2026 年 11 月 5 日 · 星期四
本期文章 87
PACT：面向腱驱机器人手的位姿鲁棒驱动协同设计框架
PACT 是一个面向腱驱机器人手的位姿鲁棒驱动协同设计框架，在随位姿变化的力需求与传动带宽约束下，联合优化腱绳走线、力臂和绞盘尺寸。其可行力建模在所有关节上施加执行器边界与平衡约束，并以最大最小目标最大化最弱位姿下的任务力覆盖。应用于四自由度手指时，该框架给出采用准直驱执行器的非对称 N+1 腱绳拓扑；在八个位姿下任务力覆盖为 0.88-1.00，并在第 70 百分位人体尺寸包络内预测最小孤立关节屈伸带宽为 5 Hz。原型实测与预测偏差最高达 24.5%，主要来自未建模的传动损耗。作者认为，将走线与传动系统协同设计可在不放松带宽约束的前提下满足随位姿变化的力需求。
FlatLands：从单张自我中心视角图像补全室内地面图的数据集与基准
FlatLands 是面向单视角室内地面图补全的数据集与基准，在度量鸟瞰图（BEV）下评测十一个确定性及生成式模型。数据集包含来自六个度量 3D 数据集的 270,575 条观测、17,656 条场景记录，配有对齐的观测、可见性、有效性与真值图，并提供分布内与分布外协议。作者在共享的几何导出输入上比较免训练、确定性、集成与生成式方法，并在不微调的情况下测试从真实自我中心 RGB 图像估计的地图。结果显示，当多数评测单元为地面时，几乎处处预测地面即可获得较高 IoU；而在合适的评分规则下，生成式样本集优于最佳单输出模型，并支持更安全的风险加权规划。
TOPPO：用 Critic Balancing 重构 PPO 的多任务强化学习
TOPPO（Tail-Optimized PPO）通过 Critic Balancing 重构 PPO，以改善多任务强化学习中的梯度条件并平衡各任务的学习动态。作者诊断出 PPO 在 MTRL 中存在此前被忽视的评论家侧梯度病态问题，可能导致尾部任务停滞、简单任务主导价值函数更新。在 Meta-World+ MT50 基准上，TOPPO 的平均与尾部任务表现优于此前的 SAC 系列和 ARS 系列方法，同时参数量明显更少、达到其最终性能所需环境步数更少；消融实验确认了各模块的有效性。论文已被 NeurIPS 2026 接收，代码链接见原文。
MagCilia：面向机器人接触感知与抓取反馈的紧凑型磁纤毛三维力触觉传感器
研究提出紧凑型磁纤毛触觉传感器 MagCilia，将柔性磁纤毛结构与霍尔传感器结合，实现三维力感知。作者用准静态有限元分析考察多方向加载下的结构变形与磁响应，并提出因果历史融合回归（CHFR），把当前磁场测量与近期变化结合来重建耦合力。按标定记录分组的五折交叉验证中，Fx、Fy、Fz 的均方根误差分别为 0.40、0.57、0.69 N，决定系数为 0.93、0.90、0.92。机器人实验展示了切向力引导的夹爪调整和外部扰动下的多轴载荷监测；重建力的频域特征在按采集场次分组的三折交叉验证中以 99.39% 准确率区分六类表面，在线演示也识别出全部六种测试表面。
Beyond Visibility：从稀疏 LiDAR 实时生成表面可达性场
论文提出 Accessibility Field，即逐点表面可达性标注，从流式稀疏 LiDAR 计算并随平台移动以传感器频率更新。方法在 GPU 上针对预计算工具几何核、跨多个旋转接近方向评估表面点，并采用面向 Livox Mid-360 等非重复扫描传感器的扫描中心 TSDF 融合方案；系统与工具无关、无需先验场景模型，可在工作站和 Jetson Orin 边缘硬件上实时运行。在合成基元上 F1 为 90.8%，Hidden Point Removal 基线为 69.8%；消融中改用点云碰撞检查为 81.5%，改用投影式 nvblox 风格融合为 33.9%。
WeaveRL 将在线重建织入场景感知几何织物用于感知强化学习
WeaveRL 提出一种 GPU 加速方法，在数千个并行仿真实例的 rollout 过程中把场景重建为 surfel 集合，使策略基于传感器得到的几何而非手工指定几何运行。在碰撞密集的操纵任务上，surfel fabrics 让策略能够处理基于基元的基线失败的高几何复杂度场景，并保持 sim-to-real 迁移；使用场景感知 fabric 学到的策略对测试时新增几何更稳健，未见障碍下的无碰撞任务完成率从 35% 提升到 61%。作者发布了重建系统、训练代码和测试数据集。
研究：VLA 指令中的隐含危害易被文本守卫漏检
研究测试了监控器能否拦截因有害目的而请求的普通机器人任务，实验固定任务内容、只改变意图表述的明确程度。π0.5 在每一级明确程度上都完成任务，频率与无害对照组相当；文本守卫能标记几乎所有直白请求，但漏掉大量隐含请求，最多 95% 的隐含危害运行以任务完成且无告警结束，即便按机器人指令重新校准并在低误报率下，多数仍会漏过。监控模型激活也无法弥补这一差距：线性探针在基础语言模型和视觉语言模型中几乎能完美区分有害与无害指令，但在两个模型家族完成机器人训练后这种区分能力减弱，隐含危害上减弱最多。
Bayesian Active Learning 用于交互式机器人规划中的意图消歧
研究提出一个贝叶斯框架，把交互式机器人规划中的澄清过程视为对已接地的 Signal Temporal Logic（STL）任务规范的主动学习问题。方法用 LLM 初始化候选形式化规范并把有信息量的对比转成自然语言澄清问题，同时用贝叶斯优化维护对用户意图的不确定性估计、选择信息增益最大的查询；收敛后把推断出的 STL 规范交给形式化规划器合成可验证的机器人轨迹。在四个仿真与真实任务域中，该方法总体取得更高任务满足度、所需澄清轮次少于 LLM 基线，并帮助较小模型缩小与更大推理模型的差距。
基于接触锚定重定向与残差策略学习的人类演示灵巧机器人操作
论文提出一套三阶段流程，将人类动捕记录转换为灵巧机器人策略，无需真实机器人训练数据。流程先用仿真 MANO 手做物理细化以恢复接触与力，再通过接触锚定重定向传递演示的接触结构，最后用残差强化学习适配机器人驱动。该方法重建了 25,454 条单手轨迹（成功率 7.3% 提升至 59.3%）和 25 个双手任务（16.0% 提升至 62.4%），每种设置共用一个策略；将一份人类数据集迁移到四种形态不同的机器人手上提升 62.4 个百分点，并在真实硬件上执行了四个接触丰富的双手任务，真实机器人训练数据为零。论文为 16 页技术报告，含 6 图 5 表，代码已公开。
LIBERO-Recover：面向机器人操作模型失败恢复的评测基准
作者提出 LIBERO-Recover 基准，用于评测机器人操作模型在失败后的恢复能力。研究指出，现有基准多从预设初始状态考察任务完成，而 LIBERO 上 SOTA 方法成功率已接近 100%，却未衡量抓取失败、碰撞、物体意外移动等真实交互中的恢复能力。该基准基于 LIBERO 构建，采集 SOTA 具身模型的真实执行失败，覆盖动作重试、动作调整、物体状态恢复和环境恢复四个恢复层级，共 1000 多个场景，并考察空间理解、物体结构推理、交互理解和拓扑推理四项能力。项目称将公开。
VT-MUSE：面向操作任务的视觉-触觉多模态统一序列表征学习
作者提出 VT-MUSE，一个面向视觉-触觉操作任务的多模态统一序列表征学习框架，针对现有方法独立编码视觉与触觉观测、且多关注当前时刻而忽略接触时序演化的问题。框架分两阶段：第一阶段通过跨模态时序对齐与掩码视图一致性联合适配各模态编码器；第二阶段用条件变分潜变量模型处理掩码视觉序列与完整触觉历史，并由辅助解码器重建近期掩码视觉观测、预测触觉深度变化。学到的表征通过门控交叉注意力接入轻量 Transformer 策略。在仿真基准上，VT-MUSE 在所有任务上比最强基线高出 11 个百分点，真实世界实验也有明显提升。该文为 arXiv 预印本，尚未经同行评议。
WM-LOCO：用世界模型增强人形机器人视觉运动，应对落脚受限地形
WM-LOCO 将联合训练的世界模型与视觉运动策略结合，用于人形机器人在落脚受限地形上的行走。方法以机载深度观测和本体感知为输入，用循环状态空间模型（RSSM）学习动作条件潜动力学，预测未来本体状态、自我中心观测和任务奖励，再把循环特征送入 PPO actor-critic，为落脚提供预测上下文。在仿真中，WM-LOCO 在沟壑、踏脚石、楼梯和平衡木上的平均成功率分别为 96.0%、96.9%、94.0% 和 92.1%，优于所评估的基线，并改善步态效率与平滑度。作者还报告零样本 sim-to-real 迁移到 Unitree G1，在这四类地形上成功率为 92.5%。
CLAP：通过语言-动作接地实现 VLM 到 VLA 的直接适配
CLAP（Causal Language-Action Prediction）提出在每个数值动作序列前加上自然语言动作描述，让精确动作 token 预测以语言-动作规划为因果条件，从而在不修改骨干架构的情况下把预训练 VLM 直接转为 VLA，缓解动作 token 偏离语言分布的问题。2B 版本仅训练 4-5 小时即在 LIBERO 上达到 90.8%，比 VLA-0 高 14.9 个百分点，并在 LIBERO-PRO 的语言、物体和空间扰动下更稳健；消融实验将增益归因于动作接地的语言语义。
用自示范生成控制微调VLA，实现多任务操作
论文提出一种自监督方法，用零样本VLA模型在线生成交互轨迹作为额外训练数据，用于在新机器人上微调视觉-语言-动作模型。作者称，该方法在目标机器人上得到多任务操作策略，能继承零样本VLA已有的预训练任务而无需这些任务的专家演示，在专家遥操作任务上的成功率和通用指令跟随优于仅用专家数据微调，并缓解对微调未涉及任务的遗忘。实验在真实ALOHA机器人和RoboTwin新仿真基准上评估泛化能力，项目页面提供代码、检查点和数据。
SensorPerch：让机器人自主拆装无线传感器并按任务选择视角
SensorPerch 提出一种主动感知方案，把传感器当作可被机器人自主拆卸和重新安装的独立物理实体，从而将感知与机器人本体和环境解耦。其实现是一个可停驻在多种表面的轻量无线可重构传感器平台，配合视角选择框架确定任务最优的传感器位置。作者在两类任务上演示：物体耦合感知中，机器人在不在附近时也能持续检测物体状态事件；策略耦合感知中，可为不同策略构建策略专属视角，成功率达到与使用 oracle 视角相当的水平。该工作发表于 RA-L 2026。
DEED：面向零售人形机器人的数据高效后训练与经验驱动学习 VLA 框架
论文提出 DEED（Data-Efficient Post-Training and Experience-Driven Learning）系统级方法，在 Unitree G1-Edu 人形机器人和 GR00T N1.6 基础模型上完成超市芯片补货任务。DEED 包含三部分：带控制频率对齐、数据整理、任务相关视觉高亮和降低 VLA 依赖的数据高效后训练流程；借鉴 RECAP、通过文本优势前缀和视觉语言价值函数实现的实机经验驱动改进研究；以及用于研究分布内与分布外行为的潜空间分析工具。
MorphoCopter 用 2D LiDAR 实现超窄通道轨迹与形态规划
论文提出一种面向变形四旋翼的在线轨迹与形态规划框架，仅用 2D LiDAR 感知障碍，即可穿越比展开宽度更窄的通道。针对经典人工势场排斥代价在狭窄缝隙内急剧增大、把通道封死的问题，作者从 LiDAR 数据闭式计算出一种代价削减因子，沿窄通道中轴抵消障碍代价，使真实开口成为低成本走廊，其余区域保留完整排斥代价。该因子嵌入 acados 非线性 MPC 的每个预测节点，联合规划轨迹、偏航角与折叠角，并用用户指定的最小宽度限制确保只打开平台实际能通过的走廊。
DuoBench：面向仿真与真实世界的双臂操作可复现基准
作者提出DuoBench，一个面向FR3 Duo平台双臂操作策略的可扩展基准框架，包含覆盖四类协调方式的11项任务，在仿真中实现，并通过可复现任务配方与3D打印部件在真实世界部分复现。该框架还提出基于阶段的评估方案，提供带置信区间的阶段条件通过率，以及全部基准任务的人工遥操作数据集，从而支持超越二元成功率的细粒度语义失败分析。作者在仿真和真实硬件上评测了多种模仿学习与视觉-语言-动作策略，结果显示当前策略在双臂操作上仍面临挑战，尤其在交互初期、双臂并行执行以及仿真到现实迁移场景中；仿真也呈现出与真实实验相同的失败模式。代码、数据集和视频已公开。
SMAT：面向人机协同适应外骨骼控制的分阶段多智能体训练
研究提出分阶段多智能体训练方法 SMAT，用四阶段课程模拟用户适应可穿戴设备的过程，让肌肉骨骼人体智能体与双侧髋关节外骨骼智能体逐步协同训练。方法在 MyoAssist 仿真环境中实现，采用 26 肌肉下肢模型和附加髋关节外骨骼，仿真显示学习到的控制策略使髋部肌肉激活平均降低 10.1%。作者用开源步态数据离线验证控制器后，将其部署到实体髋关节外骨骼上进行跑步机实验，五名受试者均获得一致助力，无需针对个体重新训练；在 6 Nm RMS 力矩下平均正功率为 13.6 W，在 9.3 Nm RMS 力矩下为 23.8 W，负功率很小。论文被 IROS 2026 接收。
jaxipm：在单块 GPU 上批量求解非线性优化问题的 JAX 求解器
作者提出 jaxipm，一个面向一般约束非线性优化问题的 GPU 批量求解器，用 JAX 实现 IPOPT 算法，通过异构迭代融合消除控制流、以迭代级批处理减少 GPU 空闲，可在单块 GPU 上并行求解数百个 NLP。在四旋翼非线性模型预测控制基准上，单块 GPU 的吞吐达到 64 核 CPU 上并行运行 64 个 IPOPT 实例的 30.7% 至 69.9%。论文为 9 页、6 图，按 IEEE 会议格式投稿 RA-L，代码已开源。