物理参数偏移下的因果世界模型研究：显式仿射系数提升外推预测
该研究考察世界模型在物理条件超出训练分布时的预测退化问题，比较了预测器可用输入与机制计算方式两个因果建模要素。在带捷径特征的合成基准上，基于配对干预导出的冻结依赖掩码将全连接预测器的分布外RMSE从1.769降至0.697，接近生成器oracle掩码的0.694。
#Robot models and learning
arXiv cs.ROAI 评分5151 arXiv cs.ROAI 评分5656 AW-0：将代码规划与视频动作预测统一的具身智能世界动作模型框架
论文提出 AW-0，一个把基于代码的规划与联合视频、动作预测结合的智能体世界动作模型框架。它在统一的 mixture-of-transformers 架构中同时建模代码、未来视频和机器人动作三条耦合生成流：代码专家生成参数化的技能例程与控制逻辑，视频和动作专家生成未来视觉状态与底层电机指令。
arXiv cs.ROAI 评分5656 PhysiCalWorld：通过上下文提示校准世界模型的物理参数
PhysiCalWorld 提出通过上下文提示（in-context prompting）对动作条件世界模型进行物理校准，无需微调或解析物理建模，以适配实例级动力学。
arXiv cs.ROAI 评分5757 CW-WAM：联合预测接触力矩的力敏操作世界动作模型
CW-WAM 是一个联合预测视频、运动与接触力矩的世界动作模型，受混合力位控制启发，用统一交互模块预测时间对齐的运动-力矩片段作为控制参考。它用成对因果注意力结构化运动与力矩依赖，并以定长力矩记忆保留历史交互信息；预测的力矩片段作为 20 Hz 外环导纳控制器的力参考。
arXiv cs.ROAI 评分5555 多模态具身智能体的统一能力框架PAPAV：从计算机使用到机器人使用
论文提出PAPAV，一个以能力为中心的统一框架，将多模态具身智能体（MMEA）的反复出现的功能归纳为五项：Perceive感知当前状态、Anticipate预判动作效果、Plan规划可行路径、Act通过接口或身体执行、Verify验证结果。
arXiv cs.ROAI 评分6969 ASTEROID：非对称同策略蒸馏让机器人策略学会在上下文中探索
作者提出 ASTEROID，一个学生-教师监督学习框架，让学生在同策略收集的部分可观测上下文上接受特权专家的动作标注，从而学会测试时探索。在 11 个环境（含离散探索基准、机器人操作、导航和 Procgen）中，固定探索预算下回报约为 2 倍，交互量比强化学习基线少约 100 倍，并在探索上超过前沿模型。该方法还把仿真训练的策略迁移到视觉受限的真实机器人操作，成功率比标准蒸馏提升 40%。
arXiv cs.ROAI 评分5656 AtomicRL：面向长程机器人操作的原子强化学习后训练框架
论文提出AtomicRL，一种利用原子任务结构改进视觉-语言-动作（VLA）策略强化学习后训练的框架。其核心包括语义感知策略优化（SAPO），通过语义门控阻止失败原子子任务的TD残差跨任务传播以减轻信用污染；以及瓶颈自适应目标探索（BATE），依据各子任务掌握程度动态协调任务采样与局部探索激励。
arXiv cs.ROAI 评分6060 地球训练的人形控制器能在月球行走吗：重力、地形与土壤迁移研究
研究在仿真 Unitree G1 上用同一配方训练 12 个策略，变化重力、地形几何与地面接触模型（刚性或三维阻力理论 3D RFT），并测试地球到月球微调与重力随机化。
arXiv cs.ROAI 评分5757 SP-HLM：面向人形机器人 loco-manipulation 的稀疏姿态驱动运动生成与全身控制框架
SP-HLM 提出一种稀疏姿态驱动接口框架，用五个任务关键身体姿态加学习到的隐式运动先验，以互补形式表示空间意图与全身协调。SP-VLA 视觉-语言-动作模型先从多模态观测和语言指令中异步动作块推理预测任务相关稀疏姿态与手指关节位置，SP-MGM 运动生成模型经两阶段蒸馏实时重建全身协调运动，SP-GMT 通用运动跟踪器再将显式稀疏目标与隐式运动先验结合用于全身控制。
arXiv cs.ROAI 评分6161 DONIC：从人类演示学习的通用双臂灵巧跟踪控制
DONIC 是首个跨操作类别与人体动作来源联合训练的通用双臂灵巧跟踪器，同时发布多视角数据集 BiHOI，含 1,575 段序列、覆盖 229 个物体，重建的交互被重定向为机器人参考。
arXiv cs.ROAI 评分5656 RangeNav：面向机器人导航的任务对齐 LiDAR 距离图像预训练
RangeNav 是一个仅 18.3 万参数、完全在合成数据上预训练的 LiDAR 距离图像编码器，用各向异性卷积和循环填充处理距离图像的极端长宽比与方位角接缝。
arXiv cs.ROAI 评分5151 论文提出以数据多样性提升机器人零样本泛化的路径
arXiv 论文将物理 AI 的零样本泛化形式化为对部署分布的覆盖，指出同一采集者增加样本只能缓慢缩小未见区域，而每新增一位贡献者都能扩展覆盖。基于此，论文提出融合多模态对齐、生成式增强与噪声标签学习的机器人动作共享潜空间，并建议开发者围绕标准机器人 Origmi 构建应用以提供多样化数据，最后给出关联实机零样本成功率与数据多样性的可检验假设及评测协议。
arXiv cs.ROAI 评分6767 SpatialDex：从纯RGB人类视频预训练3D接地双臂灵巧操作
SpatialDex 是一个从纯 RGB 人类视频学习 3D 接地双臂灵巧操作的框架，通过重建增强的视觉运动预训练，同时学习人类行为及其空间上下文。它从每段视频重建场景几何并估计手部运动，用 3D 手部估计的手尺寸先验在视频级尺度上对齐二者，并将重建几何同时作为策略输入和预测目标。
arXiv cs.ROAI 评分5757 CausGround：用因果交互知识支撑自适应具身规划
CausGround 提出一种非参数化的因果交互 grounding 框架，把交互经验蒸馏为以动作为中心、可复用的因果知识，识别动作前置条件与效果并组织进分解式世界状态表示，在规划时将任务相关因果依赖与当前观测对齐，支持对前置条件的反向推理和对效果的正向推理。
arXiv cs.ROAI 评分5555 FlowVLA：面向定量机器人倒液的流量感知物理完成估计
FlowVLA 将动作生成与物理完成估计分离，用共享的 π0.5 动作专家学习接近、倾倒与返回，并用目标无关估计器融合视觉、关节、腕部力矩与循环力信念历史来估计已转移质量，当估计值加预测残余流出量达到请求质量时触发返回。
arXiv cs.ROAI 评分5757 Toward Recursive Self-Improvement in Physical AI 论文：梳理物理AI中的递归自我改进路径
arXiv 论文 Toward Recursive Self-Improvement in Physical AI（arXiv:2610.29677，93页，15图，21表）将递归自我改进（RSI）定位于机器人学习框架下，追踪从提升机器人能力到改进产生这些能力的流程的路径。
arXiv cs.ROAI 评分6262 Watch Your Step：用人形机器人预判落足点的感知方法提升地形运动
arXiv 论文 Watch Your Step 提出轻量落足点预测模型（FPM），仅凭本体感知和速度指令预测未来落足点，并只在这些落足点周围采样高程图，让感知先于策略预判落脚位置。
arXiv cs.ROAI 评分6060 四足机器人月球重力跳跃的端到端强化学习研究
研究提出多阶段强化学习方法，生成单一端到端控制策略，用于月球重力下四足机器人受指令的点到点跳跃。该策略架构简单，仅依赖与任务兼容的机载传感；仿真中跳跃落点误差小于机器人本体尺寸，并分析了扭矩与功率需求，以及飞行中控制更新冻结最长 1 秒等极端异常下的性能退化。硬件迁移测试中，策略在月球重力卸载条件下成功完成垂直跳跃，实测扭矩与功率曲线与仿真一致且在硬件极限内。
arXiv cs.ROAI 评分5252 SERA：面向历史依赖操作的自进化机器人智能体框架
论文提出SERA（Self-Evolving Robotic Agent），将高层VLM组织为带可编辑harness的机器人智能体，配合固定的VLA执行器完成低层控制，用于处理长程操作中的非马尔可夫依赖。
arXiv cs.ROAI 评分5555 基于距离场的强化学习实现机械臂反应式鲁棒避障
该论文提出一种将欧氏距离场（EDF）直接融入观测空间的强化学习框架，为智能体提供连续几何线索以实现稳定、响应迅速的避障行为，并简化了奖励设计，在有无人工势场引导下均能有效避障。
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。
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。