2026 年 10 月 30 日 · 星期五
本期文章 49
SwapBot：通过可互换末端执行器与触觉感知实现以工具为中心的机器人操作
SwapBot 提出一种模块化、以工具为中心的末端执行器系统，用低成本工具侧适配器把常见家用工具转换为机器人末端执行器，并支持快速自主更换。每个适配器集成紧凑触觉传感器，并接入遥操作演示采集系统，用户研究显示遥操作时任务完成时间和操作者负荷下降。
DAWN：基于扩散的分层机器人拆螺丝工作流网络
研究提出 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，将流程拆为对准插入与旋出两个阶段。
PhysVLMM：为机器人场景图中的铰接物体维护交互条件物理信念图
PhysVLMM 提出一种为视觉-语言-运动地图中每个铰接部件维护物理信念并回答规划器查询的方法，包含地图更新与查询两个算法。该方法把拉动方向保留为后验而非点估计，并将每次拉动的证据以闭式形式传递给未接触的相似部件。
BURGER：用机器人绘画任务评测 VLA 模型的泛化能力
研究团队提出 BURGER，一个语言条件机器人绘画基准，配套可在仿真和真实世界生成连续绘画轨迹的提示驱动流水线。该基准用 28,200 条仿真演示覆盖 282 个绘画任务，评测了五种代表性 VLA 模型在数据规模、语言接地和多模态行为上的表现，并揭示不同模型各异的失败模式。
Gaussian Action Readout：用高斯读出蒸馏流策略
论文提出 Gaussian Action Readout（GAR），把流策略的最后一层替换为高斯读出，仅用 0.02% 的可用状态训练，网络其余部分保持冻结。作者称其分析显示所研究流策略的连续动作分布可被高斯良好近似，GAR 单次动作网络前向即可采样、给出闭式似然，并以最高两倍推理速度达到接近教师策略的任务成功率。
JEDI：面向上下文模仿学习的联合嵌入演示压缩方法
JEDI 提出一种面向上下文模仿学习（ICIL）的演示压缩方法，将演示压缩为潜在槽，并在冻结的视频-JEPA 空间中训练这些槽预测查询回合的下一阶段关键帧。任务与过程反事实帮助槽保留执行细节，预测器则从演示库中选择示例；用关键点 token 做后训练后，可实现人手条件化到机器人。
TouchBridge：触觉条件化的人到机器人灵巧操作数据迁移框架
TouchBridge 提出一套软硬件协同的人到机器人数据转换框架，通过可穿戴人类演示接口与对应机器人接口建立视觉和指尖触觉的跨本体对应。其 Tac-Retarget 方法以实测接触对齐指尖接触区域，无需物体网格、物体位姿估计或物理仿真即可完成重定向。
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 提出一套学习系统，把人体运动预训练、仿真专家学习、机器人示范采集和视觉闭环执行串联起来，支持六通道 Inspire 手与十六关节 Allegro 手两种本体。
从二元可行性预言学习安全流匹配机器人策略
研究提出一种由预言引导的可微安全防护方法，用于让流匹配机器人策略满足关节限位、避障等物理约束，适用于可行集无法解析、只能通过黑盒可行性预言查询的场景。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提供约束感知学习信号，并与离散时间流匹配结合，使训练和推理共用同一防护。在障碍感知机器人操作实验中，方法实现100%约束满足并保持任务性能。
SimTO-Robust：面向抓取位姿与物体几何鲁棒性的软夹爪自动设计
SimTO-Robust 提出一种仿真驱动拓扑优化方法，通过模拟多个物体与抓取位姿下的抓取并聚合接触力来指导软夹爪形态优化。研究生成 6,646 个设计，并实机评估其中 24 个，与 10 个专用 SimTO 设计、两个刚性基线夹爪和一个常规拓扑优化生成的通用软夹爪对比。
ORM：面向机器人经皮肝介入的压缩姿态可达图实现亚秒级入针点规划
论文提出基于姿态的可达图ORM，预计算6自由度串联机械臂在188,873个工作空间位置的运动学可行性，并编码为83 MB的紧凑索引图。实验显示单目标规划时延从13.5-26.9秒降至0.289-0.349秒，相对基线可达点云的平均凸包体积重叠比为0.933、平均alpha-shape体积比为0.976。该框架面向经皮肝消融的机器人针刺入针点规划，支持亚秒级计算。
Smooth Action Chunking：用运动基元表示平滑模仿学习动作分块
论文提出 Smooth Action Chunking，将基于运动基元的轨迹表示引入动作分块，使轨迹段由平滑基函数线性组合构成，同时不改变策略架构、训练目标和推理流程。
ScheduleGen：面向多臂模仿学习的技能调度演示生成方法
ScheduleGen 是一种面向多臂模仿学习的规划与调度算法，用于从少量源演示合成新的多臂操作演示。作者在 28 个仿真任务变体上评估，平均数据生成成功率为 79.6%，训练出的策略平均成功率为 65.5%，并在八个真实场景变体中通过零样本 sim-to-real 与 real-to-sim-to-real 迁移取得 50-80% 成功率。
SONIC-K1：在单张 GPU 上将通用人形运动跟踪器移植到 Booster K1
SONIC-K1 将 SONIC 框架适配到小型人形机器人 Booster K1，得到作者所称首个开放权重的 K1 全身运动跟踪器，策略在单张共享 GPU 上从零训练，算力远少于 SONIC。
PRIME W0：用世界模型物理先验增强具身操作的分层流匹配框架
PRIME W0 是一个分层条件流匹配框架，旨在让 VLA 模型在动作生成中保留长时序上下文与 VLM 的分层表征。
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
研究者提出CoRAct，一个后果锚定的推理到动作对齐框架，在动作噪声空间通过奖励引导优化显式对齐推理与动作。该方法把movement与waypoints两类具身思维链组件作为可验证信号，用统一的Mixture-of-Transformers联合建模推理、动作生成与动作条件未来预测，并依据运动一致性和预测结果与waypoints的吻合度计算对齐奖励。
Utility-WAM：校正世界动作模型中未来预测引发的动作偏移
Utility-WAM 提出对世界动作模型（WAM）中未来条件引发的动作偏移做就地校正。
Tactus：兼顾触觉与位姿传感的织物数据采集手套
Tactus 是一款织物集成传感手套，同时提供指尖触觉力感知与抗遮挡手部位姿追踪，用于采集自然的人手操作演示数据。其指尖堆叠厚度为 1.5 mm，最小可检测力为 0.59 N（95% 置信度），比两款商用触觉手套基线低 1.6 至 2.7 倍，跨被试一致性为 0.87。
Cross-Controller Transfer via In-Context Behavior Adaptation：跨控制器迁移的上下文行为适配框架
论文研究跨本体与跨控制器的机器人数据迁移，提出用指令动作和由此产生的机器人运动示例编码控制器下的行为交互，再由 transformer 上下文编码器汇总，使单一策略能在上下文中适配。
CuBot-STT：面向格型模块化重构机器人的搬运与锁紧一体机器人
CuBot-STT 提出一种集模块搬运、接口锁紧与释放于一体的外部机器人，用于格型模块化可重构机器人。立方模块提供结构支撑与 24 V 配电，每个面的齿轮传动把单路外部输入转换为四个螺旋锁紧点的运动，以保留内部空间。