FlowVLA：面向定量机器人倒水的流感知物理完成学习
FlowVLA 将动作生成与物理完成度估计分离，由共享的 π_{0.5} 动作专家在边界感知监督下学习接近、倾倒和返回，并用融合视觉、关节、腕部力与循环力信念历史的目标无关估计器维持转移质量估计，当估计值加预测残余流出量达到目标质量时触发返回。
推荐理由：论文把倒水任务的返回决策拆成动作生成与转移质量估计，并给出与多个 VLA 基线的对比结果，可供研究定量操作闭环的人参考。
NEWS / 动态
资讯 · 全部
按时间浏览，使用右上角筛选切换领域。
arXiv · cs.RO精选AI 评分6060 arXiv · cs.ROAI 评分5858 综述探讨物理AI中的递归自我改进
arXiv 预印本综述《Toward Recursive Self-Improvement in Physical AI》将递归自我改进（RSI）置于机器人学习语境，梳理从提升机器人能力到提升生成能力的过程这两类路径。
arXiv · cs.ROAI 评分5858 DriveMLP：训练策略比模型复杂度更影响自动驾驶规划性能
DriveMLP 提出以专家引导强化学习（EGRL）训练轻量 MLP 策略，在 nuPlan Val14 Reactive 基准上取得 86.51 分，比此前最佳模仿学习规划器 Flow Planner 高 3.2 分，推理速度提升超过 15 倍。研究通过受控实验发现，训练流程而非模型规模与复杂度贡献了相当一部分性能提升。代码已在 GitHub 开源。
arXiv · cs.ROAI 评分5656 Reading the Room：将稀疏VSLAM地图配准到部分建成环境的楼层平面图
作者提出Reading the Room（RR），一种全局到局部的方法，用于把尺度不确定的稀疏语义VSLAM地图配准到部分建成的楼层平面图。其核心是定义一个可微、类别平衡的语义几何能量函数来统领整个流程，并提供两种全局初始化方案：利用单个不准确的用户对应点，或用跨模态匹配网络全局估计。
arXiv · cs.RO精选AI 评分7575 Watch Your Step：用落脚点预测裁剪感知输入的人形机器人运动策略
arXiv 论文 Watch Your Step 提出预期感知方法，用轻量落脚点预测模型（FPM）仅凭本体感知和速度指令预测未来落脚点，再只在这些落脚点周围采样高程图小块，替代完整机器人中心高程图输入。
推荐理由：论文提出用落脚点预测裁剪高程图输入，训练迭代约为完整地图的三分之一，并零样本迁移到 Unitree G1 实机。
arXiv · cs.RO精选AI 评分6060 研究提出月球重力下四足机器人跳跃的端到端强化学习策略
Levin Müller 等人在 arXiv 预印本中提出一种多阶段强化学习方法，为月球重力下的四足机器人点对点跳跃生成单一端到端控制策略，仅依赖任务可用的机载传感。
推荐理由：论文给出月球重力下四足机器人跳跃的端到端策略，并报告仿真落点误差与硬件卸载实验的力矩功率数据。
arXiv · cs.ROAI 评分3838 串联机器人雅可比性能指标的关节角不变性
研究串联机器人雅可比类性能指标（可操作度、刚度等）的关节角不变性，识别出这些指标与首末关节角无关的运动学条件，从而系统降低有效构型空间维度、简化性能评估。在性能地图构建与任务布局优化两个场景中验证，该策略降低计算量与存储需求且不损失有效性。
arXiv · cs.ROAI 评分5858 ContactFlowFilter 用流匹配与粒子滤波实现基于本体感知的在线接触估计
作者提出 ContactFlowFilter，将流匹配生成模型嵌入粒子滤波框架，用于估计机械臂的接触数量、位置与力向量。该方法仅依赖关节力矩传感器和基座力/力矩传感器，以粒子滤波的递归结构处理时序依赖，用流匹配模型作为辅助提议分布跟踪多模态信念并检测接触事件。仿真与实机实验显示，实机单接触和双接触场景误差分别为 0.36 cm 和 0.88 cm，运行耗时为 0.69 ms 和 2.69 ms。
arXiv · cs.ROAI 评分5858 面向耦合传动机械臂遥操作：保持操作者意图的执行器约束感知方法
针对耦合传动机械臂遥操作中独立电机饱和破坏差动腕俯仰-滚转协调、固定映射难以应对重力负载与执行约束引起的跟踪突变，作者提出一种执行器约束感知的主从遥操作方法，联合建模主端重力补偿、主从关节映射与从端差动腕控制。
arXiv · cs.ROAI 评分5858 SERA：用自演化 harness 组织 VLM 规划器的机器人智能体
研究提出 SERA（Self-Evolving Robotic Agent），把高层 VLM 规划器组织为可编辑 harness 以维护任务上下文，底层由固定的 VLA 执行器控制。
arXiv · cs.ROAI 评分3434 Make it Walk：乐高步行机器人的计算设计方法
研究者提出首个能设计乐高步行机器人的计算方法，使机器人既能稳定行走，又支持多种步态。该方法用定制齿轮-连杆机构配合一对3D打印非圆齿轮机械控制足部轨迹，每条腿由独立电机驱动并通过控制算法同步时序，进而协同设计形态与控制。团队据此制作了多种乐高步行机器人，展示不同步态与外观，并实物制造部分样机验证真实环境行走能力。
arXiv · cs.ROAI 评分5858 S-Rolling：面向可扭转蛇形机器人的可转向滚动步态
论文提出 S-Rolling，一种面向可扭转蛇形机器人的可转向滚动步态，兼顾低扫掠高度与平面转向能力。该方法基于 S 形平面骨架曲线，头尾两段以独立控制的角速度滚动，由中央扭转关节实现两段相对旋转，并推导了关节空间步态方程和关联段滚动速度与机器人线速度、角速度的准静态运动学模型。
arXiv · cs.ROAI 评分3838 面向可穿戴机器人的可供性分割扩展至多物体图像
针对上肢假肢设备视觉抓取管线在多物体场景下难以区分目标的问题，研究提出在硬件中加入激光指针实现物体消歧，并配合混合现实策略复用已有高质量分割掩码程序化生成逼真图像，对识别可抓取部位的深度卷积网络重新训练。实验结果显示，该管线相比现有方案将目标消歧准确率最高提升9%，同时保持计算开销不变。
arXiv · cs.ROAI 评分5858 可扭转蛇形机器人复杂地形运动规划：线性扭转侧行步态
Qingling Fan 与 Zhongqiang Ren 提出一类线性扭转侧行步态，用线性扭转函数把扭转负载分布到全身，而非集中在中间两个扭转关节。在匹配转速和总输出功率的条件下，该步态使单个扭转关节的峰值输出功率降低42%。实机实验显示，新步态能在现有 rolling vector 方法无法通过的多类地形上运动，并比不带扭转的传统侧行步态快最多49%。
arXiv · cs.RO精选AI 评分6767 距离场驱动强化学习实现机械臂反应式避障
论文提出一种将欧氏距离场（EDF）直接纳入观测空间的强化学习框架，为智能体提供连续几何线索以支持稳定、反应式的避障行为。该方法在7自由度冗余机械臂上验证，实现了从仿真到真实硬件的零样本迁移；尽管训练仅使用随机静态物体，部署后的策略仍能泛化到此前未见的真实环境，并对动态障碍物表现出在线避障能力。作者认为，EDF表示有助于缓解仿真到现实的差距。
推荐理由：论文把欧氏距离场直接放进观测空间，在7自由度冗余机械臂上验证仿真到实机的零样本迁移，可供做避障策略的研究者参考。
arXiv · cs.ROAI 评分5858 A2I-Calib++：面向足式机器人全身多IMU系统的运动学驱动抗噪主动标定框架
A2I-Calib++ 提出一种运动学驱动的抗噪主动标定框架，用于足式机器人机体多IMU系统，可在无需人工标定靶标、无需对目标IMU做复杂参数调优的情况下估计时间偏移、外参旋转平移与惯性零偏。
arXiv · cs.RO精选AI 评分6060 PRISM：以物理机制解耦深度噪声，提升仿真到现实迁移
PRISM 提出一种基于物理的深度噪声建模框架，将单一噪声解耦为传感失效与测量不准两类模态，并借助 3D 视觉基础模型特征做空间语义先验推理。作者称其在噪声深度合成基准上达到当前最优保真度，下游机器人实验在真实世界取得 92.1% 平均成功率，优于单一噪声建模基线。项目页面见 https://shawnleung-sii.github.io/prism-icml2026/。
推荐理由：论文把深度噪声拆成传感失效与测量不准两类物理机制，为仿真到现实的感知建模提供了一种可迁移思路。
arXiv · cs.ROAI 评分5555 Integrating Flow Matching and Model Predictive Control for Safe Robot Navigation
该预印本提出将基于流匹配的路径规划与模型预测路径跟随控制相结合的框架，用数据驱动方式生成多模态路径，并由预测控制器在线调整运动以满足状态与输入约束、利用更新的局部传感器信息避障。作者还设计了事件触发重规划机制，把预测控制的解反馈到后续路径生成中，以在存在此前未见障碍物的环境中实现无碰撞导航。移动机器人导航的仿真结果显示，该框架在杂乱环境中表现稳健。
arXiv · cs.ROAI 评分5555 AOV-GS：用 3D 高斯泼溅做主动开放词汇语义建图
AOV-GS 是一个主动 3D 高斯建图系统，用冻结的 SAM 与 CLIP 引导探索，并离线拟合场景语言场，从而支持开放词汇文本查询分割。
arXiv · cs.ROAI 评分5858 研究提出面向刚性与弹性关节机器人轨迹跟踪的前馈控制负载泛化方法
该论文提出一种针对负载参数泛化前馈控制动作的方法，且不依赖底层控制器。作者先推导负载泛化所需的最少示例物体数量，再给出仅凭新负载参数即可执行同一轨迹的算法，无需已知机器人动力学模型，也适用于存在弹性关节的情形。方法在仿真和实验中验证，实验使用标准 Franka Emika Panda 以及加装弹性腕的 Franka Emika Panda，覆盖不同机器人与控制器的跟踪任务。
arXiv · cs.RO精选AI 评分7171 PAL：先规划后执行的分层记忆框架用于机器人长程操作
PAL 是一个面向视觉语言机器人操作的分层记忆框架，用高层 VLM 把流式视觉观测转成可执行 subtask_list，执行时再选出当前子任务交给低层 VLA 策略。
推荐理由：论文提出分层记忆框架，把长程任务规划提前写入可执行子任务列表，并给出仿真基准与四项实机任务的对比结果。
arXiv · cs.ROAI 评分5858 Alpha：面向 LLM 驱动具身操作的系统性故障注入与鲁棒性评测框架
Jona Joy 提出 Alpha，一个在仿真中面向 LLM 驱动操作的系统性故障注入与鲁棒性评测框架，在感知、执行、运动学和规划四类环节注入校准故障。
arXiv · cs.ROAI 评分3131 面向空间机器人行为保真度要求的星载语言模型压缩方法QSelect
QSelect将AWQ、GPTQ与AutoRound检查点按线性模块组合成单一静态低比特模型，在DeepSeek-R1-Distill-Qwen-7B、Llama-3.1-8B和Llama-3.2-3B的3比特与4比特共六种设置下，留出困惑度均低于任一单一家族模型。
arXiv · cs.RO精选AI 评分6060 RGF：用关系几何对齐改进世界动作模型的机器人操作
论文提出关系几何强制（RGF），通过对齐成对特征关系而非逐点特征，把冻结3D基础模型的几何先验迁移到世界动作模型（WAM）。作者发现逐点几何对齐虽改善视频特征却会损害动作学习，RGF 用帧内、跨视角和动作-时序三类关系目标，且仅在训练阶段使用，不增加几何分支或推理模块。仿真与实机实验显示，该方法在多种操作场景和 WAM 范式下取得一致提升。
推荐理由：论文指出逐点几何对齐会损害动作学习，提出用成对特征关系迁移3D先验，并在仿真与实机中验证。
arXiv · cs.RO精选AI 评分7272 TIDE：面向机器人操作的人在环在线后训练系统
作者提出 TIDE（Training In DEployment），一个面向机器人操作的人在环在线后训练系统，可在部署过程中利用人工干预和策略自身 rollout 在线更新策略，无需学习 critic、奖励模型或动作评分器。
推荐理由：论文提出无需价值函数或奖励模型的在线后训练系统，并在四项真实双臂操作任务上对比热启动策略与离线演示。
arXiv · cs.RO精选AI 评分6060 DepState-JEPA：以深度锚定状态表征的RGB-D联合嵌入预测架构
作者提出 DepState-JEPA，一种双流 RGB-D 联合嵌入预测架构，通过共享隐状态 DepState 把空间理解与动作条件预测连接起来。该框架基于 V-JEPA 2.1，将深度同时作为互补观测流并把两种模态锚定到度量三维空间，动作条件转移后由同一组解码器预测未来 RGB 与深度特征。
推荐理由：论文提出以深度观测锚定共享隐状态的双流预测架构，可用于比较机器人操作中的状态表征设计。
arXiv · cs.ROAI 评分5858 研究评测视觉语言模型在热成像人机交互中理解人类活动的失败模式
一项 arXiv 预印本研究评测了七个可本地部署的视觉语言模型（含面向物理 AI 与机器人开发的模型）在两个以人为中心的热成像数据集上理解人类活动的表现。诊断任务覆盖细粒度动作识别、活动时间线重建和拒答能力，并以配对 RGB 录像作为性能参照。
arXiv · cs.ROAI 评分5858 NavBind 提出在路线分叉处诊断导航 VLA 的指令-动作绑定
NavBind 提出一种诊断导航 VLA 指令-动作绑定的方法，在导航上下文固定时检验更换指令是否改变动作的概率分布。研究从 R2R-CE 和 RxR-CE 重组出 3,252 个路线分叉上下文，每个上下文的两条完整指令共享已走过路线的描述、但指向不同分支，并在相同智能体状态和导航历史下评估。
arXiv · cs.RO精选AI 评分6767 SMR：从人类语义学习人形机器人流式运动重定向
SMR 提出一种流式神经运动重定向器，从语义条件物理专家学习，将人类运动转为人形机器人可执行的运动参考。方法先把人类运动转换为机器人感知的任务空间目标，由物理专家在仿真中于接触、动力学和执行器约束下跟踪，再用严格因果的 Transformer 学习其执行状态轨迹。
推荐理由：论文提出从语义条件物理专家学习流式重定向，对比运动学与物理精修基线，可供人形机器人运动参考生成研究比较。
arXiv · cs.ROAI 评分5656 研究：表征先验如何影响世界动作模型的泛化能力
arXiv 论文研究世界动作模型（WAMs）因生成骨干不同而在泛化性能上出现明显差异的原因，从模型继承自骨干的表征几何及策略训练对其的重组入手分析。作者提出用干扰正交性量化表征先验，即特征在经验分布流形之外的视觉变化下的正交程度，并在多种图像和视频骨干上发现先验正交性越高，WAM 训练后对视觉变化的鲁棒性越强。
arXiv · cs.RO精选AI 评分7171 SimPT：面向干预式 VLA 后训练的自动化仿真框架
SimPT 是一个自动化干预式 VLA 后训练的仿真框架，把策略 rollout、纠正数据采集、策略训练和独立评估整合在一起。
推荐理由：该预印本把 VLA 后训练中的干预采集、训练与评估放进仿真闭环，并给出与固定间隔基线的对比数据。
arXiv · cs.ROAI 评分5858 两轮倒立摆机器人端到端平衡与导航的状态相关目标协调方法
研究提出一种轻量级状态相关目标协调方法，用于两轮倒立摆机器人的端到端导航与控制，通过俯仰条件标量系数β(s)∈[0,1]在训练中调节平衡与导航目标的相对权重，无需PID或LQR等辅助姿态控制器。
arXiv · cs.RO精选AI 评分6767 ACT-—Flow：面向视觉插接任务的评论家加权残差流在线学习框架
Yiqing Yuan等人提出ACT-—Flow，将自适应Action Chunking Transformer与条件残差流策略耦合，用于视觉插接任务的在线学习。
推荐理由：论文给出ACT-—Flow在插接类任务上的在线学习框架与消融结果，可比较残差策略与行为克隆的组合方式。
arXiv · cs.RO精选AI 评分6060 研究：物理参数偏移下的因果世界模型
该预印本研究了物理条件偏离训练分布时世界模型预测精度下降的问题，区分了预测器可用哪些输入以及机制如何计算这些输入的影响两个层面。在带捷径特征的合成基准中，由配对干预得到的冻结依赖掩码把分布外 RMSE 从全连接预测器的 1.769 降至 0.697，接近生成器 oracle 掩码的 0.694。
推荐理由：论文在 CausalWorld 中比较不同质量参数注入方式对分布外预测的影响，为世界模型的因果结构设计提供可迁移思路。
arXiv · cs.ROAI 评分5858 PHD-Hand：可3D打印的连杆驱动人形灵巧手
PHD-Hand 提出一种连杆驱动的人形灵巧手，每根手指至少具备3个驱动自由度（DOA），借助柔性铰链和弹簧钢弹性驱动杆简化传动，无需大量微型运动部件，可用预算级3D打印机加工。作者称该设计降低了灵巧人形手的使用与开发门槛，并让手部尺寸更接近常人手掌。论文还给出样机在抓取与物体操作上的评估，以及运动学与控制方面的最新发现。
arXiv · cs.RO精选AI 评分6262 RoPT：面向视频的鲁棒6DoF物体位姿跟踪框架
RoPT 是一个面向视频的鲁棒 6DoF 物体位姿跟踪框架，作者称其把视觉感知、时序运动学与全局重定位耦合成闭环，以应对快速运动下的跟踪发散。视觉部分通过跟踪物体掩码处理部分和严重遮挡，运动学因子图则约束帧间更新、预测前向位姿并驱动多假设并行验证以避开局部极小。作者在多个挑战性基准和真实机器人演示中报告，快速运动下的跟踪存活率显著更高。
推荐理由：论文把视觉感知、时序运动学与全局重定位耦合成闭环，用于应对快速运动下的位姿跟踪发散，可供机器人交互感知研究参考。
arXiv · cs.RO精选AI 评分6363 SLoSa：面向机器人任务规划的小尺寸低功耗安全基础模型
SLoSa 是一个神经符号压缩与微调框架，用于训练小尺寸、低功耗且具备安全意识的机器人任务规划基础模型。该框架先用经典规划器、教师大模型和形式化验证器构建安全数据集，再经监督微调与由验证奖励机引导的强化学习微调。
推荐理由：论文给出小尺寸规划模型在 PDDL 任务、家用仿真与桌面机械臂上的成功率与功耗数据，可对照大模型本地部署的资源约束。
arXiv · cs.RO精选AI 评分7171 GGraph：面向机器人部署与学习的 GPU 加速图库开源发布
Yash Rampuria 等作者提出开源 GPU 加速图库 GGraph，同时支持真实机器人部署和大规模策略训练。GGraph 通过 ROS 2 接口接入真实机器人，并支持向量化 GPU 策略训练，内置 3-D 导航、探索和回环整合等任务。单机器人运行时图更新为毫秒级，规模化训练可跨数百个并行机器人，训练实际耗时降低一个数量级；结果来自仿真与真实世界实验。
推荐理由：GGraph 把图构建放到 GPU 上，并同时覆盖 ROS 2 部署与并行训练，为图表示机器人策略提供可复用基础设施。
arXiv · cs.RO精选AI 评分6060 HyperDrone：每秒数百万帧的四旋翼仿真到现实迁移
HyperDrone 是一个面向高性能批量渲染的四旋翼仿真器，作者称其速度超过现有先进批量四旋翼仿真器 20 倍以上。它结合优化的多旋翼动力学与光线追踪引擎 HyperLux，支持 Nvidia OptiX、Vulkan、Apple Metal 和 WebGPU 后端，可渲染 RGB、深度、语义/实例分割、表面法线和光流，并在消费级 GPU 上达到数百万帧每秒。
推荐理由：论文给出比现有批量四旋翼仿真器快 20 倍以上的渲染方案，并把纯仿真训练的偏航控制策略迁移到 Crazyflie 实机。
arXiv · cs.RO精选AI 评分7272 COWBOY：面向情境化全身操作的可扩展 sim-to-real 框架
COWBOY 是一个可扩展的 sim-to-real 框架，用于学习情境化全身操作，在全身灵巧抓取任务上零样本迁移到数百个物体和杂乱桌面、货架、抽屉等非结构化场景。
推荐理由：论文给出把场景感知全身控制器与局部强化学习专家蒸馏为单一视觉策略的 sim-to-real 框架，可参考其分层训练思路。