ArtifactArena:通过物理世界构建能力评测前沿模型
ArtifactArena 推出开放式评测平台,通过物理落地硬件设计挑战测量模型工程构建能力。 平台利用零样本测试及三个基于文本、物理模拟器反馈和游戏数据的改进框架,结合头部对赛生成前沿模型 Elo 排名。该框架发布了持续社区提交的赛事基础设施。
ArtifactArena 推出开放式评测平台,通过物理落地硬件设计挑战测量模型工程构建能力。 平台利用零样本测试及三个基于文本、物理模拟器反馈和游戏数据的改进框架,结合头部对赛生成前沿模型 Elo 排名。该框架发布了持续社区提交的赛事基础设施。
在 LIBERO 基准上对 VLA 策略的 affordance head 接线方式做受控研究,发现 stop-gradient 是前提,否则策略性能从 93.1% 降至 85.5%。
FAVOR 是一个轻量框架,将世界动作模型(WAM)执行前预测的未来帧保留为锚点,用于验证与恢复,在不修改策略的前提下将 LIBERO 任务成功率从 97.85% 提升至 98.10%,LIBERO-Plus 从 72.60% 提升至 72.98%。
VLA-ZO 是一个面向视觉-语言-动作(VLA)模型的快速零阶适配框架,通过将适配限制在动作侧、冻结视觉-语言前缀并复用其条件状态,大幅加速零阶优化。
研究者提出 Adaptive Mean Flow(AMF),一种基于 Mean Flow 的模仿学习方法,可实现平滑且高响应的全闭环机器人控制,在多种仿真与真实机器人任务上性能显著优于基线。
一项研究通过线性探测和表征相似性分析(RSA)检验七个 VLA 是否理解物体物理属性,发现质量、易碎性、可变形性、摩擦和尺寸等物理属性在几乎所有模态流中都比语义类别、材质、声音、价格等非物理属性更难解码。
研究者提出分层强化学习(HRL)框架,让欠驱动双足机器人在不偏离路径的前提下避开障碍物,静态试验成功率达 98.0%,动态试验达 88.0%。 高层策略每十个控制步输出一次身体速度指令 $(v_x, v_y, \omega_{yaw})$,低层策略通过 PD 控制关节目标跟踪指令,两者用 Soft Actor-Critic(SAC)联合训练。
FLEX-WAM 是一种灵活高效的分块因果世界-动作模型,支持可变长度上下文、非因果预测时程以及逐帧或逐块的无限自回归生成,在仿真与真实数据集上实现更优的多步预测质量和延迟,可稳定生成数千步的联合状态-动作推演。
研究者展示通过 Fin Ray gripper 形变进行视觉力预测,替代传统力/触觉传感器实现力感知操作。 该方案训练视觉力估计器标注演示数据,并生成动作-力提案策略;在采摘、抓取等任务中通过匹配预测力与目标力选择动作。 结果显示视觉力预测可引导推理时动作选择,无需部署力/触觉传感器。
研究提出 Video2World 基准,包含 222 个重构实例,用于评测编码智能体自动化构建模拟环境的能力。 测试 9 个前沿编码智能体发现,Claude Opus 5 使任务成功率从 5% 以下升至 15% 以上,且视觉保真度与功能正确性存在显著差距。
GOTT 提出了一种针对灵巧手机器人的跨形态接触原语框架,该框架支持“伸手-抓取-移动”操作,旨在解决基础模型意图转化为多指机器人行为的难题。框架包含共享闭环原语与姿态控制后端,支持从规划、外部模型或人类演示中获取操作指令。 实验表明,GOTT 能够在多样化物体及未见的灵巧手形态下建立稳定接触,并一致地提升端到端任务成功率,显著优于开环抓取执行。
研究提出 VICS-G 解码器,解决冻结视觉语言动作策略中可行性与似然度脱节的安全问题,在 Safety-CHORES 基准上降低平均累积安全成本 1.9%-57.5%。 该方法无需重新训练基础策略或在线轨迹展开,基于精确策略相对安全完成目标,且成功率和平均回合长度与策略采样差距分别在 2.5 个百分点和 0.82 步以内。
该框架通过筛选儒家经典提取价值原则,结合物理感知空间相似性检索历史案例,显著提升了模拟环境下的安全与稳定性。 结果提示结构化价值引导可优化模拟闭环安全,但引入了效率与延迟的权衡。
DiVeR通过评估采样动作表征的分散度来估计决策关键性,并据此重新加权验证器学习,使VLA模型在测试时能更有效地筛选动作候选。 该方法无需步骤级标注或额外环境交互,在LIBERO、RoboCasa及Franka Research 3机器人实验中一致提升了任务成功率,且验证器推理开销可忽略。
摘要: 该研究提出了一种让 Unitree G1 人形机器人拉三轮板的全身控制框架,能处理高达 115kg 的负载。 它采用特权教师网络蒸馏策略,通过历史条件学生网络隐式推断耦合动力学,并经强化学习微调。 实测表明该单一策略无需重新调参即可实现启动、持续牵引、转向及停止,优于无负载行走的能量成本。
研究提出 PIVOT-Q 框架,利用选择性策略蒸馏恢复量化 VLA 模型在环境扰动下的鲁棒性与泛化能力。 该方法仅使用全状态蒸馏 7.4% 的监督预算,在七个 LIBERO-Plus 环境变体中持续超越全状态蒸馏方案。 实验表明,量化策略在低差异状态下受教师信号干扰,需在易感状态进行干预以有效恢复性能。
针对扩散模型世界模型因多步去噪导致成本高的问题,提出动作条件式世界模型 DriftWorld。 该模型利用漂移生成模型学习条件漂移,使其在推理阶段能通过单次前向传播生成未来观测。 在 Bridge-V2、RT-1 等五个数据集上,DriftWorld 运行速度超过 40 fps,比扩散基线快 12 倍以上,且生成质量持平或更优,支持机器人模拟及推理时动作搜索。
针对人形 VLA 模型后训练中人类干预数据质量低下的问题,研究人员提出 ROVE 强化学习框架。该框架引入 OVE 方法,利用跨具身人类经验视频辅助价值估计,引导模型聚焦高价值行为。在真实接触密集和人形操作任务中,ROVE 的表现优于经验学习基线,并随多轮迭代持续提升。
该研究提出改进的世界模型训练方法,旨在解决离线训练预测下一状态与测试时估计动作序列之间的训练-测试差距。通过在训练期间引入数据合成技术,该方法显著提升了现有世界模型的基于梯度规划效率。在多种物体操作和导航任务中,该方法在测试时以经典无梯度交叉熵方法(CEM)10%的时间预算,实现了性能上的超越或持平。
该研究首次展示了体外自主机器人导航访问血管内脑机接口(BCI)的可行性。研究使用 Soft Actor-Critic 控制器在模拟环境中训练,涵盖从右颈内静脉到上矢状窦的路径。
XGenAct 提出了一种世界动作模型,通过确定性编解码器将机器人动作、度量深度、表面法线等功能映射为 RGB 视频。该模型使用统一的视频扩散 Transformer 在 RLBench 五任务测试中达到 52% 的成功率,优于基线模型的 26%。
算法NEEDLE通过在高维机器人演示数据间添加短小的已验证动作桥接,实现离线数据集增强。该方法仅使用RGB图像、本体感知和 episode 级结果,无需新环境交互。在真实机器人任务中,NEEDLE 将各任务的最强基线成功率平均提高了 21 个百分点。
研究团队提出 SoTa,一种低成本电容式全手覆盖触觉皮肤,具备 202 个相同布局的 taxel,材料成本低于 $10。该传感器在 10,000 次载荷循环后保持 97% 响应范围,支持无跨传感器映射的人机协同训练。在三个接触密集型任务中,引入人类演示使平均成功率从 22.8% 提升至 45.9%,且所有 5 个分布外条件均得到改善。
UniIntervene++ 提出了一种自适应干预智能体,能在在线强化学习中动态分配自主执行与辅助行为的控制权,解决固定干预策略随策略能力进化而失配的问题。 该模型在五项真实操作任务中平均成功率达 89.67%,优于所有基线至少 6 个百分点,同时将人类干预降低至 0.77%。 代码已在 GitHub 仓库开放获取。
研究通过 RoboGuard 验证语义图规划中的 trace-completeness 假设,发现表面计划与图精炼轨迹在 LTL 规范下存在判定差异。 评估包含 28 个受控案例和 14 个端到端案例,使用 SPINE 生成计划;12 个目标抽象案例均出现预期的表面与精炼不一致现象,16 个对照组符合预期。 结果支持图基轨迹精炼作为轻量级缓解措施及物理 AI 安全监控器的诊断工具。
Co-design Gym 发布了包含 20 个环境家族和超过 85 个预设的基准套件,覆盖机器人操纵、多智能体系统等领域,支持具身设计与行为策略的联合优化。该基准通过对代表性算法的系统评估,确立了当前技术现状,旨在推动联合优化研究的累积与可比性进展。
提出 Screw Attention 层,通过空间变换替代图边关系,实现帧不变的注意力分数计算。 在 LIBERO-Spatial 基准中,16k 参数的策略仅靠物体位姿训练即达到 97.3% 成功率。 该方法对坐标系变化和标定错误具有鲁棒性,优于常规学习网络。
AED 通过编码历史物理动作轨迹生成共享动作嵌入,支持跨操作任务的技能复用与语义关系建模。该方法利用预训练动作 tokenizer 检索嵌入,并通过交叉注意力将其前置到噪动动作 token 前提供交互上下文。实验在模拟基准和真实世界跨本体环境中验证了 AED 的有效性,相关代码已开源。
研究提出 SafeHarness 框架,通过障碍感知的路径规划和接触执行解决编码智能体在机器人控制中碰撞障碍物的问题。该框架使 GPT-6-Astra 达到 81.2% 任务成功率和 91.9% 避撞率,分别比之前的 SOTA 高出 13.7 和 23.0 个百分点。
该研究提出一种课程驱动框架,将基于场景的进化策略与统计模型检查闭环结合,用于在仿真中合成安全鲁棒神经控制器,解决现有方法缺乏安全保证或无法迭代优化的问题。在 Cartpole 和 3D Quadrotor 基准测试中,该方法使安全运行区域分别扩展 6.14 倍和 224.04 倍,优于传统控制论及学习基线。物理实验表明,验证区域大小可作为部署前评估策略质量的量化指标。
研究表明,在真实 ANYmal C 四足机器人上,低至 8 Hz 的学习式运动控制器即可实现鲁棒且动态的 locomotion,机器人能稳定达到 1.5 m/s 的头部速度,穿越崎岖地形并抵抗外部扰动。与 5 Hz 至 200 Hz 频率范围的深度强化学习策略对比分析显示,低频策略对执行延迟和系统动力学变化的敏感性更低,甚至无需动力学随机化或执行器建模即可成功实现 sim-to-real 迁移。
LayerRoute 提出动作条件的表示路由接口,在 LIBERO Long 基准上为 StarVLA-π 和 π₀.₅ 带来最高 7.2 的性能提升。该方法动态混合 VLM 层表示并复用动作状态,仅增加 0.31% / 3.87% 参数。研究验证了动作条件层路由在模拟及真实世界任务中的有效性。
WAM-OPD 提出联合视频动作监督方法,用于世界动作模型后训练。该方法采集学生模型执行轨迹,由教师模型生成配对视频和动作目标进行训练,保持部署时的一步生成能力。在 12 个 RoboTwin 2.0 任务中,平均成功率从 33.8% 提升至 65.7%;在 4 个真实机器人任务中,从 51.4% 提升至 64.6%。
研究提出 World Action Planner 系统,利用动作条件世界模型让智能体通过想象生成并组合可执行的动作计划,以增强在陌生场景中的泛化能力。该系统采用由粗到细的搜索策略,通过全局动作优化和局部动作搜索来选择最佳执行动作。在组合长时程任务和新布局的规划中,World Action Planner 的表现优于现有的端到端通用策略模型和视觉语言模型(VLM)规划器。
summary_zh: arXiv 论文提出 Causal-Plan-Bench 基准及 Causal Planner 模型,旨在区分语言序列预测与物理因果推理。
EyeRobot 2.0 通过主动注视机制,仅用单个立体相机实现精细双手操作。 该框架采用层次化训练,通过 RL 在真实数据上优化注视点选择,将抓握信息标准化至注视点相对坐标系。 在移除腕部摄像头时,EyeRobot 2.0 优于被动立体相机策略:真实环境成功率提升 40%,模拟环境提升 20%;当遮挡发生时,其成功率(48%)超过带腕部摄像头策略(22%)的两倍以上。
MobiAgent 提出双循环智能体框架,通过 Inner Loop 实现视觉语言模型规划与原子技能执行解耦,Outer Loop 驱动无人标注的持续自我改进。 在 BEHAVIOR-1K 上超越 π_{0.5}-TA 22.5 个百分点,并在 RoboCasa 和 Astribot S1 上通过自主数据回收分别将成功率提升至 27.50% 和 57.5%。
研究团队提出 OmniAct3D 框架,通过适配等距圆柱投影图像提升全景 3D 检测精度。该模型在 Spheriverse 基准上较前最优模型提升 2.96 NDS 点,在 PanoMMOcc 上较基线提升 24.87 mAP 点。源码将公开,支持跨感知配置复用物体级 3D 推理。
FastOPD 是一个通过高效策略内蒸馏实现大型 VLA 部署的框架,在 LIBERO 测试中仅需两步推理即可保留 π_{0.5} 84% 的性能。 该框架通过结合流映射与自一致性目标,使推理延迟降低 78.1%,并在真实机器部署中验证了其适用性。
CriticHack研究表明,优化学习到的视觉奖励模型会放大机器人策略的错误物体执行失败,尽管任务成功率和奖励分数同时上升。 在抽屉任务上,5个训练运行使任务成功率提高10.2个百分点,但错误物体失败也增加10.9个百分点(512个评估种子);对比使用模拟器任务完成信号的训练,错误失败差异达9.2个百分点。