2026 年 10 月
本期文章 343
Learning Safe Flow Matching Robot Policies from Binary Feasibility Oracles：仅用二元可行性查询约束流匹配机器人策略
Jianming Ma 等提出一种 oracle 引导的可微安全保障方法，用于约束基于流匹配的机器人策略，使其满足关节限位与碰撞避免等物理约束。该方法在前向传播中用二元可行性查询纠正不安全更新，在反向传播中提取局部边界信息作为约束感知学习信号，并与离散时间流匹配结合，使训练和推理共用同一保障机制，无需显式或可微的约束模型。
X-World：将视频先验迁移到可变视角机器人控制
X-World提出一种把视频扩散模型先验迁移到机器人控制的框架，通过固定长度token序列接入共享动作专家，并用残差跨视角注意力支持一至三路相机输入。在LIBERO上平均成功率为98.5%，其LIBERO训练检查点在LIBERO-Plus上不做额外适配取得76.5%；六项双臂实机任务每项20次试验平均成功率81.7%。
Gaussian Distillation of Flow Policies：用高斯读出层加速流策略推理
论文提出高斯动作读出（GAR），将流策略的最后一层替换为高斯读出层，仅用0.02%的可用状态训练，网络其余部分保持冻结。GAR单次动作网络前向即可采样，并给出闭式似然，任务成功率接近教师策略，推理速度最高提升至两倍。作者分析显示，所研究流策略的连续动作分布可被高斯较好近似。
TouchBridge：触觉条件人到机器人数据转换用于灵巧操作
TouchBridge 提出硬件与软件协同的人到机器人数据转换框架，通过可穿戴人类演示接口与对应机器人接口建立视觉和指尖触觉的跨本体对应。其 Tac-Retarget 方法以实测接触对齐指尖接触区域，无需物体网格、位姿估计或物理仿真即可完成重定向。
MARE：带阴影真值的开源月面巡视器仿真器
论文提出 MARE（Modular Autonomy and Rendering Environment），一个基于 Unreal Engine 5 和 ROS 2 的开源月面巡视器感知与自主仿真套件。
NovaSplat：用3D高斯泼溅引导与细化实现无模型6D物体位姿估计
NovaSplat提出一种无模型6D物体位姿估计流程，仅用引导阶段拍摄的短智能手机视频训练3D高斯泼溅模型，该模型既作为检测与粗位姿估计的模板来源，也作为位姿细化的可微主干。
AdaDexTrack：面向自适应灵巧操作的动态调制跟踪框架
AdaDexTrack 提出一种调制器在环的框架，用于语言条件下的灵巧手物交互跟踪。该框架以大规模专家到通才蒸馏得到的跟踪器承载技能，调制器经强化学习训练，对参考轨迹、物体隐表示和位置目标做三类反馈修正。作者称其在未见轨迹和未见物体集合上的平均跟踪误差与成功率均优于此前 SOTA，并在真实硬件上展示了零样本 sim-to-real 迁移，加入调制器相比仅用跟踪器有显著提升。
DAWN：基于扩散的分层机器人拆螺丝工作流网络
作者提出 DAWN（Diffusion-based Alignment and unfastening Workflow Network），一个面向真实世界拆螺丝任务的分层机器人框架，将流程分为对齐插入与拧出两个阶段。
RoboLongR：因果一致奖励引导机器人逐步掌握长程操作
RoboLongR 是一个离线到在线的框架，通过学习依赖历史的奖励引导策略适应新任务，核心目标是让奖励进度与执行历史支持的前置条件保持因果一致。方法采用阶段打乱监督、循环记忆和两轮训练，并以稀疏终端反馈触发对重复高分失败的纠正。
延迟随机化扩大学习型人形运动跟踪器的延迟裕度
研究在24关节人形机器人上训练运动跟踪策略，并在独立CPU MuJoCo测试环境中评估指令延迟的影响。训练随机化下每个策略在30次试验中至少26次完成动作，但加入40毫秒恒定延迟后平均存活率降至15%（0%–45%），延迟裕度仅20–30毫秒。
RoboJev-27B 开源机器人操作成功检测视觉语言裁判模型
RoboJev-27B 是一个开放权重的视觉语言模型，输入任务指令与 10 帧操作画面，预测机器人是否完成任务。它在同型号 SO-101 的 268 个留出回合上取得 95.2% 平衡准确率和 0.993 AUROC，在未见实验室/机器人采集的 459 个回合上 AUROC 为 0.890。
Scan2Instruction与PRPT-KS：一次扫描实现语言引导导航的无示范适配
研究提出Scan2Instruction与PRPT-KS，用一次简短的iPhone扫描替代人工示范，完成语言引导导航策略在新场景的适配。Scan2Instruction把扫描结果编译成完整训练环境并自动合成带指令的可执行导航片段，PRPT-KS则直接从重建场景读取闭式Pareto效用更新策略，无需学习型critic和人工标注。
Open-World Law-to-Action：用视觉语言先验与触觉推断隐藏物理
Mohamed A. Mabrok 提出 Open-World Law-to-Action（L2A），由视觉语言模型为每个可动部件提出运动方式、运动定律项和可能的锁定因素，再以带下限的先验形式交给触觉在线修正。
RoboWorM：评估具身视频世界模型的运动真实性、一致性与加速影响
RoboWorM 是一个面向部署的视频世界模型基准，利用机器人运动学树和固定相机配置等硬件先验，系统考察结构与时空保真度。该基准汇集单臂、双臂和人形形态的 1,605 条 episode，覆盖单视角与多视角下的马尔可夫及长时程非马尔可夫任务。
Co^2Gen：为去中心化多机器人与人类协作自动生成任务规划
Co^2Gen 提出一个框架，用去中心化协作规划方法生成可执行函数形式的多机器人协作计划，再据此产出协作演示数据，以去中心化方式微调 VLA 模型，无需人工遥操作。作者称，用这些数据微调后的 VLA 模型在去中心化协作任务上的表现，与用人工遥操作协作数据微调的模型相当。该工作针对 VLA 模型与其他机器人及人类协作能力尚未被充分探索的问题。
研究用稀疏自编码器解读 OpenVLA 的成功与失败模式
研究显示 OpenVLA 激活的稀疏自编码器（SAE）表征含有结果预测信息，可在机器人进入不可恢复状态前预测任务失败。作者还找出与成功或失败特定阶段相关的单个 SAE 特征，通过定位这些特征激活显著变化的时间区间来归纳重复出现的行为模式，并构建基于 VLM 的解释流程生成行为描述，在留出区间上验证其与特征激活的对应关系。
Live Thread Reconstruction for Autonomous Manipulation：面向自主操作的缝合线实时重建
论文提出一种图像到操作的流程，在自主操作缝合线时同步生成缝合线的实时重建，并执行安全且优化的连续操作以完成长时序任务。作者指出，可变形缝合线没有固定位姿可跟踪、自由度近乎无限，其状态需要重新估计而非假定；缝合线操作又依赖过去与当前的接触点，必须被准确、连续地跟踪。
Smooth Action Chunking：用运动基元表示实现平滑动作分块
Shota Nomura 等提出 Smooth Action Chunking，将轨迹段表示为平滑基函数的线性组合，在不改变策略架构、训练目标和推理流程的情况下生成平滑轨迹。
几何感知强化学习用于紧身可穿戴物插入任务
研究将机器人辅助穿衣表述为几何感知插入问题，用身体部位与衣物开口的空间关系替代完整可变形物体状态，并提出结合分阶段课程与逐指插入软门控的强化学习框架。训练后可变形评估中完整方法成功率为84.7±1.2%，消融显示插入门控贡献最大，叠加课程后得分最高。在假人手模型上，同一完整策略于实机20次试验中成功15次。
TravSUITE：自监督不确定性感知IRL与地形估计的可通行性系统
TravSUITE 是一个面向越野高速导航的可通行性系统，由利用视觉基础模型构建几何语义局部地图的体素建图器，以及联合预测 BEV 几何、语义、速度与代价的统一神经网络组成。