FRDV：面向可扩展人形机器人学习的快速运动重定向流程
作者提出 FRDV（Fast Retargeting with Dynamics Validation），一个由快速约束运动学重定向和动力学校验两阶段组成的人形机器人运动重定向框架。
推荐理由：论文给出快速运动重定向与动力学校验两阶段流程，并对比 GMR、ProtoMotions 的跟踪成功率，可供人形机器人学习数据管线参考。
技术方向
强化学习 最新动态
与机器人感知、决策和物理交互直接相关的强化学习进展
51 条精选近 30 天 51 条共收录 83 条
更新
精选归档 · 第 3 页
arXiv · cs.RO精选AI 评分7575
arXiv · cs.RO精选AI 评分6060 LEAP Hand 两种指型布局的触觉手中旋转对比研究
研究对比了两种 LEAP Hand 指型布局（拟人与对称）在连续手中物体旋转任务中的表现，两版手均集成 TacTip 视觉触觉传感器并共用同一强化学习框架。仿真中，完整触觉观测相比仅本体感知使每回合平均归一化旋转量在拟人手提升 94.8%、对称手提升 66.9%，且回合更长、平均指尖总载荷更低。硬件实验中，对称手平均旋转次数高 32.0%、总旋转速率高 25.8%，平均指尖总载荷低 19.9%。
推荐理由：研究在仿真与实机上对比两种 LEAP Hand 指型布局，量化触觉观测与手指排布对旋转进度和指尖受力的影响。
arXiv · cs.RO精选AI 评分6060 PIA：用仿真先验加速基于模型强化学习适应的自动驾驶赛车研究
论文提出 Prior-Informed Adaptation（PIA），一个离线到在线的基于模型强化学习框架，先在高保真与低保真仿真轨迹上预训练世界模型，再用不确定性正则化规划在目标域少量交互中完成适应。
推荐理由：论文提出用仿真轨迹作为有偏先验、在线校正残差的世界模型强化学习框架，并在真实赛车实机验证少样本适应。
arXiv · cs.RO精选AI 评分6060 VaDar：通过价值分解实现隐式目标条件化的强化学习方法
论文提出 Value Disaggregation（VaDar），训练一个与子目标无关的单一策略，最大化各子目标 critic 值的线性组合，子目标信息只在训练时使用，部署时无需选择子目标。
推荐理由：论文提出用价值分解替代子目标条件策略，省去部署时的子目标选择，并在 RoboCasa 长程任务上给出对比结果。
arXiv · cs.RO精选AI 评分7171 SPAR：面向 VLA 模型的结构化剪枝与动作恢复方法
SPAR 提出对 VLA 模型 LLM 主干同时剪枝隐藏层与前馈中间维度，再用强化学习恢复策略性能。应用于 π0.5 时，语言主干从 2.34B 降至 0.09B 参数，完整模型从 3.37B 降至 1.12B，分别移除约 96% 和 67% 的参数。
推荐理由：论文给出 VLA 模型结构化剪枝后接强化学习恢复的具体压缩比例与 LIBERO 成功率变化，可作为紧凑策略部署的参考。
arXiv · cs.RO精选AI 评分6262 ForagerSim：面向大规模动态世界具身地图推理的仿真评测平台
研究团队提出 ForagerSim，一个面向需要地图推理的具身任务的跨学科研究平台与仿真环境，场景覆盖移动机器人搜救与动物觅食，可在复杂迷宫和可能无限大的开阔区域中运行。
推荐理由：该预印本提出可调感知、尺度、拓扑与动态难度的仿真平台，用于比较学习策略与地图基线在需地图推理任务上的差距。
arXiv · cs.RO精选AI 评分7171 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。
推荐理由：论文给出可验证交互环境与错误恢复基准，并报告2B模型在严格成功率与恢复率上的提升幅度。
arXiv · cs.RO精选AI 评分6060 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。
推荐理由：论文给出滑行导航的强化学习框架与仿真对比，并展示从仿真到被动轮 Mini Cheetah 的零样本迁移。
arXiv · cs.RO精选AI 评分7272 SWAP：可测试时引导的人形机器人全身避障框架
作者提出SWAP分层框架，将碰撞感知决策与稳定控制分离：高层扩散策略生成多模态避障动作提案，低层全身RL控制器跟踪提案并维持动态平衡。训练时通过事后标注在随机指令下滚动低层策略，把障碍物放在已执行动作未扫过的空间，从而构造无碰撞样本并重渲染感知。仿真和宇树G1实机实验显示对静态与动态障碍物均能可靠避障，测试时蒙特卡洛采样引导使速度、朝向或姿态等目标奖励平均提升34%，同时保持较高避障率。
推荐理由：论文提出分层框架，用扩散策略生成避障动作、RL控制器保持平衡，并在宇树G1实机上验证。
arXiv · cs.RO精选AI 评分6060 研究验证人形机器人能否按人类运动发育量表学习站立行走技能
Fanxing Meng 与 Jing Xiao 的预印本研究把人婴幼儿运动发育量表表示为发育图，并在强化学习框架中训练人形机器人按量表描述的自然阶段学习粗大运动技能。结果显示，四套常用儿科运动量表中三套导出的图能成功引导机器人习得这些技能；第四套因缺少其他量表具有的部分中间里程碑而出现失败，补上缺失里程碑后也能成功。研究据此评估哪些量表足以作为发展到站立和行走的完整指南。
推荐理由：研究把四套婴幼儿运动发育量表转成发育图并用于强化学习训练人形机器人，可比较各量表作为技能训练指南的完整性。
Boston Dynamics Blog精选AI 评分7272 
Boston Dynamics 发布 Atlas 新一代 13 自由度机械手
Boston Dynamics 发布 Atlas 机器人新一代手部，自由度从上一代 GR2 的 7 个提升到 GR3 的 13 个，采用四指设计并取消小指。新手指尖和手掌覆盖密集压力触觉传感器，尺寸接近偏大的人手，强度与上一代相当，可搬运装载 100lb 以上的迷你冰箱。
推荐理由：Atlas 新一代手把自由度、可仿真性和工具使用能力放在同一套设计取舍里，可与上一代七自由度手直接对照。