由度 Unitree R1 Edu 与 23 自由度 HighTorque Mini-hi 两款机器人，由 1200 段视频生成约 50 万帧交互数据。
推荐理由：论文提出从野外人人交互视频迁移到人形机器人的框架，并构建约50万帧数据集，可用于比较跨本体动作迁移方法。
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 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6262 双线性世界模型：以结构化动力学学习表征并实现高效控制
作者提出一种JEPA式世界模型，将潜动力学限制为双线性参数化，把建模负担转移到编码器，并结构化地保证动作可恢复性、避免表征坍缩。作者称一大类非线性动力系统经变换后可呈双线性形式，在标准2D和3D控制任务中，从高维观测直接学到的双线性动力学表征使规划时间缩短近三个数量级，同时保持或提升控制精度。
推荐理由：论文提出双线性参数化的JEPA式世界模型，在2D与3D控制任务上把规划时间缩短近三个数量级，可供关注世界模型规划效率的研究者参考。
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 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.ROAI 评分1515 RTCF：冻结VLA策略的免训练测试时纠错框架（已撤稿）
论文提出免训练测试时纠错框架RTCF，通过渐进记忆对齐（PMA）为冻结VLA策略检索成功轨迹，并在动作块运动通道上迁移系数裁剪的低频残差，高频成分与夹爪决策仍由原策略给出。
arXiv · cs.RO精选AI 评分7272 EgoHTR发布第一视角人体地形穿越4D演示数据集
EgoHTR数据集发布，用第一视角可穿戴设备与便携3D扫描仪采集了55段场景对齐的4D人体运动序列，覆盖多样复杂环境，共超过15万帧。作者称该数据在运动捕捉真值对比中达到当前先进精度，并据此训练感知式运动策略，在Unitree G1上完成重建参考动作的硬件部署。重建流程已开源，支持社区扩展数据集。
推荐理由：该数据集用第一视角可穿戴设备与便携3D扫描仪采集55段场景对齐的4D人体运动序列，并给出实机部署结果，可供人形机器人在非结构化地形上的学习研究参考。
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 MoF：面向双臂移动操作的多框架动作去噪扩散策略
作者提出 Mixture of Frames Policy（MoF），一种在多个坐标框架间同步进行动作去噪的扩散策略，通过单一规范扩散状态、框架专用去噪器和噪声预测融合实现。
推荐理由：论文提出跨多个坐标框架同步去噪的扩散策略，并在九个仿真任务和两个实机任务上比较单框架基线。
arXiv · cs.ROAI 评分5858 RadLoc：基于雷达的轻量端到端3自由度全局定位流程
RadLoc 提出一套从地点识别到3自由度位姿估计的端到端旋转雷达全局定位流程，用1D CA-CFAR滤波加速预处理，并利用近距主导特性设计紧凑描述子与分层由粗到细检索策略。作者称在5个数据集共15条序列上，RadLoc 在保持最小描述子尺寸和最快检索时间的同时取得稳健性能，可作为模块用于SLAM与多会话SLAM系统。该工作已被 IROS 2026 接收。
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.ROAI 评分5858 归一化流增强消息传递用于多机器人协同定位
论文提出一种参数化消息传递算法，用于分布式协同定位，将高斯置信传播用于机器人状态估计、平均场近似用于噪声推断。方法直接优化置信的自然参数，并设计基于归一化流的梯度估计器实现可学习采样，端到端训练按消息传递行为调节归一化流参数，同时扩展到李群空间以处理旋转。
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.ROAI 评分2727 RPO-PDT：面向具身学生支持对话的参与者感知角色切换系统
RPO-PDT 是一款具身对话智能体，能根据当前参与者切换对话角色：支持学生时担任个人发展导师（PDT），教师演练辅导策略时则扮演模拟学生。系统通过自愿的闭集参与者验证驱动置信度控制的角色管理器，已注册教师稳定匹配时激活学生角色，已注册学生和未匹配者使用默认 PDT 角色，观测不确定则不切换。
arXiv · cs.RO精选AI 评分6060 Safety-Critical LIO：基于流形上确定性保护水平的激光雷达惯性里程计
作者提出一种安全关键的激光雷达惯性里程计（LIO），基于新的流形上集合隶属滤波，为机器人提供确定性保护水平。研究采用未知但有界假设，推导出迭代最近点算法中点云噪声与估计不确定性之间的闭式关系，并据此设计流形上椭球集合隶属滤波（OM-ESMF）并集成进 LIO 系统。实验结果显示，该系统能为多种机器人在不同环境中提供有效的确定性在线安全参考。
推荐理由：论文把未知但有界假设引入激光雷达惯性里程计，给出可在线计算的确定性保护水平，为机器人导航安全评估提供一种可迁移的滤波思路。
arXiv · cs.RO精选AI 评分6262 FlowS：用局部传输条件化实现单步运动预测
FlowS提出局部传输条件化，用条件流匹配框架实现单步生成式运动预测。该方法包含两个机制：在线场景条件学习先验为每个智能体输出K条已接近合理未来的锚定轨迹，把模式发现转为局部修正；步一致位移场通过半群自一致性保证单步继承多步精度。
推荐理由：论文提出局部传输条件化，把单步生成式运动预测的精度与低时延同时纳入，并给出Waymo数据集上的对比结果。
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。