2026 年 10 月 28 日 · 星期三
本期文章 18
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。作者给出利用后见信息的硬评分和可即时获得的因果软评分两个变体。
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。
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%。
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。
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。
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。
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。
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。
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。
相对动作信用学习帮助 PPO 逃离局部极小值
arXiv 预印本提出一种相对动作信用学习方法，用于解决 PPO 在长程接触丰富任务中停滞的问题。作者将失败归因于状态价值评论家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。为此他们为 PPO 增加动作条件价值评论家，在同一状态下比较已执行动作与采样替代动作，并结合广义优势估计与探索噪声约束，在相同探索条件下完成精确插销任务，而 PPO 未能完成。
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。
METATRON：面向人形机器人的可提示全身执行层
METATRON 提出一种可提示的全身执行层，将生成式基座策略与可编程技能层结合，基座策略接收由定时身体部位目标、速度指令和风格提示组成的 prompt，训练后冻结。
SPT：面向可操控机器人操作的自标注偏好迁移
论文提出自标注偏好迁移方法 SPT，让带偏好标注训练的 VLA 策略在缺少偏好标注的新任务上保持偏好控制。SPT 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。
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
FORGE 提出两阶段学习框架，将在线降阶模型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降阶模型策略，为全阶动力学模型上的全身跟踪策略生成参考。
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。
智元在2026创新日发布AHA3硬件平台、GO-3 Preview与Link-U OS 1.0，并提出Worken度量框架
智元在AGIBOT Innovation Day 2026上提出Worken框架，用活跃机器人数量、自主工作小时数与产出效率比三项衡量机器人在真实环境中的有效智能工作时长。
具身智能的超级共识撞上工程现实 是创业者的困境还是机会？
证券时报梳理具身智能创业现状：IT桔子数据显示2026年上半年该领域发生322起融资、金额934亿元，为2025年同期五倍，其中种子轮、天使轮和Pre-A轮合计190起占58.94%。
乐享科技李元庆：轻量化异构双臂与VLA/世界模型在家庭服务机器人中的落地实践
乐享科技联席CTO、穹明智能总经理李元庆在AICon深圳站分享家庭服务具身机器人的落地实践，介绍其近期发布的轻量化家庭协作机器人：整机重30千克、底盘直径45厘米、升降高度82至147厘米，提供双七自由度臂和四加七自由度臂等版本。