Jumper：基于参考动作与残差强化学习的螃蟹机器人动态跳跃控制
Jumper 采用参考引导的残差强化学习方法控制螃蟹机器人动态跳跃，参考动作只记录名义轨迹，策略只学习对参考指令的修正量。该方法中蹬地冲量决定起跳速度，弹道决定腾空过程，并以官方策略完成跳跃与边界试验。
#Research
GuyuehomeAI 评分5858 Tech Xplore RoboticsAI 评分6060 UCLA与UC Davis研发185毫克昆虫仿生飞行机器人，碰撞后可恢复飞行
UCLA与UC Davis团队在Science Robotics发表一款全聚合物微型飞行机器人，重185毫克，靠电致伸缩聚合物薄膜直接驱动柔性锥形翼，无需机械传动。测试中它能产生约自重三倍的升力，以平均40厘米每秒的速度自主起飞，被苍蝇拍击中或被压至约自重11000倍载荷后仍能恢复飞行。目前原型通过外部导线供电，团队下一步将改进转向与降落控制、提升载荷，并推进机载电源、控制电子与传感的自主化。
Robotics & Automation NewsAI 评分5555 莱顿大学研究：Ryberg Healthcare 自主 UV-C 消毒机器人 Omnia 达到消毒标准
莱顿大学研究人员在模拟医院环境的实验室中评估 Ryberg Healthcare 的自主 UV-C 消毒机器人 Omnia，结果发表在同行评审期刊 Infection Prevention in Practice，显示其达到至少 5 log 削减的验收标准。
Xbotics具身智能实验室 · 微信公众号AI 评分7171 游洋威团队三项触觉操作成果：PACE、ForeTac与ViTacX
游洋威团队介绍三项触觉操作成果：PACE 入选 CoRL 2026 Oral，在五项真实机器人插装任务中平均成功率达 90.7%；ForeTac 将未来触觉预测用于动作生成。
爱范儿AI 评分5858 藤蔓式软体机器人插管系统SRIS在尸体测试中首次成功率87%
斯坦福大学Elliot Hawkes团队基于藤蔓机器人原理设计软体机器人插管系统SRIS，在尸体测试中8名急救人员等共12人经5分钟培训后，87%首次插管成功，平均耗时21秒；同样条件下视频喉镜成功率为63%、平均耗时44秒。
RobohubAI 评分5555 NimbRo 团队谈 RoboCup@Home 参赛与 2026 最佳论文
波恩大学 NimbRo@Home 团队负责人 Raphael Memmesheimer 在访谈中介绍，其团队凭论文《Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation》获得 RoboCup 2026 最佳论文奖。
量子位AI 评分5555 威卡发布具身智能赋能工程机械高质量数据集
威卡移动控制在2026徐州第十届人工智能大会上发布“具身智能赋能工程机械高质量数据集”，并已在Hugging Face等数据仓库上线。数据集第一阶段规模3600万帧，覆盖12类典型作业场景，以统一时间戳同步视觉、激光、位姿、力馈、手柄输入五个维度数据。威卡称挖掘机真机采集成本约每小时5000元，训练一套可用模型大致需要10万小时量级数据。
HuggingFace Daily Papers精选AI 评分7878 RynnWorld-Latent：以通用潜动作为条件的跨本体世界模型
研究团队提出 RynnWorld-Latent，一个以 RynnLAM 的 3D 接地潜动作作为共享条件接口的跨本体视频世界模型，可在人类交互视频、机器人演示与仿真数据上联合预训练。
推荐理由：该工作提出以通用潜动作作为跨本体共享条件接口，让人类视频、机器人演示与仿真数据可联合预训练世界模型。
HuggingFace Daily PapersAI 评分6666 PDRVLA：引入物理动态表征的视觉-语言-动作模型
PDRVLA 提出轻量物理动态模块，从视觉-语言特征中提取物理 token 来条件化动作生成，无需在线生成未来视频。该模块通过直接预测未来 RGB、深度和光流特征学习，并以冻结的预训练视频世界模型做辅助监督，训练仅使用公开数据并经人到机器人合成、子任务标注和具身思维链（ECoT）标注扩充。
arXiv cs.ROAI 评分6262 SCRIM：量化模仿学习中的状态关键性
作者提出 SCRIM，一种状态关键性度量，用对抗扰动策略和价值评论家估计专家动作小幅扰动导致的下游价值最坏退化，为每条示教状态打分。这些分数可用于重加权行为克隆损失，也可筛选紧凑的高价值示教子集，在保持性能的同时减少训练数据量。方法在多种仿真与真实机器人操作任务上评估，论文被 CoRL 2026 接收。
arXiv cs.ROAI 评分5555 GARV：面向高层机器人规划的安全验证与图感知细化方法
作者提出 GARV，把基于图的动作契约与安全监控器组合，对 goto(region) 这类高层动作给出模型相对的安全证书或反例，并在路径可选时给出最小代价安全细化。
arXiv cs.ROAI 评分6262 Goal2Pixel：将目标定位到像素的视觉语言导航方法
Goal2Pixel 提出一种纯像素范式，把连续环境视觉语言导航（VLN-CE）重构为可导航像素定位：模型预测图像平面上的可导航像素，再反投影为三维路点用于前进，转向和停止由左、右、下辅助区域编码。
arXiv cs.ROAI 评分6262 AWARE：面向视觉-语言-动作模型的动作熵加权与注意力引导观测证据检索
作者提出 AWARE，一个免训练、即插即用的视觉-语言-动作模型（VLA）模块，通过逐元素动作熵追踪各层不确定性，并借助联想记忆查找把观测证据检索进前馈网络的键值记忆。
arXiv cs.ROAI 评分6060 Semantic World Models：用视觉语言模型预测语义信息做机器人规划
论文提出 Semantic World Models，把世界模型建模为对未来帧语义信息的视觉问答，而非重建未来像素，从而可用视觉语言模型经图像-动作-文本数据监督微调得到。作者在仿真机器人任务上验证，效果优于典型的基于重建的动作条件世界模型。
arXiv cs.ROAI 评分6060 QUAN：用四元数近似网络提升图像分类与旋转目标检测
论文提出四元数近似网络（QUAN），通过 Hamilton 积分解用实数运算近似四元数卷积，并配合自定义 CUDA 内核实现旋转等变图像分类与目标检测。作者还提出独立四元数批归一化（IQBN）以稳定训练，并将四元数运算扩展到空间注意力机制。
arXiv cs.ROAI 评分7272 BiDex-100：覆盖100多个仿真任务的双臂灵巧操作基准
作者提出BiDex-100，一个面向双臂灵巧操作的仿真基准，包含106个任务，按泛化、指令跟随、少示教、长时程和记忆五个能力维度组织。每个任务配有受控视觉与空间变化的域外变体，用于评估鲁棒性，并支持两种本体、提供8,080条经成功验证的遥操作示教，共625万帧。作者在统一协议下评测七个近期视觉-语言-动作模型，建立分能力性能、鲁棒性和数据效率的基线。
arXiv cs.ROAI 评分7171 离散动作何时能成为好的连续控制器
该论文比较连续与离散动作策略在单任务回归、多任务VLA训练以及仿真和实机中的表现，发现即使采用最朴素的均匀分箱量化，离散动作预测在任务成功率上也能匹配甚至超过连续动作策略。
arXiv cs.ROAI 评分6969 IDTD：面向仿真到现实系统辨识的信息解耦轨迹设计
作者提出信息解耦轨迹设计框架 IDTD，用 Fisher 信息矩阵导出的 Schur 补分数构造探索目标，并按参数归一化、逐参数选取最优轨迹段后对数聚合，以缓解参数不可区分导致的辨识不可靠。
arXiv cs.ROAI 评分5858 MILD数据集与AprilVINS：面向UMI式操作示教的末端执行器定位
作者提出MILD操作界面定位数据集，包含Insta360 X5与Insight9采集的86段真实传感器序列（覆盖15个重复桌面任务）及Isaac Sim中的MILD-Sim仿真子集，并提供每次执行的机器人末端执行器参考轨迹。
arXiv cs.ROAI 评分5858 面向双无人机缆绳吊运的紧凑型力传感器与张力感知外环控制
该研究提出双无人机吊运框架，在缆绳锚点处用自研紧凑型力传感器测量交互力，并通过静态与动态测试评估其线性度、迟滞、重复性和交叉载荷。控制采用级联结构，内环负责机体稳定，外环补偿实测力，在位置不确定下的仿真与室内实验中验证。吊运掉落和受限空间测试与文献分布式方法对比，显示稳定性、协同和抗扰能力提升。
arXiv cs.ROAI 评分5252 测试时物理诊断何时有效：六项有序经验条件与冻结策略的失效分析
Zhengshu Zhang 在 arXiv 论文中提出，机器人面对陌生物理条件时的诊断要改善行为，需满足六项有序经验条件：有意义的参照、物理条件可辨识、使用所获证据、决策价值、相对固定备选方案的选择价值、安全实现。
arXiv cs.ROAI 评分5050 用法律推理约束世界模型规划：可废止道义逻辑规划栈在仿真机械臂上的验证
论文提出一个法律规划栈，用可废止道义逻辑（DDL）约束运动规划器，并借助学习到的世界模型进行规划与提供法律上下文，从而在非法动作执行前进行事前干预。该栈在仿真机械臂于3x3网格推动方块的场景中部署，结果显示受法律约束的智能体遵守规范的比例明显高于未受约束者，对感知不确定性建模后遵守率进一步提升，法律推理在运行时高效且裁决可审计，并能适应外生信号与内生规则变化。
arXiv cs.ROAI 评分6565 无梯度神经Hamilton-Jacobi可达性分析用于可扩展安全关键控制
作者提出一种离散时间神经可达性框架，通过Bellman-Isaacs值传播学习后向可达管（BRT）与后向可达规避管（BRAT），并用无梯度值探测构造近似教师动作，把对抗式actor学习转为监督策略学习。
arXiv cs.ROAI 评分6666 多机器人学习式信息路径规划：时空高斯过程卡尔曼滤波框架
作者提出基于网格的时空高斯过程-卡尔曼滤波框架，用于学习式多机器人信息路径规划，用离散工作空间网格上的单一潜变量场表示匿名目标存在，而非为每个目标维护一个高斯过程。
arXiv cs.ROAI 评分6060 时序触觉编码与柔顺控制用于意图感知的机器人到人双手交接
该研究将 VLA 模型与柔顺控制器结合，用 RGB 观测、时序编码触觉反馈和本体感知的人类演示微调模型，实现机器人到人的双手交接。在人类受试者研究中，该系统与无触觉反馈、有触觉但无柔顺控制两个基线对比，结果显示柔顺控制与触觉历史互补，性能明显优于基线。项目页面已公开。
arXiv cs.ROAI 评分6060 从语言到导航目标：基于 RGB-D 感知的移动机器人语义导航视觉语言方法
该研究提出一个语言驱动的导航框架，让移动机器人理解“去邮箱”这类自然语言请求，识别所指物体并用 RGB-D 数据估计其位置，生成导航目标后交由 ROS 2 Nav2 导航栈执行。
arXiv cs.ROAI 评分7070 从抓取到灵巧操作：面向灵巧操作的大规模抓取预训练
研究团队提出用大规模灵巧抓取数据预训练分层模仿学习框架的低层控制器，再在下游任务示教上微调，以支持关节工具使用中的功能灵巧性。他们从大规模灵巧抓取标注构建了 355k 条轨迹的抓取预训练数据集，并推出包含六项关节工具使用任务的仿真基准 DexCraft。在仿真和实机实验中，该方法优于端到端扩散策略基线和从零训练的分层策略，实机全任务成功率比 DP3 高 33.3 个百分点。
arXiv cs.ROAI 评分6161 LOPAL：利用局部性能感知主动学习从不完美示教中学习
LOPAL 是一种局部性能感知的主动学习方法，用高斯混合模型（GMM）同时编码示教轨迹及其局部质量评估，从而生成优于不完美示教的轨迹。该方法还通过共享自主（SA）机制在数据不足区域主动请求用户纠正，机器人在此过程中自主执行已学行为。
arXiv cs.RO精选AI 评分7878 FTP-1：跨触觉传感器的通用基础触觉策略
研究团队提出 FTP-1，一个跨多种触觉传感器和本体预训练的通用基础触觉策略，用异构编码器把图像、阵列和状态类触觉信号映射为统一的形态感知隐 token，由共享触觉 Transformer 专家联合建模。
推荐理由：该工作把多种触觉信号统一到共享策略中，并给出跨传感器迁移的成功率变化，可供触觉操作研究参考。
arXiv cs.ROAI 评分7070 FAWAM：面向闭环接触丰富操作的力感知世界动作模型
作者提出力感知世界动作模型 FAWAM，在感知、预测和闭环执行三个层面引入力信息：先编码历史六轴力/力矩信号调制动作生成，再联合预测未来动作与末端执行器力旋量以显式建模接触演化，并用预测力旋量轨迹作为执行期参考、结合实时力反馈在线修正动作。在多个接触丰富任务的真实实验中，FAWAM 平均成功率比纯视觉基线高 36.25%，比现有力感知基线高 21.25%。
arXiv cs.ROAI 评分6464 GTP-FA：带失败归因的抓取后规划两阶段操作框架
作者提出 GTP-FA，一个面向机器人操作的两阶段“先抓取后规划”框架：先生成抓取候选，再以选定抓取为条件做下游运动规划。该框架学习失败归因模型，对失败轨迹给出失败模式分布，并据此分别优化抓取评分与规划模块。仿真与实机实验显示，GTP-FA 在 RL、IL、扩散策略和 VLA 等基线上提升了整体任务成功率，论文已被 NeurIPS 2026 接收。
arXiv cs.ROAI 评分7171 RePO-VLA：面向视觉-语言-动作模型的恢复驱动策略优化
RePO-VLA提出恢复驱动的策略优化框架，把成功、恢复和失败轨迹赋予不同角色，用于长时序、接触密集的操作任务。该方法先用恢复感知初始化把纠正片段切成新回合，再学习进度感知语义价值函数，并用价值条件精炼让策略偏好高进度动作。
arXiv cs.ROAI 评分6262 S3KF：面向全景3D多目标跟踪的球面状态空间卡尔曼滤波
作者提出S3KF全景3D多目标跟踪框架，基于电机旋转LiDAR与四鱼眼相机，在单位球面S^2上用两自由度切平面参数化建模目标方位，并与框尺度、深度动态联合估计。
arXiv cs.ROAI 评分6262 RAPID：面向电动汽车电池包拆解的机器人智能体平台
作者提出机器人智能体拆解平台 RAPID，集成龙门式工业机械臂、RGB-D 感知和自动拧螺母工具，在完整电动汽车电池包上完成紧固件拆除。开放词汇目标检测达到 0.9757 mAP50；三种一次性紧固件拆除策略中，示教位姿成功率 97%、耗时 24 分钟，一次性视觉执行成功率 57%、耗时 29 分钟，视觉伺服成功率 83%、耗时 36 分钟（n=204）。
arXiv cs.ROAI 评分6565 MO-Playground：面向机器人的大规模并行多目标强化学习
作者提出GPU原生的多目标强化学习算法MORLAX和可pip安装的GPU加速多目标环境库MO-Playground，可在数分钟内近似Pareto集，相比传统CPU方法加速26-271倍，相比此前GPU方法最高加速19倍，同时学到更优的Pareto前沿超体积。团队还实现了自定义BRUCE人形机器人环境，在仿真中针对平滑性、能效和摆臂等6个实际目标学习Pareto最优的运动策略。
arXiv cs.ROAI 评分7171 Boreas Road Trip 发布多传感器自动驾驶数据集，覆盖9条路线643公里
Boreas Road Trip（Boreas-RT）数据集发布，包含9条真实路线、60段序列、共643公里行驶数据，每条路线多次往返，可在相同环境下比较不同交通与天气条件。
arXiv cs.ROAI 评分7272 DeFM：从深度图像学习机器人基础表征的基础模型
DeFM 是一个完全基于深度图像自监督训练的基础模型，采用 DINO 式自蒸馏目标，在 6000 万张深度图像数据集上学习可泛化到不同环境、任务和传感器的几何与语义表征。
arXiv cs.ROAI 评分6060 RPT*：面向复杂环境目标搜索的概率终点全局规划方法
论文研究带概率终点的哈密顿路径问题（HPP-PT），目标是让移动机器人访问全部候选位置以寻找目标，并最小化期望路径代价。作者提出有最优性保证的搜索方法 RPT*，用新状态空间中的动态规划绕开历史依赖，并设计启发式加速计算。基于 RPT* 的 HATS 系统结合贝叶斯滤波或自主探索，在仿真和实机实验中平均比基线方法更快找到目标。
arXiv cs.ROAI 评分6262 从人类演示到机器人动作规划的双臂操作语义-几何任务表征
作者提出一种语义-几何图任务表征，联合编码物体身份、物体间语义关系和每个物体的运动历史，由MPNN编码器与Transformer解码器组成，编码器只处理时序场景图，产出与动作标签解耦的结构化表征。
arXiv cs.ROAI 评分6767 DreamTacVLA：用触觉世界模型预测未来接触的VLA框架
DreamTacVLA 提出一种将 VLA 模型建立在接触物理之上的框架，通过预测未来触觉信号来学习接触动力学。该模型采用分层感知，将高分辨率触觉图像作为微观视觉输入，与腕部相机局部视觉和第三人称宏观视觉结合，并用分层空间对齐（HSA）损失对齐触觉 token 与腕部、第三人称视图中的空间对应物。