2026 年 11 月 3 日 · 星期二
本期文章 69
LEXP：通过上下文空间适应从物理经验中学习机器人操作
LEXP 提出一种从物理经验中学习的框架，通过上下文空间适应把执行证据转化为带适用条件的经验，并在后续动作中复用，模型权重与动作接口保持固定。作者在真实世界实验中发现通用推理模型 ChatGPT-6-Astra 可作为可执行的上下文响应式操作策略。在 12 项真实操作任务中，LEXP 取得 23/36 次成功（63.9%），仅用记忆为 19/36（52.8%），原始 Astra 为 2/36（5.6%）。在面包转移、垃圾分类与洗漱用品整理、取抽屉三项任务上，去掉任务级规划使成功率从 7/9 降至 4/9，去掉保留经验则降至 3/9。执行轨迹展示了反馈引导的纠正与检查策略的跨回合复用。
TinyAstral：将自演化 harness 迁移到小型通用操作智能体
TinyAstral 提出两阶段方法，把大型教师模型 harness 的自演化收益迁移到紧凑操作智能体。第一阶段冻结开放权重教师模型，通过递归自我改进（RSI）让前沿 LLM 智能体读取教师轨迹并提出 harness 修改，每次修改须通过配对统计检验才被接受；第二阶段冻结最终 harness，采集带推理与失败恢复的教师轨迹，蒸馏出在同一 harness 中替代教师的小型学生模型。在 RoboTwin 上，harness 演化把教师成功率从 33.4% 提升到 63.6%，最终 4B 学生模型达到 62.8%；四个 harness 版本上蒸馏出的 4B 学生均接近对应教师，且后续版本的学生更强。
CalibSwitch：观测驱动的相机-激光雷达外参恢复与选择性维护框架
CalibSwitch是一个观测驱动的相机-激光雷达外参标定框架，将绝对外参恢复与选择性状态维护分开处理。跨模态绝对外参生成器CAEG结合无投影双向特征交互与几何正则化学习，在无初始数值变换的情况下从图像-点云观测和粗视角上下文中恢复完整SE(3)候选；选择性循环标定策略SRCP结合观测质量与时间历史，决定候选何时替换冻结多模态检测器所用的工作几何。在nuScenes上，CAEG的平均平移和旋转误差为0.248米和5.884度；在持续几何变化下，SRCP平均复合误差为1.46，候选提交率9.70%，在相近提交率下优于基于质量和时间一致性的门控。
HIPC：基于目标条件运动闭合的人形机器人迭代规划与控制
HIPC 是一个实时人形机器人迭代规划与控制框架，把生成模型与运动跟踪耦合为统一的规划控制范式。现有方法以开环方式组合运动生成器与控制器，跟踪误差会累积成空间漂移，规划器也无法根据物理执行反馈应对扰动；而直接把实际状态回灌规划器又会因训练分布外导致动作不连续、抖动甚至摔倒。HIPC 用规范运动表示训练目标条件运动规划，避免极端姿态下的万向锁奇异，并支持多样几何与语义条件下的运动生成；同时采用偏差衰减恢复与历史重锚定两种策略缓解实际状态反馈带来的分布外偏移，并以带延迟补偿的异步规划控制系统降低推理延迟造成的时间错配。
HandMimicX：从第一视角视频学习以物体为中心策略的类人灵巧操作
HandMimicX 提出一个以物体为中心的框架，从第一视角人类 RGB-D 视频中学习灵巧操作技能。与以往侧重手部动作模仿的工作不同，该方法把强化学习目标定义为物体运动，从而将技能与具体手部轨迹解耦，并对人-物交互状态施加约束，以得到更符合解剖结构的自然手部构型。作者称在仿真和真实机器人上的实验表明，该方法能从人类视频中高效学习，并在新的空间构型下实现可泛化的技能迁移。论文为 arXiv 预印本，尚未经同行评议。
MolmoSpaces-CommonSense：评估机器人操作策略的常识推理基准
作者提出 MolmoSpaces-CommonSense 基准，用于评估机器人操作策略在遮挡、容器、支撑关系、语义正确抓取点、空间可供性和隐藏物体等方面的常识推理。该基准基于发展认知科学构建推理过程分类体系，要求策略既识别场景结构又执行正确动作。对多种零样本通用操作策略的评测显示，随干扰物增加，杂乱场景成功率下降超过 50%；策略在杂乱环境中约 30% 的时间作用于错误物体；即使给出高度具体的语言提示，可供性敏感抓取仍不可靠，正确选择物体部位的比例仅约 50%。
DiffWBC：用一步扩散全身控制实现可引导的通用人形运动跟踪
DiffWBC 将人形全身控制改为一步扩散生成范式，通过建模未来轨迹分布，把通用跟踪、测试时引导和无仿真失败发现统一到单个控制器中。生成式跟踪每个 50 Hz 控制步只需一次前向，可从强化学习教师蒸馏或经基于模型的强化学习从头训练，在留出基准上取得六个通用跟踪器中最低的局部跟踪误差（BONES 上 20.1 mm），并部署在 Unitree G1 实机上。零样本测试时引导用可微代价梯度与身体分组掩码在线调制冻结控制器，在 1.25 m 高度下干净通过率为 0.84，明显高于运动学参考编辑的 0.10，并零样本泛化到跨栏、空间伸手、执行器故障和托盘平衡。
SAFARI：语义与前沿驱动的自主风险巡检框架
SAFARI 是一个把目标检测作为统一概率地图原生通道的自主探索框架，让几何与语义证据共同参与探索和规划。现有自主探索方法多侧重几何覆盖或信息增益，较少显式耦合语义目标检测与接近危险物体的风险，且多在仿真或受控环境中验证。作者在三个野外场地的四足平台上开展11次任务评估，平均覆盖可达任务区域的98.7%，97.6%的任务时间无需操作员干预，可检测特征尺寸小至15cm的物体。消融实验与系统行为分析显示，物体尺寸感知和安全感知路径规划对危险物体搜索较为关键。该工作为预印本，已投稿 IEEE Transactions on Field Robotics。
BioAgent：面向长程实验室协议的自定向技能获取与能力成长
BioAgent 是一个面向长程实验室协议的具身智能体，试图同时解决能力是否充足与实验操作是否仍然有效这两个耦合问题。它将人工审核的需求与已验证技能和任务包匹配，为缺失行为选择基于工具的实现，并在需要时请求人工示教；学到的技能经过顺序任务包验证，检查结果以及相邻操作之间的兼容性。执行阶段通过前置条件、结果和实验状态检查决定继续、自主恢复或终止，执行证据用于指导工具选择，被接受的经历支持离线策略更新与任务打包。
ResMerge：用残差策略学习与合并实现预训练机器人策略的持续适应
ResMerge 是一个两阶段框架，在冻结的预训练策略之上学习可合并的残差策略，用于机器人的持续适应。其残差强化学习在适应阶段无需额外专家演示即可获得任务特定修正，参数空间合并则整合兼容的残差以减少存储参数；作者还提出 Residual-Field Consistency（RFC）指标，通过比较修正方向与幅度评估残差动作场空间的兼容性。在 LIBERO 上跨两个骨干网络以及真实 Franka 机器人上的实验显示，其持续学习表现优于强 PECFT 基线，选择性合并降低了残差参数占用。论文为 9 页预印本，代码与项目网站已给出。
∇Mimic：基于可微仿真的高效人形机器人控制方法
∇Mimic提出用仿真器精确梯度做一阶人形机器人策略学习，通过中位数相对逐样本梯度裁剪和多步回归复用仿真窗口，抑制接触动力学梯度爆炸。作者同时发布面向Unitree G1的可微GPU仿真引擎NablaEngine，称其解析梯度与float64有限差分一致，比现有MuJoCo Warp伴随方法快11.5倍。在单GPU上用单一策略跟踪全部40段LAFAN1全身动作时，∇Mimic用20分钟达到0.82分、1.8小时达到0.874分，而世界模型方法达到0.82分需1.2小时；一阶基线SHAC在数分钟内因梯度爆炸停止。
SCI：面向百万机器人避碰运动规划的接触式优化方法
论文提出顺序接触插入算法（SCI），用于多机器人无碰撞运动规划。该方法利用最优轨迹的结构，把优化围绕机器人达到最小允许间距的接触时刻组织，在接触变量上建立耦合代数系统，并在接触之间解析重建轨迹；算法从无约束轨迹出发，在间距违规处插入接触并联合调整其时间与状态。数值实验显示可在数分钟内完成一百万台机器人的规划、在不到一秒内完成数千台机器人的规划；在固定网格序列凸规划基线可求解的问题上，SCI 在解精度相当的情况下取得数个数量级的中位加速。该工作为 arXiv 预印本，结果来自数值实验。
研究：VLA 策略在无指令时仍会启动并执行未指定任务
研究考察视觉-语言-动作（VLA）策略在指令缺失或无意义时的反应，在 LIBERO-Goal 仿真中对六个模型检查点采用空、中性、无意义、不可行和错误任务指令的配对协议，固定初始状态只改变指令。结果显示，即使指令为空，六个检查点在每个回合中都会启动运动，其中五个常完成指令未指定的任务；两个 GR00T 检查点上指令决定执行哪个任务但不决定是否启动，不可行指令下机器人仍会移动。作者测试三种抑制启动的方法：在指令前加“若无任务则不移动”在六个检查点均未阻止启动。
DMAT：面向高效鲁棒双臂操作的动作流形直接建模
论文提出 Direct Manifold Action Transformer（DMAT），把双臂动作生成重构为从随机插值中直接建模干净的、以观测为条件的关节空间动作块，从而支持单步推理，不依赖迭代式生成推理或辅助的轨迹拉直流程。方法中局部 3D 几何用于把预测锚定到空间结构，State-Consistent Spectral-Time Refinement（STR）则让预测动作块与本体感知保持一致并抑制高频残差。
RTPolicy：面向边缘设备机械臂操作的多视角视觉运动策略，实现32.9 Hz实时推理
RTPolicy 是一种多视角视觉运动策略，通过视角感知特征融合与视觉压缩，把多相机信息聚合成紧凑 token 表示，并以机器人状态和流时间条件化流匹配动作生成器，以降低视觉表征与动作生成的计算开销。在 RoboTwin 2.0 单任务 clean 评测的 50 个任务上，RTPolicy 平均成功率为 52.26%，高于榜单最强基线 π0 的 46.4%。作者进一步在真实双臂平台上进行异步流式推理评测。
开源膝关节外骨骼：用肌肉骨骼仿真导出生物力矩控制器
研究团队设计了一款由现成部件和常用加工工具搭建的开源膝关节外骨骼，其生物力矩控制器完全来自仿真，无需在设备上采集训练数据。方法上，肌肉驱动的模仿策略从公开生物力学数据集复现深蹲动作，再把得到的膝关节力矩蒸馏为仅用板载传感器的估计器。7名健全受试者的深蹲测试中，相比不穿外骨骼，辅助使峰值生物膝伸展力矩降低21.5%、股内侧肌峰值激活降低26.7%（p<0.05）。作者认为，仿真导出的生物力矩控制器可迁移到实体硬件，且硬件与训练流程一同开源，便于研究组在共享硬件上训练和比较控制器。
META-Robot：让机器人智能体通过自我认知扩展能力边界
META-Robot 是一个将自我认知与能力扩展耦合的机器人智能体框架，核心是用动作级谓词把执行结果显式化，供 LLM 推理使用。智能体据此识别自身局限、扩展相关评估标准，并引导技能的结构化扩展；本体感觉反馈进一步把这一过程锚定在机器人物理状态上。作者称在仿真和真实机器人上的实验显示整体任务表现更强、能泛化到新任务、技能与评估标准可持续扩展，并能有效利用非视觉的本体感觉信号。该工作为 arXiv 预印本，尚未经同行评议。
Movens-Zero：用大规模人类视频扩展人形运动基础模型
作者提出 Movens-Zero，一种可扩展的理解-生成-执行架构，用于人形运动基础模型，并构建了 Movens-5M 数据集。该数据集由互联网原始视频经片段生成、质量过滤、语义标注、运动恢复和物理精炼（含人形重定向与执行验证）得到，包含 1500 万条人类运动序列和 500 万条物理可执行的人形运动序列，总时长超过 1 万小时，并与文本、RGB 视频、语音和音乐对齐。方法上采用任务混合流匹配训练，在七类生成任务上联合优化单一动作专家，支持从文本、语音、音乐和视频直接生成运动；多模态实时分块在持续更新的指令与机器人状态下衔接重叠分块，实现连续闭环执行。
SketchMate：用VLM草图模型实现零样本精密插入
SketchMate提出让VLM构建任务草图模型，即少量几何基元与两个配合坐标系，由VLM智能体在多视角深度中用几何工具测量，再交给标准规划器与柔顺控制器执行。由于草图描述零件本身而与摆放位置无关，每个任务只需构建一次；草图记忆保存每次智能体运行结果，并通过点云配准迁移到后续摆放，仅在遇到不熟悉的零件时才调用VLM。抓取零件后，机器人近距离检查两个配合面，通过形状匹配修正草图。在69个仿真插入回合的严格运动学测试中。
SimuGuard：审计LIBERO、RoboTwin等仿真机器人基准中的接触伪影
研究指出仿真基准中的部分失败源于模拟器而非策略：在LIBERO、RoboTwin、RoboCasa和RoboDojo上测试视觉语言动作模型与世界动作模型时，策略放置物体后模拟器会将其弹出，基准自带的脚本演示也出现同样问题。作者提出审计插件SimuGuard，在每个物理步记录状态并标记接触瞬间异常加速的物体，支持逐位重放和单参数重跑，且不改变原有评测。在RoboTwin上，问题被追溯到物理引擎碰撞检测：相距一到两厘米的几何体被报告约两厘米穿透，求解器以数米每秒将物体抛出，原因是距离算法丢弃低于固定面积阈值的三角形。