上纬新材加码物理AI，首席科学家董豪详解启元机器人技术路线与商业化探索
上纬新材首席科学家董豪详解启元机器人技术路线：以通用大模型为“慢脑”、VLA模型为“快脑”协同，并推进“启元大脑”研发，计划2026年底推出阶段性成果。其HIL-UMI后训练方法在清理桌面实验中数据采集效率达传统真机人工接管方法的5.63倍，但属特定实验条件验证。
NEWS / 动态
#机器人学习
按时间浏览，使用右上角筛选切换领域。
中国基金报 · 具身产业监测AI 评分4949 arXiv · cs.RO精选AI 评分7171 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。
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.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.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.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.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.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.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6262 综述：接触密集机器人任务的安全学习，从经典方法到安全基础模型
一篇被npj Robotics接收的94页综述系统梳理了接触密集机器人任务的安全学习方法，将其分为安全探索与安全执行两大类。文章回顾了约束强化学习、风险敏感优化、不确定性建模、控制屏障函数和模型预测安全盾等技术，并重点讨论这些安全原则如何延伸到VLM与VLA基础模型，包括语言级约束指定与安全信号多模态落地带来的新机会和放大风险。作者同时列出当前局限与面向复杂接触环境的未来方向。
推荐理由：综述把接触密集任务的安全学习拆成安全探索与安全执行两类，并讨论这些原则如何延伸到VLM/VLA基础模型。
雷峰网 · 机器人AI 评分6262 
行元智能发布跨本体数据引擎 Chorus，可用数据转化率提升至 85%
行元智能发布面向机器人预训练的跨本体数据引擎 Chorus（众行），可将智能眼镜、胸戴相机、腕部相机、UMI 等设备采集的人类操作数据转化为适配不同机器人本体的训练数据。
arXiv · cs.ROAI 评分5555 SymAnt：用可适配符号先验支撑长时程动作预测
SymAnt 是一种神经符号方法，把神经网络与场景图、知识图的符号推理结合，从短观测视频预测长时程未来动作序列。该方法对两张图做联合搜索构建符号上下文，作为迭代精化过程的先验，并允许用户直接编辑底层知识来调整预测而无需再训练。
arXiv · cs.RO精选AI 评分6262 DAWN：基于扩散的分层机器人拆螺丝工作流网络
作者提出 DAWN（Diffusion-based Alignment and unfastening Workflow Network），一个面向真实世界拆螺丝任务的分层机器人框架，将流程分为对齐插入与拧出两个阶段。
推荐理由：论文把拆螺丝长程任务拆成对齐插入与拧出两阶段，并在 Franka 实机上验证，可供接触密集操作研究参考。
arXiv · cs.RO精选AI 评分6464 JEDI：面向上下文模仿学习的联合嵌入演示压缩方法
JEDI 提出将演示压缩为潜在槽位，在冻结的视频-JEPA 空间中训练其预测查询回合的下一阶段关键帧，以缓解长多模态轨迹占用上下文的问题。方法用任务与过程反事实帮助槽位保留执行细节，并通过预测器从演示库中选择示例；用关键点 token 后训练后，可在机器人上实现人手条件化。
推荐理由：论文提出以查询未来预测为目标的演示压缩方法，并在 LIBERO 与实机上验证多示例上下文下的策略适配。
arXiv · cs.RO精选AI 评分6060 Gaussian Distillation of Flow Policies：用高斯读出层加速流策略推理
论文提出高斯动作读出（GAR），将流策略的最后一层替换为高斯读出层，仅用0.02%的可用状态训练，网络其余部分保持冻结。GAR单次动作网络前向即可采样，并给出闭式似然，任务成功率接近教师策略，推理速度最高提升至两倍。作者分析显示，所研究流策略的连续动作分布可被高斯较好近似。
推荐理由：论文分析流策略动作分布的高斯近似，提出用少量状态训练高斯读出层，为策略推理提速提供可迁移方法。
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.RO精选AI 评分7878 RoboAtom 提出大规模原子动作监督数据集 RoboAtom-Data
RoboAtom 提出 RoboAtom-Data，为多来源现有数据补充统一、时间对齐的原子动作标注，覆盖 145 万条轨迹、688 万个技能标注片段和 16882.1 小时。其流程结合统一协议、大规模人工标注、同一有序技能序列重复执行间的传播以及多阶段质量控制。作者构建 RoboAtom-Bench 以标准化技能识别与时间边界定位评测，基于标注数据训练的 RoboAtom-Anno 在该基准和外部 WGO-Bench 上优于所评估的开源与闭源模型。
推荐理由：论文给出跨来源统一原子动作标注的数据规模与构建流程，并附技能识别基准和分层执行对照实验。
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.RO精选AI 评分6060 Learning Safe Flow Matching Robot Policies from Binary Feasibility Oracles：仅用二元可行性查询约束流匹配机器人策略
Jianming Ma 等提出一种 oracle 引导的可微安全保障方法，用于约束基于流匹配的机器人策略，使其满足关节限位与碰撞避免等物理约束。该方法在前向传播中用二元可行性查询纠正不安全更新，在反向传播中提取局部边界信息作为约束感知学习信号，并与离散时间流匹配结合，使训练和推理共用同一保障机制，无需显式或可微的约束模型。
推荐理由：论文针对流匹配策略难以满足关节限位与避障约束的问题，提出仅依赖二元可行性查询的安全保障方法，可供研究约束学习时参考。
arXiv · cs.RO精选AI 评分6060 DRIP：面向群体导航的轨迹条件分布风险 LiDAR 规划框架
作者提出 Don't Risk It Planner（DRIP），一个仅依赖 LiDAR 的端到端规划框架，将占据预测与轨迹条件间隙及不确定性估计结合。DRIP 直接在 LiDAR 占据栅格历史上预测候选控制序列对应的最小机器人与障碍物间隙分布，并用碰撞结果标定预测不确定性的风险代价训练模型。在最多 45 名行人的闭环实验中，DRIP 相比现有基线取得更高成功率、更少碰撞和更少冻结行为。
推荐理由：论文提出仅用 LiDAR 的群体导航规划器，把预测不确定性与碰撞结果挂钩，可供比较无跟踪方案的闭环表现。
arXiv · cs.RO精选AI 评分7474 LOGIV：面向长程机器人任务的图验证执行与因果局部修复框架
LOGIV 是一个面向具身机器人执行的图工程框架，用显式任务图连接符号规划、基于观测的验证与具身动作，并在执行中检查条件支撑与资源顺序边的物理有效性。在 RoboTwin V2 和 BiCoord 的 20 个双臂任务、三种执行骨干上，无注入扰动时平均任务成功率分别提升 10.67 和 15.33 个百分点；在预设扰动下，其任务完成与条件恢复优于三个适配的恢复基线。
推荐理由：论文把任务图与执行期条件校验结合，为长程机器人任务提供可复用的失败恢复接口。
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5858 PASA-KV：针对世界动作模型动作面向视觉通路的攻击方法
PASA-KV 提出一种针对世界动作模型（WAM）内部视觉 K/V 通路的攻击方法，并在多个 WAM 系统和一台实体机器人上验证了闭环攻击效果。研究发现表征可扰动性与闭环脆弱性存在明显错配，扰动幅度更大并不必然导致更强的控制失效。作者将这一错配归因于动作条件读出机制，并用短探针信号 Tail-AV 识别脆弱通路，再据此选择动作面向的 K/V 目标训练任务共享攻击。
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.RO精选AI 评分6262 CoRAct：面向视觉-语言-动作模型的后果锚定推理到动作对齐框架
作者提出CoRAct，一个后果锚定的推理到动作对齐框架，通过动作噪声空间中的奖励引导优化，显式对齐具身思维链推理与动作生成。
推荐理由：论文提出用动作噪声空间中的奖励优化显式对齐推理与动作，并在仿真基准和实机任务上对比ECoT基线。
arXiv · cs.RO精选AI 评分7171 EvoLife：融合混合动作空间与持久记忆的终身具身导航框架
作者提出统一导航框架 EvoLife，让多模态具身智能体自行选择移动方式、何时提问以及保留哪些经验。其混合动作空间支持航点导航、局部离散调整、像素级导航和物体导向导航，主动交互允许智能体在遇到歧义或困难时寻求澄清或帮助，持久空间记忆把观察和对话绑定到地点。
推荐理由：论文提出统一导航框架 EvoLife，把混合动作空间、主动求助与持久空间记忆放在同一系统中，并给出多基准评测结果。
arXiv · cs.RO精选AI 评分7878 UMI-Live：开源双臂UMI野外数据采集系统发布
作者提出UMI-Live，一套用于野外双臂数据采集的开源全栈UMI系统，其定制硬件集成相机与LiDAR-惯性传感、板载计算和供电，无需外部追踪设备或在采集环境中标定。系统提供简单录制界面，异步流水线并行进行SLAM重建并发布可直接用于训练的数据集，同时发布支持双YAM遥操作及VLA策略训练与推理的软件。作者用π0.5和MolmoAct2微调验证数据质量，在双臂抓放任务上成功率分别为10/10和8/10，并公开三个任务共40小时的UMI-Live数据及硬件设计、软件和复现指南。
推荐理由：该系统把相机与激光雷达惯性传感、机载计算和异步SLAM流程整合成免外部追踪的双臂采集方案，并附40小时数据与复现指南。
arXiv · cs.RO精选AI 评分6767 Utility-WAM：修正未来条件引发的动作偏移
Utility-WAM 针对世界动作模型（WAM）中预测未来引发的动作偏移提出修正方法。
推荐理由：论文拆解世界动作模型中预测未来带来的动作偏移，指出精度任务上的负迁移并给出残差适配器修正方案。
arXiv · cs.RO精选AI 评分6060 ProLoop：基于结构化状态关系的进度感知闭环长程机器人任务规划框架
ProLoop 是一个进度感知闭环框架，从期望状态与执行状态之间的结构化关系显式推导子目标进度，再由学习到的 State-Relation Monitor 判断关系并聚合为进行中、偏离或完成。在 AgentBoard ALFWorld 和真实机器人平台上的实验显示，整体成功率提升 12.94%，Hard 任务提升 15.46%，环境交互次数减少 32.3%。
推荐理由：论文提出用状态关系显式估计子目标进度，并在仿真基准与实机平台报告成功率与交互次数变化，可供长程任务规划研究比较。
arXiv · cs.RO精选AI 评分6565 Language-Grounded Force/Torque Pretraining 用于外接触感知
作者提出用仿真抓放交互生成的监督，将双侧六轴力/力矩历史与冻结语言空间对齐，预训练为语义结构化的物理表征。在仿真未见物体上，该表征支持以文本原型读出机器人动作、物体重量和抓取交互；在实机放置任务中，无需更新编码器、仅靠无标签校准即可识别接触与支撑状态，表现优于垂直力符号反转规则基线。对于预训练中未出现的连接器插入事件，低秩适配相比从头训练提升了数据效率。
推荐理由：论文把双侧六轴力/力矩历史对齐到冻结语言空间，为外接触感知提供可复用表征，并给出仿真与实机放置、连接器插入的验证路径。
arXiv · cs.RO精选AI 评分7878 跨控制器迁移：通过上下文行为自适应让单一策略适配多种控制器
研究提出一种跨控制器迁移框架，让单一策略在上下文内适应不同控制器。该方法用指令动作与机器人实际运动的示例编码控制器下的行为交互，再由 transformer 上下文编码器汇总，使策略无需为每种控制器单独学习。实验覆盖六种控制器类型及控制器增益与柔顺性变化，实机结果显示平均成功率比朴素数据合并高 33 个百分点，在未见控制器模式上达到 50% 成功率，在未见控制器增益上达到 52%，并能迁移到控制器专属数据有限的任务。在 USB 插入、表面擦拭等接触丰富任务中，行为交互上下文使策略不仅调整动作，也调整策略。
推荐理由：论文给出跨控制器与跨本体的行为交互上下文编码方法，并报告实机成功率提升与未见控制器模式下的表现。
arXiv · cs.RO精选AI 评分7171 Event2Reward：从进度关系学习机器人奖励
Event2Reward 提出从机器人演示中学习奖励的方法，用归一化时间标签锚定进度尺度，并用轨迹内的停滞、回退与恢复关系约束局部变化，将进度预测作为奖励塑形的势函数。
推荐理由：论文用轨迹内的停滞、回退与恢复关系约束进度预测，为从失败执行中构建稠密奖励提供了一种可迁移方法。
arXiv · cs.ROAI 评分5858 EmbodiExp：面向具身智能体的组合式经验迁移框架
EmbodiExp 是一个为具身智能体构建可迁移经验并在任务执行中在线组合的框架。它提出以结果锚定的子目标经验，包含子目标、适用条件、可适配策略和可验证结果，执行时由适用经验引导动作生成，已验证结果可为后续经验建立条件。作者称子目标级结果归因还能利用失败轨迹中的局部成功与需规避动作，并在多个具身基准上以冻结经验库的 fold-based 协议开展实验。
arXiv · cs.RO精选AI 评分6767 EgoContact：用第一视角视频评估物理智能的接触点预测数据集
EgoContact 是一个大规模第一视角数据集，用于通过未来接触点预测评估学习到的操作先验的泛化性与精度，包含 22.5K 条人工核验的交互事件，每条含接触前观测、语义意图和像素级接触位置。
推荐理由：论文给出2.25万条人工核验的第一视角接触点数据，并展示将其用作现有可供性迁移策略记忆库后抓取成功率的提升。