2026 年第 44 周 · 10.26 — 11.01
本期文章 124
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。
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。
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。
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。
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。
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。
HiFOR：面向VLA模型的动作引导世界检索分层预见框架
作者提出HiFOR，一个带动作引导世界检索的分层预见框架，用于视觉-语言-动作模型。该方法通过分层依赖掩码联合预测短期状态演化、语义里程碑和最终目标状态，并用结构感知潜在世界建模与动作引导因子化世界检索为动作生成提供针对性引导。作者称在两个仿真基准和六个真实机器人操作任务上验证了方法有效性。
ADTT：对齐增量三平面Transformer作为占用世界模型
作者提出对齐增量三平面Transformer（ADTT），一种紧凑的4D占用世界模型，用自车运动补偿显式对齐历史三平面，并只预测未来场景变化。模型在对齐先验上用查询条件Transformer预测残差变化，其中自车运动查询引导可控未来运动、可学习外部查询捕捉自车运动之外的场景变化，预测变化叠加到对齐先验后解码为未来占用场景。
综述：接触密集机器人任务的安全学习，从经典方法到安全基础模型
一篇被npj Robotics接收的94页综述系统梳理了接触密集机器人任务的安全学习方法，将其分为安全探索与安全执行两大类。文章回顾了约束强化学习、风险敏感优化、不确定性建模、控制屏障函数和模型预测安全盾等技术，并重点讨论这些安全原则如何延伸到VLM与VLA基础模型，包括语言级约束指定与安全信号多模态落地带来的新机会和放大风险。作者同时列出当前局限与面向复杂接触环境的未来方向。
MoVLR：用视觉语言模型为肌肉骨骼控制学习奖励函数
作者提出 MoVLR 框架，利用视觉语言模型在控制优化与 VLM 反馈之间迭代探索奖励空间，为高维肌肉骨骼系统的运动与操作发现和细化奖励函数，而非依赖手工设计奖励。该方法把语言和视觉评估转化为具身学习的结构化引导，论文称结果说明 VLM 能把抽象动作描述对应到生理运动控制中的隐含原则。该工作已被 L4DC 2026 接收，arXiv 编号 2512.23077。
OmniVIC：结合视觉语言上下文学习的自改进变阻抗控制器
OmniVIC 提出一种由视觉语言模型增强的通用变阻抗控制器，从图像和自然语言推理任务上下文并生成自适应阻抗参数。其核心是自改进的检索增强生成与上下文学习，从结构化记忆库检索相似历史经验，并结合实时力/力矩反馈把交互力约束在安全阈值内。作者称在仿真和实机复杂接触任务上优于基线，平均成功率从 27% 提升到 61.4%，力违规减少；该工作已被 IEEE Humanoids 2026 接收。
LPS：通过一步流策略实现潜空间策略引导的离线强化学习方法
作者提出潜空间策略引导（LPS），将原始动作空间的Q梯度通过可微的一步MeanFlow策略回传，以更新潜动作空间actor，从而省去代理潜空间critic。该方法让原始动作空间critic端到端引导潜空间优化，同时以一步MeanFlow策略作为行为约束的生成先验。
FlowS：用局部传输条件化实现单步运动预测
FlowS提出局部传输条件化，用条件流匹配框架实现单步生成式运动预测。该方法包含两个机制：在线场景条件学习先验为每个智能体输出K条已接近合理未来的锚定轨迹，把模式发现转为局部修正；步一致位移场通过半群自一致性保证单步继承多步精度。
Combining Constrained Sampling and Reinforcement Learning for Manipulation 论文提出约束采样重置方法
Marc Toussaint 等人提出一种状态采样器，将约束流形上的采样用于重置状态分布，以提升接触丰富操作任务中目标条件强化学习的探索效率。该方法结合约束采样重置、投影插值和课程学习，作者称其优于无约束采样的强化学习及替代重置方法，并在全身与手内接触丰富场景中训练出通用、抓取与非抓取操作策略。论文被 CoRL 2026 接收，项目页面提供视频与完整源码。
AffordSim：面向可供性感知机器人操作的可扩展数据生成器与基准
AffordSim 是一个将开放词汇3D可供性预测集成到仿真轨迹生成中的数据生成器与基准，可根据自然语言任务描述合成场景、生成可供性查询并采样区域条件抓取，再用运动规划筛选可执行候选。
Safety-Critical LIO：基于流形上确定性保护水平的激光雷达惯性里程计
作者提出一种安全关键的激光雷达惯性里程计（LIO），基于新的流形上集合隶属滤波，为机器人提供确定性保护水平。研究采用未知但有界假设，推导出迭代最近点算法中点云噪声与估计不确定性之间的闭式关系，并据此设计流形上椭球集合隶属滤波（OM-ESMF）并集成进 LIO 系统。实验结果显示，该系统能为多种机器人在不同环境中提供有效的确定性在线安全参考。
RE4：基于操作模式的物体交互模仿学习框架
Arsh Chawla 与 Rahul Shome 提出 RE4 框架，用操作模式理论检索并变换演示数据，以可解释的四步流程完成物体交互模仿学习。该框架包含模式感知的演示检索、模式感知变换，以及保持模式约束并连接检索点的重规划步骤，最终返回变换后的演示用于 rollout。