2026 年 11 月 4 日 · 星期三
本期文章 114
Behavior Graphs：用无监督图结构解读机器人部署数据
论文提出 behavior graphs，将策略 rollout 压缩为一张可解释的有向图，通过无监督学习识别跨 rollout 的相似行为模式、按时间连接行为并关联到最终结果。在三个真实任务上的用户研究中，18 名参与者有 16 人更偏好行为图而非 rollout 视频，结论相当，但感知时间压力降低 40.3%、投入降低 37.6%。在 43 个数据集上，行为图作为进度预测器，相比最强基线将预测进度与真实时间顺序的秩相关提高 22.9%，平均绝对误差降低 53.5%。作者认为，随着部署机器人数量增长，行为图可为高维策略 rollout 提供结构，使部署数据更易解读和推理。
监督自主双臂系统在低级别脾创伤中实现吸引与电凝止血
研究提出一套监督自主双臂机器人框架，用于低级别脾创伤的电外科凝血止血，系统由人保留监督、机器人执行技术步骤。该框架整合实时出血分割、无标记工具关键点跟踪和深度工具-组织接触检测，协调两条机械臂同步完成吸引与电凝。在一种新型插管离体脾出血模型上，系统对七处不同损伤取得平均82.9%的出血表面凝血覆盖率，作者据此说明监督自主双臂系统在损伤部位实施靶向凝血的可行性。
Team Friday 的 MetaFine 挑战赛第二名方案：让教师演示可模仿
Team Friday 在 CoRL 2026 MetaFine 开放竞赛（RoboFineMani workshop）中获得第二名，总分为 0.947，超过 π0 基线两倍以上。该竞赛包含五个仿真精细操作任务，从按指定部位抓取瓶子到以 4 mm 间隙插入字母形插销，评分涵盖光照与相机变化下的感知、指令理解和行为。方案没有微调大型 VLA 模型，而是为每个任务训练一个 19M 参数策略并配独立指令分类器，数据全部由仿真中的特权脚本教师生成，包括教师对学生错误的纠正。
PointPilot：基于物体中心3D点流预测的统一机器人操作框架
PointPilot 是一个以任务物体为中心的3D点流预测操作框架，只表示任务相关物体（把夹爪也当作物体），避免预测与操作无关的冗余场景部分。模型在统一坐标系中对齐3D空间表示，端到端联合学习子任务规划、任务相关物体定位和3D点流预测，并可由物体点流直接支持闭环、全自动的多模式动作执行，无需单独训练的动作专家。通过在共享3D点流空间中处理异构数据，PointPilot 能吸收不同本体的演示数据。作者称仿真与真实世界实验验证了该方法，并展示了零样本本体泛化：单个训练好的策略无需额外微调即可部署到此前未见过的本体上完成操作任务。该文为 arXiv 预印本，尚未经同行评议。