跳到正文
10月16日周五
  1. arXiv · AI24

    Schrödinger's Navigator:零样本物体导航的多未来想象框架

    Schrödinger's Navigator 是一种信念感知框架,通过在推理时想象多个轨迹条件3D未来,解决零样本物体导航中单场景推断脆弱的问题。 框架利用轨迹条件3D世界模型预测假设观测,维护可行场景叠加态;结合自适应遮挡感知采样器和未来感知价值图(FAVM)进行鲁棒动作选择。 模拟及Go2四足机器人实验表明,该框架在遮挡严重场景中优于强基线,提升了隐藏目标发现率和风险感知航点选择。

  2. arXiv · AI21

    CIP:基于可控信息产生的内在动机方法

    研究提出可控信息产生(CIP)方法,通过测量代理产生信息的速率来统一内在动机与最优控制。 CIP 在机器人学习标准基准上表现优于先前方法,并解决了人形机器人自救等此前失败的任务。 结果表明,物理智能源于将系统驱动至可控混沌边缘,揭示了价值函数结构与 Kolmogorov-Sinai 熵的联系。

  3. arXiv · AI28

    不确定性驱动的自我博弈提升多智能体驾驶策略鲁棒性

    提出不确定性驱动自我博弈方案,使驾驶策略在 nuplan Val14 零样本迁移得分达 99.12%,Argoverse 2 达 82.39%。 探索智能体利用认知不确定性作为难度代理,自动生成高挑战性场景课程,无需人工设计。 LSTM 隐状态覆盖率提升 85%,高不确定性智能体失败率为低不确定性者的 14.8 倍。

  4. arXiv · AI27

    6U 立方星在轨部署 NVIDIA Jetson 实现热分割模型训练与月球姿态控制

    研究人员在 6U 立方星上成功部署了基于 NVIDIA Jetson TX2 NX GPU 的热分割模型,实现了模型在太空中的训练、推理及利用该模型对月球进行闭环姿态控制。 研究采用 ROS 2 Foxy 作为数据传输中间件并集成开源文件系统,在约一年内完成了 12 项实验,验证了现代学习管道在低地球轨道约束下的可靠性。 该成果展示了商业硬件与开源软件组合在自主航天系统中的应用潜力。

  5. arXiv · AI26

    HiMeco:受脑启发的自进化具身空间智能体

    HiMeco是一种受脑启发的自进化智能体,旨在解决具身空间任务中因部分视觉证据导致的失败诊断难题。 该智能体通过Hippocampal-Metacognitive Reflection机制诊断感知、探索和规划环节的失败,并提取可复用策略。 HiMeco在ESI-Bench上取得最先进性能,且在EmbSpatial-Bench上将准确率提升3.94个百分点。

  6. arXiv · AI30

    VLRLA:通过上下文强化学习实现视觉-语言-动作模型部署时适应

    VLRLA框架为现有VLA模型提供部署时适应能力,通过上下文强化学习从历史交互经验中持续优化策略,模型参数保持不变。 该模块学习历史观察、动作、奖励及终止信号,使策略在部署过程中逐步提升任务成功率,兼容多种学习历史构建策略和模型训练流水线。 实验验证了其在仿真环境中的学习特性,并展示了在真实部署中适应未见场景的能力。

10月15日周四
  1. arXiv · ML21

    HiRe-MoMa:基于层级残差策略的稀疏人类引导移动操作微调框架

    HiRe-MoMa框架通过层级残差架构微调冻结基础策略,利用低于20%覆盖率的稀疏人类干预重塑价值景观,实现移动操作系统的样本高效微调。 该框架在TIAGo++平台实测中仅通过约30分钟在线交互即可提升任务性能,且效果独立于基础策略架构。这是首个支持真实世界机器人高效在线微调的移动操作框架,为动态环境部署提供了实用范式。

  2. arXiv · ML23

    TEMPO:面向机器人策略的高效测试时自适应方法

    TEMPO 是一种测试时熵正则化、内存引导的策略优化方法,能在无奖励条件下在线自适应机器人策略。在 Unitree Go2 等模拟及真实环境中,该方法较无自适应基线最高提升 80% 性能。 该方法结合熵促进正则化与基于分数的内存机制,优先处理“困难”观测并聚焦有限计算资源。已作为论文被 NeurIPS 2026 接收。

  3. arXiv · ML22

    基于鸟瞰图的少样本行为克隆在模拟城市自动驾驶中的研究

    该研究在CARLA模拟器中使用鸟瞰图(BEV)视角进行自动驾驶行为克隆,通过集成核密度估计器动态调整训练样本权重,显著提升了模型对红绿等关键动作的学习能力,尤其在专家示范样本稀缺时效果明显。 该方法输出的卷积神经网络(CNN)基于BEV输入和状态变量生成转向与加速指令,实验结果证明加权行为克隆在标准行为克隆难以适应的未知测试环境中表现出更高的路线完成率。

  4. arXiv · ML28

    对抗强化学习用于提升行星着陆的鲁棒性

    研究发现对抗强化学习可揭示传统随机化方法遗漏的行星着陆控制器漏洞,并预示该方法能提升鲁棒性。该方法构建非对称顺序零和博弈,通过三阶段训练交替优化控制器与扰动生成器。 在三维自由度的着陆环境初步实验中,对抗扰动展示了更强的泛化能力,适用于未来更广泛的训练任务。

  5. arXiv · NLP29

    VLX-Go:通过多阶段学习与在线策略优化实现鲁具身追踪

    VLX-Go 提出一种视觉-语言航点策略,通过多阶段学习将带干扰项的人体追踪成功率提升至 58.22%。 该策略结合冻结视觉编码器、Transformer 主干网络及轻量级头部,在 19,532 个 oracle episodes 上进行追踪专项训练,并减少 1.99 个百分点的碰撞率。 研究支持多阶段多模态学习是共享空间中人体追踪的有效方向。

  6. arXiv · NLP24

    AdaRSI:面向具身智能体的按需递归自我改进框架

    具身智能体 AdaRSI 框架通过按需微调执行器,显著提升无示范任务表现。 在 RoboCasa365 基准中,使用 GR00T N1.5 执行器且无人工示范,AdaRSI 将未见过组合任务成功率从 4.6% 提升至 13.8%。 该方法仅用 28% 的 GPU 时间和 22% 的自采集演示数据,实现略高于全子步微调的成功率。

  7. arXiv · ML25

    MemWM: 基于关联记忆增强的潜在世界模型实现长程规划

    MemWM 通过引入内容寻址记忆库增强 JEPA 风格的潜在世界模型,在 PushT、Tworoom 等基准上以轻量架构取得最先进性能,优于传统潜在世界模型的长程规划表现。 该方法在共享潜在空间内跨多个时间尺度学习高层表征,采用自适应层归一化进行预测条件化,并设计促进槽位多样性与时间平衡利用的损失函数防止表征坍缩。

10月14日周三
  1. arXiv · ML20

    Latent Telepathy: 基于自监督感知潜空间的多机器人通信方法

    提出 Latent Telepathy 方法,利用冻结的自监督编码器广播感知潜向量实现多机器人通信,在固定带宽下使导航器在 99.7% 的集数中避开遮挡危险,效果等同于无噪声设计消息。 该方法无需额外计算开销,且在连续速度控制下的网格世界与渲染像素场景中均有效,物理机器人相机 102 次实时决策全部成功识别危险。

  2. arXiv · ML27

    Lambda-Hold 控制:基于最小任务奖励在预测性肌肉骨骼模拟中涌现类人运动

    提出启发于平衡点假设的 Lambda-Hold 控制器,使肌肉驱动的骨骼模型在约 1 小时训练内仅用最小奖励学会类人冲刺。 通过固定每个 Lambda 在步态相位区间内的值来减少策略查询频率,该方法将平衡点假设、间歇控制与最优反馈控制相结合,为开发可学习的人体运动控制器提供基础。

  3. arXiv · ML28

    Diffusion ReRoll:基于可修订去噪的机器人序列预测框架

    提出 Diffusion ReRoll,一种通过选择性再噪化实现跨时间步迭代的机器人序列预测扩散框架。在 OGBench 规划任务中,其相对 Diffusion Forcing 的成功率提升 21%;在 LIBERO-10 动作预测中,相对 Diffusion Policy 提升 56.5%。该工作已被 CoRL 2026 接收为 Spotlight,并在真实导航场景中验证了抗视觉分布偏移能力。

  4. arXiv · ML25

    RAM:一种跨形态的隐式神经可达性表示

    研究人员提出RAM,一种形态条件化的隐式神经表示,用于快速替代位姿可达性计算,能泛化至未知形态并处理自碰撞。 RAM基于3×10¹⁰样本训练,达到84%平衡准确率,推理速度比生成式基线快三个数量级。 该速度优势延伸至下游任务,使形态与轨迹优化加速一至两个数量级,成果已被CoRL 2026接收。

  5. arXiv · ML33

    World-Value-Action (WAV) 模型:面向视觉-语言-行动系统的隐式规划框架

    World-Value-Action (WAV) 模型通过统一框架实现视觉-语言-行动(VLA)系统的隐式规划,在长时程任务中一致超越现有最佳方法。 该模型学习未来轨迹的结构化潜在表示,由世界模型预测状态及价值函数评估效用,并将动作生成转化为潜在空间推理,以提升长时程决策效率。 WAV 模型在仿真与真实实验中显著提升了任务成功率、泛化能力及鲁棒性,代码已公开。

  6. arXiv · ML33

    DAP 通过动力学对齐学习鲁棒视觉运动策略

    DAP 模型提出结合动作生成与动力学模型,在四个仿真任务和三个真实任务中取得最高平均成功率。 相较于最强基线,DAP 在仿真和真实环境中的相对提升分别为 56.5% 和 33.3%。 当未来观测在推理时受损时,DAP 能通过迭代细化恢复自洽的动作-未来对,而视频条件基线会退化或失败。

  7. arXiv · AI42

    V-JEPA Policy: 基于预测性视觉潜空间的构建有效世界-动作模型

    提出 V-JEPA Policy 框架,利用冻结的 V-JEPA 2.1 编码器潜空间构建世界-动作模型,实现 0.9B 总参数下在 LIBERO 等基准上具有竞争力的表现。 该框架单次阶段联合训练未来潜变量预测器与 flow-matching 动作专家,0.6B 参数可训练。 实验表明,在分布偏移场景下,V-JEPA 潜空间优于判别式及重建式视觉基础模型。

  8. arXiv · AI48

    RoboCousin:构建鲁棒双手机器人操作模拟平台

    RoboCousin 发布了一个可扩展的基于模拟的数据生成平台,旨在将用户提供的观察结果转化为可重用的双手操作资产和专家轨迹。 该平台基于 RoboTwin 2.0 构建,可将物体图像转换为包含视觉和碰撞几何、语义与物理元数据的模拟就绪资产。 发布了 RoboCousin-OBD 数据集,包含 3,000 多个标注物体实例和 50 个背景环境,并生成了 50 个任务中超过 100 万条专家轨迹。