跳到正文
10月26日周一
  1. arXiv · ML28

    联邦 VLA 适配中人类修正的安全挑战

    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。

  2. arXiv · ML33

    RoboCode: 通过软门控原语代码本学习可复用动作基元以优化机器人操作策略

    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。

  3. arXiv · AI20

    基于语义锚定的机器人动作表示方法

    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。

  4. arXiv · AI34

    WAM-TTT:通过测试时观看人类视频引导世界动作模型

    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。

  5. arXiv · AI26

    GaP: 面向变体自动化任务的多智能体自学习图策略框架

    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。

  6. arXiv · AI21

    SceneBloom:基于智能体的室内环境生成框架

    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。

  7. arXiv · AI30

    DexPort 手持灵巧手数据采集接口发布

    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%。

  8. arXiv · AI30

    VERID:用于自动化实验室智能体自博弈的语义表示基础设施

    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。

  9. arXiv · AI26

    AI 智能体能否助力机器人工程师?基于两场行业研讨会的案例研究

    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。

  10. arXiv · AI23

    OpenVLA 的 SAE 表征可预测任务失败:物理 AI 系统中的可解释成败模式

    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。

  11. arXiv · AI24

    基于学习速度先验的机器人演示重新定时刻法

    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。

10月23日周五
  1. arXiv · AI41

    FluxVLA Engine:面向具身智能的一站式 VLA 工程平台

    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。

  2. arXiv · AI21

    机器人自主性原理:斯坦福课程衍生的531页专著

    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。

  3. arXiv · ML26

    NOMAD 实现无人类演示的新城市自动驾驶策略适应

    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。

  4. arXiv · ML21

    周围智能体干扰车辆轨迹预测:基于条件信息瓶颈的分析与解决方案

    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。

  5. arXiv · AI20

    外部化记忆:具身智能体经验存储位置的预注册研究

    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。

10月22日周四
  1. arXiv · ML41

    μ₀: 一种可扩展的 3D 交互轨迹世界模型

    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。

  2. arXiv · ML38

    无监督跨城市泛化:端到端自动驾驶中自监督与监督表征

    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。

  3. arXiv · AI42

    ASPIRE:用于机器人技能发现的智能体方法

    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。

  4. arXiv · AI33

    VLA模型如何实现单步动作生成

    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。

  5. arXiv · AI38

    反馈世界模型实现扩散策略的精准引导

    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%。