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。
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。
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。
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。
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。
2026 全球开发者先锋大会暨国际具身智能技能大赛将于 10 月 23 日至 25 日在上海浦东举办。 大会设 9 大赛道、23 个赛项,千余支队伍参与,超万台机器人已入驻张江人工智能创新小镇。 活动聚焦“训 - 赛 - 产 - 融”产业闭环,发布中国移动·时空智能模型及五大行业标准。
贾跃亭宣布 FFR 以每股 2.246 美元(较昨日溢价约 55%)、拟约 2 亿美元估值全股票合并 FFAI 机器人资产及业务,使 FFR 成为美股 EAI 机器人生态 Pure-Play 公司,预计 10 月底前完成交割。
DeepSeek同意领投具身智能公司Winverse AI的种子轮,融资数千万美元,投后估值约四亿美元。创始人胡瀚为马尔奖得主,前微软亚洲研究院研究员,曾任职于腾讯混元。
中国在类人机器人先进硬件方面领先美国,灵巧手是关键战场。该市场潜力达 5 万亿美元,中国供应商凭借制造规模优势助力机器人公司实现商业化。
Mind Robotics 聘请了前 Apple 汽车项目负责人出任总裁。该公司由 Rivian CEO RJ Scaringe 创立,此前已筹集超过 $1B 资金。
乌克兰国防部宣布,其部队即将使用与北约联合部队转型司令部共同开发的“模型 No. 13”。 该系统基于历史战斗数据、气象及战场条件,预测俄军无人机袭击的时间、地点、强度及型号。 经真实数据验证,该模型已具备集成到态势感知系统的条件,同时北约正联合开发用于炮兵部署规划的“模型 No. 32”。
谷歌发布通用物理推理模型 Gemini 4 Argon,主打物理直觉与视觉空间推理,可生成代码和仿真场景,在文本、逻辑能力上对标 GPT-6 Astra 和 Claude Opus 5.5。实测显示 Argon 具备较强的 3D 生成和物理投掷推理能力,但在真实工程代码表现和 UI 交互上仍有短板,且仅限 Ultra 用户完整使用。
推荐理由:实测展示了Gemini 4 Argon在物理推理、3D生成上的突破,以及在真实代码与UI体验上暴露的短板。
2. **summary_zh**: 破晓智能联合天珑移动发布 SeePhys Hub 系统,通过四目头环、腕部手环、三个腰腿部动作追踪器和触觉手套同步采集全身运动与触觉数据。
来自北京交通大学、北京大学等机构的团队提出了 Recursia 框架,通过内外双层循环的递归自我改进,解决机器人长时任务中的零样本组合泛化问题。在 LIBERO-Pro Long 基准的零样本迁移设置下,Recursia 在任务扰动下的成功率为 53.4%,比英伟达 ASPIRE 高出 15.1 个百分点,而多数 VLA 模型成功率仅为 1% 至 8%。
推荐理由:原文给出了 Recursia 在零样本长时任务上的对比数据,读者可据此理解具身 RSI 双层循环架构对组合泛化的提升路径。
自然意志发布50B参数MoE模型Natura-1,该模型在100万小时第一视角人类数据上预训练,支持100毫秒控制回路驱动的20自由度灵巧手操作。在12项零样本基准测试中,Natura-1在灵巧手平台得分53.4至59.1分,显著优于π0.5和GPT-6 Astra在夹爪平台的得分。模型还展现出从失败中调整策略的涌现能力,团队计划后续引入触觉信息并扩大数据规模。
推荐理由:通过百万小时人类数据验证了灵巧手操作与零样本泛化的可行性,展示了模型在长程任务中的实时控制能力。
破晓智能联合天珑移动发布SeePhys Hub,通过四目头环、腕部手环等稀疏节点补全Ego数据缺失的全身交互信息。设备同步精度不超0.5ms,头环重量不超220克,旨在探索中间层数据获取方案。破晓团队计划2027年推出全模态世界模型,优先在工业及餐饮零售场景验证。
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。
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。
SiMDex 框架无需改变 VLA 架构或训练流程,通过形态无关动作空间中的三阶段级联筛选出高价值人类视频数据。 该策略证明选择性数据策划在灵巧操作中优于无差别数据混合,提升跨本体泛化效率。
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。
该方法通过分离奖励、约束与能量最小化机制,实现无显式步态先验的四足移动。 相比传统基线,成本降低 56% 且违规减少 96%,策略可零样本迁移至 Unitree Go2。
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。
SeeTraceAct 是一种演示条件视觉语言动作(VLA)框架,通过可见性感知预测未来末端执行器轨迹,提升对微小目标区域的精确定位能力。 该框架在 RoboCasa-DC 基准测试中表现最佳,并在 Franka Panda 机械臂真人演示实验中,将真实世界平均成功率提升 9.5 个百分点。
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。
研究团队提出GenAN方法,通过直接学习关节位置轨迹致动模型,成功在四自由度PAMY2机器人上完成Sim-to-Real迁移。 该方法无需扭矩传感器,结合刚性体仿真实现复杂动力学建模。 这据称是首次实现此类肌肉驱动机械臂的仿真到现实策略部署。
Dex4D 提出任务无关的 3D 点轨迹条件策略,实现灵巧操作的零样本部署。 该方法在仿真中训练“任意姿态到任意姿态”策略,测试时通过生成视频的物体中心点轨迹提示进行重组。 实验显示其对新对象、场景布局和轨迹具有强泛化能力,性能优于先前基准。
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。
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。
该研究利用贝叶斯深度学习改进动态模型校准,并执行模型主动学习以提高数据效率。该方法使用信息增益作为探索奖励,在CoppeliaSim仿真中匹配相关替代方案的模型质量,同时大幅降低了实际机器人执行需求。
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。
EmbodiedSkills 框架通过世界动作模型增强冻结的视觉语言动作(VLA)策略,实现了结果感知的动作选择。该框架定义了七个可复用技能,通过预测潜在后果并评估结果,从候选动作分支中优选。在 MetaWorld MT50 和 CLIPort 测试中,任务成功率分别提升至 78.64% 和 36.83%,验证了其在不同策略后端下的适用性。
Agentic Real2Sim 提出基于视觉-语言智能体的物理世界建模框架,将真实机器人交互记录转换为可仿真的情景孪生体。该框架在刚性物体操作、软体交互及人形运动场景中均有效,支持策略微调与评估。 采用开源 VLM 后端即可达到与前沿模型相当的转换成功率,且成本大幅降低。代码已开源,可作为真实世界策略评估的有效替代方案。
LIFT 框架为预训练 VLA 策略引入反应力注入,解决视觉驱动在接触状态下的分布偏移问题,已在 CoRL 2026 被录用为 Spotlight 论文。 该框架结合因果力记忆与零初始化交叉注意力注入 6D 末端执行器力,并耦合在线 DAgger 循环混合离线与人工修正数据。 在毛巾折叠、书籍插入和汉诺塔放置任务中,LIFT 学习速度更快,峰值与最终性能均优于仅视觉 DAgger。
研究提出EgoWAM框架,验证世界动作模型(WAM)在机器人操作中对第一人称人类数据的优于行为克隆的训练效果。 该框架固定策略骨干与动作头,仅改变世界预测目标(像素、DINO、3D运动流)。DINO显著提升分布外泛化能力最高达4倍,3D流使域内性能提升20-30%。
CI-MSE 是一种用于机器人模仿学习策略的离线验证指标,通过零样本智能体定位关键片段并计算误差,比原始 MSE 更紧密地关联真实世界性能。在 27 个策略检查点上,CI-MSE 的 Spearman 秩相关系数达到 -0.87,显著优于原始 MSE 的 -0.61。 该方法在超参数范围内表现稳健,并为加速策略迭代提供了简单可靠的离线验证工具。
研究人员提出 TISED 框架,通过分解有损推理优化在静态与动态具身任务中的效应,揭示了三个加速悖论。 这些悖论包括:静态任务中整体完成时间可能延长;动态任务中适度有损优化可提高成功率;且最优效果位置随硬件配置变化。
RoboGaze 是一款免训练的 VLM 评估器,能生成时序定位诊断报告以精准识别机器人世界模型生成视频中的物理或逻辑错误。 该评估器在 RoboGazeBench 914 个标注视频上表现优于基线,其 critic 机制将干净视频准确率从 17% 提升至 85%。
研究人员提出轻量级视觉比较器RARM,将单次成功演示转化为密集、进度感知的奖励。 RARM在通用视频上通过对比时序目标训练一次,无需机器人特定数据或任务奖励标签;部署时通过匹配片段并仅奖励高置信度的前进进度来抑制虚假阳性。 在LIBERO和MetaWorld的9个模拟任务及4个真实任务中,RARM在后续RL训练中取得了最佳整体成功率。
FiberTune 提出训练期目标,通过保留教师结构化视觉残差来防止动作监督微调导致的视觉结构压缩,且不增加推理开销。 该方法使用在线动作探针过滤中间视觉 token 表示中的动作可预测方向,结合中心方向对齐和有效秩正则化,在六个模拟设置及物理 SO-101 任务中表现优于仅任务损失微调。
该研究提出利用多形态价值函数的值梯度优化机器人设计。 它训练跨多个机器人的感知策略和价值函数,作为可微代理来优化候选形态。 在多达50个机器人、超过1100个连续参数空间内评估了该方法。 值梯度还能识别性能限制性的设计和控制参数。
summary_zh: 提出 VLAs-as-Tools 策略,将长时程任务分解为 VLM 智能体全局规划与专用 VLA 工具执行,通过 Tool-Aligned Post-Training (TAPT) 实现指令对齐。