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。
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。
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。
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。
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。
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。
德国总理默茨与NVIDIA CEO黄仁勋签署联合意向声明,NVIDIA宣布投资Agile Robots等4家德国初创公司。 这些投资是NVIDIA在欧洲近100亿美元支持计划的一部分,旨在推动物理AI发展。 西门子与NVIDIA合作推进自主工厂,AI解决方案可将工程工作量减少最多85%。
商汤实测 GPT-6-Astra 具身能力并开源 SenseNova-RoboRSI 框架与 27B 模型,指出当前落地主要受限于跨任务迁移、执行成本及长序任务。
研究人员提出GroundingPI,这是一个4B参数的接地基础模型,通过生成量化坐标的点和框来处理视觉定位任务。该模型在34个接地基准测试上取得了73.68%的平均准确率,超过了更大的GPT-6 Astra(71.54%)。
针对 VLA 模型语言引导不稳定的问题,提出交互式搜索语言序列并蒸馏为测试时语言反馈策略(LFP)。 引入改进头部预测引导增益,并通过 Conformalization 防止分布外场景的性能下降。该方法适用于任意冻结预训练 VLA,无需微调,仿真与硬件任务性能分别提升 24.7% 和 65.0%。
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。
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。
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。
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。
提出使用轻量级具身分类器引导冻结 $\pi_0$ 模型跨本体迁移,无需额外演示或参数更新。 在 LIBERO 基准中,该方法将 $\pi_0$ 在目标本体上的平均成功率从 72% 提升至 80%,相对失败率降低 31%。 该框架对弱腕部机器人有效,在数据缺失或动作不可行时效果受限。
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。
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。
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%。
ValueFormer 是用于 VLA 策略在线故障检测与后训练的因果 Transformer,复用遥操作干预标志后,留出集检测平均精度从 0.38 提升至 0.82。
Play2Perfect 框架结合任务无关的玩耍预训练与微调,样本效率比从头训练高出 33 倍。 该方法实现零样本 sim-to-real 迁移,在 0.5 mm 间隙装配成功率达 60%,长时程多部件装配成功率超 50%。 研究证实灵巧机器人需先习得通用操作先验,方能解决接触密集且奖励稀疏的精密装配难题。
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。
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。
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。
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。
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。
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。
T2-z 提出测试时优化环境潜变量,增强机器人世界模型预测能力。 该模型通过交替训练阶段使潜变量无监督捕捉环境差异,测试时利用单次交互即可推断潜变量。 在 7 个模拟和 4 个真实任务中,物体预测误差从 15.20 降至 7.00,动作成功率从 33.73% 提升至 72.96%。
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%。
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。
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%。
DemoStream 利用 GPU 加速 TAMP 系统优化演示质量,提升行为克隆成功率。 该系统引入批量 TAMP 采样操作和约束满足算法,并行探索多个解。 实验表明,利用 TAMP 安全保证可在真实环境以平均每小时 66 个演示的速率收集数据。
统一框架 Anvil 提出 9B 学生模型 Anvil-MOPD,在七个公开基准平均性能上以 9.29 和 11.03 个百分点领先 Qwen3.5-9B 及 RynnBrain-8B。 该模型通过 5.8M 源自 160K 图像的记录训练,采用 5.22M 记录训练并在 580K 保留记录上评测,在 VABench-Point 达到 80.67%。
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。
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。
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%。
OnBodyAI 提出下一代 AI 的竞争核心在于 “知道你”而非单纯的世界知识。 该概念指将大语言模型具象化,使其能穿戴于人体、为用户服务并仅对用户负责。 文章基于 UbiComp/ISWC 2026 上海会议的工业面板演讲内容整理而成。
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。
TGrasp6D 通过任务感知视觉-语言先验与 6DoF 位姿优化,实现零样本任务导向 6DoF 抓取。 该模型在 TaskGrasp 数据集上取得 94% 成功率,高于最佳基线的 74%,并成功部署于 Franka Research 3 机器人以验证零样本泛化能力。
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。
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。
SnapFlow 通过自蒸馏方法实现 VLA 模型单步动作生成,在 π0.5 上成功率达 98.75%,较教师模型高 1 个百分点。 方法混合局部监督与双步 Euler 端点目标,无需独立教师网络,批处理延迟降低约 3.3 倍,并在双臂人形机器人上完成货架检索任务。