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。
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。
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。
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。
提出基于对象重定向的人类演示后训练方法,42个采集在8台机器人上求解157对,通过率为31.2%。 记录包含物体姿态、接触区间及重建3D模型,仿真中每个(机器人,片段)对得出通过、失败或拒绝结果,拒绝案例13/13验证有效。
FoveaVLA模型通过预测注视动作替代腕部相机,解决外部相机分辨率低导致的细节丢失问题。 基于π0.5构建的单双视角配置,在DROID数据集上后训练。 单视角在四项真实任务中成功率达70.8%,双视角达77.1%,超过腕部相机基线的52.1%。
MorphAct 提出上下文参数化框架,通过耦合生成器动态调整机器人策略参数,解决共享参数固定导致的操作适应不足问题。 该框架在 LIBERO 和 Meta-World 基准上实现最高 16.30% 性能提升,真实世界评估中相比 $\pi_{0.5}$ 提升最高 14%。
MUCO 通过定义可复用的操作单元(MUs)并基于校准成功率调度策略模型,实现跨任务组合执行。 系统在 RLBench、RoboTwin 2.0 及 5 项真实任务中验证,无需联合训练即可提高任务成功率并降低错误传播。
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。
RGT 模型结合 VLM 目标选择与实时推理,生成协调的头部与眼部运动。 该 Transformer-VAE 基于 11-DoF 关节空间训练,使用 4 维双眼轨迹条件化控制,在双秒基准测试中取得最低七关节 MSE。
研究在 MuJoCo 中对比 o1 与 o4-mini 执行立方体抓取和字母重塑任务。通过 GRPO 训练开放权重指令策略,正向奖励率从 31.6% 升至 35.3%。 日志审计发现正向标签与几何失败消息关联,且独立评估协议将任务成功判定与机器人控制分离,以支持可复现评估。
summary_zh: WEDGE框架提出一种弱点引导的导航学习方法,利用预训练智能体的失败模式生成针对性训练环境。 该系统使用LLM从成功与失败轨迹对比中提出可执行弱点特征,经诊断集验证后映射至控制环境因素,并在策略薄弱的难度区间构造环境。
MIND 框架通过指令条件依赖实现机器人目标房间的增量维护,避免环境变化后的全量重评。在 240 个 ProcTHOR 序列中,平均语义评估从 30.6 次降至 11.2 次,1200 个决策全部保留。该框架在 Unitree G1 机器人实验中验证了跨房间目标复用与重新选择的有效性。
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。
通用灵巧策略DexMimic通过价值引导重置分配,在多样化手-物体交互(HOI)轨迹上联合训练。 该方法在线适配初始化分布,优先训练难阶段并选择高预期回报的重置状态。 实验证明其提升了跟踪成功率与效率,具备零样本泛化潜力,并已在真实平台上验证。
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。
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。
沃尔沃汽车宣布扩大与英伟达合作,利用Hyperion架构和Alpamayo Stack等技术,提升未来车型自动驾驶安全性。 双方将整合沃尔沃车辆安全系统与英伟达AI技术,目标是逐步推出无需驾驶员持续观察路况的自动驾驶功能。
华为前AI首席专家唐都钰创办观行数智,构建面向物理世界的主动式AI系统。核心架构ProAgent采用双模型协同,通过轻量级StreamingJev持续监测事件流以判断介入时机,再由Response Model规划执行。
京东 11.11 首日下单用户数实现同比双位数增长,超百项细分服务产品首次全景展示。 推出京东服务“333”计划应对行业痛点,单项服务最高优惠 4680 元;蓝领体系累计培养超百万人员,未来 3 年再培养百万。 京东体系生产性服务规模超 3000 亿元,覆盖超 1000 万家企业客户。
从失败到可学习的世界 面向导航智能体的策略条件环境生成 论文:https://huggingface.co/papers/2610.19420
Google 推出 Gemini 4 Argon,旨在以单一模型统筹机器人控制、虚拟仿真构建与训练数据评估。在 ERQA 基准测试中,该模型以 87 分领先其他前沿模型,但在 AA-Robotics 真实机械臂测试中排名第三。目前该模型已向 Google AI Ultra 订阅用户开放,也可通过 Gemini API 访问。
英伟达 CEO 黄仁勋在伦敦 Build a Claw 活动上表示,OpenClaw 是“迄今为止最重要的模型之一”,并认为其是“首个真正可信的智能体运行框架”,为 LLM 提供实时运行框架,可能推动机器人等领域发展。他同时强调必须建立类似容器隔离层的权限管控,采用最低权限原则持续监控自主系统,防止机器人违反规则或采取超出权限的行动。
Artificial Analysis 发布 AA-Robotics v0.1 评测,测试 GPT、Claude、Gemini 控制真实机械臂完成八项任务的能力。结果显示 GPT-6 Astra 总分最高为 69.4 分,但完成单任务平均耗时约半小时,比 20 秒的人类基线慢近两个数量级。测试表明通用模型在复杂物理交互和纠错能力上仍不稳定,且调用成本较高,专用具身模型仍有价值。
推荐理由:评测给出了通用大模型操控机械臂的效率与成本基线,有助于判断专用具身模型的替代空间。
南洋理工大学团队提出 CodeActionBench,在双臂仿真环境下评测通用多模态 Agent 的机器人操作能力。在 25 个任务和 9 个模型配置中,GPT-6 Astra (Codex CLI) 尝试成功率达 73.3%,Claude Opus 5 在 Reference harness 下取得 49.3%。评测涵盖任务结果、中间进展及自主完成判断,揭示代码构造策略在具身操作中的潜力。
推荐理由:评测揭示了代码策略在机器人操作中的潜力与局限,读者可据此理解通用 Agent 在具身任务中的具体能力边界。
EinsiaAI发布自进化Coding Agent EmbodiedEvo,在Robodojo评测中取得45.08平均分,成功率为38.95%,登顶Agent赛道榜首。 该方法通过积累代码Skills与文字Lessons构成harness,使成功率从13.36%提升至35.08%,无需更新模型权重。 这为具身智能训练范式补充了经验可继承环节,推动通用编程能力进入物理世界。
36氪文章梳理了国内外20位人形机器人领军人物及其代表企业。内容涵盖王兴兴、彭志辉、周剑等中国创业者,以及马斯克、布雷特·阿德科克、马克·雷伯特等海外行业代表。文章详细复盘了各企业在2025至2026年间的融资节奏、产品迭代及在工业、仓储、家庭场景的部署进展,旨在展示人形机器人从实验室走向规模化落地的多元发展路径。
NVIDIA 在瑞典投资 Lovable 和 Legora,推动其优化开源模型推理与训练。 北欧 AI 云预计 2027 年底部署 1 GW 算力,Spotify 采用 TensorRT-LLM 降低推理成本。 该生态将支撑欧洲独角兽密度领先,助力初创企业实现规模化应用。
研究发现直接剪枝会导致 VLA 模型性能严重下降且增加安全风险。为此提出 GLUESTICK 恢复方法,无需额外训练即可在推理时校正权重。 在 GLUESTICK 作用下,模型可恢复 100% 成功率与接近密集模型的安全性,同时节省 5 GB 内存并实现 1.75x 加速。
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。
研究采用潜空间扩散框架,将线性自编码器与 Diffusion Transformer 结合,在 Unitree G1 机器人强化学习训练的网络权重上生成可部署的控制策略,实现行走、舞蹈等真实世界动作。
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。
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。
C-Slerp 算法通过超球面参数化,利用对比表示生成中间路点,在无需先验数据或预训练模型的情况下,从零学会搭建最高八层的积木塔。 该方法在长时程导航和机器人操作任务中成功,甚至在强基线失败的场景下也能取得成功,消融实验表明固定路点数量会显著降低性能。