2026 年 10 月 31 日 · 星期六
本期文章 41
ADTT：对齐增量三平面Transformer作为占用世界模型
作者提出对齐增量三平面Transformer（ADTT），一种紧凑的4D占用世界模型，用自车运动补偿显式对齐历史三平面，并只预测未来场景变化。模型在对齐先验上用查询条件Transformer预测残差变化，其中自车运动查询引导可控未来运动、可学习外部查询捕捉自车运动之外的场景变化，预测变化叠加到对齐先验后解码为未来占用场景。
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。
MoVLR：用视觉语言模型为肌肉骨骼控制学习奖励函数
作者提出 MoVLR 框架，利用视觉语言模型在控制优化与 VLM 反馈之间迭代探索奖励空间，为高维肌肉骨骼系统的运动与操作发现和细化奖励函数，而非依赖手工设计奖励。该方法把语言和视觉评估转化为具身学习的结构化引导，论文称结果说明 VLM 能把抽象动作描述对应到生理运动控制中的隐含原则。该工作已被 L4DC 2026 接收，arXiv 编号 2512.23077。
OmniVIC：结合视觉语言上下文学习的自改进变阻抗控制器
OmniVIC 提出一种由视觉语言模型增强的通用变阻抗控制器，从图像和自然语言推理任务上下文并生成自适应阻抗参数。其核心是自改进的检索增强生成与上下文学习，从结构化记忆库检索相似历史经验，并结合实时力/力矩反馈把交互力约束在安全阈值内。作者称在仿真和实机复杂接触任务上优于基线，平均成功率从 27% 提升到 61.4%，力违规减少；该工作已被 IEEE Humanoids 2026 接收。
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。
FlowS：用局部传输条件化实现单步运动预测
FlowS提出局部传输条件化，用条件流匹配框架实现单步生成式运动预测。该方法包含两个机制：在线场景条件学习先验为每个智能体输出K条已接近合理未来的锚定轨迹，把模式发现转为局部修正；步一致位移场通过半群自一致性保证单步继承多步精度。
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。
AffordSim：面向可供性感知机器人操作的可扩展数据生成器与基准
AffordSim 是一个将开放词汇3D可供性预测集成到仿真轨迹生成中的数据生成器与基准，可根据自然语言任务描述合成场景、生成可供性查询并采样区域条件抓取，再用运动规划筛选可执行候选。
Safety-Critical LIO：基于流形上确定性保护水平的激光雷达惯性里程计
作者提出一种安全关键的激光雷达惯性里程计（LIO），基于新的流形上集合隶属滤波，为机器人提供确定性保护水平。研究采用未知但有界假设，推导出迭代最近点算法中点云噪声与估计不确定性之间的闭式关系，并据此设计流形上椭球集合隶属滤波（OM-ESMF）并集成进 LIO 系统。实验结果显示，该系统能为多种机器人在不同环境中提供有效的确定性在线安全参考。
RE4：基于操作模式的物体交互模仿学习框架
Arsh Chawla 与 Rahul Shome 提出 RE4 框架，用操作模式理论检索并变换演示数据，以可解释的四步流程完成物体交互模仿学习。该框架包含模式感知的演示检索、模式感知变换，以及保持模式约束并连接检索点的重规划步骤，最终返回变换后的演示用于 rollout。
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%。