A2I-Calib++：面向足式机器人全身多IMU系统的抗噪主动标定框架
论文提出 A2I-Calib++，一种由运动学驱动的抗噪主动标定框架，用于足式机器人机身上的多IMU系统，可估计时间偏移、外参旋转与平移以及惯性偏差，无需人工标定靶或复杂参数调参。
全部机器人动态
arXiv cs.ROAI 评分5656 arXiv cs.ROAI 评分5555 PRISM通过物理噪声解耦实现真实深度合成，实机任务平均成功率92.1%
论文提出PRISM框架，将深度噪声解耦为传感失效（sensing invalidation）与测量不准（measurement inaccuracy）两类模态，并蒸馏3D视觉基础模型特征作为空间-语义先验。
arXiv cs.ROAI 评分4848 流匹配与模型预测控制结合的机器人安全导航框架
该框架将基于流匹配的路径规划与模型预测路径跟随控制结合，用于移动机器人导航。流匹配模型捕捉多模态路径分布，预测控制器在线满足状态与输入约束并避障，事件触发重规划将控制解反馈至后续路径生成。仿真结果表明该框架在杂乱环境中表现稳健。
arXiv cs.ROAI 评分5151 面向刚性与弹性关节机器人轨迹跟踪的前馈载荷泛化方法
该论文提出一种前馈控制动作对载荷参数泛化的新方法，与底层控制器无关，只需新载荷的参数即可在不知道机器人动力学模型、甚至存在弹性关节的情况下执行相同轨迹。
arXiv cs.ROAI 评分5656 PAL：先规划后执行的流式推理分层记忆框架用于机器人操作
论文提出面向视觉-语言机器人操作的分层记忆框架 PAL（Plan first, Act Later），由高层视觉-语言模型（VLM）把流式视觉观测转换为 subtask_list，执行时再从中选出当前相关子任务交给底层视觉-语言-动作（VLA）策略。
arXiv cs.ROAI 评分4646 面向太空机器人的机载大语言模型低比特压缩方法 QSelect
QSelect 将 AWQ、GPTQ、AutoRound 三种量化器按线性模块分配组合成单一静态低比特模型，以最终下一 token 分布评分每次替换。
arXiv cs.ROAI 评分4949 Relational Geometry Forcing：通过关系几何约束改进世界动作模型（WAM）的机器人操作学习
论文提出 Relational Geometry Forcing（RGF），通过将冻结的 3D 基础模型的几何先验以成对特征关系对齐的方式注入世界动作模型（WAM），替代逐点特征对齐，避免密集几何目标过度约束紧凑动作特征导致的动作学习退化。
arXiv cs.ROAI 评分6565 TIDE：面向机器人操作的人机在环部署中在线后训练系统
作者提出 TIDE（Training In DEployment），一种人机在环在线后训练系统，用来源条件监督学习框架从部署中的人类干预和策略 rollout 在线更新策略，不需要学习 critic、奖励模型或动作评分器。
arXiv cs.ROAI 评分6060 DepState-JEPA：面向视觉感知与操作的深度锚定状态表征学习
作者提出 DepState-JEPA，一种双流 RGB-D 联合嵌入预测架构，通过共享隐状态 DepState 把空间理解与动作条件预测连接起来。该框架基于 V-JEPA 2.1，将深度同时作为互补观测流和度量三维空间的锚定依据，并用射线条件读出、物体轨迹监督与标定正运动学约束状态学习。
arXiv cs.ROAI 评分5151 NavBind 诊断导航 VLA 模型在路线分叉处的指令-动作绑定
NavBind 提出一种诊断导航视觉-语言-动作（VLA）模型是否真正遵循指令的方法：在固定导航上下文下，检查改变指令是否会影响动作的概率分布。作者通过重组 R2R-CE 和 RxR-CE 中与路线对齐的指令片段，构建了 3,252 个路线分叉上下文，每个上下文配对两条共享已走路线描述但指定不同分支的完整指令，并在相同智能体状态和导航历史下评估。
arXiv cs.ROAI 评分6464 SMR：从人类语义学习人形机器人流式运动重定向
SMR 是一种从语义条件物理专家学习的流式神经运动重定向器，将人体运动转成机器人任务空间目标，由物理专家在仿真中跟踪，再用严格因果 Transformer 学习其执行轨迹。每个新帧仅用当前与过去的人体观测生成机器人运动参考，供下游全身控制器使用。实验显示语义条件物理专家在语义保真度和物理有效性上优于直接优化式重定向，所得流式重定向器在统一全身控制器下闭环表现优于运动学与物理精修基线。
arXiv cs.ROAI 评分5555 表征先验如何影响世界动作模型的泛化能力
该研究提出世界动作模型（WAM）的泛化表现会因其生成骨干的表征几何而显著分化，并用 nuisance orthogonality（特征在分布外视觉变化下与分布内流形的正交程度）量化这一先验。实验覆盖多种图像与视频骨干，发现训练前正交性越高，WAM 训练后对视觉变化的鲁棒性越强，可在训练前前瞻预测策略泛化；对鲁棒 WAM 的分析还显示特征位移受抑制与稳健的动作生成。
arXiv cs.ROAI 评分6464 SimPT：自动化仿真框架用于基于介入的 VLA 后训练
SimPT 是一个自动化仿真框架，将策略 rollout、纠正数据采集、策略训练与独立评测整合，用于基于人工介入的视觉-语言-动作（VLA）后训练。
arXiv cs.ROAI 评分5050 状态相关目标协调实现两轮机器人端到端平衡与导航
arXiv 论文提出一种轻量的状态相关目标协调方法，用于两轮倒立摆机器人的端到端平衡与导航。该方法引入俯仰角条件化的标量系数 β(s)∈[0,1]，在训练中动态调节平衡稳定与导航目标的相对权重，无需额外控制层级或 PID、LQR 等姿态稳定控制器。
arXiv cs.ROAI 评分6161 ACT-Flow：用评论家加权残差流学习视觉插接纠错
ACT-Flow 是一个在线学习框架，把自适应 Action Chunking Transformer（ACT）与条件残差流策略结合，让 ACT 通过行为克隆吸收成功执行的动作，残差目标相对更新后的先验重新计算。
arXiv cs.ROAI 评分5656 PHD-Hand：采用连杆驱动3-DOA手指的可3D打印人形灵巧手
PHD-Hand 是一款连杆驱动、单指具备3个驱动自由度（DOA）的人形灵巧手，采用独特的柔性铰链与弹簧钢弹性驱动杆简化传动，无需大量微型运动部件，可用预算级3D打印机制造，从而降低灵巧手使用与开发门槛并使尺寸更接近人手。原型已用于抓取与物体操作评估，论文同时给出该手的运动学与控制方面最新研究结果，已被 IEEE-RAS Humanoids 2026 接收。
arXiv cs.ROAI 评分5555 SLoSa：面向机器人任务规划的小型低功耗安全基础模型框架
SLoSa 是一个神经符号压缩与微调框架，用经典规划器、教师大语言模型和形式化验证器构建安全感知数据集，再经监督微调与基于验证奖励机的强化学习微调，训练小型、低功耗且具备安全意识的机器人任务规划模型。
arXiv cs.ROAI 评分5858 GGraph 开源 GPU 加速图库支持机器人部署与大规模学习
作者团队发布开源 GPU 加速图库 GGraph，面向机器人部署与大规模学习，通过 ROS 2 接口支持实机，并支持向量化 GPU 策略训练，内置支持三维导航、探索与回环整合等任务。单机器人运行时图更新耗时为毫秒级；在规模化训练中支持数百个并行机器人训练基于图的探索策略，将训练墙钟时间降低一个数量级。
arXiv cs.ROAI 评分7070 HyperDrone 四旋翼仿真器发布，批量渲染速度超现有方案 20 倍
HyperDrone 是一款面向高性能批量渲染的四旋翼仿真器，速度比现有最先进的批量四旋翼仿真器快 20 倍以上。
arXiv cs.ROAI 评分6565 COWBOY：可扩展的上下文全身操作sim-to-real框架
COWBOY是一个用于学习上下文全身操作的可扩展sim-to-real框架，在全身灵巧抓取任务上零样本迁移到数百个物体和多种野外场景，包括杂乱桌面、货架、抽屉等非结构化环境。
arXiv cs.ROAI 评分4747 One Policy, Many Styles：人形机器人可操控控制中偏好聚合位置的对比研究
一项研究对比了奖励级、优势级、损失级与PCGrad四种偏好聚合方式在两个人形机器人控制框架中的表现，发现没有哪种聚合层级在所有环境和指标上都最优。实验采用Preference Reward Responsiveness（PRR）结合覆盖率与效用指标评估，结果显示早期聚合能产生更宽的行为响应范围但会带来更多非预期的目标干扰，后期聚合则提升控制精度但牺牲部分响应性。
arXiv cs.ROAI 评分4545 基于大语言模型的辅助机器人避障导航可解释性框架
研究提出 Context-Aware Navigation Explanation 框架，用大语言模型结合感知上下文与规划轨迹，为辅助机器人避障与导航生成自然语言解释。该系统部署在 Unitree Go2 平台的室内导航场景中，评估不同解释上下文配置对用户信任与解释满意度的影响。结果显示解释满意度与信任呈强正相关，障碍物信息结合未来轨迹的配置解释效果最佳。
arXiv cs.ROAI 评分4040 面向协作迭代任务的动态博弈学习框架
该研究提出一个适用于非线性、非凸动态博弈的通用学习框架，用于处理带共享约束的多智能体协作迭代任务，通过已执行的可行轨迹构建采样联合安全集与各参与者的代价到-go函数。
arXiv cs.ROAI 评分5555 FLEX：用自然语言三操作灵活编辑机器人任务特征表征
论文提出 Flexible Feature Editing Pipeline（FLEX），用语言模型通过 Add、Generalize、Mask 三种互补操作，依据自然语言纠正迭代修正机器人对任务特征的内部表征。
arXiv cs.ROAI 评分5151 inr2action：用神经隐式表示编码机器人片段以支持回忆与动作
论文提出 inr2action 框架，将每段机器人操作片段从共享的元学习初始化出发拟合神经隐式表示，其权重增量（weight delta）作为记忆，大小不随片段长度变化，可从一百帧到十万帧保持固定尺寸。
arXiv cs.ROAI 评分7272 Real2Sem2Real：用单条人类RGB演示生成跨实例机器人训练数据
Real2Sem2Real（R2Sem2R）提出一条真实-语义-真实流程，将单条单目RGB人类演示视频转化为覆盖同一类别下多个语义物体实例的数千条机器人演示。该方法用DINOv3蒸馏的高斯泼溅跟踪物体SE(3)位姿，性能超过现有方法和使用估计度量深度的FoundationPose，并将人手映射为可迁移到数字孪生体的可行机器人抓取。
arXiv cs.ROAI 评分5656 T-WLA：用共享视觉记忆桥接慢视觉与快触觉的世界-语言-动作架构
T-WLA 是一个世界-语言-动作（World-Language-Action）架构，通过共享视觉记忆同时引导动作生成与触觉修正，以应对接触密集操作中接触条件先于视觉策略更新而变化的问题。
arXiv cs.ROAI 评分4949 VeriCalib：可验证的基于目标的 LiDAR-相机标定
VeriCalib 将基于目标的 LiDAR-相机外参标定建模为可验证估计问题，输出标定状态以指示接受结果还是补采数据。它通过结构化协方差解耦旋转与平移精度，指导数据采集向最弱方向补充，并用视图内与跨视图检查及最小可检测偏差界定各方向可发现的最小故障。
arXiv cs.ROAI 评分4646 无传感器力/力矩观测器与混合位姿力控制框架用于物理人机交互
该框架将神经网络增强的鲁棒力旋量观测器与混合位姿力控制器结合，用于物理人机交互（pHRI），无需力/力矩传感器即可实现末端执行器的位姿与力跟踪。神经网络用于补偿系统摩擦与未建模动力学以提升观测器性能，任务零空间分解用于分离关节速度、降低人体扰动对观测器的影响。实验结果表明该框架在保持可靠位姿与力跟踪的同时实现了鲁棒且精确的力旋量估计，可应用于多种无力/力矩传感器的机械臂平台。
arXiv cs.ROAI 评分4444 基于元学习的模式识别与自适应控制实现人机交互
该框架用元学习训练的神经网络识别主动引导与被动跟随两种人机交互模式，无需手动设定切换阈值，被动模式识别率从90.1%提升至99.1%，主动模式从79.8%提升至97.1%。自适应元学习控制器可补偿人体扰动并在线适应不同交互力，多轨迹元学习算法联合学习环境基表征与力相关参数以处理未建模动力学，实验验证了其鲁棒控制与可靠模式识别性能。
arXiv cs.ROAI 评分4545 人形机器人遥操作中的可调可达映射：全景方位扭曲与上肢偏航变换的耦合视觉-运动重映射
该研究提出一种耦合视觉-运动重映射方法，将全景方位扭曲与其逆向上肢偏航变换配对，用于人形机器人第一人称遥操作，以扩展操作者对侧方和后方目标的可达范围。原型实现了 Global Zoom（GZ）和 Focus+Context（F+C）两种映射模式。
arXiv cs.ROAI 评分3838 球形移动3D测绘的实时地面法向量估计：基于LiDAR-惯性里程计的方法
研究提出两种基于RANSAC的地面法向量估计方法：单帧扫描估计与基于LiDAR-惯性里程计（LIO）全局3D地图的估计，用于球形移动测绘系统（SMMS）的里程计。在多样真实数据集上以地面激光扫描仪真值评估，LIO方法在精度与鲁棒性上显著优于单帧扫描方法。将地面法向量估计融入运动模型可改善位姿估计，支持危险环境下的自主导航。
HuggingFace Daily PapersAI 评分5151 SpatialBrain：从经验中生长的空间智能框架
SpatialBrain 是一个在固定视觉-语言骨干上保留空间推理决策经验的框架。3DFusionMemory 将当前场景观测融合为可查询的空间关系，Spatial Skill Library 提供可复用的工具流程，Spatial Cognition 将任务条件与何时及如何使用记忆和技能的经验关联起来；已完成轨迹被抽象为过程记录并在任务块之间巩固。
HuggingFace Daily PapersAI 评分7171 DONIC：从人类演示学习的通用双臂灵巧跟踪控制
论文提出 DONIC，一个跨操作类别与人类动作来源联合训练的通用双臂灵巧跟踪器，并发布多视角数据集 BiHOI，含 1,575 段序列、覆盖 229 个物体，强调持续的双臂交互并将重建交互重定向为机器人参考。
HuggingFace Daily PapersAI 评分4747 Memory-Centric Continual Learning (MCCL)：以记忆驱动AI智能体持续学习
论文提出 Memory-Centric Continual Learning（MCCL），主张以记忆能否改善智能体后续行动而非检索事实来评判记忆，包含三轴分类法（按存储位置、形态、管理方式组织记忆）、双循环生命周期、评测协议与记忆扩展框架。
HuggingFace Daily PapersAI 评分6262 AW-0：将代码规划与视频动作预测耦合的智能体世界动作模型框架
研究提出 AW-0 智能体世界动作模型框架，在统一 mixture-of-transformers 架构中把代码、未来视频和机器人动作建模为三条耦合生成流，由代码专家生成参数化技能例程与控制逻辑，视频与动作专家生成未来视觉状态和低层运动指令。
HuggingFace Daily PapersAI 评分6060 ALPS：面向世界模型的视觉状态编码器
研究提出预训练视觉状态编码器 ALPS，在一组 patch token 中统一物理状态信息、语言对齐与像素重建三种能力，仅用静态图像和文本从零预训练 ViT-B/16，并通过跨视角自蒸馏进一步优化。
HuggingFace Daily PapersAI 评分5151 Dual Exam 基准发布：分轨评测多模态智能体与世界模型
Dual Exam 基准将多模态智能体与世界模型分开评测：智能体轨在固定环境响应机制下比较 10 种配置、覆盖 1,088 个条目和 15 个报告类别，世界模型轨包含 8 个场景的 400 个案例。
HuggingFace Daily PapersAI 评分6262 Echo：为视觉-语言-动作模型联合去噪动作与任务状态信号
Echo 提出一种框架，把停止和失败两种任务状态信号作为每个动作块的两个维度，与机器人动作一起去噪，从而区分执行中、成功完成和失败三种状态。该方法无需帧级进度标注，通过构建成功、失败和恢复轨迹提供互补监督，并让状态信号比动作更快去噪，使后续动作去噪步骤能基于更干净的状态估计。真实操作实验显示，Echo 能准确预测任务状态并持续提升策略性能。
HuggingFace Daily PapersAI 评分6767 FocusVLA：用未来意图引导动态视角路由的 VLA 模型
FocusVLA 提出一种阶段感知的多视角路由框架，从历史动作预测未来交互意图，并据此在动作生成过程中动态协调全局与局部视角。在 RoboTwin 2.0 上，其平均成功率比最强基线 π_{0.5} 提升 10.10 个百分点；实机评测成功率从 71.7% 提升到 85.0%。该框架的意图预测与动态路由模块可在不修改核心架构的情况下集成到现有 VLA 框架中。