2026 年 10 月 23 日 · 星期五
本期文章 38
EBV-CAN：面向接触辅助内窥镜导航的视觉语言策略
研究提出EBV-CAN，一种结合初始全局鸟瞰图、内窥镜观测与电机状态的视觉语言策略，用于柔性内窥镜的接触辅助导航。团队构建VLCA数据集，包含517条演示、75k动作样本、958k空间条目和93k剩余路径记录；在50个留出回合中，尖端坐标与路点定位分别达到97.5%和94.8%。
TEAR：面向机器人操作的任务证据控制权路由框架
TEAR 是一个可在机器人端部署的框架，在人类遥操作与本地自主之间分配控制权，依据网络状态证据和任务语义证据决定何时切换。作者称在动态网络条件下的仿真与实机试验中，TEAR 的任务成功率接近纯遥操作，同时把遥操作限制在 19.8%–27.4% 的控制步数内，在其设置下比纯自主执行的成功率提升 30%–40%。
STAMP：借助人类运动先验实现机器人动作衔接
论文提出 STAMP 框架，通过 Robot-to-Human-to-Robot 流程把独立采集的人形机器人动作连接成连续序列。其核心是学习到的对齐模型，在动作重定向到人体骨架后为后续动作排序候选位置、朝向和过渡时长，再由人类运动先验在选定对齐下生成过渡。作者在 Unitree G1 和 ROBOTIS K1 上评估生成过渡的跟踪成功率，并用实机演示展示 STAMP 将独立动作连成长时程序列。
OpenTac 发布可定制三维触觉皮肤及配套设计生态
OpenTac 提出一种可定制、可扩展的电阻式触觉皮肤及全栈生态，通过结构化可变形覆盖层把切向载荷转为空间变化的压力分布，相邻 taxel 的差分响应可解码局部剪切向量，共模响应编码法向力。
WorldMirror：从野外机器人演示生成可交互仿真世界的智能体框架
WorldMirror 是一个智能体式 real-to-sim 框架，可从野外机器人演示构建可交互数字孪生。它把 real-to-sim 构建表述为可执行世界程序的迭代精炼：编码智能体分解场景、规划重建步骤并调度图像与 3D 生成工具，再通过验证反馈修正程序。在 DROID 上的实验显示，该框架能重建视觉忠实、几何一致的可交互世界，并保持所记录机器人轨迹的物理有效性。
PrefO2O：通过离线到在线潜偏好迁移实现零样本偏好强化学习
PrefO2O 提出一种离线到在线潜偏好迁移框架，可在没有人工反馈的情况下对未见目标任务做零样本偏好强化学习。该方法从源任务的少量离线偏好数据中学习任务无关的潜偏好空间，将可迁移偏好结构与任务特定变化解耦，并用置信度加权最优传输对齐生成伪偏好监督用于在线奖励适配。
基于注意力接触规划的人形机器人移动学习框架
研究提出一种人形机器人移动学习框架，将运动数据仅作为训练先验，用自监督注意力接触规划器预测未来身体与环境接触，再由接触条件跟踪器生成全身协调动作。该框架让单一策略在部署时仅依赖机载观测、无需参考输入，并通过后续微调探索原始运动数据未覆盖的环境变化。作者称这一设计使策略内化接触感知的运动结构，而非直接复刻运动学轨迹。
概率能量建模统一多样化集群控制
作者提出用概率能量建模统一多样化集群控制，把基本集群行为编码为可复用的能量项，再由轻量策略门控组合成单一控制器而无需重训练。该方法在 aerial swarms 上零样本泛化到六类任务、10-100 个智能体、两个硬件平台以及室内杂乱和 GPS 拒止林地环境。大规模仿真任务成功率为 0.96-1.00，单智能体推理时延 1-10 ms，实机部署确认了向真实平台和非结构化环境的零样本迁移。
Progress Probes P²：面向VLA模型的轻量运行时监测方法
作者提出Progress Probes P²，在演示数据上对VLA策略激活训练线性探针来估计任务进度，并标记偏离预期进度的执行。在开源VLA π0.5及仿真和真实世界操作任务实验中，该方法在任务失败检测上不逊于或优于基于VLM的监测器和需要失败数据训练的方法。研究据此认为，对VLA内部做简单探针即可构建运行时监测器，无需外部基础模型。
WarpWeaver：面向多机器人协调的去中心化实时规划协议
论文提出去中心化实时规划器 WarpWeaver，通过分散式列生成让多机器人协商共享空间租金，在静止时给出近最优协议认证。在 Dynobench 仿真中，其总行程时间较集中式离线规划器最多降低 22%，较去中心化实时基线最多降低 37%，在图连通性任务上成功率接近任务专用规划器的两倍。六台机器人机载规划的硬件实验表明该协议具备实际可实施性。
Echo：为VLA模型联合去噪动作与任务状态信号
Echo提出一种框架，将停止与失败两类任务状态信号作为每个动作块的两个维度，与机器人动作一起去噪，从而区分执行中、成功完成和失败三种状态。该方法无需帧级进度标注，通过构建成功、失败和恢复轨迹进行监督，并让状态信号比动作更快去噪，使后续动作去噪步骤能基于更干净的状态估计。真实世界操作实验显示，Echo能较准确预测任务状态并持续提升策略性能。
CARE：critic 引导的云端-本地具身智能体自适应执行框架
Wei Zhang 等人提出 CARE，一个由 critic 引导的自适应执行框架，动态决定何时将控制从本地执行器升级到更强的云端模型。轻量 critic 模型监测执行可靠性并在本地执行不可靠时触发升级，升级后控制持续到智能体恢复，避免逐步切换；共享 handoff memory 在切换时保留执行上下文与任务进度。
SkeLAM：以骨架监督分解潜动作的机器人世界模型
作者提出 SkeLAM，一种骨架引导的潜动作模型，用于可控机器人世界建模，将潜动作分解为由机器人骨架监督约束的运动学分量和保留其余视觉动态的残差分量。在 DROID 上，SkeLAM 相比 DreamDojo 将末端执行器 ADE 降低 19.5%、LPIPS 降低 11.1%。
稀疏拓扑度量图实现可扩展跨会话室内导航
研究提出一种稀疏拓扑度量图，作为室内导航的结构化表示，节点编码局部3D几何，距离加权边表示可通行连通性，并用学习到的图匹配网络跨会话寻找一致子图。在跨会话点目标导航实验中，该方法在Gibson上成功率为77.1%，在3D-FRONT场景变化下为40.0%，内存相比点级表示降低两个数量级以上。作者称该表示对局部场景变化、不同传感器模态和有限空间重叠具有鲁棒性，并支持跨会话对齐与目标导向导航。
BM2PC：面向可变形线性物体动态操作的贝叶斯多模态MPC框架
论文提出BM2PC，一个用于可变形线性物体敏捷操作的贝叶斯多模态MPC框架，将多模态规划建模为集合优化问题，并加入执行动力学模型补偿快速操作中的执行偏差。在绳索跟踪与避障的仿真和硬件实验中，BM2PC在最长任务上把RMSE降低44.0%，避障性能与现有多模态MPC方法相当，规划时间减少29%至66%。
KiRoSe 用运动学数据高效分割机器人演示
KiRoSe 提出用机器人运动学数据而非原始多路视频来分割机器人演示，以降低多模态大模型的处理成本。该方法借鉴 Huffman 编码思路构建稀疏运动 token（SMT），用带时间分段监督的运动轨迹编码并量化得到离散运动词汇，再以演示子任务标注监督开放语言模型解读 token 序列。
TRACE：基于VLM自适应约束估计的可通行性感知反应式导航
论文提出TRACE，一个面向地面机器人在非结构化森林环境中自主运行的可通行性感知反应式导航框架。它用正负自然语言提示集生成VLM置信图，经证据融合得到稠密可通行性地图，再提取可通行点并通过百分位分箱与样条或正则化多项式拟合得到左右边界，作为软约束加入NMPC。作者称在真实森林环境中的实验显示，TRACE能在杂乱、可变形和视觉歧义地形中平滑导航。
智元开源 AGIBOT WORLD 2026 第四版“Physical Reasoning”数据集
智元开源 AGIBOT WORLD 2026 的第四版“Physical Reasoning”数据集，任务设计重点从操作难度转向决策复杂度。该数据集覆盖 10 类以上逻辑推理场景，按 Easy、Medium、Hard 三级组织，并提供高层问答与低层动作轨迹，用于高层决策模型与低层动作策略的协同训练。