2026 年 11 月 4 日 · 星期三
本期文章 114
SyncHeC：基于可微渲染与连续时间联合优化的无标记时空手眼标定
SyncHeC 是一个基于稠密可微渲染的无标记手眼标定框架，可从单条机器人轨迹中同时估计相机几何与图像和关节状态之间的时间偏移。方法用连续时间前向运动学使延迟可微，以度量深度补充掩膜轮廓，并用离线规划器结合空间敏感性与时间激励，交替更新支持 Eye-to-Hand、Eye-in-Hand 和多相机标定。在 7 自由度机械臂上，一段 6.5 秒运动相对标记板参考得到 0.21 厘米平移误差、0.34 厘米触摸测试误差，相对 87 毫秒参考的延迟误差为 2.7 毫秒，95% 不确定度为 ±1.5 毫秒；在匹配录制上相对 CM-Calib 的平移与标称延迟误差分别改善 3.7 倍和 2.3 倍。
ReContact：从视频重建并重定向人体接触，用于接触丰富的人形机器人操作
ReContact 提出以物体为中心的接触计划，从人类视频重建并重定向人-物交互，用于接触丰富的人形机器人操作。该计划指定接触阶段、接触对、锚点、按压方向以及粘附或滑动模式，接触先验用于在遮挡下稳定物体位姿重建；在冻结的全身跟踪器之上训练残差策略，奖励其在计划锚点处以指定方向施力。仿真中大腿支撑的再抓取任务上，ReContact 在三个训练种子下以 83.5 的回合达成计划的双掌底部持握，最佳适配基线为 0.16%；一个在 247 条参考上训练的策略针对新摆放重新求解，将在工作空间内的管件传递成功率从 20.4%（仅用源参考）提升到 97.8%。
BeyondContact：基于气流的非接触操作强化学习框架
研究团队提出 BeyondContact，一个面向气流非接触操作的强化学习框架，并开发了与机器人和任务无关的 Isaac Lab 气流扩展，支持大规模并行训练。该扩展用实验辨识的气流模型计算作用在物体上的力和力矩，据此训练了结合接触推动与气流操作的混合推吹（HPB）策略，以及仅用气流控制长方体朝向的矩形重定向（RR）策略。为实机执行，团队设计了与夹爪共存的轻量高速吹风装置。零样本实机部署中，HPB 在 20 次试验中成功率为 80%，RR 在四个目标朝向下平均绝对朝向误差为 2.6 度。该工作已投稿 IEEE，预印本尚未经同行评议。
CUE：通过自主机器人交互缩小动力学差距
论文提出CUE，一个agentic Real2Sim2Real系统，通过与环境自主交互来缩小“动力学差距”，即摩擦、恢复系数等接触丰富动力学无法仅靠相机观测获得的问题。系统仅接收高层指令且不依赖重置，自主构建感知、辨识物理参数，并优先选择仿真最不准确的交互场景。在台球任务上，CUE在仿真中25种隐藏物理条件下将留出球位置误差相对最强基线降低72%，并进一步部署到真实台球桌上。该工作被CoRL 2026 Late Breaking Results接收。
WorldSketch：让VLM构建世界模型实现零样本移动操作
WorldSketch提出一种新的智能体机器人范式：VLM不直接生成机器人动作，而是作为智能体主动调用感知工具，构建并视觉验证一个最小运动学世界模型，只捕捉任务相关物体、交互几何与可能运动，再由几何规划器在该模型上联合优化接触与全身运动。世界模型可自我改进，执行反馈会验证结果、更新不确定假设，并在预测被推翻时修正模型。在RoboCasa、LIBERO-PRO和R2R-CE导航上，零样本成功率分别为91%、97%和76%。
Reflex：通过复用与纠正历史动作加速机器人策略服务
Reflex 是一个机器人策略服务层，把过去的策略执行结果缓存为绕过骨干网络和动作头的决策路径，在不修改底层策略的前提下将推理延迟降低 1.4 至 11 倍、吞吐提升 2.0 至 2.2 倍，并保持相近的任务成功率。作者发现，复用中间去噪状态相比直接用更少去噪步数从新噪声开始并无明显优势，且加速去噪仍保留占 GPU 时间约 70% 的策略骨干。为此 Reflex 采用两级缓存纠正：动作层面从历史决策学习动作感知相似度、组装兼容动作块并施加轻量残差纠正；执行层面捕捉任务进度并自适应刷新原策略以限制累积误差。实验在代表性负载和真实机器人上进行。
Roz：面向世界模型潜空间的物理属性评测基准
作者提出 Roz 评测方法，用于检验潜空间世界模型是否真正编码了质量、形变、摩擦和弹性等物理属性。他们先界定这类世界模型应当编码的内容，再设计两种可直接提取物理属性、易于扩展到新属性的评测方式；Roz 包含 10 个对比任务和 3 个连续任务，共 1734 个场景，并在控制任务上做了验证。在作者自研模型 AnonWM 上，性能大致随训练步数提升，但不一定与重建 MSE 相关。作者认为当前模型失败源于探针与规划器等评测策略不透明、依赖特定模型且计算开销大，而 Roz 只需模型能输入静帧或视频、能提取潜变量并提供距离函数，单次运行即可完成。
TacMind：面向机器人操作的触觉交互状态基准与建模
TacMind 在仿真中构建了包含 128 项任务的触觉操作基准，围绕 Precise、Recognition、Dynamic 三种评测机制组织，并加入静态与动态任务变体及 12 种扰动设置，用于评估视觉与物理条件变化下的鲁棒性。作者据此提出一种动作条件潜空间预测世界模型，融合触觉历史并通过预测未来触觉潜变量学习触觉状态；在此基础上，模型以学到的触觉状态为条件生成动作，并用预测的未来触觉信息通过预测性触觉反射修正候选动作。基准实验显示，在所评测的各机制中引入触觉信息均带来一致增益。该工作为预印本，实验在仿真中进行。
验证损失能预测真机成功率吗？SO-101 机械臂上四种模仿学习策略的实测证据
研究在 SO-101 机械臂的抓取放置任务上训练 ACT、Diffusion Policy、SmolVLA 和 π0.5（仅动作专家），用 12 到 200 条演示的嵌套子集，对 82 个检查点打分并与 930 次台架 rollout 对比。结果显示，同一策略内留出动作误差与台架成功率相关（Spearman ρ 从 -0.23 到 -0.88），但相关性不强于仅用训练回合数；跨策略时排序反转（200 条演示时 ρ = +0.90），留出误差最低的策略在 110 次 rollout 中仅成功 3 次。
DexArena：面向长程双臂灵巧操作的学习与泛化基准
DexArena 是一个评估长程双臂灵巧操作学习与泛化能力的基准，包含10个长程任务和30个阶段级任务，覆盖家庭与工业场景。每个长程任务由明确阶段组成并配有物理可判定的成功条件，可同时评估中间进度与端到端完成情况。基准提供统一接口、经人工遥操作验证的演示数据、标准化仿真配置、场景随机化、轨迹回放和任务级评估；基线实验显示精确操作、场景变化泛化和技能组合仍存在明显挑战。
REPAIR：将强化学习专家蒸馏进视觉-语言-动作策略
论文提出REPAIR，一个价值引导的蒸馏框架，用于把轻量强化学习专家的能力迁移进单一流匹配VLA策略，从而在部署时去掉辅助控制器和切换机制。方法上，REPAIR在关键阶段观测处向对应专家查询多个动作候选，用其critic加权构造监督分布，并以共享的加权流匹配目标先训练专家辅助rollout的观测，再训练VLA自身执行采集的观测；在线采集时专家只提供监督而不接管控制。在六项真实机器人任务、每项30次评估试验中，REPAIR在全部六项任务上达到100%成功率，且每项任务的平均末端执行器抖动均低于专家辅助执行。论文为预印本，共19页、12张图。
ReGATE：面向人形机器人反应式物体交互的循环门控视觉融合
ReGATE 是一个面向人形机器人全身移动操作（loco-manipulation）的控制器，融合第一视角深度、本体感知与在线运动及接触指令，在教师-学生框架下通过循环适配器预测物体几何与物理接触，无需外部物体位姿估计器，并用头级与全局门控调节视觉更新。仿真中，静态物体抓取 330 次试验成功率 85.2%，同协议下 VisualMimic 为 48.5%；移动物体抓取 440 次试验成功率 85.9%。
Spectral and Conformal：带校准覆盖保证的神经网络轨迹预测与控制点区间方法
研究提出一个面向自主系统轨迹可行性评估的框架，用带谱骨干的神经网络学习轨迹与分位数带，并内置初始条件与稳定性约束；再用改进的共形分位数回归提供校准的轨迹级联合覆盖，并通过区间算术把无噪声覆盖保证扩展到控制点。作者将网络重构用于推理后，在 Raspberry Pi Zero 2 W 上，闭环线性二次调节器下四旋翼的轨迹推理时间为 3.45 ms，包含轨迹推理的完整流程耗时 9.81 ms，约 100 Hz，与常见控制频率一致。论文发表于 Transactions on Machine Learning Research，共 26 页、10 图、7 表。
SNAP：在行人之间进行语义导航的强化学习策略
SNAP提出一种强化学习导航策略，从单张语义标注的鸟瞰图（BEV）地图中同时推理语义地形与动态障碍物，不依赖显式的人体状态估计。作者称该策略在拥挤城市场景中优于已有的群体导航与语义感知基线，并零样本迁移到腿足机器人，在高度动态的真实场景中实现符合社会规范的导航。论文为arXiv预印本，尚未经同行评议。
LIFE框架：让机器人从持续经验中积累记忆与技能
作者提出LIFE（Lifelong Intelligence from Experience）框架，让机器人持续观察、选择性记忆，并把经验转化为新能力。其中RoboBeats是一组轻量流式门控，跟踪智能体设定的条件并发现新事件，判断某次观察是否需要响应或写入记忆；被选中的观察进入Plastic Memory，这是一个保存图像与结构化记录、保留原始证据的扁平存储，后续可按需添加字段和索引；当现有工具不足时，Explore-Distill-Mount（EDM）把解题过程中找到的方案转化为经过验证、可复用的工具与技能。
Archon Robotics 提出 Anchor 1 人形全身操作控制器及配套基准
Archon Robotics 提出人形全身控制器 Anchor 1，用于精确稳定的全身操作，并配套覆盖多种协调需求的基准。该方法采用校准后的稀疏运动参考保留任务相关人体运动结构，不做在线关节空间重定向，为精确控制留出运动学自由度；同时通过离线筛选机器人运动与这些参考配对来塑造训练分布，并引入与运动编码解耦的显式误差反馈。仿真与硬件评估显示，在最严格的真实世界全局评分设置下，Anchor 1 相比现有控制器跟踪误差降低 30% 至 80%，所需前瞻输入更少且无需重定向；下游实验表明遥操作数据采集更高效，同一部署流程下任务成功率更高。
Any-ttach：通过快速更换末端执行器实现简洁的灵巧操作
Any-ttach 是一个以工具为中心的操作框架，把自主更换末端执行器作为提升灵巧性的路径，而非继续堆叠单一高自由度多指手。系统包含三部分：带被动自锁与机械触发释放的低成本标准化接口；支持动觉示教轨迹回放、人类演示重定向和策略学习的统一以物体为中心的操作框架；以及面向多工具长程任务的分层工具与技能规划执行系统。作者展示了同一接口支持的 15 种异构末端执行器模块，涵盖不同机器人手指、日常工具（含剪刀等铰接工具）和非传统末端执行器，实验显示可靠的自主更换、新工具的自动集成以及跨不同技能来源的操作能力；两项多工具应用演示在两个任务中共包含七个工具-技能步骤。
ArmnetBench v0.1 公开 3,718 条真实机器人回放数据
作者公开了 ArmnetBench v0.1 评估中的全部 3,718 条回放数据，包含 600 条遥操作演示和 7 个模仿学习与视觉-语言-动作策略在 12 个桌面任务上的 3,118 条回放，采集于低成本 SO-101 机械臂，其中 73% 的回放为失败。同一任务的每个策略都在相同的 50 条演示上训练或微调，并在同一工位回放，因此语料包含多个策略在共享任务上的失败案例。每条回放由操作员标注为成功、次优或失败，含三路相机视角、关节状态与动作，已在 Hugging Face Hub 以 LeRobot v3.0 和奖励模型格式提供。
研究用极低参数适配器对VLA模型进行行为引导
研究考察视觉-语言-动作模型的行为引导问题，即把VLA的执行风格调整为诸如更高抬举物体等偏好。作者冻结OpenVLA-OFT 7B策略，仅优化含8至384个可训练参数的TinyLoRA适配器，方法包括策略梯度强化学习GRPO与进化搜索CMA-ES。仅用256个可训练参数时，训练任务上的抬举高度提升120毫米、成功率92%，留出任务上提升74毫米、成功率80%。通过缩放学到的更新量，可在不重新训练的情况下调节风格收益与预训练能力保留之间的权衡；增大适配器容量通常能改善这一权衡。
Knowing Where to Look：融合空间与语义的机器人交互式物体搜索
论文提出一种融合语义与几何证据的交互式物体搜索方法，将每个物体的VLM合理性评分与几何占据证据通过贝叶斯对数几率滤波累积到统一的3D体素信念场中。高信念区域驱动每一步的动作选择，包括换视角细看、导航至未探索区域或物理打开关闭的柜子。作者将该系统端到端部署在双臂移动人形机器人上，结果显示其表现优于仅用几何的搜索方法和基于LLM的规划方法。论文为arXiv预印本，尚未经同行评议。