ARC：用人类纠正引导机器人策略的残差修正
论文提出自适应残差修正（ARC），在冻结的模仿策略之上用强化学习学习残差修正，并用稀疏人类纠正决定何时启用残差控制、在残差动作空间的哪个方向探索。在真实机器人的三个精密操作任务上，ARC 将平均任务成功率从 33.3% 提升到 75.0%，人类纠正定义了七关节残差空间中 2-3 维的任务相关子空间，保留 96.0-97.7% 的纠正幅度平方。
#Robot models and learning
arXiv cs.ROAI 评分6565 arXiv cs.RO精选AI 评分8080 无需渲染的事件帧仿真加速自主机器人导航强化学习
作者提出一种解析式事件仿真器，直接由场景几何和自运动合成事件流，不经过图像渲染，单GPU生成64x64事件观测仅需17微秒，比先进渲染管线快400倍以上。基于该仿真器的事件相机强化学习避障策略训练不到30分钟即可收敛，比渲染事件训练快三个数量级，并可零样本迁移到Isaac Sim光线追踪事件仿真。
推荐理由：该工作用解析式事件仿真绕开图像渲染，把事件相机强化学习训练时间压到30分钟以内，并完成56克无人机实机部署。
arXiv cs.ROAI 评分6060 StabBot：用学习式立体视觉与残差强化学习实现机器人管道对扣
StabBot 机器人对扣系统用摆锤卡尔曼滤波在立体图像中跟踪管接头，并以匹配速度靠近、通过触觉确认最后几毫米。在 200 组随机作业中，StabBot 全部完成对扣，传统固定导向器为 74%；中位接触速度从 18.4 cm/s 降至 2.3 cm/s，中位峰值头管力从 11.3 kN 降至 1.4 kN。
arXiv cs.ROAI 评分5555 哪只手慢了？双臂工具使用中机器人失败恢复的诊断
研究在仿真双臂工具使用任务上测量各传感通道能让诊断器判断出哪些失败原因：工具从插槽滑脱可在工具手一侧读出，哪只手延迟需双臂信息，单手机传感器只能读出本手延迟和另一手部分延迟，工具手延迟时无法从被动传感判断是否同时推力不足。
arXiv cs.ROAI 评分7070 World Dreamer v5-lite：用单一 Dreamer 实现多机器人世界动作模型
World Dreamer v5-lite 是一个面向多机器人的世界动作模型，通过共享世界状态为各机器人分别预测动作序列。该模型用预训练视频编码器的校准特征在工作空间坐标中构建世界状态，其空间尺寸不随视角增加而改变；视觉语言模型提供场景上下文并为每个机器人提供一个查询，各查询读取共享状态并交换位姿感知信息，但动作流保持独立。
arXiv cs.ROAI 评分5858 Ego-CEVR：从人类第一视角视频学习跨本体视觉表征
Ego-CEVR 提出一种数据原生的分层视觉表征学习框架，将全局表征与交互表征分配不同的学习目标。全局模块通过在第一视角视频上做未来预测，学习物体关系、任务状态和时间进度；交互模块结合全局上下文解读腕部观测，并通过机器人动作监督学习局部对齐与接触线索。两条残差路径把两种表征同时送入动作策略，全局视频模块可在大规模人类第一视角视频和多种机器人本体视频上独立预训练，无需机器人动作标签或配对的腕部观测。
arXiv cs.ROAI 评分6060 基于强化学习的固定翼无人机自主拦截
荷兰代尔夫特理工大学团队提出一种由神经网络控制的固定翼拦截机，将滤波后的单目视觉观测直接映射为执行器指令，策略在自定义 Python 环境中用强化学习与近端策略优化（PPO）训练。仿真中该策略在多数条件下优于两个经典制导控制器，并已在真实飞行中成功拦截机动的固定翼目标。该工作为固定翼拦截无人机的自主控制提供了验证。
arXiv cs.ROAI 评分7070 MARL-Exo：多智能体强化学习共同适应髋部外骨骼控制以降低代谢能耗
研究提出 MARL-Exo 多智能体强化学习框架，让全身肌肉骨骼模型与双侧髋部外骨骼策略在仿真中分两阶段共同训练，外骨骼仅观测延迟的髋部运动学与历史指令。仿真中代谢策略使建模肌肉代谢功率较无设备行走降低 13.8%，加入机械功率塑形后为 8.8%。
arXiv cs.ROAI 评分6262 QCP：用迭代事后重标注学习质量可控的机器人策略
作者提出质量可控策略 QCP，可在推理时控制执行速度、运动平滑度等单项质量属性及其组合。为把可控质量范围扩展到初始示教之外，作者设计了迭代事后重标注循环：按目标质量标签采集在线 rollout，把成功轨迹加入数据集，再按实测质量对累积轨迹做事后重标注并微调策略。
arXiv cs.ROAI 评分6565 PDRVLA：引入物理动力学表示的视觉-语言-动作模型
PDRVLA提出轻量物理动力学模块，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，训练数据全部来自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 VLA-Stem：用强化学习为视觉-语言-动作模型加轻量安全机制
研究者提出 VLA-Stem，一种基于强化学习的轻量安全机制，无需微调底层 VLA 策略，而是把其动作块转换为运动参考，在推理时结合本体感知与局部障碍信息自适应修正执行。在六个受限仿真设置中，VLA-Stem 平均无碰撞任务成功率为 52.8%，最强安全基线为 23.7%，且在无障碍环境中保持原策略性能；实机实验也显示静态与动态障碍下碰撞减少。
arXiv cs.ROAI 评分5858 Tokens of Motion：面向人-人形技能迁移的基元运动学习
论文提出自适应失败引导学习（AFIL）框架，利用预训练 VLA 在线生成失败轨迹，作为扩散与流式 VLA 策略的自适应负向引导，避免手工设计失败模式或人工介入恢复。该方法在共享视觉-语言主干上联合训练成功与失败两个动作生成器（DAG），采样时按每个扩散步上成功与失败分布的距离调节引导强度。在域内与域外、短时程与长时程的机器人操作任务上，AFIL 相比现有 VLA 基线提升了任务成功率与鲁棒性。
arXiv cs.ROAI 评分5555 脉冲神经形态控制器稳定欠驱动机器人周期轨道：基于贪心Lyapunov的方法
该论文研究用脉冲神经网络实现的事件驱动脉冲控制器，用于欠驱动机器人的轨迹跟踪，目标是稳定预设周期轨道。作者通过横向线性化把轨道稳定问题化为周期线性时变系统的平凡解镇定，并将原本针对LTI系统的Lyapunov贪心设计扩展到该周期LTV横向动力学，从而构造反馈控制器，在butterfly机器人轨迹稳定问题上演示了方法有效性。
arXiv cs.ROAI 评分7171 Retrieve to Act：用运动基元图检索提升VLA执行鲁棒性
作者提出Retrieve to Act（R2A）测试时扩展框架，把成功示教组织成离线时空运动基元图，推理时用查询相关的图神经网络定位当前执行状态并检索结构兼容的未来运动基元，再通过逐维门控与冻结VLA的预测动作融合。
arXiv cs.ROAI 评分5353 LSMM：为足式机器人端到端探索学习空间记忆
作者提出基于 Hadamard 记忆的局部空间矩阵记忆（LSMM），让强化学习智能体把任务相关信息存到基于位置的记忆单元中。在自主迷宫探索任务上，LSMM 的迷宫覆盖率与强循环网络和有限历史基线相当，并且是唯一能记住迷宫布局的架构，重建误差降低到三分之一。该工作针对人形与足式机器人在复杂环境中需要记住离开视野后很久才用到的信息这一问题。
arXiv cs.ROAI 评分4444 月球单腿机器人双层协同设计框架：2D跳跃与着陆控制
针对月球重力（1.625 m/s²）下的平面单腿机器人，研究提出双层协同设计框架：差分进化外层搜索连杆长度，每个候选方案由QP任务空间控制器（QP-TSC）或直接配点轨迹优化评估垂直跳跃性能。
arXiv cs.ROAI 评分6767 Best-of-N 能为世界动作模型带来多少提升：测量可选空间并在闭环中实现
论文提出一种去噪反事实协议，用逐位可复现分支、重复续写、留出预言机和公共随机数测量世界动作模型（WAM）在测试时选择候选动作所能实现的可选空间，并据此构建失败门控选择器。
arXiv cs.ROAI 评分7575 ACT、Diffusion Policy、SmolVLA 与 π0.5 在低成本机械臂上的数据规模对比研究
研究者在低成本 SO-101 机械臂上，用 12 到 200 条遥操作示教训练 ACT、Diffusion Policy、SmolVLA 和 π0.5 四种模仿学习策略，共评测 1340 个回合。
arXiv cs.ROAI 评分6565 GAWM：面向多任务机器人操作的紧凑潜在世界-动作模型
作者提出GAWM（Geometry-Aware World Model），一个在冻结DINOv3编码器潜在空间中预测未来观测的紧凑多任务世界-动作模型，参数量不足1亿且未做机器人或视频预训练。
arXiv cs.ROAI 评分5454 混合刚柔空间机械臂系统的状态估计
该研究提出一种面向混合刚柔空间机械臂的状态重建流程，其远端连杆为腱驱动连续体机器人。方法将估计问题建模为以关节编码器和视觉测量为条件的最大后验推断，并转写为因子图，融合异构测量与刚柔运动学模型，同时采用几何可变应变（GVS）方法得到最小阶构型参数化。仿真闭环轨迹验证了状态重建精度与计算性能。
arXiv cs.ROAI 评分6464 Omni-IGN：面向无人机的全向视觉机载图像目标导航系统
作者提出 Omni-IGN，一个完全机载的无人机图像目标导航（ImageNav）系统，集成四鱼眼感知、基于注意力的强化学习策略和碰撞感知安全层。该策略自适应融合多视角目标相关特征，为连续导航提供方向引导，四鱼眼 RGB 图像无需专用深度传感器即可同时支持 ImageNav 与避障。
arXiv cs.ROAI 评分5656 黑盒机器人策略失效时：用透明代理模型做在线传感器诊断与修复
研究提出一种结构化代理模型，把周期性步态与依赖传感器的修正项分开，在冻结的移动策略外部诊断并修复受损输入。在仿真 Go2 上，离线诊断把行走成功从 259/640 提升到 429/640，在线修复达到 382/640，64 个无故障留出回合均未触发修复。作者指出证据仍限于单一策略和部分筛选的仿真故障集，机器人基础模型与硬件验证尚未开展。
arXiv cs.ROAI 评分6060 Trace-WAM：以三维运动预测辅助世界动作模型学习
Trace-WAM 提出在世界动作模型的视频-动作学习中增加未来三维运动预测作为辅助目标，监督时序点对应、图像平面位移与深度变化，直接刻画操作中的交互动态与空间变化。
arXiv cs.ROAI 评分6262 HC2Robot：用预测前瞻与超连接 Transformer 实现多地形人形跑酷
HC2Robot 提出一种可部署的感知式人形跑酷框架，由预测前瞻模块（PFM）和超连接（HC）Transformer 组成，PFM 从可部署观测预测每只脚下一次触地事件的时机、位置与支撑质量，把特权监督转成可部署的隐表示。
arXiv cs.ROAI 评分7171 TAPESTRY：用单一骨干网络同时做视频生成与机器人控制
TAPESTRY 将机器人动作视为视频模型潜空间中的单 patch token，把预训练视频扩散 Transformer 改造成机器人策略，推理时无需生成视频。
arXiv cs.ROAI 评分3636 四轮漫游车集成设计与可复现可行性分析：包指令成像、LiDAR测距与学习辅助目标识别（NASA HERC 2027）
针对2027年NASA人类探索漫游车挑战赛高中遥控组，一项研究给出四轮教育漫游车的集成可复现设计评估：10.919 kg、215 mm车轮在200 RPM下理论滚动速度8.105 km/h，标称电机参数不足以证明满足8 km/h设计上限。
arXiv cs.ROAI 评分6767 RynnWorld-Latent：以通用潜在动作为条件的跨本体世界模型
RynnWorld-Latent 是一个跨本体视频世界模型，以 RynnLAM 提出的三维接地潜在动作作为共享条件接口，使人类交互视频、机器人演示与仿真数据无需统一原生动作空间即可联合预训练。
arXiv cs.ROAI 评分5858 面向自动驾驶实验室的可审计框架：LAM、OpenSDL、Safe-SDL 与 L3-Bench
作者提出一套可追溯框架，包含 LAM、OpenSDL、Safe-SDL 和 L3-Bench 四个组件，用于连接实验规划、自动化执行与测量反馈。LAM 是测量条件化的策略架构，在视觉-语言-动作范式上扩展，同时生成连续机器人轨迹和带类型的仪器 API 调用；OpenSDL 负责把角色级操作映射到异构设备并记录带时间戳的因果事件。
arXiv cs.ROAI 评分5555 从人类驾驶数据学习个人出行车辆并排导航
论文提出一种让两台个人出行车辆（PMV）并排自主行驶的方法：给定全局路径后，两车各自运行基于采样的模型预测规划器，仅交换彼此可观测到的里程计信息，并通过共同的规则在候选轨迹对的效用矩阵上做出联合决策。
arXiv cs.ROAI 评分6767 TOPS：为多任务机器人操作重塑流源与传输路径
TOPS 提出面向任务的先验与调度方法，为每个任务调整流匹配的源先验和插值调度，且不修改网络架构。在 LIBERO-10 上，单步推理把成功率从标准流匹配十步的 53.44% 提升到 69.67%，推理时间约为基线的六分之一。方法在 LIBERO、LIBERO-Plus、CALVIN 以及迁移到 π0.5 策略时均取得提升，实机上层抽屉开启任务成功率从 20% 升至 80%。
arXiv cs.ROAI 评分6060 RoboSTD：通过矢状面镜像实现单臂到双臂零样本迁移的双臂学习方法
RoboSTD 是一种面向双臂机器人学习的零样本单臂到双臂数据构造方法，通过对观测、本体感知和动作做矢状面镜像生成可执行的对侧伪示教，再用 LLM 生成结构化时空协调约束，指导跨工作空间区域和任务阶段的伪双臂监督重建。研究在 AgileX ALOHA 平台的 RoboTwin 仿真和真实环境中评估，无需额外双臂示教，在收集杯子任务中收集到的杯子平均数量达到单臂基线的 2.11 倍。
arXiv cs.ROAI 评分6060 从生物曲线到模块化软体机器人：带不确定性引导修正的学习型逆向设计
该论文提出学习型 real-to-sim-to-real 框架，通过代理辅助逆向设计与不确定性引导修正，把生物曲线转成缆驱动模块化软体机器人的构型。学习型前向代理将形变预测时间从 1.53×10^5 ms 降到 0.0008 ms，约 1.9×10^8 倍加速；逆向设计时间从 1.99×10^6 ms 降到 4.18 ms。
arXiv cs.ROAI 评分5858 SWIM：从行为中学习状态权重以训练 JEPA 世界模型
SWIM 提出用逆动力学模型从离线轨迹中学习状态特征权重，用于 JEPA 世界模型的状态监督训练。该方法通过由当前状态和观测到的未来位移预测已记录动作，量化各状态特征对动作预测的贡献，并据此构建加权状态度量来对齐潜空间与状态距离。逆动力学模型只在训练阶段使用，规划时仍仅依赖图像；在五个仿真机器人操作任务上，SWIM 的规划成功率一致优于均匀状态加权。
arXiv cs.ROAI 评分6767 HumiTransfer 将野外视频中的人-人交互迁移到人形机器人
作者提出 HumiTransfer 框架，把野外拍摄的人-人交互视频转换为物理可行的人-人形机器人交互动作。该方法先重建带脚地接触的3D人体运动，再通过交互建模把其中一方迁移到目标人形本体，并用重定向后优化保证平衡、接触与避碰。
arXiv cs.ROAI 评分7171 REACH：基于强化学习的分层人形机器人爬行框架，实现受限空间通行
REACH 是一个基于强化学习的分层框架，让 Unitree G1 人形机器人通过可变高度双足行走与爬行穿越高度受限环境。其策略在双足行走 1.27–0.50m、爬行 0.50–0.20m 的互补指令区间内调节身体高度，并用双向切换策略连接蹲行与爬行；框架还结合 LiDAR 规划器把点云转成无碰撞三维路径与运动指令。实机实验验证了高度与速度跟踪、地形通行、模式切换和受限空间穿越，代码与视频已公开。
arXiv cs.ROAI 评分6464 CARD：面向灵巧操作的接触锚定重定向框架
CARD 是一个无需仿真器和物体模型的框架，通过显式保留接触力目标，将人类演示重定向为机器人动作，并统一处理视频、动捕和触觉手套数据。在视频、手套、动捕数据及 GRAB 数据集上，CARD 在 43%–78% 的接触帧上保持接触，而纯运动学和物体感知重定向方法分别低于 10% 和 22.5%。
arXiv cs.ROAI 评分6464 CPG-ENN：可训练的四足运动CPG框架
研究提出CPG-ENN四足运动框架，用基于对称性的八神经元中枢模式发生器（CPG）提供步态节律，由预训练、各腿共享的执行神经网络（ENN）将节律信号与轨迹参数映射为关节角参考，无需在线逆运动学。
arXiv cs.ROAI 评分5858 MyoAcross：跨个体肌肉骨骼模型的通用肌肉驱动控制策略
研究提出 MyoAcross 框架，结合个体肌肉骨骼模型构建、形态条件化策略学习与虚拟模型增强，实现无需逐个体微调的肌肉驱动参考运动跟踪。在 31 个留出个体模型上完成率达 99.24%，跟踪误差较无条件多层感知机降低 22.60%。策略复用还扩展到由单图形状估计、身高和体重构建的 22 个留出个体模型，以及经不对称增强的单侧下肢缩短模型。
arXiv cs.ROAI 评分6969 RoboAuto：通过多层级物理理解实现自主机器人程序搜索
RoboAuto 提出一种机器人程序搜索框架，从物体、场景和交互三个层级组织物理理解，用于指导 LLM 智能体生成和修正操作程序。该方法在五个基准系列上取得更优表现，在短程 LIBERO-PRO 任务上成功率达 89.1%，在 LIBERO-PRO Long 和 LIBERO-Plus 上的平均成功率超过 ASPIRE 的两倍。
arXiv cs.ROAI 评分6262 GRAFT：为冻结人形行为跟踪器做几何感知残差适配
GRAFT 提出一种几何感知残差适配框架，在不改动冻结的人形行为基础模型（BFM）参数和运动参考接口的前提下，用轻量适配器只对下半身执行目标加入地形条件修正。适配器用任务与足部几何奖励训练，并约束其在平地上不产生多余修正，还从特权地形观测蒸馏到机载深度。