RCD 方法通过无训练引导提升组合扩散规划的长时程轨迹可靠性
RCD 提出一种无训练引导方法,利用预训练扩散模型的自重构误差作为对数密度代理,结合重叠一致性项,将采样导向高密度全局连贯计划。 在 OGBench 的运动、物体操控及像素级观测长时程任务中,RCD 性能持续优于现有方法,有效缓解了模式平均问题。 该文已被 NeurIPS 2026 接收。
RCD 提出一种无训练引导方法,利用预训练扩散模型的自重构误差作为对数密度代理,结合重叠一致性项,将采样导向高密度全局连贯计划。 在 OGBench 的运动、物体操控及像素级观测长时程任务中,RCD 性能持续优于现有方法,有效缓解了模式平均问题。 该文已被 NeurIPS 2026 接收。
针对自动驾驶 Graph VQA 提出跨阶段上下文传递协议,对比显式提示与隐式门控投影机制。显式方法基于 Mini-InternVL2-4B 无需额外训练,降低 NLI 矛盾最高达 42.6%;隐式方法在 InternVL3-8B 上结合 QLoRA 训练,仅更新约 0.5% 参数,显著降低规划阶段 NLI 矛盾 34%,提升跨阶段蕴含 50% 及 CIDEr 分数 30.3%。
UniT框架通过视觉锚定和三分支交叉重建机制,建立跨具身共享离散潜在空间,解决异构运动学不匹配问题。 在策略学习(VLA-UniT)和世界模型(WM-UniT)两种范式下验证,实现SOTA数据效率、鲁棒OOD泛化及零样本任务迁移。 t-SNE可视化证实人类与人形特征收敛至共享流形,为蒸馏人类知识提供可扩展路径。
Pickalo 基于低成本硬件构建 6D 位姿管线,在 UR5e 机械臂上实现每小时 600 次拣选,抓取成功率达 96-99%。 系统采用腕部 RGB-D 相机、BridgeDepth 深度优化及 SAM-6D 零样本位姿估计,并在 30 分钟连续运行中保持鲁棒性能。
研究团队提出轻量级视觉-语言-动作模型 AnolisVLA,利用深度状态空间模型高效处理多模态序列,适用于资源受限环境。 在移动端操作中,AnolisVLA 任务成功率比 30 亿参数模型 π0.5 高 21 个百分点,推理速度约为其 3 倍。 该模型在保持相近 GPU 内存占用的同时,实现了更高任务成功率和更快推理,提升了移动机器人操作的可行性。
OxyGen 通过统一 KV Cache 管理解决 Mixture-of-Transformers(MoT)视觉-语言-动作(VLA)模型的多任务并行推理瓶颈,实现最高 3.7 倍加速。
提出一种在线、学习者无关的重置控制器,为每个上下文提供独立的反向课程,解决同步全局进度在任务实例学习速率不同时的失效问题。 该控制器利用二元 rollout 成功决定进度的前进或后退,并在停滞前沿进行更难的起点尝试。
MoMa-SG框架通过统一扭转估计方法,从RGB-D序列构建含铰接物体的语义运动学3D场景图,支持旋转与棱柱关节参数估算。 框架包含Arti4D-Semantic数据集,涵盖62段野外RGB-D序列及600次物体交互,在四足与移动机械臂上验证了真实家庭环境的铰接操作能力。
流匹配策略梯度框架通过绕过似然计算,解决了机器人控制中基于似然的策略梯度方法对高斯分布的局限。 研究提出改进目标函数,在足式运动、人形运动追踪和操作任务中实现成功,并完成双足人形机器人的仿真到现实迁移。 结果显示,从零训练时策略可利用流表征进行探索,且微调鲁棒性优于基线方法。
提出 TTT-Parkour 框架,通过 real-to-sim-to-real 测试时训练,使人形机器人在未经预训练的复杂地形上实现动态跑酷。 采用两阶段端到端学习:先在程序生成地形上预训练,再用 RGB-D 重建的高保真网格在仿真中快速微调。 全流程(捕捉、重建、测试时训练)耗时约 10 分钟,机器人直接 sim-to-real 部署且无需进一步更新策略。
NeuroVLA架构结合皮层视觉语言规划器与小脑递归调制,在仿真与物理任务中较VLA基线显著提升控制性能。 小脑模块将平均指令 jerk 降低75.6%,碰撞恢复率达54.8%(基线为0.0%)。 FPGA神经形态处理器上的脊髓控制器实现2.19 ms推理延迟,单次能耗0.87 mJ。
Hiking in the Wild 是一种端到端感知型腿部跑酷框架,将深度输入和自身感觉直接映射为关节动作,无需外部定位与建图。 框架包含基于可伸缩地形边缘检测和足体积点的落脚点安全机制,以及通过生成可行导航目标来抑制奖励作弊的扁平区域采样策略。 在宇树 G1 人形机器人上的实验表明,该策略支持在复杂地形上以最高 2.5 m/s 的速度稳健移动。
提出一种基于自博弈强化学习的驾驶策略训练方法,通过仅使用30分钟人类演示数据作为正则化目标,解决了纯自博弈策略行为异化的问题。 相比模仿学习,该方法所需人类数据减少2500倍,仅需15小时在单张消费级GPU上即可完成训练,生成的策略能与未见人类轨迹协调。
论文提出神经SE(3)等变嵌入NeuSE,作为紧凑点云代理以支持基于对象的SLAM。 该潜在编码具备SE(3)与尺度等变性,可从部分观测生成,直接推导帧间变换并适配常见位姿图优化,保持轻量级物体中心地图。 在合成与真实世界多类别、多尺寸序列上,该方案独立或配合常规SLAM运行,提升了定位能力与变化感知映射一致性。
HWM 提出一种在视觉隐式世界模型上进行层级模型预测控制的架构,通过多时间尺度预测和隐空间匹配将任务分解为子目标。 在真实 Franka 机械臂抓取任务中,HWM 仅凭单张目标图像实现 70% 成功率,而单层规划成功率为 0%;在长时程任务中可减少最高 3 倍的规划计算量。 该研究已被 CoRL 2026 会议接收。
ParallelWorld提出一种自适应视野测试时扩展框架,通过并行模拟动作序列评估未来状态。 Verifier动态剪除低效分支以指导轨迹选择,仅在ESI-Bench和LIBERO-Pro基准上验证了有效性。 该框架显著提升了主动空间推理与语言条件化操作能力。
SafeBranch 提出一种基于分支对的安全对齐框架,用于训练视觉语言模型驱动的具身智能体,解决交互过程中的安全约束冲突问题。 该框架通过回滚至安全关键步骤并生成替代动作构建分支对,在 IS-Bench 和 SafetyALFRED 等基准测试中,于未见过的物体变体上将安全任务成功率提升约十倍。 已被 EMNLP 2026 Findings 接受。
FloWM 学习的世界模型采用空间网格存储特征,配合 5 种内置速度移动物体,与使用数字节点记忆的目标跟踪器在块世界中进行了对比。 单格探测仅发现 66% 的视野外物块,而 FloWM 自身探针达 89%;节点跟踪器用 14KB 达到 FloWM 5.6MB 的范围性能。
该研究提出 Reward as an Agent 框架与 DynDiff-GRPO 方法,通过可靠验证和动态感知采样多元化,在多个开源具身世界模型上显著降低 reward hacking 并提升准确率。
提出LADDER基准,包含三个测试套件、145个任务及2024条模拟轨迹,用于隔离评估长时域机器人操作中的失败模式。 低层策略在单子目标任务中成功率达85.4%,但在扩展任务中骤降至接近零;基于工具选择的编排(如GPT-Policy)成功率约为62%。 该基准证实了编排对提升长时域任务性能的作用,且受限于底层物理执行误差而非高层规划。
WACL 框架利用每个任务 10 次裸手人类演示学习全臂接触轨迹,无需遥操作。 该层级框架使用语义关键点、参考接触轨迹和安全路径约束,在 7 自由度机械臂上验证。 在端执行器约束下,WACL 成功率达 78%,显著高于基线的 33%。
ASD方法利用开源VLM进行自蒸馏,无需人工语言标注,在13项导航任务中显著提升了成功率。 学生策略仅凭机载观测预测轨迹,室内成功率提升30%,户外任务达95%。 该方法被CoRL 2026会议接收,验证了特权反馈对扩展通用导航策略的有效性。
研究对比权重、过滤和条件化方法在 VLA 预训练中的作用,发现感知型条件化提升平均成功率,且基于标签的微调可进一步优化性能。 实验使用 5000 条次优人类演示和 24 个目标任务,涵盖 3 种 VLA 模型;真实世界中模拟预训练将成功率从 9.6% 提升至 31.7%。 该成果通过 AXIS-Bench 支持受控对比,为 VLA 模型的质量感知训练提供了可复现基准。
研究团队提出 LIBERO-RIG 基准,专门测试视觉语言动作模型在机器人硬件和设置发生扰动时的鲁棒性,涵盖 11 个扰动维度和 210 种条件组合。 该基准固定 LIBERO 任务,通过改变相机挂载、校准及控制速率等硬件因素生成测试场景,并评估了 9 个最新模型,采用 500 个 episode 进行统计检验。
RoboSimStudio 是一个交互式工具包,允许人类和编码智能体通过编辑求解器、接触模型及物理参数来迭代优化机器人操作的 Real2Sim 模拟。 该工具基于开源 Newton 物理模拟系统实现,支持视觉评估、力反馈及 Agentic Real2Sim2Real 实验,旨在解决机器人接触力学建模难题。 代码与视频已发布于项目网站,方便研究人员复现相关实验。
系统 Steertuning 使机器人能在 5 分钟内通过 5 个人类演示学习新环境中的新任务,跨 12 个任务达成 71% 成功率。 系统预训练一个 400M 参数的扩散策略模型,基于 100 小时第一人称人类交互数据;微调仅需 2 分钟(2000 次更新)。 方法支持从实验室到厨房等多种新环境的本体迁移,全套数据集与代码将公开。
该研究提出 VAQ 方法,通过将动作量化误差限制在状态可达性的重构误差范围内,有效保留了量化动作对未来状态和价值的影响。 基于此构建的 VAQ-MCTS 框架在行为克隆任务中显著提升了数据效率与鲁棒性,实现了零样本环境适应。 在硬件实验中,VAQ-MCTS 仅利用 10 分钟演示数据便成功完成了全部 30 次真实物体推动试验。
提出 MemoryVLN 系统,通过记忆构建与管理解决视觉语言导航中长轨迹性能下降问题。 在 R2R-CE 和 RxR-CE 数据集上,该系统相比最先进基线分别提升 2% 和 6.5% 的成功率。 利用长序列压缩与分层记忆库实现经验复用,显著提升导航可靠性。
Orchestra 代理框架通过分离任务规划与动作生成,在 RMBench 9 项任务中实现 68.22% 平均成功率,超越 Mem-0 26.22 个百分点。 引入 RMBench-Compose 基准测试,其 7.35 平均成功子任务长度是 HarnessVLA 的 2.46 倍。 在 4 项真实多步任务中,相比基础 pi_0.5 策略提升 25.0% 平均成功子任务长度。
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。