2026 年 10 月
本期文章 343
CondenseVLA：面向多帧 VLA 的可学习历史压缩方法
CondenseVLA 提出一种带可学习解码端历史压缩模块的多帧 VLA 策略，用可学习查询和多头交叉注意力把缓存的逐帧特征压缩为固定数量的 slot token，用于动作解码。
DISCO：在连续动作空间蒸馏树搜索，实现长程多物体整理
作者提出 DISCO，用渐进加宽的 MCTS 在物理仿真中生成长程规划，并把搜索结果周期性蒸馏进策略-价值模型，使策略在测试时无需仿真搜索即可直接部署。搜索过程中由学习到的策略提出连续动作，价值函数按任务完成进度为动作打分，并借助 GPU 并行仿真加速。在仿真与真实世界的多物体整理任务中，DISCO 的表现优于行为克隆、强化学习和基于搜索的基线。
SSIO：无需真值轨迹的自监督惯性里程计
SSIO 提出积分自监督方案，让惯性里程计模型从零训练时不再依赖真值轨迹，只需标定 IMU 并在正常运行时记录数据。该方法先用短窗积分 IMU 的教师模型监督学生模型，学生直接预测速度且精度高于教师，再用多窗口位姿图蒸馏序列一致目标。在覆盖行人、无人机、四足机器人和人形机器人的六个数据集上，同一套无速度或位置标签的训练流程所得模型平均速度误差与同架构有监督基线相差 0.07 m/s。
PaceVLA：视觉-语言-动作模型中的自适应时间动作量化
PaceVLA提出一种面向视觉-语言-动作模型的自适应时间执行框架，通过多粒度动作解码与路由选择减少低层动作步数。该框架包含基于共享动作专家的模式专用解码器，以及判断粗粒度执行是否合适的可量化性引导模式选择与上下文条件路由器。作者在三个多任务仿真基准和六个真实世界任务上测试，称其在多种本体包括长程与灵巧操作中提升执行效率并保持任务成功率。
SkateNav：让被动轮四足机器人学习自适应滑行节能导航
SkateNav 提出一个基于强化学习的滑行导航框架，让被动轮四足机器人同时学习转向、推进和两者的时间分配。该框架用带时间预算的到达目标替代速度跟踪，并通过自适应滑行周期与每步频率调制调整滑行、推进和恢复的时长。
HS-MoDP：通过同构遥操作与独立技能路由实现人形机器人组合操作
作者提出HS-MoDP，通过共享专家池上的独立语义路由，把分别演示的手臂技能组合起来，在Unitree G1上取得比基线更强的技能组合效果。为采集全身接触操作演示，团队开发了同构外骨骼G1Exo，对机械臂构型提供关节级直接控制。
ERR-VLM：用动作分组Turn-GSPO训练具身VLM实现错误恢复重规划
研究提出ERR-Env可验证交互环境与ERR-Bench基准，用于评估具身VLM在正常、中间和错误状态下的恢复能力与执行可靠性。作者进一步提出在线强化学习方法Action-Grouped Turn-GSPO（AGT-GSPO），结合回合级任务进度与错误状态奖励及动作分组优势估计，训练出2B参数的ERR-VLM。
GPU常驻管线实现有限感知多机器人3D巡检
Kryštof Pšenička与Stefan Edelkamp提出一套完整的GPU常驻管线，用于多机器人对水下结构做3D巡检：输入三角网格和K台携带短距、有限视场相机的机器人，输出联合覆盖目标比例表面的6自由度轨迹，并最小化线性插值的完工时间与总成本目标。
Cartender：通过反事实分支学习语言条件驾驶
Cartender 提出从真实驾驶记录中学习未被采取的分支，用视觉语言模型生成替代未来及对应指令，并以不支持的指令作为负标签，从而在无仿真器条件下构造匹配与不匹配的指令-动作对。
RoboJudge：用多模态语言模型评判具身视频生成
研究团队提出 RoboJudge-Bench，用于评测多模态大模型对具身视频生成的判断能力，覆盖物理遵循与指令对齐两个维度，包含来自 8 个源语料、10 个视频生成器的 800 段人工标注视频，涉及夹爪、人手和灵巧手。
PICA-WAM：用跨外观自对齐提升世界动作模型的视觉扰动不变性
PICA-WAM 提出一种自监督训练框架，把视觉扰动不变性作为世界动作模型（WAM）的辅助跨外观自对齐任务。方法用指数滑动平均（EMA）教师处理原始观测并提供更深层目标，在线 WAM 处理受扰动观测，通过轻量投影头将较浅层动作表示对齐到该目标。
ProTrav：传播高程不确定性的概率可通行性越野导航方法
ProTrav提出一种概率地形表示，用函数空间采样生成空间相关的地形实现，并将高程不确定性传播到可通行性代价。方法先用稀疏变分高斯过程（SVGP）从观测重建概率高程场，再通过后验函数空间采样保留相邻位置的空间依赖，得到任意位置可通行性代价的均值与标准差，并以基于矩的上置信界（UCB）定义风险项接入MPPI控制器。
SMM-AC：正则化强化学习改善仿真到现实的迁移
作者提出正则化强化学习算法 Soft MellowMax Actor-Critic（SMM-AC），基于 soft mellowmax 值函数，并研究常用 RL 算法在仿真到现实迁移中的表现。
GPT-6 Astra 被验证可直接使用视触觉图像完成接触密集操作
作者在 arXiv 预印本中报告，GPT-6 Astra 可直接解读基于视觉的触觉图像，并通过其现有视觉接口在 19 个仿真 UniVTAC 与 OpenViTac 任务上实现少样本闭环控制，每个设置采样 210 个场景种子。
FRED：用自蒸馏与时间上下文提升世界动作模型的未来视频表征
论文提出 FRED 框架，通过自蒸馏让世界动作模型（WAM）在单步去噪中从噪声预测未来视频表征，并以真实未来观测提取的表征作为目标，同时用历史观测提供时间上下文。作者称在多种真实操作场景中 FRED 持续优于对比的 WAM，在零样本环境泛化的长时程与域外任务上提升明显。在仅有人类视频演示、未出现在机器人训练数据中的任务上，FRED 达到 50.0% 任务成功率，对比最佳 WAM 为 19.4%。
论文系统评测 GPT-6 Astra 直接控制机器人操作的能力
论文系统评测了 GPT-6 Astra 在轻量智能体执行框架下的闭环机器人操作能力，在 RoboDojo 上成功率为 26.92%，在 RoboTwin 2.0 上为 76.0%。
RoboCasa-Shift：面向长程家务操作 VLA 策略的分阶段鲁棒性评测基准
作者提出 RoboCasa-Shift，一个基于 RoboCasa365 的诊断性鲁棒性基准，结合受控单因素扰动、共享相同设置仅目标扰动不同的配对干净-扰动 rollout，以及仿真中的分阶段诊断。
HGWM：用图匹配实现零样本目标导航的分层图引导世界模型
I-Tak Ieong与Hao Tang提出HGWM，一种分层图引导世界模型，通过类别条件房间-锚点先验与持久空间语义记忆完成零样本目标导航。粗阶段用视觉语言模型给候选朝向打分，细阶段将观测到的物体与关系同目标先验显式比对，再按阶段融合语言模型建议引导局部导航。
Soft-Object World Model：面向双臂软体衣物操作的上下文学习世界模型
作者提出 Soft-Object World Model，用 transformer 骨干在大规模仿真软体交互数据上训练，通过上下文学习从变长部分点云历史推断潜在形状与材质线索，实现生成式全状态估计和动作条件动力学预测。
GlobMP：具身机器人连续时间运动规划与引导方法
作者提出GlobMP（Global Motion Planning），一种在分段多项式曲线上运行的梯度投影方法，将运动规划与引导统一为连续时间规划问题，使约束在运动全程而非采样点成立。