CopyQuad:无深度模型单侧视视频实现四足技能迁移
CopyQuad 框架省略了单目深度估计阶段,直接利用机器人自站立宽度固定缺失轴向。 该方案仅需单一未校准侧面视频片段,通过冻结的 2D 关键点检测器生成可执行参考轨迹。实验显示,深度模型误差远高于运动捕捉实测的 4.5cm 峰值横向移动量。
CopyQuad 框架省略了单目深度估计阶段,直接利用机器人自站立宽度固定缺失轴向。 该方案仅需单一未校准侧面视频片段,通过冻结的 2D 关键点检测器生成可执行参考轨迹。实验显示,深度模型误差远高于运动捕捉实测的 4.5cm 峰值横向移动量。
论文提出通过离线训练神经隐式表征来捕捉 Hamilton-Jacobi 可达性分析的价值函数,从而实现在未知动态环境中的实时机器人导航。 方法将学习到的函数作为模型预测控制的终端约束或控制障碍函数的候选,并通过并行树搜索生成高维系统标签。 在地面和空中机器人的仿真与硬件实验中,该方法在短视野和移动障碍场景下展现出优于几何基线的碰撞规避能力。
研究者提出模型演化强化学习(MERL)框架,通过信任校准平衡可靠性与效率,解决VLA模型后训练难题。 该框架结合在线更新的模拟器,在LIBERO-PRO任务中达到79.7%平均成功率,高阈值学习速度比对照提升10.9%。 50条演示下的固定数据自适应策略在两个实体机器人任务上实现80.0%平均成功率。
论文提出GLST框架,通过分离全局-局部空间与长-短期时间信念来应对在线连锁目标导航中的记忆冲突。 该框架引入基于目标的奖励机制平衡探索与利用,在模拟环境和Spot四足机器人上的实验均验证了其性能优于基线。 该项研究成果已被机器人学习会议(CoRL 2026)接收。
研究团队推出HelpMeOut,一个基于神经心理学构建的具身AI基准,包含20000个成对活动片段,覆盖9类执行错误,用于监测家庭任务中的异常。 基准评估了学习型监控器、符号方法、变点检测及前沿LLM提示策略,结果显示这些方法在识别执行错误时表现不佳,常出现漏检。 该工作填补了现有目标推理与任务完成基准的空白,为错误感知辅助智能体提供了测试平台,已被CoRL 2026会议接收。
研究团队提出 PrT-Flow 流匹配方法,通过 Jacobian-Tractable Transformer 实现概率密度高效计算。 采用条件欧拉步训练策略,模型在 Robomimic Lift 任务300轮次后成功率达96%,在 OGBench Cube-Triple 任务60万步后达96%。 结果证明该方法支持 SAC 风格演员-评论家训练,代码已开源。
提出 YUBI-Real2Sim 框架,利用 3D Gaussian Splatting 重建场景进行真实到模拟的 VLA 策略评估。 该框架整合 200 度鱼眼相机捕捉、3DGS 训练及 MuJoCo 仿真,在 9 个场景任务比较中的 8 个复现了真实策略排序。 构建涵盖双移动机器人平台的基准,评估策略对 3DGS 伪影的敏感性,指出基于质量分预测可靠性存在任务依赖性局限。
提出 Goal-Conditioned Vision-Predictor-Action (VPA) 模型,用轻量级潜在控制回路替代自回归解码器,解决 VLA 模型推理延迟随动作序列增长的问题。 模型可训练部分参数少于 20M,在 LIBERO-10 上单相机决策耗时 10-14 ms,双相机策略成功率 40.0%。
CoLA 框架通过冻结 VLA 主干并训练轻量级消息通道与扩散动作头,实现了多智能体协调,在信息私有的遮挡托盘交接任务中成功率达 76.0%。 该架构在信息充分时消息通道影响不大,但在信息不足时显著提升性能,且使用少于 LoRA 微调的参数即可匹配其 37.3% 的整体成功率。 此方法验证了显式通信在特定观察条件下的必要性,并展示了其在不同 VLA 基础模型上的泛化能力。
提出条件化亲和场(PAF),通过为点云赋予逐点得分,打破传统全局SE(3)等变假设,解决任务相关区域随物体变化的问题。 PAF将得分加权质心作为学习锚点规范观察与动作,并将得分作为逐点特征附加,保留全局SE(3)等变性。 在MimicGen任务及多物体实机实验中,PAF在空间随机化及光照变化下均一致提升成功率并优于基线。
研究提出生成流框架 FOSA,通过有根任务生成器发现具身特定能力,提升复杂长时程机器人任务性能。 该框架将抽象策略参数化为生成流网络以构建符号任务骨架,并在仿真中通过低层策略学习表现提供奖励信号。 跨异构机器人平台测试显示,FOSA 发现了多样的可执行任务,并将策略蒸馏后提高了未见复杂任务的执行表现。
研究人员提出 FOMO-Dex 框架,将名义动作表示在任务几何与接触结构定义的坐标系中,通过沿选定方向应用力驱动的运动修正,显著减少了卡片拾取等任务中的过度接触力。 用户研究表明,操作员在短暂练习后每小时收集的成功演示数据增加;基于修正动作学习的策略在卡片拾取、螺母螺栓组装及螺丝刀操作中表现优于刚性控制策略。
D-World 提出了基于“感知-规划-行动”分解的显式世界-语言-动作模型,实现 LLM 冻结下的递归自我改进。 模型通过仿真搜索动作,仅在重放残差未超容差时接受参数修订,避免盲目更新。 双臂机器人在毛巾和烤面包任务中验证有效,面包渲染深度残差从 22.4 mm 降至 1.5 mm。
提出“超越可达性的交互式导航”任务,构建含3K个ObjectGoal episode的MultINav-Bench基准,覆盖通道、容器及混合任务。 该基准包含交互必要性标注,并配套自动任务生成与多指标评估协议,支持分测导航成功率、交互有效性与成本。 作者进一步提出基于持久状态条件交互图的三阶段智能体框架MultINav-Agent,在通道、容器与混合任务上均优于适应型基线。
提出即插即用框架 CFG-Policy,通过无分类器引导组合探索与利用分支的生成策略,解决强化学习微调破坏扩散策略行为多样性及动作空间残差表达能力不足的问题。 该框架在在线与离线到在线扩散强化学习场景中,将探索与利用分离为两个生成策略,在采样时结合其 score 或 velocity 场。
ProAgent 系统通过 StreamingJev 时机模型和响应模型,实现从持续观察到物理执行的主动 AI 交互。 该系统利用自动化数据管道将视频转化为监督信号,在显式目标下提升干预时机准确性并减少误触发。 实机评估证明 ProAgent 能识别突发需求并转化为适当的物理动作,展示了主动干预的可行性。
12 种 VLA 在 VLA-GAUGE 框架下的平均 Zero-Shot Score 仅为 22.3%,SimpleVLA-RL 以 8.0% 得分倒数第二。在三种组合扰动配置下,平均 R-Score 为 9.3,表明高成功率任务不保证零样本泛化。诊断驱动的微调使 $\pi_{0.5}$ 的泛化和鲁棒性分别提升 72.4 和 31.8 分。
YOUDrive 提出了一种用于连续和可组合驾驶风格控制的多模态模型。在 NAVSIM navtest 上,单一系数可单调控制六种教师衍生风格的激进度。 该方法通过任务向量在推理时缩放和组合风格方向,无需重新训练主干网络,PDMS 保持在 0.90 以上,最高达 0.954。 论文还将开源代码、检查点和指标。
DEXCAST 框架利用单目 RGB-D 视频和关节 HOI 重建,直接学习灵巧机械手控制,无需遥操作。 模型引入 DexHand Motion Perception Module (DMPM) 捕捉关节协调与时间依赖,以紧凑潜变量条件化扩散策略。
summary_zh: GG-Nav提出结构化思维链框架,通过监督微调提升导航模型表现。在HM3D ObjectNav等基准测试中,成功率较最先进方法分别提升3.1%、16.6%和5.3%。
研究团队提出IMP RINT框架,为视觉-语言-动作模型提供多流潜记忆,无需人工筛选记忆内容。 该框架通过两阶段训练,将观察、动作、本体感知流压缩为潜记忆,在仿真与真实任务中使平均成功率提升至少26%。 IMPRINT在保持最低推理延迟的同时,证明了去策展式记忆在机器人任务中的有效性。
DexFLEX 是一种接触感知基础控制器,将上游指尖运动草稿转化为接触一致的关节指令,显著提升鲁棒性。 它通过“草稿-梦境-选择”流程结合纯先验提案与草稿播种提案,在退化指令仿真和真实共享控制中无需重训即可提升性能。 实测遥操作成功率从 29.2% 提升至 78.3%,策略学习成功率达 46.7%,是直接关节动作预测的 3.5 倍。
Akule 提出了一种稀疏交互扩散框架,用于多机器人运动规划,在保持竞争力的规划成功率下,实现了高达 25 倍的完整规划器加速,并支持最多 256 个机器人的协同规划。
研究提出 SCRIM 度量,通过对抗扰动策略估计专家动作微小偏差引发的价值降级。 SCRIM 为重加权行为克隆损失及筛选高价值演示数据子集提供依据。 该方法在机器人操作任务中提升了策略训练效率与整体性能。
提出双阶段多模态学习框架用于动态视听导航,解决移动目标定位难题。该方法通过 IC GE 实现强度与几何物理对齐,结合 CMSA 聚合多模态特征。 实验在 Replica 和 Matterport3D 数据集上验证了该方法达到 SOTA 成功率,并在未知声音场景中显著提升了泛化能力与导航效率。
RoboHarness 让 Qwen3.8-Flash-Next 在 BEHAVIOR Challenge 2025 任务上超越 SOTA VLA 模型。 该框架为 LLM 智能体提供视觉几何控制面板以直接调用具身任务,无需大规模训练动作头。 实现代码将开源发布,论文共 18 页。
研究探讨物理递归自我改进,提出 L0-L5 框架以区分能力级与元级更新。现有文献尚未证明其定义下的 Physical RSI,需优先解决可靠反馈与因果归因问题。
ChunkAct 通过动作分块将 LLM 计算量从原始动作数降低至决策数。 在 LIBERO-Pro 基准中,该方法较最先进方法提升 5.0 点任务成功率。 具体减少 2.9 倍 LLM 调用、4.4 倍输入 token 和 2.3 倍输出 token。
SEAR 提出了一种针对前沿语言模型智能体机器人(Agentic Robotics)的框架与基准,重点评估智能体是否真正在积累经验,以及这些经验能否迁移至新任务、新仿真器和真实机器人。
Thinker-WM 通过统一动力学 Transformer 联合建模 RGB、深度和机器人动作。 模型在 20K 小时视频和 10K 小时机器人数据上训练,多项基准测试排名第一。 该架构支持视频生成与策略推理等功能,提升了具身智能的表征能力。
基础模型 ABot-ER 提出统一具身推理架构,在涵盖感知、规划与执行三大核心能力的 12 项基准测试中均达到 SOTA 表现。 该模型采用智能体数据-模型自进化引擎与任务条件自适应训练策略,利用轻量级低秩残差激活共享骨干网络,实现通用性与专业深度的平衡。 研究证明在统一参数框架下,具身推理的广度与深度可以实现共存。
提出DR-APO算法,通过解耦策略改进与表征,统一支持高斯、扩散及流匹配策略。 在五个MuJoCo-v5任务中,DR-APO对扩散和流策略取得最佳单策略性能;NavDP后训练将真实世界导航成功率从25%提升至65%。
RAN-JEPA 提出了一种行动条件世界模型,将表征学习与干预学习分离。 该模型在真实 5G 测试床评估中,行动条件预测误差低于 GPT-2 基线,并在闭环控制中支持更高的休眠比率。
TacitVLA 是一种无需承担推理延迟的视觉-语言-动作模型。它不等待文本生成,行动专家不关注当前推理,将延迟降低至多 3.4 倍,同时保持性能。 在 RoboMME 计数和 RMBench 等四个基准测试中,其绝对性能超越之前最佳公开结果,例如 RoboMME 计数达到 82.7%。 该模型在长程任务中利用文本作为情景记忆,在动作执行期间生成条目,实现了高效推理。
首个波斯语视觉-语言-动作数据集发布,包含 258 个实例及 230 张真实场景照片,旨在解决指令中的模糊性与不可行性标注。 引入 PGOS-FA 新指标,通过 36 组配对统计检验证明检索增强效果显著,其相关性表现优于 LLM 评估协议。
summary_zh: dLNN 从数据中独立学习机械系统的保守与耗散动力学,新参数化强制模型无源性。 模型在混沌双摆和六自由度工业机器人上预测性能优于现有拉格朗日架构,且能提升有限数据下的泛化能力。
基于 PARTNR 基准的研究发现,在 LLM 控制的具身智能体协作中,观察伙伴状态(OAS)比预测其下一步动作更能提升任务质量。 实验显示 OAS 观察降低了所有规划器的额外消耗,而对象知识交换(KE)主要将模拟步数减少最多 25%;OAS 与 KE 对强规划器冗余,对弱规划器互补。 预测伙伴动作(OANA)在 15/16 配置中降低成功率,协调收益主要来自对共享上下数的响应而非显式预期。
LIBERO-Industry 基于 LIBERO 构建了包含 216 个任务的工业基准,系统测试了产品变体、传送带速度等流程约束。 在五种通用机器人策略的实验中发现,引入并组合工业约束后性能逐步下降,共训练条件优于原始 LIBERO 条件。
模型将预测排练与动作扰动结合于未来监督查询和耦合动作投影进行策略学习。 该模型无需独立评分网络,基于视频预训练骨干网络训练,在42个RoboDojo任务上的平均成功率分别为12.85%和15.62%。 在15个真实机器人任务中,完整系统任务宏平均成功率为89.00%,超越最强基线37.67个百分点。
提出VLMeg方法,将视觉语言模型从奖励回归器转变为成功检测器,通过探索增强关键观测门控机制优化具身强化学习。 门控机制通过判断相似性避免冗余调用并提升检测精度,引入高级探索激励以提高奖励触发效率。 在MetaWorld基准上实现从头开始强化学习的SOTA结果,胜过12个无奖励任务的基线,并验证了3个现实世界实验的有效性。