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
论文提出用动作条件价值评论器扩展 PPO，通过在同一状态比较已执行动作与采样替代动作来改善信用分配，并结合广义优势估计与探索噪声约束。作者称该方法能在相同探索设置下逃离平台期，在 PPO 停滞的训练预算内完成精密轴孔插入任务。研究将 PPO 在长程接触丰富任务上的失败归因于状态价值评论器只按回合结果判断进展，导致策略收敛到部分解后无法区分动作优劣。
推荐理由：论文把 PPO 在长程接触任务上的停滞归因于状态价值评论器缺少动作区分，并给出可迁移的算法改动思路。
论文提出 Metatron，一种可提示的全身执行层，由生成式基础策略与可编程技能层组成。基础策略接收由定时身体部位目标、速度指令和风格线索组合成的提示，训练数据包括动捕、合成恢复轨迹和重定向场景交互动作，训练后策略被冻结。
推荐理由：论文给出冻结策略加可编程技能层的人形全身执行方案，并在 Unitree G1 实机上演示多类任务。
论文提出自标注偏好迁移方法SPT，让带偏好标注训练的VLA策略把偏好控制迁移到缺少偏好标注的新任务。SPT在带标注源演示上联合训练共享视觉语言骨干做偏好条件动作预测与偏好识别，再冻结识别器为目标演示自标注并微调策略。
推荐理由：论文给出偏好标注缺失时迁移执行偏好的自标注方法，并报告仿真与实机对比数据，可供研究VLA偏好控制的人参考。
论文提出 FORGE 两阶段学习框架，将在线降阶模型（ROM）参考生成与全身跟踪控制结合，用于人形机器人敏捷运动。第一阶段用单刚体动力学结合完整人形运动学训练命令条件化的全身参考生成器，第二阶段在线滚动冻结的 ROM 策略，为全阶动力学模型上的全身跟踪策略生成参考。
推荐理由：论文给出两阶段降阶模型参考生成与全身跟踪框架，并在宇树 G1 上报告速度与跳跃指标，可供人形运动控制研究比较。
TACOS 提出一种基于腿式状态估计因子图残差的足步不稳定性评分，并将其投影到前序图像上，用于监督稠密视觉预测器。作者给出利用事后信息的硬评分和可即时获得的因果软评分两个变体，在 1716 个人工标注接触上与现有方法比较，两个变体的不稳定性检测与严重程度排序均优于所有对比方法，合并严重程度排序比最强基线提升 28%。
推荐理由：论文提出基于因子图残差的足步不稳定性监督信号，并在人工标注接触与户外实机测试中与现有方法比较。
ThinkWorld 是一个 VLA 学习框架，把动作推理建立在世界动力学上，并通过世界想象的强化学习加以强化。它将每个动作思考表示为 Chain-of-Dynamics（CoD），即一串离散运动 token，刻画从当前世界到未来状态的中间动力学，并作为跨本体的通用动作表示。
推荐理由：论文提出以世界动力学链作为跨本体动作表示，并用世界想象强化推理，为无动作标注视频提供监督路径。
研究提出一套在仿真中为LEAP手训练手内物体位姿到达策略的方案，无需人类数据，经系统辨识后零样本迁移到真实手，可用动捕或单个腕部深度相机。在4个物体、4800个未见目标、13.3小时实机评测中，基于状态的策略在2厘米和0.4弧度内到达95.2%的目标，叠加可调保守度的学习残差安全过滤器后掉落减少75%，仍到达91.5%的目标。策略还能旋转任意姿态的灯泡、到达分布外目标并承受快速手臂运动与扰动。
推荐理由：论文给出LEAP手在仿真中训练、零样本迁移实机的手内物体位姿到达方案，并量化了安全过滤对掉落率的取舍。
研究提出一种可微分的移动窄缝建模方法，按到随时间变化的缝隙平面的有符号距离对居中、对齐和平滑碰撞项进行门控，把稀疏的穿越事件转化为稠密的路径目标。该方法被整合进一个从随机初始化单阶段训练的视觉特征到指令策略，无需教师、规划器或蒸馏。
推荐理由：论文用可微仿真把穿越动态窄缝的稀疏事件转成稠密路径目标，并给出仿真与实机成功率对比。
研究提出自适应残差纠正模块 ARC，在冻结的模仿策略之上用强化学习学习残差纠正，并以稀疏人工纠正决定残差控制何时激活、在残差动作空间的何处探索。在真实机器人的三个精密操作任务上，ARC 将平均任务成功率从 33.3% 提升到 75.0%。作者称人工纠正定义了七关节残差空间中依赖任务的 2-3 维子空间，保留 96.0-97.7% 的纠正幅度平方。
推荐理由：论文把稀疏人工纠正用于定位残差探索的子空间，而非当作模仿目标，为冻结策略的后训练提供了一种可迁移思路。
StabBot 机器人管道对扣系统结合摆锤卡尔曼滤波、ResNet-18 关键点网络与残差强化学习策略，在 200 组随机作业中全部完成对扣，传统固定导向器为 74%。
推荐理由：论文给出管道对扣机器人在缩比仿真中的成功率与接触力对比，可用于了解学习策略与视觉定位在对接任务中的组合方式。
研究在 FastWAM 和 OpenWAM 中做受控的未来视频预测损失消融，模型架构、初始化、机器人训练数据和训练步数在各模型族内保持固定。在已见任务的干净条件下，预测监督分别将成功率提升 24.38 和 72.91 个百分点；但在分布偏移下收益并不稳定，未见任务上的提升因模型和任务而异，两个模型在所受评估的环境随机化下成功率都较低。
推荐理由：在 FastWAM 与 OpenWAM 上做受控消融，区分未来视频预测在熟悉任务上的执行提升与分布偏移下的迁移表现。
ARPG 提出将动作表征学习与动作生成分离，先在大规模人类操作数据上预训练动作表征编码器，再冻结编码器、用 130M 参数的生成骨干在表征空间中学习任务条件动作分布。
推荐理由：论文把动作表征预训练与动作生成拆开，为灵巧操作提供了一条独立于数据规模之外的扩展路径。
AuRA 是一套自动化机器人交互与数据准备系统，用于数字孪生重建，结合执行感知抓取选择、由机器人状态推导的夹爪运动测量以及配准的交互前几何与外观先验。在 13 个可变形物体上，AuRA 将每个成功重建资产的主动人工投入和实际采集时间分别减少 88.5% 和 55.4%。
推荐理由：论文给出自主采集机器人交互数据重建数字孪生的流程，并对比人工采集的耗时与重建指标。
ThinkLocoManip 提出一种面向腿式移动操作的全身体控制智能体框架，采用推理与行动交错的范式，让智能体持续推理当前状态、执行动作、观察结果并调整策略。
推荐理由：论文把移动操作拆成感知、导航、操作与运动四类工具，并给出实机长程任务成功率对比，可供参考其交错推理与工具编排思路。
RynnVLA-Latent提出用异构交互视频做机器人策略预训练，其RynnLAM模块无需原生机器人控制即可从视觉变化中学习连续、3D接地的潜在动作。研究在30.1K小时人类、机器人和仿真视频上生成745.52M个潜在动作描述符，再通过流匹配预测潜在动作块并适配到具体本体动作。
推荐理由：论文用30.1K小时异构视频学习3D接地的潜在动作，为VLA预训练绕开动作标注稀缺提供了一条可比较的路径。
AdaPolicy 提出一种动作驱动的前瞻策略框架，通过级联的下一动作块预测让在线策略获得隐式前瞻，训练时无需未来观测编码，推理阶段零额外开销。方法由在线动作头同时输出当前动作块与演化隐状态，再由级联展开动作头预测下一动作块，并将损失回传至该隐状态。
推荐理由：论文提出仅用动作信号做下一动作块预测来获得前瞻表征，训练无推理开销，并在仿真与实机任务上报告增益。
HuGe 是一组人形通用视觉-语言-动作模型，在超过 2000 小时的第一视角人类与机器人数据上预训练。它沿用三种现有代表性 VLA 架构，预测预训练全身控制器的潜在运动 token 与手部控制信号，并采用第一视角预训练、人形适配和下游微调的三阶段流程。
推荐理由：论文给出用第一视角人类数据预训练人形VLA的三阶段流程，并说明视觉与本体感知差异的处理方式。
PS-DLO 提出一种属性与空间感知的可变形线性物体操作策略，通过对比图文学习把初始观测映射为物体属性的类别描述，并用 SAM3 从未来观测提取掩码引导特征、蒸馏进策略的动作专家。作者在单臂和双臂平台的九个真实任务上为每种本体训练共享多任务策略，平均成功率达 68.9%，比最强基线高 20.0 个百分点；在蝴蝶结解结的七种视觉偏移条件下，有六种成功率高于基线。
推荐理由：论文在单臂与双臂平台共九项真实任务上训练共享多任务策略，并给出与最强基线的成功率对比，可供比较可变形线性物体操作方案。
HumanoidNDM 是一个面向人形机器人运动跟踪的在线微调框架，用实机训练的神经动力学模型缩小训练与部署之间的动力学差距。数据采集阶段采用带自适应强度机制的低频参考扰动方法，模型训练阶段在欧氏空间训练基于历史本体感知的神经动力学模型并引入可微前向运动学，从而不依赖动捕系统。
推荐理由：论文提出用实机训练的神经动力学模型在线微调人形运动跟踪策略，并在宇树 G1 上验证，可了解训练到部署差距的一种处理思路。
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%。
推荐理由：论文给出跨视角视频先验迁移到机器人控制的完整训练流程，并列出LIBERO与双臂实机成功率及扰动下的强弱项。