跳到正文
10月20日周二
  1. arXiv · ML31

    DUET:面向任务无关的人形机器人上下半身解耦执行框架

    DUET提出解耦执行框架,将Unitree G1的12个腿部关节与腰部偏航关节的运动控制与10个手臂关节的操作策略分离,两者仅在机器人接口层结合指令。 该框架允许在不重新训练运动控制器、不重启或干扰平衡层的情况下,直接替换上肢操作策略。 研究验证了搭配GR00T N1.7和pi0.5两种视觉语言动作模型时,下肢控制均保持稳定无跌倒。

  2. arXiv · ML38

    PIA:基于结构化仿真先验的离线转在线模型驱动强化学习框架

    PIA 提出了一种结合结构化仿真先验的离线转在线模型驱动强化学习(RL)框架,用于自主赛车的快速自适应。 该框架先在异构高、低保真度模拟轨迹上预训练世界模型,再利用不确定性正则化规划,基于有限目标域交互完成自适应。 在真实全尺寸自主赛车上,PIA 在少于一小时的车载交互下即可实现可靠的少样本自适应。

  3. arXiv · ML31

    VaDar: 通过价值分解实现隐式目标条件化

    研究者提出 VaDar(价值分解)算法,训练单一子目标无关策略以最大化各子目标 critic 价值的线性组合,彻底移除策略部署阶段的子目标选择步骤。 该算法在实验中始终具有竞争力且常优于目标条件化等基线,成功解决具有非序贯目标结构的多优化目标任务。 VaDar 是首个在 RoboCasa 测试集中解决长程任务的算法,即便从行为克隆预训练且初始任务成功率接近零的策略起步。

  4. arXiv · ML23

    PGPG:基于进度引导的无监督偏好生成框架

    研究团队提出无监督偏好对齐框架 PGPG,用于对齐生成式控制策略。 该方法利用有序覆盖对齐测量进度,自动从自主采样的轨迹中提取伪偏好标签,无需人工标注。 实验显示 PGPG 在长程操作任务中性能优于标准监督微调基线,且适用于扩散模型与流匹配策略。

  5. arXiv · ML36

    HWM:基于结构化潜变量动力学的长时程具身世界模型

    HWM 框架通过引入耗散哈密顿动力学来结构化潜变量状态演化,提升了具身世界模型长时程预测的稳定性。 该模型在通用相空间中表示潜变量,无需重新设计感知或解码组件,即可整合到现有世界模型架构中。 在 Cosmos-Predict2.5-2B 和 AgiBot World 真实轨迹上的测试中,HWM 分别提升了 2.7% 的任务成功率、9.7% 的 nDTW 指标。

10月19日周一
  1. arXiv · ML29

    基于多智能体强化学习的无人机随机环境避障路径规划

    针对随机环境中去中心化无人机避障计算复杂的问题,提出一种基于多智能体强化学习的集中训练与去中心化执行方法。 该方法引入模型预测控制思想,通过距离加权平均场方法扩展观察信息以应对通信约束,并利用多步价值收敛增强训练效率,减少昂贵的交互过程。 实验结果在对比、消融及真实机器人研究中验证了该方法的有效性与泛化性能。

  2. arXiv · ML27

    IMEP 与 ChainBench:视觉语言动作系统中记忆机制的干预式评估

    针对 VLA 系统成功率的局限性,研究提出 IMEP 协议及 ChainBench 基准,通过事实特异性干预评估记忆效用。 ChainBench 实验显示,完整记忆配置将任务成功率从 39.1% 提升至 74.3%,与 oracle-decision 条件表现一致。 ULP 干预改变了 11.9% 的结果,证明仅靠聚合成功率无法确认记忆系统是否真正利用任务相关事实。

  3. arXiv · ML33

    NestedVLA:为视觉-语言-动作模型学习技能整合与生成

    NestedVLA 提出基于嵌套超网络的参数生成范式,将技能先独立学习再事后整合,替代传统的参数聚合。 在 MetaWorld、ManiSkill 和 CALVIN 三个 RL 基准上,NestedVLA 平均比最强模型合并基线高 41 个百分点,ManiSkill 上与单任务微调差距在 1 个百分点以内。 该工作已被 NeurIPS 2026 接收,代码已开源。

  4. arXiv · ML21

    基于模型到策略公式的具身基础模型统一框架

    研究人员提出了一种基于随机核的架构无关概率公式,统一具身基础模型,并连接预训练与后训练至策略部署。 该公式包含两个关键组件:通过条件输出分布和动作实现核来表征具身基础模型,并支持特定模型的预训练目标及离线或在线后训练策略。 研究人员已在 OpenVLA 和 DreamZero 上实例化了该公式,涵盖了自回归动作 token 预测和联合视频动作生成。

  5. arXiv · ML46

    GPT-6-Astra 是否实现了具身智能?

    GPT-6-Astra 在 12 项基准测试中展现出色的机器人操作与导航能力,在允许上下文学习的情况下取得了前所未有的性能。 该模型作为“系统 2”推理器与底层控制器协同工作,虽有效但成本较高;8 种真实机器人配置实验显示数据采集昂贵且物理约束限制了成功率。 研究结论表明 GPT-6-Astra 已跨过具身能力门槛,但尚未达到实用级具身智能。

  6. arXiv · NLP33

    MFM:面向长时程具身智能体的多模态文件系统记忆架构

    MFM通过多模态文件系统架构将情景、空间、语义和程序记忆整合,在长时程任务中显著提升了智能体的性能。 在Minecraft任务中,GPT-6-Astra结合MFM完成了“从零挖掘钻石”,并在末影龙任务中达到24个里程碑中的16个,优于最佳基线的12.7个。 在CUABench-KiCad测试中,MFM的平均奖励为0.440,显著高于最佳基线的0.400和无持久记忆时的0.267。

10月16日周五
  1. arXiv · ML35

    ARMOR:面向机器人故障检测与推理的自精化视觉语言模型

    研究者提出 ARMOR(Adaptive Round-based Multi-task mOdel),通过迭代自精化多任务处理机器人故障检测与推理,克服封闭集分类限制。模型结合稀疏二值标签与少量推理标注进行离线及在线模仿学习,推理时利用自确定性指标筛选最优路径。在多样化环境中,其故障检测率较前序方法提升最高 30%,LLM 模糊匹配推理指标提升最高 100%。

  2. arXiv · AI26

    VOiLA:基于扩散模型学习POMDP代理在线规划的向量化框架

    VOiLA提出利用学习型扩散模型生成POMDP世界模型,结合VOPP规划器实现高效的在线规划,适用于不确定环境下的机器人任务。 其扩散采样器通过蒸馏为紧凑前馈生成器,使采样成本降低近三个数量级。 在3个基准问题中,VOiLA表现优于或持平于当前RL方法(如Recurrent Soft Actor Critic和DreamerV3),且使用不到10%的训练数据。

  3. arXiv · AI35

    EmbodiedMidtrain:通过中训弥合 VLM 与 VLA 模型间的差距

    EmbodiedMidtrain 提出了一种中训数据引擎,通过轻量级邻近度估计器从 VLM 数据池中筛选出最对齐 VLA 的候选数据。 该引擎构建了 EmbodiedMidtrain-1M 数据集,用于在下游 VLA 微调前对中训 VLM,实验显示其在仿真和真实机器人操控任务中均提升了 VLA 性能。 论文将发布所有代码、数据和模型,以支持未来研究。

  4. arXiv · AI29

    RMBench:评估机器人操作策略记忆能力的仿真基准

    研究提出包含9项操作任务的仿真基准RMBench,以及具备显式记忆组件的模块化策略Mem-0,用于系统性评估策略在历史观察推理和信息保持方面的记忆能力。 通过仿真和真实世界实验,RMBench揭示了现有操作策略在记忆依赖任务上的局限,并提供了架构设计选择影响记忆性能的实证见解。

  5. arXiv · ML46

    REKI:基于知识注册的 2.4B 视觉-语言-动作模型

    REKI 是一个 2.4B 的视觉-语言-动作模型,在 LIBERO-Plus 等基准上表现优于约两倍的模型,刷新性能与模型大小的帕累托前沿。 该模型采用 VLM 加流匹配动作专家架构,通过少量 register tokens 实现低开销记忆,使位姿振荡现象减少约 4 倍。 REKI 完全基于公开数据预训练,并开源了全部代码、权重及评估部署流程。

  6. arXiv · AI33

    Atomic-PPO:用于电动出租车调度与充电分配的可扩展深度强化学习算法

    研究人员开发了可扩展的深度强化学习算法 Atomic-PPO,通过原子动作分解缩小动作空间,用于优化电动出租车队的调度与充电配置。 该算法基于离散时间马尔可夫决策过程建模,在纽约市真实行程记录校准的模拟环境中,其性能接近流体奖励上界,并优于启发式策略。 实验表明,基于乘客量规划充电桩位置、平衡充电数量与速度,并联合规划基础设施与车队规模对系统表现至关重要。

  7. arXiv · AI25

    LIBERO-PeRM:个性化机器人操作基准

    该研究提出 LIBERO-PeRM 基准,旨在评估具身智能体在机器人操作任务中的个性化偏好学习能力。基准涵盖 312 个任务套件,通过对比零样本、单偏好学习及多偏好冲突处理场景,分析策略泛化性。实验显示当前 VLA 策略零样本表现差,SFT 可有效学习偏好但混合训练会削弱运动偏好学习。

  8. arXiv · AI39

    CoDA:数据引擎与动作策略的协同进化

    CoDA 框架引入“仿真数据引擎”与“动作策略”的协同进化机制。通过共享异构内存与视觉语言批评者,将策略失败转化为生成与训练程序,实现针对性迭代优化。 在四个操作任务家族中,CoDA 将分布外成功率从 5.3% 提升至 27.6%。在 LIBERO-Pro 基准上,经过 15 轮生成与训练,成功率在位置扰动下从 25% 升至 84%,在指令扰动下从 1% 升至 76%。

  9. arXiv · AI29

    DSP框架通过有监督玩耍实现机器人灵巧操作

    DSP框架通过几小时人类有监督玩耍数据训练玩耍策略,自主采集交互数据训练世界模型,并在推理时指导模型预测控制。 在真实世界实验中,DSP在欠驱动推压任务中成功率比后见行为克隆高69.6%,仅需强化学习1/490的交互数据达到可比表现。 该框架实现了无需任务特定示范或sim-to-real迁移的机器人自主灵巧操作。

  10. arXiv · AI28

    全身灵巧操作

    提出的全身灵巧操作框架利用机器人躯干和四肢作为接触面,以抓取和操作大型物体。 该框架通过仿真生成可行全身抓握数据集,并训练强化学习专家。专家被蒸馏为一个单策略,使用本体感觉和物体几何形状,实现零样本迁移到真实环境。 在真实世界中,该策略完成90%的全身操作任务,远胜于直接重定向的18%和通用全身控制器的4%。

  11. arXiv · AI24

    跨具身因果迁移:从人类视频到机器人操作

    研究人员提出因果光束引导的子任务迁移(CBST)方法,以解决人形与机器形态差异导致的监督难题。 该方法利用因果光束分析子任务迁移,从人类视频中提取操作相关表征,并通过机器人演示将其锚定在任务级语义变量上。 在机器人操作基准测试中,CBST 使任务成功率优于相应的世界 - 动作模型基线。

  12. arXiv · ML30

    A-SLS 框架:基于 GPU 加速的实时鲁棒自适应控制与保证的未来学习

    研究者提出 A-SLS 学习感知鲁棒自适应模型预测控制框架,解决传统方法在规划时忽略未来参数学习导致的保守问题。 该框架通过预测未来参数不确定性并保留过程扰动相关性,构建紧致且保证的可达集,同时开发 GPU 加速求解器以实现实时性能。 实验证明 A-SLS 在四足机器人全身体控制中处理 61 个状态和 12 个控制输入,并在 Crazyflie 无人机硬件上实现在线学习不稳定参数的稳定。

  13. arXiv · AI34

    LTM:基于潜在转移的视觉-语言-动作模型上下文内记忆

    研究人员提出 LTM,将视觉-语言-动作模型历史编码为连续观测间的潜在转移,在不依赖外部推理模型的前提下提升记忆能力。 在 RoboMME 与 LIBERO-Mem 上分别达到 58.54% 与 80.5% 成功率,200-token 压缩下成功率仍保持 84.00%。 LTM 将真实机器人计数任务成功率从 11.25% 提升至 82.50%。

  14. arXiv · AI25

    SOMA:四足机器人基于堆叠物体操纵的分层强化学习框架

    分层强化学习框架 SOMA 实现了四足机器人的全三维非抓取式物体堆叠操纵,其通过显式控制底盘高度突破了二维平面推动的局限。 该框架采用 S5 编码器处理长时序历史,并验证了在 Unitree Go1 机器人上实现零样本 sim-to-real 迁移,在单物体重新放置任务中成功率达 90.3%。 SOMA 能在重负载推动中维持抓地力与平衡,使四足机器人得以处理复杂多物体堆叠任务。

  15. arXiv · AI39

    G$^3$VLA:面向视觉-语言-动作模型的几何归纳偏置模块

    G$^3$VLA 通过相机感知的几何模块,在保持预训练 VLA 动作空间不变的情况下,向视觉 token 流中注入校准的几何结构。 该模块结合了本征条件射线嵌入、投影位置编码(PRoPE)和双向跨视图融合,使用真值点图或 $\pi^3$X 教师预测作为几何监督,无需深度传感器或人工标注。

  16. arXiv · AI28

    DIRECT 路由框架优化具身规划中的测试时计算分配

    DIRECT 路由框架利用多模态场景上下文分配测试时计算,在 VLABench 和 RoboMME 上优化了成功率-成本帕累托前沿。 在 Franka 机械臂的 DROID 设置中,DIRECT 路由器以高达 65% 更低的平均延迟,匹配或超越了更强模型的成功率。 这表明盲目扩展测试时计算是低效的,DIRECT 能以部分成本实现前沿级具身规划。