跳到正文
10月6日周二
  1. arXiv · AI22

    分层强化学习实现欠驱动双足机器人无碰撞行走

    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。

  2. arXiv · AI35

    Fin Ray 机器人通过视觉预测力实现力感知操作

    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。

  3. arXiv · AI36

    GOTT:基于可复用跨形态接触原语的中心化灵巧操作框架

    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。

  4. arXiv · AI28

    VICS-G 解码器通过可行未来推理提升视觉语言动作策略安全性

    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。

  5. arXiv · ML23

    DiVeR:面向VLA测试时扩展的决策关键验证器学习

    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。

  6. arXiv · ML25

    Humanoid Rickshaw Pulling: Whole-Body Locomotion under Coupled Wheeled Loads 中文标题:人形机器人拉板车:轮式负载下的全身运动控制

    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。

  7. arXiv · ML29

    PIVOT-Q:通过选择性策略蒸馏恢复量化 VLA 模型的泛化能力

    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。

10月5日周一
  1. 机器之心52

    看懂不等于做对:VA-Bench 测出大模型空间智能的执行断层

    VA-Bench 通过闭环评测揭示大模型空间智能短板,顶尖模型完整任务成功率仅约 50%,远低于子任务 65.9% 的完成度。研究发现模型存在从目标识别到精细执行、错误发现到在线修正的能力断层,且双臂协同成功率普遍低于 12%,表明当前多模态模型难以将空间理解转化为稳定的具身操作。

  2. arXiv · ML36

    DriftWorld:基于漂移生成模型的高效快速世界建模方法

    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。

  3. arXiv · ML36

    ROVE:通过强化学习利用人机交互优化人形操作 VLA 模型

    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。

  4. arXiv · ML23

    缩小世界模型中基于梯度规划的训练-测试差距

    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。

  5. arXiv · ML25

    SoTa: 用于灵巧操作的软触觉皮肤

    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。

  6. arXiv · ML28

    UniIntervene++:自适应干预智能体助力高效真实世界强化学习

    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。

  7. arXiv · ML21

    GARV:面向高层机器人计划的图感知精炼与安全验证方法

    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。

  8. arXiv · AI35

    Screw Attention:Transformer 中的刚体代数

    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。

  9. arXiv · AI33

    AED:利用历史动作轨迹学习技能的世界动作模型

    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。

  10. arXiv · AI35

    基于统计验证的安全鲁棒神经策略学习:面向机器人 Sim-to-Real 部署的方法

    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。

  11. arXiv · AI31

    8 Hz 低频运动控制实现 ANYmal C 四足机器人鲁棒动态 locomotion

    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。

  12. arXiv · AI36

    WAM-OPD: 基于在线策略蒸馏的联合视频动作监督世界动作模型后训练

    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%。

  13. arXiv · AI33

    World Action Planner 通过动作条件世界模型实现可泛化的机器人决策

    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。

  14. arXiv · AI33

    EyeRobot 2.0 利用主动注视实现无腕部摄像头精准操作

    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。

  15. arXiv · AI22

    CriticHack:机器人策略优化中视觉奖励的评估

    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。

  16. arXiv · AI44

    MFPG-PPO 稳定数据稀缺强化学习

    针对昂贵且稀缺的目标域数据导致策略梯度不稳定的问题,研究团队开发了适用于 GPU 并行仿真和物理机器人的 MFPG-PPO 框架。该方法利用低保真数据构建控制变量以降低方差,在最小 HF 数据预算下,其性能一致匹配使用 16 倍更多 HF 数据训练的 PPO。该算法使物理 Franka 机械臂仅通过每次更新 4 个真实机器人 episode 且无人工演示实现了稳定学习。