2026 年 11 月 3 日 · 星期二
本期文章 69
在线学习强化学习策略下的异构运动动力学以实现精确移动操作
论文研究如何复用预训练运动策略完成精确移动操作，提出在冻结运动策略下在线学习闭环动力学的方法，用学习到的模型预测浮动基座运动并提升移动操作精度。作者指出，策略中未观测的潜在条件会导致异构响应，即相同观测状态对应不同运动，直接学习会引入偏差和波动。为此，论文用污染高斯模型以两个高斯分量近似可预测与不可预测响应，再结合高斯过程与随机傅里叶特征构建在线学习器，按响应属于可预测分量的概率加权在线更新，并给出有限样本误差界以保证在线学习的一致收敛。仿真与硬件实验显示，在不同机械臂配置和任务下末端执行器跟踪误差为0.01 m。论文为预印本，共18页、15张图。
Nexus-VLA：通过共享分层语义潜空间连接人类与机器人经验
Nexus-VLA 是一个混合策略学习框架，通过端到端人机联合训练实现跨本体知识迁移，让人类操作经验直接参与机器人策略学习。作者提出分层跨本体语义对齐范式，从任务意图到细粒度交互逐步建立共享操作语义，并设计共享操作潜表示，将多级共享知识编码为直接用于连续动作生成的内部表示。在 RoboCasa-GR1、分布外设置和真实机器人实验中，Nexus-VLA 在 RoboCasa-GR1 上取得 80.5% 的任务成功率，并在人类数据利用、学习效率和跨场景泛化方面表现出优势。该工作为 arXiv 预印本，尚未经同行评议。
PGGT-Loc：面向前馈相机定位的基元接地几何Transformer
PGGT-Loc提出一种新的相机定位思路，通过把查询观测接地到地图基元来估计相机位姿，以绕开依赖复杂专用地图的多阶段流程。作者以平面基元为例实现Primitive-Grounded Geometry Transformer网络，输入单张查询图像和一组平面地图基元，前馈预测多个定位目标，实现6-DoF相机定位并泛化到未见环境。该方法在稠密表面地图和极简布局模型上均刷新了定位性能，代码与模型已公开，论文被NeurIPS 2026接收。
FOCUS：用最优传输监督的可微控制方法从观测中模仿
FOCUS 是一种从纯状态观测演示中学习行为的方法，无需已知时间对应关系。它把智能体 rollout 窗口与多个采样专家片段做局部最优传输对齐，用 soft best-of-K 目标强调局部匹配，由此得到可微的模仿奖励，再由学习到的 critic 在 rollout 时域之外做价值自举。方法不要求时间对齐轨迹、专家对齐初始化或 teacher forcing。在 DFlex 的接触丰富运动任务上，包括由 152 个肌肉激活控制的肌肉骨骼人形，FOCUS 相比对抗式从观测模仿方法和此前的可微模仿基线提升了样本效率与训练稳定性。
CausalWAM：在世界动作模型中学习动作的因果来源
世界动作模型（WAM）从观测中学习隐变量，既用于预测场景演化，也用于生成动作；但场景预测需要覆盖整个场景，而只有其中一部分因素真正导致动作。作者指出，仅拟合演示数据的 WAM 通常无法保证只依据动作相关的隐变量生成动作，可能把动作相关隐变量与干扰变量纠缠在一起。为此，作者将“导致动作的因素”与“预测所依赖的因素”分离，并证明在稀疏约束下，用于生成动作的隐变量是动作相关隐变量的可逆函数，真实结构可在隐变量置换意义下被识别；该结论不要求充分的时间依赖，也不对未观测状态的演化作假设，且在动作相关隐变量与其余变量统计相关时仍成立。
WildOS：面向野外环境的开放词汇物体搜索系统
WildOS 是一个面向长程、开放词汇物体搜索的统一系统，将安全的几何探索与语义视觉推理结合。它构建稀疏导航图维护空间记忆，并用基于基础模型的视觉模块 ExploRFM 对图的前沿节点打分，同时预测可通行性、视觉前沿和物体相似度，实现实时机载语义导航。系统还引入基于粒子滤波的方法，对开放词汇目标查询做粗定位，估计超出机器人即时深度范围的候选目标位置。在多种越野和城市地形的闭环实地实验中，WildOS 在效率和自主性上显著优于纯几何和纯视觉基线。论文发表于 IEEE Transactions on Field Robotics。
CHOP：用反事实人类偏好标签提升视觉运动导航策略避障表现
CHOP 提出用反事实人类偏好标签对齐视觉运动导航策略：对每个视觉观测，把机器人实际执行的轨迹与若干在相同条件下可能采取的反事实轨迹放在一起，由人类标注者依据碰撞风险和路径效率等预期结果给出两两偏好，再用汇总偏好微调策略。在 SCAND 数据集上，多个先进模型经 CHOP 微调后，近碰撞事件平均减少 49.7%，与人类偏好轨迹的偏差降低 45.0%，平均障碍间距增加 19.8%。在 Ghost Robotics Vision60 四足机器人实机部署中，对齐后的策略平均目标成功率提升 24.4%，最小障碍间距增加 6.8%，碰撞与干预事件减少 45.7%，归一化路径完成度提升 38.6%。
Specification-Aware Distribution Shaping：为机器人基础模型施加STL约束的动作分布优化
论文提出一种规格感知的动作分布优化框架，可在不修改预训练机器人基础模型参数的情况下，于执行过程中强制满足一类信号时序逻辑（STL）约束。机器人部署常需满足时间受限目标访问、顺序目标和持续安全条件等时空约束，而现有基础模型多为数据驱动、缺乏约束满足的形式保证。该方法在每个决策步通过前向动力学推演剩余时域，计算满足硬STL可行性约束的最小修改动作分布。作者在仿真中基于当前先进机器人基础模型、跨多个环境和复杂规格进行了验证，原文未报告实机结果。
EquiContact：面向空间泛化接触任务的分层SE(3)视觉到力等变框架
EquiContact 提出一种分层框架，用于学习可跨任务配置空间泛化的视觉机器人接触操作策略，由高层视觉规划器 Diff-EDF 与低层柔顺视觉运动策略 G-CompACT 组成。G-CompACT 使用腕部 RGB 图像的局部观测、以几何一致误差向量（GCEV）表示的末端位姿反馈和力扭矩读数，输出定义在末端坐标系上的动作；作者称在等变参考系估计与左不变视觉特征下，整条流水线从感知到力控制均具备 SE(3) 等变性。
π-StepNFT：面向流式VLA的逐步负样本感知在线强化学习框架
论文提出π-StepNFT（Step-wise Negative-aware Fine-Tuning），一个面向流式VLA的在线强化学习框架，无需计算最终动作似然。作者指出，多步去噪使策略梯度在线RL难以处理，因为采样器诱导的最终动作似然不可直接求解；同时去噪轨迹中存在探索与监督不匹配，SDE采样探索更宽的局部随机转移空间，而基于最终去噪输出的监督未直接利用采样中观察到的相邻转移。π-StepNFT将观察到的SDE转移作为监督单元，用方差归一化的转移误差对镜像的正负速度分支排序，把rollout反馈映射为局部速度更新。
GES：用高斯进化专家实现浮力辅助机器人快速协同设计
研究提出基于强化学习的协同设计框架 Gaussian Evolutionary Specialists（GES），用于联合优化腿式机器人的形态与控制。作者指出，跨形态共享单一策略会出现行为多样性坍缩，GES 改为维护一组专家策略，其设计空间领地按相对控制性能演化。在浮力辅助轻量腿式机器人 BALLU 上，GES 在最高四维设计空间中针对越障和爬坡任务评估，最优设计性能高于 Monolithic 与 Mixture-of-Experts 基线。
AlphaAdj：用视觉语言模型自适应调节控制屏障函数的机器人导航框架
研究提出 AlphaAdj，一个视觉到控制的导航框架，利用第一视角 RGB 观测和视觉语言模型（VLM）按视觉语义上下文调节控制屏障函数（CBF）的保守程度。VLM 输出标量上下文谨慎信号，动态调制 CBF 参数 alpha，并由几何与速度相关的上限约束激进程度；为应对 VLM 延迟，推理与控制回路异步运行，语义信号直接取自 token 级输出概率而非完整自回归文本生成。在几何匹配、动态行人和杂乱导航场景以及 Clearpath Jackal 实机上评估时。
TacO：面向物体操作的触觉传感器基准评测
TacO 提出一套以操作策略性能为依据的触觉传感器选择与评测框架，针对视觉、声学、磁性和电阻四种模态的触觉传感器分别训练操作策略，覆盖未知质量抓取放置、物体重定向和插孔三项任务。研究分析空间分辨率、剪切感知、触觉表征和材料固有摩擦等传感器属性如何影响任务表现，结果显示触觉信息的价值取决于传感器模态、材料属性和具体操作任务，而非普遍一致地带来提升。触觉传感器、代码、数据和硬件方案将在项目网站公开。
NDPP-Grasp：以非可微物理合理性约束引导的任务导向灵巧抓取生成
NDPP-Grasp 提出一种框架，将物理合理性引导直接注入任务对齐抓取扩散模型的去噪过程，即使物理合理性约束不可微也能生效。现有基于扩散的方法通常先训练抓取扩散模型保证任务对齐，再在生成后做精修以提升物理合理性，这种事后校正只在抓取已生成后施加物理引导，生成轨迹本身不受物理约束引导，可能得到次优抓取。该框架让物理合理性在整个去噪过程中塑造抓取生成，同时保持任务对齐。作者称大量实验验证了框架的有效性，论文已被 NeurIPS 2026 接收。
VEGA：用野外第一视角视频与几何轨迹监督训练导航 VLA
VEGA 提出从无标注第一视角导航视频训练导航视觉-语言-动作（VLA）模型的方法：从单目视频重建局部场景几何，采样文本、图像或空间路点形式的目标，并生成避障轨迹，再用该轨迹分布训练流匹配 VLA 导航策略，几何信息只在训练阶段使用。作者同时发布 VEGA-Bench，包含 25 万个场景和约 500 万个导航目标及对应场景几何，用于评估目标推进、碰撞规避和障碍间距。在 VEGA-Bench 上，VEGA 的目标推进与最强基线相当，碰撞减少 33.0%，障碍间距提升 17.9%；实机试验中成功率至少提升 150.0%，碰撞至少减少 66.7%，障碍间距至少提升 60.0%。
UniCross：统一跨技能灵巧操作合成框架
UniCross 提出一个统一框架，把抓取、移动、手内旋转和手内平移这四类灵巧操作技能建模为同一关系目标形式的不同实例，从而保持跨技能兼容性。该形式可蒸馏出不带技能标识的单一策略，在各技能上保持较强表现，并能泛化到未见物体。兼容性还支持策略执行长时序技能串联、执行训练中未见过关系目标，并适用于不同手部形态。作者据此认为，不同的灵巧操作技能可视为共享关系任务形式的实例化。该工作以预印本形式发布，项目页面见原文链接。
DR-LfD：将演示分解为原子技能并结合TAMP与视触觉策略的双手操作框架
DR-LfD提出一种将视触觉策略嵌入TAMP门控决策系统的框架，用于长时程双手灵巧操作。该方法依据接触关系把人类演示分解为原子技能，再以视触觉策略或物体中心基元复现，并在TAMP兼容形式中建模策略的启动、终止与约束，从而重组不同来源学到的技能。作者称这把学习问题从需要随技能序列指数增长的演示数据，转为演示负担随不同技能类型数量扩展。真实世界与仿真基准显示其在未见设置和物理约束下的数据高效技能组合；在两个DexMimicGen任务上，DR-LfD用100条演示优于用1000条演示的扩散模仿策略。论文被T-RO接收。
Adaptive-WAM：基于视频扩散中间特征的质量引导提前退出规划
Adaptive-WAM 提出一种质量感知的多出口规划器，基于 Wan2.2-5B 主干，在选定的 DiT 模块上挂接轨迹扩散头，由轻量轨迹质量评分器在已解码轨迹满足质量阈值时终止推理，否则从缓存隐状态继续向更深出口计算。作者通过控制实验考察视频去噪时间步与 DiT 深度，发现规划性能对测试的视频噪声水平不敏感，而中间层已能解码出较强轨迹。在 NAVSIM 上，自适应单轨迹规划器达到 90.8 PDMS，固定出口变体以 64 个候选达到 92.6 PDMS；在 NAVSIM v2 上取得 89.9 EPDMS。
SPARK：用锚定机器人关键点实现序列规划
作者提出 Sequential Planning via Anchored Robotic Keypoints（SPARK），把任务描述为符号化行为树，仅在每次调用动作时锚定到当前3D观测，并在运行时验证计划、局部恢复和重新锚定物体，只有这些失败时才请求新计划。在固定计划、执行中移动物体的实验中，物体位移10厘米时配合场景差异验证与分层恢复仍完成66.7%的试验且无需改计划。完整系统在 LIBERO 上使用一个4-bit权重的27B开放权重规划器，6种位置与任务设置平均成功率66.8%，留出语言与物体设置同为66.8%；在3种机器人、11种物理任务-本体设置上成功率为68%。