2026 年第 43 周 · 10.19 — 10.25
本期文章 222
PACT-VLA：用提交前观测验证候选动作块，缓解VLA异步推理延迟
PACT-VLA 提出一种免训练框架，用推理起始观测生成候选动作块，再用提交前观测从中选出完整动作块，以缓解异步推理延迟导致的成功率下降。其 FlowRes 评分衡量候选隐含流方向与冻结策略在提交前观测下预测速度的残差，无需单独验证器；流水线实现使选择不增加控制步延迟。
ScheNav：示意地图引导的目标物体导航框架
ScheNav 是一个示意地图引导的闭环具身导航框架，通过 SchemaField 空间模块把粗略示意引导与累积观测融合，预测空间价值场并据此做探索和停止决策。
DirectWAM：将世界-动作模型蒸馏为单步预测的机器人控制方法
DirectWAM 通过动作充分蒸馏把预训练视频与动作专家转为单步预测器，在 LIBERO 四个套件平均成功率 97.1%、RoboTwin 2.0 上 85.4%，推理延迟较完整迭代教师降低 28.0 倍。
GPL：为视觉-语言-动作模型引入生成式计划隐变量
作者提出生成式计划隐变量（GPL），把VLA的推理状态表示为对计划（如选哪个物体、抓取或路线）的低维条件分布，使计划可采样、可按请求选择、可按部署结果重加权，且无需重新训练VLA。
SPAR：用搜索训练推挤动作排序器，加速可移动障碍物导航
作者提出 SPAR（Search-trained Push Action Ranker），从仿真搜索结果中学习为推挤基元排序，用于可移动障碍物导航（NAMO）。
研究揭示驾驶 VLA 的感知-动作绑定缺口，并提出冻结采样器引导修复
研究指出，推理增强的驾驶 VLA 能感知并推理安全关键危险，却未能把危险信息转化为安全动作，作者将这一现象称为感知-动作绑定缺口。基于匹配的仿真反事实和驾驶日志回放，研究发现路径内危险确实被编码进视觉表征，但纵向规划主要由自车速度历史主导，对危险距离和模型自身推理轨迹响应很弱。
GPT-6-Astra 触觉策略在五项 UniVTAC 任务上取得 93.8% 平均成功率
研究提出 GPT-as-Tactile-Policy，将专家演示总结为任务指引和触觉参考，由 GPT-6-Astra 结合多模态观测与交互历史生成控制指令，无需额外机器人专用预训练或逐任务策略微调。在五项 UniVTAC 任务上平均成功率为 93.8%，Insert Hole 任务中触觉反馈将成功率从 31% 提升到 99%。执行分析显示模型能依据接触反馈进行试探与纠正。
Physical AI 内部物流研究：在 Idealworks 机器人上评测 NVIDIA 仿真到现实流程
研究在 Idealworks 的 iw.hub 实机上评测 NVIDIA X-Mobility 与 COMPASS 导航策略训练流程，并用 NVIDIA Cosmos 生成仿真到现实变体。
CAPSafe：面向具身智能体情境化动作与规划安全推理的基准
作者提出CAPSafe基准，从动作级和规划级两个层面评估具身智能体的安全推理，其中动作级判断单个动作在给定环境情境下是否安全，规划级评估智能体能否为复杂危险家务任务生成安全的长程规划。
TaskWAM：用任务状态引导世界-动作模型走向预期未来
论文提出TaskWAM，一个闭环、阶段感知的世界-动作模型框架，用Mode Tokens表示细粒度任务要求、用State Tokens跟踪执行进度，以缓解长程操作中局部合理但方向错误的推演导致的阶段混淆。
EAST：通过数字孪生系统化故障注入测试具身AI安全性
EAST 是一个数字孪生框架，把有文献依据的安全证据转化为覆盖感知、指令、环境、动作和时序的故障注入测试，并配有专家评审的安全故障分类和八个可执行算子。
AdaPolicy：用下一动作块预测构建动作驱动的前瞻机器人策略
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。
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。
毫米波雷达多普勒辅助跟踪被遮挡目标的位置与速度
该研究提出多普勒辅助的毫米波雷达非视距跟踪方法，将隐藏目标跟踪建模为连续位置-速度估计，在留出轨迹上取得8.95厘米位置误差和1.75厘米/秒速度误差。作者同时发布首个室内非视距雷达数据集，包含576段序列、共720,856帧，覆盖移动机器人12条不同速度、起点和材质配置的轨迹，并称方法可泛化到未见场景中的移动人体目标。
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%。
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。
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。
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。