Flow-ERD:结合熵正则化蒸馏的智能体感知流匹配多智能体交通模拟器
提出 Flow-ERD 多智能体交通模拟器,同时追求真实感与多样性。 该模型基于 Agent-Type Aware Flow Matching (AFM) 和 Entropy-Regularized Distillation (ERD) 两阶段架构。 在 Waymo Open Sim Agents Challenge 测试集真实感指标中排名第一。
提出 Flow-ERD 多智能体交通模拟器,同时追求真实感与多样性。 该模型基于 Agent-Type Aware Flow Matching (AFM) 和 Entropy-Regularized Distillation (ERD) 两阶段架构。 在 Waymo Open Sim Agents Challenge 测试集真实感指标中排名第一。
研究提出 Backtrack,一种无需重训练即可为冻结 VLA 模型恢复故障的轻量机制。 通过仅占策略参数量 0.48%-0.88% 的失败预测头监测内部表示,结合运动回溯控制器,在 LIBERO 长程任务中降低 19%-48% 失败率,提升成功率至多 7.4 个百分点。
人类修正在联邦 VLA 适配中因隐私、紧急性和行为范围差异而难以安全共享。 平均任务成功率提升可能掩盖罕见安全干预,导致其他机器人产生不安全响应。 论文主张在共享时保留多模态修正的上下文与不确定性,部署前在接收方闭环中评估,并同步评估隐私泄露。
研究提出 RoboCode,利用共享软门控原语动作接口学习短视域动作模式,避免将动作块强制映射至单一离散码。在五个 ManiSkill 任务中,其闭环平均成功率达 75.6%,显著优于 ACT 的 68.8% 及 Diffusion Policy 的 41.6%。该软门控原语代码本为机器人操作提供了有效且可解释的中间动作表示。
提出语义锚定方法解决视觉语言动作模型微调时语义结构退化问题,在真机同分布任务上性能提升最高 18.7%,分布外泛化提升 21.5%。 该方法将表示分解为共享语义与私有通道,并在推理时丢弃私有通道,保持部署模型不变,已在 CoRL 2026 接收。
WAM-TTT 提出一种测试时训练框架,利用原始人类视频引导冻结的世界动作模型(WAM),无需机器人演示或任务微调即可实现高效 steering。 该框架通过无标签人类视频更新 WAM 内部的轻量级自适应记忆,并使用自监督视频预测与键值记忆重建目标对齐人机行为。 实验表明,WAM-TTT 在多种操作任务及泛化场景中持续优于基于人类视频的条件基准模型。
研究人员提出Graph-as-Policy (GaP) 多智能体编码框架,解决变体自动化任务中物体几何与位姿大幅变化带来的可靠性难题。 该框架从模块化机器人技能库生成感知、规划与控制节点构成的有向计算图,通过内部仿真环境并行预演以迭代优化图结构与参数。 在8个新公开的变体自动化任务基准(4个仿真,4个真机)测试中,GaP 成功率显著优于基线模型。
研究者提出物理基准 TouchSafeBench,包含 2940 个 Habitat 3.0 室内共在场景 episode,用于评测视觉语言模型的碰撞感知能力。
研究团队提出 SceneBloom 框架,结合视觉布局采样与契约引导的 3D 编译,为具身智能训练生成真实多样的室内环境。 该框架在五种房间类型中实现了最高视觉质量与物理稳定性,无网格碰撞或越界物体,且布局分布更接近真实房间。 在基于 SceneBloom 场景训练的导航策略,在真实扫描中的成功率高于使用同等数量真实数据训练的基线。代码已公开。
DexPort 是一种便携式灵巧手数据采集接口,通过记录命令关节目标与测量关节状态,支持使用行为克隆训练视觉运动策略。 研究人员利用该设备在实验室和野外环境收集了超过 2,500 条演示数据,覆盖 4 类任务。使用记录的机器人指令而非状态,任务成功率从 11% 提升至 64%;引入野外数据后,成功率进一步从 36% 提升至 78%。
VERID 是持久且高保真的实验室工单单元语义数字孪生,为智能体提供可查询内省、时间压缩模拟、完整追踪及安全执行框架。 该基础设施通过三次使用水溶液染色剂实验验证了其光流学基础,展示了预检测协议错误、运行中状态恢复及事后识别物理故障的能力。 其作为部署生化与生物医学自主智能体的先决条件,确保了数据完整性与操作安全。
一项针对编程工业机器人中小企业的案例研究表明,AI 智能体并未显著提升工程师生产力,仅在生成高重复性代码任务中表现有效。 随着工程师掌握智能体用法及针对领域进行适配,结果随时间改善;智能体应用经验比机器人工程经验对成功影响更大。 研究显示 AI 智能体非即插即用方案,需企业培训工程师、预留学习曲线时间,并建议生产力研究采用纵向方法。
稀疏自编码器(SAE)表征能提取 OpenVLA 激活中的结果预测信息,在机器人进入不可恢复状态前预测任务失败。 研究识别了与成功或失败阶段相关的 SAE 特征,并通过定位时间间隔揭示重复行为模式。 基于 VLM 的解释流水线生成行为描述,验证了其与特征激活的对应关系,为物理 AI 安全提供诊断工具。
该方法直接从大规模演示数据中学习速度先验,通过预测路径上的执行速度分布来重新定义每个演示的时钟。 在 120 个 RoboLab 任务中,使用学习时钟微调的策略成功率更高,且激震力(jerk)比均匀加速策略降低最多达 50%。 在真实机器人上,该策略堆叠杯子用时 3.50 秒,比默认策略的 6.02 秒快 1.72 倍,且成功率相当。
MART-GRPO 在 VLA 强化学习中通过事件引导截断优化 GRPO,利用 VLM 和 LoRA 精准定位错误区间,在保留失败反馈的同时移除后续冗余梯度。 该算法基于 RoboTwin 2.0 数据集进行实验验证,结果显示其在多项任务中的成功率显著优于传统全轨迹 GRPO 方法。
FluxVLA Engine 是一个开源的配置驱动平台,旨在将异构的具身策略组件转化为从数据到部署的可复现工作流。 它标准化了数据集、视觉-语言模型、动作头部及分布式训练的接口,并集成了双臂仿真和实时数据生成功能。 该平台通过 Real-Time Chunking (RTC) 和加速推理后端实现快速物理执行,连接了离线学习、仿真验证与真机部署。
一本即将由剑桥大学出版社出版的531页专著,基于斯坦福大学数十年的教学经验,系统阐述机器人自主性的核心方法,弥合经典机器人与现代物理AI。 全书围绕统一的现代自主性堆栈框架展开,每个主题均配有Jupyter Notebook和以实施为导向的练习题,帮助读者建立理论与实际的直觉。 该书为设计下一代自主系统的学生、工程师和研究者提供原则性强、易于理解且注重实际部署的基础资源。
NOMAD 利用基于地图的多智能体自我博弈强化学习,仅需地图和元信息即可将驾驶策略适应至全新城市,无需任何本地人类演示数据。 在基于目标城市地图构建的模拟器中,该方法通过简单奖励函数,显著提升了任务成功率和轨迹真实感。 为数据密集型城市迁移方法提供了有效且可扩展的替代方案。
ReactiveBFM 提出实时闭环规划控制框架,通过前缀采样课程和异步重规划机制,解决了生成式规划器的累积暴露偏差。系统部署于 Unitree G1 人形机器人,在模拟对抗扰动基准测试中,93.1% 的成功率比级联开环基线高出 28.6%。
现有车辆轨迹预测模型受周围智能体干扰,准确性反而下降。研究人员通过 Shapley 归因发现模型存在不稳定且非因果的决策机制。 引入条件信息瓶颈(CIB)技术,无需额外监督即可压缩特征并过滤无用信号。 该方法在多数据集和多种架构实验中提升了预测性能及对扰动的鲁棒性。
研究者提出无训练离线指标 $S^2$,用于衡量模型感官表征与物理运动几何的对齐度。该指标与下游机器人任务成功率呈正相关,可在闭环评估前低成本筛选具身模型。$S^2$ 甚至能识别有潜力的 VLM 骨干,为具身模型的成功提供表征层面的解释。
FocusVLA 提出未来意图引导的动态视图路由框架,在 RoboTwin 2.0 上将平均成功率提升 10.10 pp。 该方法通过预测未来交互意图动态协调全局与局部视图,真机成功率从 71.7% 提升至 85.0%。 其模块可集成至现有 VLA 框架且无需修改核心架构,已被 CoRL 2026 录用。
summary_zh: 研究提出 WholeBodyMem,利用 SAM3 跟踪任务对象并通过因果选择关键帧,解决动态场景中视觉-语言-动作策略缺乏记忆的问题。
提出框架 PhysibleMDM,在不重训生成模型的前提下,通过推理时优化扩散噪声提升运动扩散模型的物理可行性。该方法结合运动学检查与逆动力学锥规划,使用 Sep-CMA-ES 解决黑盒优化问题。
将记忆检索附加到固定学生权重上使任务成功率提升34个百分点,达到49.3%参考值,显著优于仅蒸馏策略权重。 该预注册研究发现,当检索缓冲区接入后,适配器未带来可检测增益;同一冻结缓冲区可使基座模型成功率提升至48%。 研究建议在后续实验中注册对照以验证外部化记忆方案,在更难任务上检索优势未达显著水平。
该框架通过随机掩码扰动一致性与置信度校准损失,在不访问源数据前提下完成单次自适应,避免灾难性遗忘。 在BCI IV IIb与OpenBMI数据集上精度分别提升2.22%和3.67%,单试验延迟控制在40–60毫秒。
NVIDIA CEO Jensen Huang 访问阿斯塔纳,宣布对哈萨克斯坦初创企业 Higgsfield AI 进行投资,并与政府代表讨论国家 AI 战略。
宇树GD01载人机甲入选《时代》2026最佳发明。 该机甲具备双形态变形能力。 此设计推动人形机器人从科幻迈向现实,开启实用化新纪元。
summary_zh: BAS-VLA 提出任务语义动作校准框架,解决 VLA 模型无法区分应保持不变的行为与需不同动作的场景这一挑战。 基于冻结基座 VLA 的该框架采用破坏中心校准核心,并在四个目标对象交换任务中,将改变任务后的成功率从 2.3% 提升至 68.5%。
μ₀ 发布了一种基于 3D 交互轨迹的可扩展世界模型,实现了无需本体特定动作标签的机器人学习。该系统通过 TraceExtract 自动提取 3D 监督数据,结合视觉语言骨干网络与轨迹专家模块进行预训练。实验显示 μ₀ 在 2D 和 3D 轨迹预测上优于基线模型,其冻结模型可与动作专家配对,性能媲美 π₀ 等动作监督预训练的 VLA 模型,证明了 3D 轨迹作为跨本体操作表示的可扩展性与可迁移性。
研究通过地理域移位揭示自监督与监督表征在零样本跨城市泛化中的关键差异。 在nuScenes开环评估中,监督主干在跨城市迁移时性能严重退化,而自监督方法有效减少位移与碰撞损失;NAVSIM闭环评估显示自监督预训练提升了单城市训练设置下的平均分布外PDMS。 该研究证明了表征学习对提升跨城市规划鲁棒性至关重要,并为评估端到端自动驾驶系统提供了重要的压力测试基准。
AgiBot World平台涵盖217项任务逾100万条轨迹,引入通用策略Genie Operator-1实现机器人操作性能提升。 数据集支持灵巧手与视触觉传感器扩展,GO-1策略在复杂任务成功率超60%,较RDT高32%。 开源数据集、工具与模型,旨在推动大规模高质量机器人数据普惠。
rMuscle 提出一种受人类肌肉记忆启发的实时 VLA 推理框架,通过跨执行相似性优化推理速度。 框架采用双阶段肌肉记忆缓存:Context Cache 复用视觉 token 输出以降低计算量,Action Cache 复用神经元激活模式以减少权重访问。
机器人持续学习系统 ASPIRE 通过代码策略范式和进化搜索自主编写控制程序,建立可复用技能库。 该系统在扰动操作任务中比现有方法提升77%,利用 Claude Opus 5.5 在 LIBERO-Pro 任务中达到99%平均成功率。 其积累的模拟技能可零样本泛化至真实机器人,显著减少实体机器人的编程工作量。
研究发现视觉语言动作(VLA)模型通过偏置训练时间步分布至噪声端点,可高效实现单步动作生成。 该特性源于VLA的条件-目标结构,其不可约速度损失在噪声端点处显著小于图像生成模型。 此发现表明标准Flow Matching对VLA单步生成具有异常高的可行性,相关代码已开源。
该研究提出基于生态汉密尔顿法则的利他主义多团队动态机器人分配框架,证明非齐次资源分配问题是NP难的。采用集中训练去中心化执行的图神经网络策略,在消防场景仿真及15个机器人的物理测试中,GNN模型在5次实验中均达到灭火阈值,优于固定分配的2次。
研究者提出反馈世界模型,在推理时利用执行后的真实观测值在线修正预测,避免将世界模型视为静态开环预测器。该方法无需额外训练数据或参数更新,在LIBERO-Plus、Robomimic及真实操作任务中显著提升了分布偏移下的表现。其最大优势在于将世界模型预测误差降低了高达76.4%。
AFFORD2ACT模型仅用19个二维关键点作为输入,在六个真实机器人任务中平均成功率达82%,性能优于RGB及稠密视觉基线。 该模型利用现成模型定位任务区域并筛选关键点,轻量级门控决定注意力权重;移除门控后成功率从92%降至52%,且在遮挡下存在脆弱性。
RangeNav是一款仅有183k参数的LiDAR距离图编码器,完全基于合成数据预训练,用于机器人导航策略学习。 它采用各向异性卷积和循环填充处理距离图,预训练目标融合范围重建、语义分割和BEV预测。
针对视觉-语言-动作(VLA)策略,提出从单一策略嵌入中估算贝叶斯不确定性的后验核方差头。该方法无需回归目标或梯度更新,保持策略不变。在 SmolVLA 于 LIBERO-10 的实验中,其任务级相关性、演示获取和转介表现与双策略集成具竞争力。