AgenticRoboRL 将编码智能体后训练引入机器人规划器
AgenticRoboRL 提出一个跨不同机器人执行机构（harness）后训练机器人规划器的框架，训练配方结合监督微调与多轮强化学习，并通过机构专用适配器把规划器交互记录与任务结果接入统一的 RL 训练管线。
#Research
arXiv cs.ROAI 评分6767 arXiv cs.ROAI 评分5555 SceneRig：从单张图像重建仿真可用 3D 场景的智能体系统
SceneRig 是一个将单张图像转为可编辑、仿真可用场景的智能体系统，结合几何、视觉与物理工具重建 3D 场景，并在物理仿真器内通过编辑-验证循环实现物理稳定。
arXiv cs.ROAI 评分6262 REACT：VLM 引导接触重定向与生成式伙伴建模实现人形机器人-人交互
REACT 是一个从人-人演示学习可部署人形机器人-人交互策略的框架，以语义接触结构作为监督信号串联演示处理、交互学习与机载控制。它用 VLM 引导的接触建模与重定向管线识别语义接触并迁移到人形-人几何上，再将特权交互策略蒸馏为完全依赖机载传感的自我中心深度策略，并引入生成式伙伴状态建模目标从遮挡视角预测伙伴运动。
arXiv cs.RO精选AI 评分7878 SuperMimic：用一个可微世界模型扩展人形机器人全身控制
SuperMimic 用一个共享动力学的可微世界模型，在单一训练循环中同时训练世界模型与跟踪策略，通过短想象轨迹上的 backpropagation-through-time 为策略提供解析梯度。
推荐理由：论文给出了用单一可微世界模型替代大规模强化学习训练的具体路径和算力对比数据，可评估其对人形全身控制规模化的影响。
arXiv cs.ROAI 评分6262 FRDV：快速带动力学校验的人形机器人动作重定向框架
论文提出 FRDV（Fast Retargeting with Dynamics Validation）框架，用于将大规模人体动捕数据快速重定向到不同人形机器人。
arXiv cs.ROAI 评分6262 MARE：带阴影真值的开源月球车仿真器
作者提出 MARE，一个基于 Unreal Engine 5 和 ROS 2 的开源月球车感知与自主仿真套件，包含地形生成、双物理月球车传感器仿真和 GNC 任务控制三部分。仿真器提供立体、激光雷达、事件和 SPAD 相机数据及像素级真值，低太阳高度角下预测阴影与渲染阴影的平均 IoU 为 0.79。立体深度分析显示阴影区域像素覆盖低于日照区域。
arXiv cs.ROAI 评分5656 GPT-6-Astra 通过触觉反馈在 UniVTAC 五项任务上达到 93.8% 平均成功率
研究提出 GPT-as-Tactile-Policy，将专家演示总结为任务指导与触觉参考，让 GPT-6-Astra 结合多模态观测与交互历史生成控制指令并依据接触反馈调整动作。
arXiv cs.ROAI 评分6767 Idealworks 与 NVIDIA 评测 COMPASS 导航的仿真到现实迁移
Idealworks 与 NVIDIA 在工业移动机器人上系统评测 X-Mobility 与 COMPASS 学习式导航流程的仿真到现实迁移。在数字孪生中结合 Cosmos 生成的 sim-to-real 数据训练后，四个场景的实机成功率从 65.3% 提升到 91.7%，加权行驶时间接近减半，与产线导航栈相差 8.3 个百分点，且全部在机载 Jetson AGX Xavier 上运行。
arXiv cs.ROAI 评分5555 TaskWAM 用阶段感知令牌引导世界-动作模型走向预期未来
论文提出 TaskWAM，一个闭环、阶段感知的框架，用 Mode Tokens 表示细粒度任务需求、用 State Tokens 跟踪执行进度，构成结构化任务状态来引导世界-动作模型生成符合当前任务的未来，以解决长程操作中的 Stage Confusion 现象。
arXiv cs.ROAI 评分5555 CAPSafe 基准评测大模型在具身智能体中的动作与长程规划安全推理
研究者提出 CAPSafe 基准，从两个层面评测大语言模型驱动的具身智能体的安全推理能力：动作级数据集判断单个动作在给定环境上下文中是否安全，规划级数据集评估智能体能否为复杂的危险家庭任务生成安全的长程规划。
arXiv cs.ROAI 评分5656 SPAR：用搜索训练的推动动作排序器提升可移动障碍物间导航效率
论文提出 SPAR（Search-trained Push Action Ranker），从模拟搜索结果中学习为推动原语排序，以缓解可移动障碍物间导航（NAMO）中候选动作序列随长度指数增长的问题。
arXiv cs.ROAI 评分4646 RILC：面向弹性关节机械臂的强化迭代学习控制，实现跨轨迹泛化与收敛保证
该研究提出强化迭代学习控制（RILC），将迭代学习控制（ILC）与强化学习（RL）耦合，用于弹性关节机器人的轨迹跟踪，解决传统 ILC 需对每条新轨迹单独学习、RL 样本复杂度高且跟踪精度有限的问题。
arXiv cs.ROAI 评分5555 GPT-6 Astra 机器人操作评测与 LIBERO-GeoMotion 基准发布
论文用轻量智能体执行框架系统评测 GPT-6 Astra 的闭环机器人操作能力，发现其在 RoboDojo 上成功率 26.92%、RoboTwin 2.0 上 76.0%，但语义推理与物理执行之间存在明显落差。
arXiv cs.ROAI 评分5353 基于信任值的多机器人安全协同算法：均匀排除被入侵通信链路
该论文提出一种包裹在机器人通信之外的 Safe Wrapper 算法，通过 Safe Anytime-Valid Inference 检验各机器人异常检测器输出的信任值流，筛选出可安全用于状态更新的可信链路。
arXiv cs.ROAI 评分6262 推理驾驶VLA存在感知-动作绑定缺口：能感知危险却不刹车
论文指出推理增强的视觉-语言-动作（VLA）驾驶模型能感知并推理安全关键危险，却无法把该证据转化为安全动作，作者称之为感知-动作绑定缺口。通过匹配的仿真反事实与日志回放，研究发现路径内危险确实被编码在视觉表示中，但纵向规划主要由自车速度历史主导，对危险距离和模型自身推理轨迹响应微弱。
arXiv cs.ROAI 评分6060 GPL：把 VLA 推理状态表示为计划分布
作者提出生成式计划隐变量（GPL），将视觉-语言-动作（VLA）模型的推理状态表示为对计划（如用哪个物体、抓取或路线）的低维条件分布，使计划可在不重新训练 VLA 的情况下被采样、按请求选择并按部署结果重新加权。
arXiv cs.ROAI 评分5555 从预测几何到动作：为具身操作学习互补预测表征
论文提出一个两阶段框架，从多视角视频片段中学习互补的预测表征以增强具身操作策略。预训练阶段用冻结的3D基础模型提供稠密几何特征，压缩为预测几何表征并优化以保留场景结构及其时序演化，再对几何转变施加动作监督以提取强调动作相关转变的运动表征；下游后训练阶段通过几何查询迁移预测几何，运动表征引导动作生成路径上的中间特征，未来观测仅作为训练期特权监督，推理时不需要。
arXiv cs.ROAI 评分3838 微型月球探测车HAKUTO热控策略的设计与实现
HAKUTO Rover Flight Model（FM）的热接口设计通过真空环境热平衡试验得到验证。研究将车体划分为6个辐射面建立解析热模型，结合月球辐射、太阳反照率与月壤导热确定航电安装位置和太阳电池板角度，质量控制在4 kg以内，并经数值仿真细化后完成验证。
arXiv cs.ROAI 评分6262 DirectWAM：将级联世界-动作模型蒸馏为单步动作预测
论文提出DirectWAM，把预训练的视频与动作专家转化为无需随机采样的单步预测器，同时保留显式的未来到动作级联结构。方法在学完单步动作模型后，通过从自身预测的未来中解码动作并回传演示动作误差来训练未来预测器。
arXiv cs.ROAI 评分5555 FIT-MAC：提升视觉-语言-动作模型鲁棒性的闭环多智能体框架
论文提出FIT-MAC，一个失败感知的闭环多智能体控制框架，在推理时为视觉-语言-动作（VLA）策略增加一层控制以提升鲁棒性。
arXiv cs.ROAI 评分4747 概率可达-规避值函数（PVF）：基于时序差分学习的概率可达-规避集计算方法
提出自监督方法概率可达-规避值函数（PVF），用于在随机、可能无界的扰动下计算机器人任务的可达-规避集，适用于黑箱系统。在复杂度递增的系统上与基于Hamilton-Jacobi可达性（HJR）的基线对比，直至Hopper运动任务，结果显示当扰动非对抗性时，PVF的概率可达-规避集比对抗性HJR集更不保守、更准确。该方法已投稿至ICRA 2027。
arXiv cs.ROAI 评分5656 PACT-VLA：用提交前观测验证推测动作块
PACT-VLA 提出一种免训练框架，在异步推理中用提交前观测选择最匹配的动作块，其打分函数 FlowRes 衡量候选隐含流方向与冻结策略在该观测下预测速度的残差，无需独立验证器。
arXiv cs.ROAI 评分4444 用期望自由能控制世界模型规划的测试时计算量：何时停止思考
研究探讨了期望自由能（EFE）能否决定基于学习世界模型的规划该投入多少计算量，其目标函数结合目标距离与随机预测的分歧。实验发现，精英代价停滞时停止可减少精修且平均成功率接近固定深度参考；冻结模型下奖励分歧会降低成功率，而在线更新能部分恢复训练数据缺失区域造成的损失。代价停滞规则在优化利用模型误差时会失效，预测代价在任务成功率见顶后仍持续下降。
arXiv cs.ROAI 评分6262 LocoPilot：面向运动操作策略学习的单操作员双边遥操作框架
arXiv 论文提出 LocoPilot，一个部署在 12 自由度 Unitree Go2 四足机器人（搭载 6 自由度 AgileX Piper L 机械臂、Intel RealSense D435 腕部相机与 D405 头部相机）上的单操作员双边遥操作与数据采集框架。
arXiv cs.ROAI 评分5656 HuTact：从人类手物交互数据预训练触觉感知手部表征
论文提出 HuTact 框架，利用大规模人类手物交互（HOI）数据预训练触觉感知的手部表征，预训练阶段无需真实触觉信号，再用少量无标注机器人交互数据做适配。
arXiv cs.ROAI 评分5555 EventSync：用事件驱动记忆更新支撑历史依赖的机器人操作任务
EventSync 提出一种事件驱动记忆更新的分层框架，用于解决仅靠当前观测无法判断下一步动作的历史依赖型操作任务。视觉-语言模型依据任务计划与交互历史生成子目标，视觉-语言-动作模型负责执行，轻量级 Event Monitor 结合视觉观测与末端执行器轨迹判断当前子目标是否完成，只有取得完成证据后才写入已完成子目标历史并触发后续推理。
arXiv cs.ROAI 评分5757 PointHand 用户研究：关键点手部渲染如何影响新手遥操作示教与扩散策略成功率
论文提出 PointHand 遥操作界面，把多指机械手渲染为指尖与关节的稀疏关键点，与策略可观测的关键点一致。在仿真 mug-in-box 任务中，18 名新手与 4 名专家在三种渲染条件下共采集 2,200 次试验，其中看到拇指与食指强调渲染的新手在 600 次试验中获得 441 次成功示教，高于真实手形渲染的 320 次。
arXiv cs.ROAI 评分4747 层级QP控制与权限引导恢复规划实现眼科机器人高精度RCM运动
一项研究提出面向眼科机器人的高精度远心运动（RCM）伺服架构，通过层级QP控制器与权限引导恢复规划，解决RCM与末端跟踪目标冲突导致的伺服振荡问题。在200场景运动学基准测试中，该方案对128个近奇异目标实现100%到达率，对72个近关节极限目标实现99%到达率，软件RCM残差低于0.142 mm。
arXiv cs.ROAI 评分5757 枚举引导训练神经 Hamilton-Jacobi 安全证书的研究
该研究提出一个验证引导的训练框架，用安全约束的概率枚举检测前向不变性违背，生成比标准对抗攻击方法更紧凑、更贴近失败边界的反例集合。用这些反例微调预训练的 HJ 值函数，在所有测试基准上扩大了可认证区域并缩短认证时间；作者还基于精炼后的证书引入部署时的屏蔽机制，在 Isaac Sim 物理仿真和真实自主赛车实验中，相比名义控制器和基于 LQR 的备份策略实现了零安全约束违背。
arXiv cs.ROAI 评分5757 RoboColiseum 上对四个前沿大模型的跨模型具身能力评测
论文在 RoboColiseum 上对 GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5 和 Gemini 4 Argon 进行跨模型评测，覆盖指令跟随、空间推理、通用操作和鲁棒性四个赛道。
arXiv cs.ROAI 评分5757 RoboCasa-Shift：面向长程家庭操作的VLA策略阶段感知鲁棒性评测基准
论文提出基于RoboCasa365的诊断性鲁棒性基准RoboCasa-Shift，结合受控单因素扰动、配对的干净-扰动rollout和仿真阶段感知诊断，对GR00T N1.5在四项长程任务、四种扰动因子和三档严重度下共完成1,040次rollout评测。
arXiv cs.ROAI 评分4747 智能体驱动的可解释跟车规律发现：AERM 模型从多源轨迹数据中发现跟车规律
一个以智能体为中心、融合物理约束的框架从多源轨迹数据中发现可解释跟车规律，得到自适应平衡响应模型（AERM），将状态相关的相对速度响应与间距相关的平衡速度恢复耦合。
arXiv cs.ROAI 评分6767 多视角隐动作预训练用于跨本体机器人视频学习
该论文提出一种可摄取同步多相机视角的隐动作模型（LAM），通过交叉注意力解决深度与遮挡问题，再压缩为隐动作并输入由潜在专家与动作专家在冻结VLM骨干上通过序列流匹配耦合的策略。
arXiv cs.ROAI 评分5555 AWLS：面向一步式生成操作策略的加权潜空间引导方法（CoRL 2026）
CoRL 2026 论文提出 Advantage-Weighted Latent Steering（AWLS），一种在不更新解码器的前提下改进冻结的一步式生成操作策略的离线后训练方法。
arXiv cs.ROAI 评分4444 面向双足人形机器人的姿态感知导航框架：Adaptive Traversal Tubes
一篇 arXiv 预印本提出面向双足人形机器人的姿态感知导航框架，核心包括 Adaptive Traversal Tubes（ATT）走廊宽度场、Interval Velocity–Heading（IVH）控制，以及侧移增强的 AMP 运动先验。
arXiv cs.ROAI 评分5555 CovNav：用保形预测引导 ObjectNav 的自适应推理
CovNav 是一个免训练框架，用保形预测（CP）把 ObjectNav 中的空间查询转成结构化二元决策：本地大模型在快速模式下判断目标是否可能在已观测物体附近，CP 将其 token 概率转为预测集，仅把模糊查询升级到慢速思维链推理。
arXiv cs.ROAI 评分4747 PLaCA：基于未来隐变量变化的机器人动作生成框架
PLaCA 提出一种世界到动作框架，直接从当前多模态输入预测空间结构化的 patch 级未来隐变量变化，并将其显式接入动作生成。在 LIBERO-Long 上 PLaCA 成功率达 79.0%，较 Action-only 基线提升 5.0 个百分点；在 CALVIN 上平均序列长度从 2.784 提升至 3.564。第二阶段训练仅更新 2.95% 的模型参数。
arXiv cs.ROAI 评分3838 Reeds-Shepp 追踪者圆锥视场下的最小时间逃逸：较慢或等速逃逸者的分类与博弈值
arXiv 论文研究全向逃逸者如何以最小时间逃出最小转弯半径为 r 的 Reeds-Shepp 追踪者前方圆锥视场，针对速度比 sinα<ν≤1 的较慢或等速逃逸者，用 Isaacs 特征线构造反馈解并给出有限逃逸时间的标量方程。
arXiv cs.ROAI 评分6565 头戴单相机替代腕部相机与位姿跟踪的免电子 UMI 手套方案
论文提出用一个佩戴在采集者头部的单目相机（USD 122）替代 UMI 手套方案中的腕部相机、位姿跟踪器及其独立数据流，读取免电子手套（USD 22）上的印刷基准标记与工作区纸砖，从策略将看到的同一帧中给出 6-DoF 夹爪位姿和爪宽；部署时同一相机装在机器人旁的低成本（USD 120）机械臂上，依据机器人关节状态模仿采集者头部运动。
arXiv cs.ROAI 评分5555 JARVIS：从视觉手册到自主机器人装配的基准与智能体方法
论文提出 JARVIS，一个无需额外语言指令、方法无关的视觉手册引导自主执行基准，包含 236,679 个 LEGO 装配任务、8,987 个场景，以及精选的 JARVIS-v1 评测套件 50 个任务。