技术方向
与机器人感知、决策和物理交互直接相关的机器人学习进展
169 条精选近 30 天 167 条共收录 279 条
论文提出将LLM监督者在线蒸馏为决策树，并用反事实回放为每次训练回合后的恢复动作打上必要、不必要或有害的标签，以淘汰无用规则。在仿真中20个仅靠MPC会卡住的未见布局上，该决策树在所有随机种子下至少正确处理18个，或到达目标，或在无可行路径时求助。其表现与始终查询LLM的监督者和专家设计规则相当，且测试时不发起任何LLM查询。
推荐理由：论文把LLM监督者在线蒸馏成决策树，用反事实回放标注恢复动作，为移动机器人卡死问题提供可迁移的监督设计思路。
作者提出CoRAct，一个后果锚定的推理到动作对齐框架，通过动作噪声空间中的奖励引导优化，显式对齐具身思维链推理与动作生成。
推荐理由：论文提出用动作噪声空间中的奖励优化显式对齐推理与动作，并在仿真基准和实机任务上对比ECoT基线。
作者提出统一导航框架 EvoLife，让多模态具身智能体自行选择移动方式、何时提问以及保留哪些经验。其混合动作空间支持航点导航、局部离散调整、像素级导航和物体导向导航，主动交互允许智能体在遇到歧义或困难时寻求澄清或帮助，持久空间记忆把观察和对话绑定到地点。
推荐理由：论文提出统一导航框架 EvoLife，把混合动作空间、主动求助与持久空间记忆放在同一系统中，并给出多基准评测结果。
作者提出UMI-Live，一套用于野外双臂数据采集的开源全栈UMI系统，其定制硬件集成相机与LiDAR-惯性传感、板载计算和供电，无需外部追踪设备或在采集环境中标定。系统提供简单录制界面，异步流水线并行进行SLAM重建并发布可直接用于训练的数据集，同时发布支持双YAM遥操作及VLA策略训练与推理的软件。作者用π0.5和MolmoAct2微调验证数据质量，在双臂抓放任务上成功率分别为10/10和8/10，并公开三个任务共40小时的UMI-Live数据及硬件设计、软件和复现指南。
推荐理由：该系统把相机与激光雷达惯性传感、机载计算和异步SLAM流程整合成免外部追踪的双臂采集方案，并附40小时数据与复现指南。
Utility-WAM 针对世界动作模型（WAM）中预测未来引发的动作偏移提出修正方法。
推荐理由：论文拆解世界动作模型中预测未来带来的动作偏移，指出精度任务上的负迁移并给出残差适配器修正方案。
ProLoop 是一个进度感知闭环框架，从期望状态与执行状态之间的结构化关系显式推导子目标进度，再由学习到的 State-Relation Monitor 判断关系并聚合为进行中、偏离或完成。在 AgentBoard ALFWorld 和真实机器人平台上的实验显示，整体成功率提升 12.94%，Hard 任务提升 15.46%，环境交互次数减少 32.3%。
推荐理由：论文提出用状态关系显式估计子目标进度，并在仿真基准与实机平台报告成功率与交互次数变化，可供长程任务规划研究比较。
作者提出用仿真抓放交互生成的监督，将双侧六轴力/力矩历史与冻结语言空间对齐，预训练为语义结构化的物理表征。在仿真未见物体上，该表征支持以文本原型读出机器人动作、物体重量和抓取交互；在实机放置任务中，无需更新编码器、仅靠无标签校准即可识别接触与支撑状态，表现优于垂直力符号反转规则基线。对于预训练中未出现的连接器插入事件，低秩适配相比从头训练提升了数据效率。
推荐理由：论文把双侧六轴力/力矩历史对齐到冻结语言空间，为外接触感知提供可复用表征，并给出仿真与实机放置、连接器插入的验证路径。
研究提出一种跨控制器迁移框架，让单一策略在上下文内适应不同控制器。该方法用指令动作与机器人实际运动的示例编码控制器下的行为交互，再由 transformer 上下文编码器汇总，使策略无需为每种控制器单独学习。实验覆盖六种控制器类型及控制器增益与柔顺性变化，实机结果显示平均成功率比朴素数据合并高 33 个百分点，在未见控制器模式上达到 50% 成功率，在未见控制器增益上达到 52%，并能迁移到控制器专属数据有限的任务。在 USB 插入、表面擦拭等接触丰富任务中，行为交互上下文使策略不仅调整动作，也调整策略。
推荐理由：论文给出跨控制器与跨本体的行为交互上下文编码方法，并报告实机成功率提升与未见控制器模式下的表现。
Event2Reward 提出从机器人演示中学习奖励的方法，用归一化时间标签锚定进度尺度，并用轨迹内的停滞、回退与恢复关系约束局部变化，将进度预测作为奖励塑形的势函数。
推荐理由：论文用轨迹内的停滞、回退与恢复关系约束进度预测，为从失败执行中构建稠密奖励提供了一种可迁移方法。
EgoContact 是一个大规模第一视角数据集，用于通过未来接触点预测评估学习到的操作先验的泛化性与精度，包含 22.5K 条人工核验的交互事件，每条含接触前观测、语义意图和像素级接触位置。
推荐理由：论文给出2.25万条人工核验的第一视角接触点数据，并展示将其用作现有可供性迁移策略记忆库后抓取成功率的提升。
作者开源ReSTEP数据集，包含两个操作任务的3156条轨迹，带语义阶段标签和帧级错误标注，覆盖成功执行、失误与恢复过程。基于该数据集，作者提出在线进度估计器REMORA，结合循环视觉记忆、分布预测和因果峰值选择来跟踪任务进度。在两个ReSTEP任务上的实验显示，REMORA在进度准确率和时间一致性上优于SARM基线。
推荐理由：论文开源了带帧级错误标注的长程操作数据集，并提出在线进度估计模型，可供比较任务进度监控方法。
Qiyang Li、Sergey Levine 等提出 Data Inoculation（DI），一种共享控制数据采集框架：人类提供闭环遥操作指令，残差策略在线训练并扰动这些指令，使机器人接触更广的状态范围，人类的持续纠正则提供恢复演示。作者称在三个真实机器人任务上，DI 的成功率持续优于或持平行为克隆与离线 RL 训练的策略。论文为预印本，未给出任务细节与成功率分母。
推荐理由：论文提出共享控制的数据采集框架，用残差策略扰动遥操作指令，为机器人演示数据的覆盖问题提供可迁移方法。
Catch It All! 提出面向人形机器人的 sim-to-real 抓取框架，仅用一台自我视角相机即可完成上手与下手抓取，并泛化到未见物体。作者称策略可适应几何形状、可变形性、弹性等物理属性不同的新物体，并通过抓取奖励设计与安全感知课程支持接近硬件极限的高频动作执行，包括低至 5 Nm 的腕部力矩限制。
推荐理由：论文给出仅用单目自我视角相机、零样本部署于宇树 G1 的抓取框架，可用于比较动态抓取的泛化设定。
QbD-VLA 提出一种任务引导的混合精度量化方法，用短闭环评估中的任务成功率分配权重与激活位宽，并考虑模型组件间的相互影响。实验覆盖四个 VLA 模型和 LIBERO 全部四个套件，权重平均约 4 位、激活少于 6 位时仍保持较强任务表现；在 SIMPLER 上相对均匀量化的增益较小。
推荐理由：论文用闭环任务成功率指导 VLA 混合精度量化，并给出仿真与 Franka 实机上的差异结果，可供关注 VLA 部署成本的研究者参考。
作者提出 TERRA 在线自适应框架，用奖励加权预测损失修正仿真训练的世界模型，并训练损失预测器估计未来与性能相关的误差位置，以此在 MPC 中引导探索。仿真中，在严重分布外预训练条件下，TERRA 约在五次试验内达到约 90% 爬坡成功率，在奖励、完成时间和首次成功能耗上优于探索基线。
推荐理由：论文提出面向行星漫游车的在线自适应框架，用奖励加权预测损失引导探索，并给出仿真与 ERNEST 实机试验结果。
作者提出基于直线骨架的自动标注算法，无需人工干预即可生成双指抓取关键点，并训练出4-DoF的SkelGG-CNN。该模型在Jacquard V1、Jacquard V2和Cornell上分别达到95.42%、96.55%和97.1%的准确率；6-DoF自动标注在GraspNet novel split上平均精度为18.33。
推荐理由：论文提出基于骨架的自动抓取标注流程，并给出4-DoF与6-DoF在公开数据集、仿真和Delta并联机器人实机上的结果。
ELEVATE 框架利用任务程序优化中的持续失败识别缺失的全身控制能力，由编码智能体构建并迭代强化学习问题，验证后的控制器加入能力库并与已有控制器组合重试任务。
推荐理由：论文展示编码智能体从任务失败中自动合成全身控制器的闭环流程，并给出仿真与实机迁移的成功率数据。
Zhiyuan Xiang 等提出两阶段后训练框架 Cascaded Skills Optimization（CSO），用于修正 VQ-VAE 类离散技能先验的量化误差。
推荐理由：论文提出两阶段后训练框架，用于修正离散技能先验的量化误差，并给出LIBERO与实机单臂任务的成功率对比。
MATCH 是一个联合学习语言条件规划器与目标条件原子动作执行器的框架，用于连续环境视觉语言导航（VLN-CE）。它用执行感知拓扑图表示依赖起点的执行选项，并结合执行器价值估计与实际结果记忆，让规划器通过有界连续偏移细化执行请求。该模型以 0.5B 参数在 R2R-CE 和 RxR-CE 基准上取得 state-of-the-art，初步实机部署也展示了应用潜力。
推荐理由：论文把执行器能力纳入规划器训练，为连续环境视觉语言导航提供可迁移的分层强化学习方法。
SimRetract 展示开放手术中牵开器接管的零样本仿真到现实迁移，机械臂从外科医生手中接过牵开器并在交接时保持牵开，策略仅用仿真演示训练，无需人类演示或真实世界微调。
推荐理由：论文把零样本仿真到现实的差距拆到具体组件，并给出消融数据，可供做手术辅助操作迁移的研究参考。