TopoGS-SLAM：从静态采样视角重构高斯 SLAM 的致密化策略
作者提出 TopoGS-SLAM，用覆盖触发的高斯初始化与有界拓扑优化把细化与容量解耦，将建图转为有界维度问题。在标准室内基准上，其定位与重建精度不逊于基于致密化的流程，同时显著改善内存可扩展性与吞吐。作者据此认为，在多视角覆盖充分的有限区域静态室内场景中，高斯 SLAM 无需迭代拓扑变异。
#Data and simulation
arXiv cs.ROAI 评分5757 arXiv cs.ROAI 评分7272 ContactBench 1.0：面向日常接触丰富机器人操作的基准
作者提出 ContactBench 1.0，用 36 个参考任务和 40 多个物体资产把接触丰富操作拆解为八项基本技能，资产可在消费级 3D 打印机上复现并配有对应仿真模型。在六个基准任务上评测近期纯视觉与视觉-触觉策略学习方法，结果显示纯视觉策略难以感知或响应接触事件，视觉-触觉策略也未带来明显提升。该基准将开源，提供实物与仿真资产及受控任务变体，用于评测机器人系统的泛化能力。
arXiv cs.ROAI 评分6262 ArtifactArena：用模型在物理世界构建的机器人来评测模型
ArtifactArena 是一个开放式评测平台，让模型面对软硬件协同设计挑战，在仿真竞技场中构建可运行的机器人并互相对战。平台通过文本描述、物理仿真器反馈和对战数据三种方式引导模型改进机器人产物，并用头对头锦标赛产生的 Elo 排名比较前沿模型。作者开放框架与锦标赛基础设施，供社区持续提交，形成不饱和的长期测试平台。
arXiv cs.ROAI 评分6262 机器人世界模型真的遵循动作吗？WorldEcho 诊断与 WorldSync 对齐动作条件生成
作者提出 WorldEcho，通过视觉完整性和 SE(3) 末端执行器轨迹对齐，在更广动作分布上评估动作条件世界模型是否真正遵循指令动作。诊断显示，专家数据训练的模型在演示动作上表现较好，但在非专家轨迹上会出现动作不一致或视觉无效的生成。
arXiv cs.ROAI 评分1515 OccamView：面向帧预算受限主动3D高斯重建的物体条件视角选择
该论文已被作者 Zeyu Ni 撤回。OccamView 是面向帧预算受限主动3D高斯重建的物体条件视角选择框架，用开放词汇检测构建在线物体记忆，将检测物体周围未解析的局部占据表示为保守隐藏区域代理，并以遮挡感知的代理覆盖分数评估候选视角。
arXiv cs.ROAI 评分6767 Semantic Anchoring：为机器人动作表示引入语义锚定以提升 VLA 泛化
论文提出 Semantic Anchoring，一种即插即用的方法，将 VLA 的动作表示锚定到语义流形，并拆分为共享语义通道与私有通道，推理时全部丢弃、不改变部署模型。
arXiv cs.ROAI 评分7171 GaP：面向变异性自动化任务的多智能体图即策略自学习框架
论文提出 Graph-as-Policy（GaP）多智能体编码框架，从模块化开放机器人技能库 MORSL 生成包含感知、规划与控制节点的有向计算图，并构建内部仿真环境并行演练不同图结构以迭代优化成功率和吞吐量。作者在 4 个仿真和 4 个真实世界的新开放变异性自动化任务基准上评测，称 GaP 的成功率显著优于基线。
arXiv cs.ROAI 评分6060 综述：面向具身智能与机器人仿真的3D生成
该综述梳理3D生成在具身智能与机器人仿真中的三类角色：作为数据生成器产出带关节结构、物理属性和可变形内容的仿真就绪资产，作为仿真环境构建可交互、任务导向的场景，以及作为仿真到现实桥接支持数字孪生重建、数据增强和合成示教。作者指出该领域正从视觉真实感转向交互可用性，并列出物理标注有限、几何质量与物理有效性脱节、评测碎片化和仿真到现实差距等主要瓶颈。
arXiv cs.ROAI 评分6262 VORL-EXPLORE：面向动态环境多机器人探索的混合学习规划方法
作者提出 VORL-EXPLORE 混合学习与规划框架，用执行保真度估计局部可通行性与执行可靠性，并将其耦合进带机器人间斥力的 Voronoi 分配目标，在导航中仲裁全局 A* 引导与反应式强化学习策略。保真度模型利用近期进展与安全结果生成的自监督伪标签重新校准。随机动态栅格实验与严重拥堵消融显示成功率更高、探索路径更短、机器人间覆盖重叠更低，并给出 Gazebo 工厂场景部署示例，代码已开源。
arXiv cs.ROAI 评分6363 国际空间站 Astrobee 用深度学习热启动加速轨迹优化
研究团队在国际空间站 Astrobee 自由飞行机器人上完成基于机器学习热启动加速轨迹优化的在轨演示，用神经网络预测序列凸规划（SCP）求解的初值，再由 SCP 求解器保证安全约束。在含旋转动力学的场景中，训练后的网络将收敛所需求解器迭代次数减少 60%，在训练分布内的障碍场景中减少 50%。该工作发表于 iSpaRo 2025。
arXiv cs.ROAI 评分6565 SceneBloom：面向具身学习的智能体式室内环境生成框架
SceneBloom 提出一种智能体式框架，将视觉布局采样与契约引导的 3D 编译结合，用于生成逼真且多样的仿真室内环境。其分层采样器利用扩散先验在功能区内生成家具布局，编译器再依据提案中提取的关系进行几何拟合与局部位姿修正。
arXiv cs.ROAI 评分6767 RobustRLlib发布：统一17种鲁棒强化学习算法并给出273种扰动配置评测
RobustRLlib 是一个以算法为中心的鲁棒强化学习库与基准，在统一接口下集成了17种代表性在线、离线与安全强化学习算法。其评测平台覆盖多种现实偏移以及人形机器人和视觉-语言-动作任务，在273种扰动配置上给出当前鲁棒强化学习算法的能力分布，指出哪些场景仍然有效、哪些仍存在明显鲁棒性缺口。项目提供开源代码、项目页和教程，便于复现与扩展。
arXiv cs.ROAI 评分6060 SMM-AC：正则化强化学习提升仿真到现实迁移
作者提出基于 soft mellowmax 价值函数的正则化强化学习算法 SMM-AC，在 MuJoCo 连续控制基准上与 SAC 等基线相当，在真实机器人上取得更高回报，且对观测、环境和动力学扰动更鲁棒。研究对比了常用强化学习算法的仿真到现实迁移表现，指出正则化能提升策略对仿真到现实差距和真实环境变化的鲁棒性。
arXiv cs.ROAI 评分6868 用学习到的速度先验为机器人示教重定时
研究提出从大规模示教数据中学习速度先验，给定任务指令、运动路径和沿途图像，预测路径上的执行速度分布，并用选定分位数作为统一时钟为每条示教重定时。该方法在机器人遥操作数据和人类手持夹爪示教上拟合速度先验，把机器人示教重定时到手持节奏后再微调视觉-语言-动作策略，执行时配合实时最优控制层在机器人约束下跟踪预测动作块。
arXiv cs.ROAI 评分6161 SAGE：结合视觉语言与几何框架的临时交通管制施工区路径预测
作者提出 SAGE（Semantic-to-Action Grounded Execution）框架，用视觉语言模型（VLM）输出的轨迹作为对完整几何候选路径的偏好，并通过排序融合把候选的几何得分与 VLM 轨迹一致性结合。
arXiv cs.ROAI 评分4242 StackGen3D：从多视角轮廓生成稳定3D积木堆叠结构
StackGen3D 框架可根据给定积木库存与三张正交轮廓图生成稳定的积木装配结构。其先用物理信息图神经网络（PI-GNN）建模积木支撑关系并筛选稳定结构数据集，再训练条件流匹配模型学习符合目标轮廓的多模态积木配置分布。初步实验中，Best-of-10 选择将物理稳定性从 45.3% 提升至 72.4%，轮廓 IoU 达 0.970。
arXiv cs.ROAI 评分4040 LeWorldModel 是否保留局部动作几何？——LeWM 动作敏感性的多尺度评测
研究用匹配的仿真器与模型响应，在 Reacher 和 OGBench Cube 近千个状态上以 Gram 矩阵测量 LeWorldModel（LeWM）对小幅动作扰动的敏感性。
arXiv cs.ROAI 评分7272 DexPort：面向灵巧手数据采集的手持技能接口
DexPort 是一个面向高自由度机器人手的手持数据采集接口，采集与部署使用同一套手部硬件，记录关节目标指令和实测关节状态。操作者移动手持接口指定腕部运动，并通过选择或调整技能来协调手指动作，无需逐关节控制。
arXiv cs.ROAI 评分7272 ViT-H：用扩散模型从视频直接生成人形机器人动作并借助跟踪反馈后训练
ViT-H 提出生成加跟踪的视频到人形控制框架，用扩散模型直接从单目视频生成人形参考动作，跳过人体动作重建与重定向环节，并用运动跟踪结果以直接偏好优化后训练生成器。作者还给出自回归变体，可在低于 400 ms 延迟下实现实时人形视频遥操作。在 Unitree G1 上的实验显示，ViT-H 在动作质量与可执行性上优于现有的重建-重定向-跟踪流水线，且性能随模型规模及预训练、后训练数据规模提升。
arXiv cs.ROAI 评分7272 RynnUnify 发布 16B 统一具身模型，兼顾视觉规划与机器人控制
RynnUnify 是一个 16B 统一具身模型，通过交错的视频-语言推理把具身理解与长程视觉规划结合起来，覆盖空间推理、物理预测与 grounding。作者还基于强化学习开发了智能体扩展，用于选择性利用视频预测推理未观测状态和交互结果，并开发了 world-action 扩展把理解与预测能力转化为机器人控制。
arXiv cs.ROAI 评分4747 HoloBoxing：单GPU约7分钟训练的人形机器人拳击方案
HoloBoxing 提出一种基于预训练全身控制器的人形机器人拳击学习方案，将可复用运动技能与任务决策分离：紧凑规划器输出未来身体点目标，冻结的控制器负责关节级执行。
arXiv cs.ROAI 评分7272 NimCritic：动作感知量化的长程操作进度预测模型
研究提出动作感知量化方法，用视觉语言模型把长程操作轨迹拆成物体级子任务并分配加权动作信用，构建800小时以上训练视频数据集和含19618个人工校准评估帧的LOOM基准。
arXiv cs.ROAI 评分6060 VERID：面向自动化实验室智能体自博弈的语义数字孪生基础设施
作者提出 VERID，一个面向自动化实验室的持久高保真语义数字孪生，为 AI 智能体提供四项核心服务：可查询内省、时间压缩仿真、完整轨迹留存和安全执行框架。基于水溶性染料与去离子水混合物的三个案例研究验证了其光学与流体基础，展示了实验协议关键错误的预先检测、运行中状态化错误恢复以及事后识别细微物理故障。
arXiv cs.ROAI 评分5858 UAV-SwarmAgent：用代码生成与视觉语言推理实现多无人机侦察与任务分配
UAV-SwarmAgent 是一个分层多智能体系统，操作员用一句自然语言下达任务，地面站智能体生成并执行代码，将其转化为每架无人机的航线。系统用视觉语言模型在空中地图上定位巡检目标，按路线长度均衡分配给 N 架无人机，再由搭载轻量决策模型的 worker 智能体核实事件。
arXiv cs.ROAI 评分5353 HGWM：用分层图引导世界模型与图匹配实现零样本物体导航
作者提出HGWM，将大语言模型生成的房间锚点先验与持续空间语义记忆结合，用于零样本物体导航中的搜索方向选择。在HM3D v0.1上报告62.6%成功率和31.5% SPL，对比WMNav的58.1%和31.2%；在MP3D上为46.8%和17.9%，对比45.4%和17.2%。
arXiv cs.ROAI 评分7171 从徒手演示到自主机器人超声：解剖锚定的模仿学习框架
研究提出解剖锚定的模仿学习框架，将解剖引导的探头放置与学习式超声导航结合，在16名未见参与者上，肾脏、胆囊、肝脏标准切面采集和桡动脉扫查的任务成功率分别为96%、94%、88%和94%。
arXiv cs.ROAI 评分6969 CoCarry：面向双人形协同搬运的接触支撑结构化重定向
CoCarry 提出面向双人形协同搬运的数据集与接触支撑结构化重定向方法，数据集包含 21 种任务方案、5 种共享物体几何、4 种地形共 220 条同步双人序列，约 61 分钟运动数据。
arXiv cs.ROAI 评分6262 LogLook：面向前沿模型机器人规划器的执行日志式记忆
LogLook 提出一种执行日志式记忆，让前沿视觉-语言模型规划器记录已执行动作与先前笔记，并按预期变化选择性回看图像帧。在基准自带运动规划器下，它与仅用笔记的记忆成功率相当，token 减少 43%、图像用量不到一半，因记忆或观察失误导致的失败也明显更少；直接控制时在 RoboMME 测试集上解决 93.5%。
arXiv cs.ROAI 评分6262 DynaSlots：面向机器人操作的槽位级三维动力学预训练框架
DynaSlots 是一个无需动作标签的三维视觉预训练框架，将每帧点云分解为少量时间一致的槽位，并在槽位级别而非场景级别建模动力学。它通过时间槽位传播模块保持跨帧槽位分配一致，用逆动力学模型从特征差异中提取每个槽位的潜在动作，再由基于扩散模型的前向动力学模型配合自监督交互头预测各槽位未来状态并学习成对邻近与运动关系。
arXiv cs.ROAI 评分6262 MAST-VLA：用技能条件专家与轨迹可供性先验做多技能机器人操作
MAST-VLA 提出双条件框架，在 LLM 主干中引入技能条件化 LoRA 混合专家适配器，并把预测的可供性热图转为动作头的 patch 级轨迹可供性空间先验。在 CALVIN ABC→D 长程多技能跨场景设置下，其五子任务序列平均完成长度达 4.65，取得该设置下的最优表现。实机多技能序列实验进一步验证了其在真实感知与控制噪声下的可部署性，论文已被 CoRL 2026 接收。
arXiv cs.ROAI 评分5959 延迟随机化拓宽学习型人形运动跟踪器的延迟裕度
研究在独立 CPU MuJoCo 环境中测试 24 关节人形机器人的运动跟踪策略，发现 40 ms 恒定命令延迟使平均存活率从训练随机化下的至少 26/30 降至 15%，延迟裕度仅 20–30 ms。
arXiv cs.ROAI 评分6060 从桌面到行走机器人：VLA 模型在腿式操作机器人上的部署
研究团队在 Unitree Go2 四足机器人搭载 AgileX Piper 机械臂上部署 VLA 模型，实现闭环移动操作，并报告了模型变体、动作时域和示教约定等使实机部署可行的选择。针对抓取放置任务，扩大示教覆盖使留出集末端执行器误差降低 30%，加入推动等次级技能可引入新行为模式且不降低基线性能。闭环实机实验显示数据集构成会影响任务成败。
arXiv cs.ROAI 评分3434 RAISE-Vision：面向隐形眼镜润湿性表征的自动接触角测量平台
RAISE-Vision 是面向曲面水凝胶表面接触角（CA）测量的自动化平台，用于隐形眼镜体外润湿性分析。其3D打印镜头支架、相机支架与干燥装置在液体处理系统内实现自动重复座滴流程，自研开源图像处理脚本结合椭圆拟合与切线法处理曲面上的液滴形变。senofilcon A 镜片在空气中连续10次测量，接触角从 62.6±5.5° 升至 83.4±2.1°，与人工协议结果无显著差异（p=0.470）。
arXiv cs.ROAI 评分7171 TravSUITE：自监督不确定性感知IRL与地形估计的可通行性系统
TravSUITE 是面向越野高速导航的可通行性系统，由利用视觉基础模型构建几何-语义局部地图的体素建图器和在鸟瞰图（BEV）中联合预测几何、语义、速度与代价的统一神经网络组成。
arXiv cs.ROAI 评分4242 TTT in VLA Models：在 InternVLA-A1 与 Pi0.5 中探索基于人类示教的训练
研究将测试时训练（TTT）集成进 InternVLA-A1 和 Pi0.5，通过配对示教与机器人轨迹训练，探索以人类示教为条件的动作生成。在当前规模下，加入 TTT 与配对数据训练并未带来基于示教的一致目标选择，更短序列、全轨迹梯度连通和对比正则也未明显提升对示教的响应。示教缩减为单帧线索时，实机执行仍偏好固定位置的杯子。
arXiv cs.ROAI 评分6969 DiscoDemo：用强化学习生成多样示教数据提升模仿学习
DiscoDemo 用带特权信息的潜在条件强化学习生成器配合并行逆向课程和成功门控多样性目标，产出多条成功闭环行为，经安全过滤后导出为静态数据集供下游视觉运动模仿学习。在四个操作任务上，仿真中下游平均成功率从最强基线的 40% 提升到 62%，实机上从 39% 提升到 78%。作者认为成功解法的多样性可改善预训练流匹配 VLA 的模仿学习，并与纠错数据采集互补。
arXiv cs.ROAI 评分4747 高斯过程回归中的输入偏差校正
针对移动传感器位姿估计误差导致的GP回归输入偏差问题，提出偏差感知高斯过程（Ba-GP）框架，利用已记录GP后验均值梯度将输入偏差与噪声传播为均值与协方差修正，并基于加性协方差结构给出数值高效的一阶校正算法。
arXiv cs.ROAI 评分6060 基于神经细胞自动机的分布式集群形态生成
研究提出将神经细胞自动机（NCA）与既有位点选择、碰撞感知控制结合的模块化框架，用于集群机器人形态生成。框架引入去中心化附着位点发现机制，已就位机器人通过更新并共享局部 NCA 状态识别新附着位点，部署时无需预定义位点列表。作者还提出离线稀疏保留微调和假阳性损失以衔接 NCA 生长与逐步物理装配，仿真可扩展至数百台机器人并提升形态准确率，Crazyflie 四旋翼实验验证了集成执行流程。
arXiv cs.ROAI 评分6363 BM2PC：面向柔性线性物体动态操作的贝叶斯多模态MPC框架
该论文提出 BM2PC，一个用于柔性线性物体（DLO）动态操作的贝叶斯多模态 MPC 框架，将多模态规划建模为平衡控制质量与行为多样性的集合优化问题，并通过增量更新维持多个候选控制模式。
arXiv cs.ROAI 评分7070 EgoForesight：用带噪自我中心动作数据扩展策略学习
EgoForesight 是一个视觉-语言-动作框架，联合利用机器人示教轨迹与带噪自我中心视频进行策略学习，通过可靠性条件加噪与可靠性加权回归降低不可靠动作标签的影响，并用特权未来表征蒸馏从演示结果中补充监督。