SimpleVLN：不加任务专用架构的视觉语言导航框架
SimpleVLN 是一个保持原生架构的视觉语言导航（VLN）框架，在 R2R-CE 和 RxR-CE 划分上分别取得 76.7% 和 80.1% 的成功率，显著优于现有方法。
#Research
arXiv cs.ROAI 评分5555 arXiv cs.ROAI 评分5454 ORD-WM：面向机器人操作的物体中心刚体动力学3D世界模型
ORD-WM 提出一种学习物体中心刚体动力学的3D世界模型，用于机器人操作任务。它用有符号距离场监督的向量神经元变分自编码器，将每个物体点云编码为由3D向量特征构成的几何感知潜表示，并用动作条件动力学模型预测逐物体的SE(3)运动增量，再将预测的刚体变换解析地施加到当前潜状态上，而非生成无约束的下一潜状态，从而分离持久几何与位姿变化。
arXiv cs.ROAI 评分5555 SCOPE：面向具身启发式学习的选择性程序编辑认证方法
SCOPE（Selective Certification Of Program Edits）将失败与成功执行作为互补证据指导程序修订：前沿引导的程序搜索在共享诊断图上标注执行证据以区分已验证进展与未解决检查，选择性行为认证则用有状态 API 回放恢复已记录的响应与变更，检查编辑是否保留了选定的历史成功行为。
arXiv cs.ROAI 评分6262 BeJEPA：通过无监督强化学习构建的目标条件人形机器人行为世界模型
论文提出BeJEPA，一种通过无监督强化学习从人体运动先验和机器人交互中学习的目标条件人形机器人行为世界模型，用联合嵌入预测架构（JEPA）学习身体构型与世界放置的共享表示。
arXiv cs.ROAI 评分4545 GRASP：面向双臂机器人操作的全局-局部表征对齐与空间-物理锚定
GRASP 提出一种面向双臂机器人操作的训练阶段先验注入框架，通过物理锚定的流匹配损失经可微前向运动学（FK）监督工具中心点（TCP）位姿与臂间相对位姿，并引入经 DINOv3 蒸馏的全局查询组与 Grounding DINO 监督的局部交互查询，推理时移除教师模型。仿真与实机长时程双臂任务实验显示两种先验在不同部署条件下互补：完整模型在分布内部部署中表现更优，蒸馏查询分支在强视觉随机化下更适用。
arXiv cs.ROAI 评分4747 InstAgent：面向异构机器人协作的递归自改进智能体操作系统
InstAgent 提出一种递归自改进（RSI）智能体操作系统，用智能体行为树（BT）显式建模异构机器人的能力分配、机器人间依赖与交接检查，并通过执行反馈更新协作程序、保留成功修订供后续任务复用。在 20 项真实多机器人任务、3 种高层模型上的实验显示，任务成功率、首次完成率与执行效率均有一致提升。
arXiv cs.ROAI 评分3838 基于Rao-Blackwellized粒子滤波梯度下降的仿生磁导航方法
论文提出一种基于Rao-Blackwellized粒子滤波（RBPF）局部梯度估计的梯度下降仿生磁导航（BIMN）方法，用于GPS拒止环境下的导航。该方法不依赖复杂、笨重且成本高昂的磁地图，梯度下降会自然将系统吸引向目的地，实现无需磁地图的磁导航，是一种简单且节省内存的方案。
arXiv cs.ROAI 评分4747 自主空间机器人基础模型综述：架构、物理适配与验证
一篇 arXiv 批判性综述系统梳理了基础模型在自主空间机器人中的架构、物理适配与验证路径，重点覆盖轨道操作与近距离交会任务。文章指出事件相机可在强光照对比下提供及时运动观测，脉冲神经网络为稀疏本地计算提供可能路径，并将验证组织为"仿真-地面-太空"迭代闭环，以卫星捕获案例串联观测、接近、接触与恢复。全文 23 页 7 图，附带源清单与证据文档。
arXiv cs.ROAI 评分5353 用模型到策略的统一形式化框架连接VLA与世界动作模型
论文提出一种基于随机核的、与架构无关的概率形式化框架，用于统一描述具身基础模型。该框架包含两部分：用条件输出分布与动作实现核刻画模型并诱导任务条件化的机器人策略，以及把预训练、后训练与策略部署连接起来。作者在 OpenVLA 和 DreamZero 上进行了实例化，覆盖自回归动作 token 预测与视频-动作联合生成两种范式。
arXiv cs.ROAI 评分4747 PASS：面向 CAT III 完整性算法开发的可信精密进近仿真系统
PASS 是面向固定翼飞机 CAT III 完整性算法开发的可信精密进近仿真系统，在统一时空几何框架内集成可配置机场环境、规定轨迹、惯性仿真、标定双目图像与连续跑道相对真值，支持可控传感器误差与环境变化下的导航与完整性研究。
arXiv cs.ROAI 评分5858 VLA-Fabric：为多臂VLA智能体学习可组合的交互机制
VLA-Fabric为每条机械臂配置一个完整的视觉-语言-动作（VLA）模型，保留各自的局部感知与动作所有权，通过跨策略边界的显式学习交互实现协调。论文系统研究了交互应发生的位置、同伴信息如何聚合以及交互如何学习，发现共享上下文、同伴特定隐变量与动作阶段交互具有互补的协调作用，并在结构不同的VLA架构上复现了该原理。
arXiv cs.ROAI 评分5656 What Makes a Good Symbol for Hybrid Discrete-Continuous Planning?：混合离散-连续规划的符号设计研究
论文提出从求解算法视角定义符号有用性，即好的符号应暴露能简化原规划问题求解的离散决策。作者先针对有限时域分段仿射系统引入求解器充分符号化概念并设计反例引导的符号发明算法，再将其扩展到以一般神经网络为能量函数的优化目标。仿真与实机任务实验显示所得符号在保持解质量的同时降低求解成本，并提升可解释性与可操控性。
arXiv cs.ROAI 评分6060 Robotic Spatiotemporal Editing：用掩码动作重建统一可控动作生成接口
该论文提出 MAP（Masked Action Space）接口，把关键点、流、朝向和关键姿态等时空参考统一为同一时间笛卡尔动作空间的部分约束，并将可控操作建模为动作修复问题。
arXiv cs.ROAI 评分4545 GR-VIP：面向精确对接的几何表征条件化视觉运动策略
研究提出GR-VIP，一种目标条件化的视觉运动策略，利用为相对相机位姿估计预训练的视觉编码器，在位姿回归前的稠密关系特征上条件化动作预测，保留细粒度跨视图信息以从演示中学习修正动作。在真实对接任务中，GR-VIP在训练环境与未见环境均实现高对接成功率和毫米级终端精度，且迁移无需额外训练。补充实验显示该策略能与非对接目标对齐，并在测试的低光照条件下完成对接。
arXiv cs.ROAI 评分5757 Hardware-as-Regularization：用可调被动柔顺主臂提升模仿学习数据一致性
arXiv 论文提出 Hardware-as-Regularization 方法，通过低成本被动关节模块（可调机械离合器加 3D 打印螺旋弹簧）将每个关节拉向用户定义的中立姿态，以被动回正力充当关节空间 L2 正则化的物理先验。
arXiv cs.ROAI 评分6262 MambaAct：用紧凑Mamba动作专家降低流匹配VLA的推理延迟
MambaAct 提出用紧凑的 Mamba 动作专家替换 π0.5 中基于 Transformer 的动作专家，保留其预训练的视觉-语言前缀编码器。
arXiv cs.ROAI 评分5757 Ego2Contact：从人类第一人称视频预测触觉用于接触密集型机器人操作
Ego2Contact 从人类交互中学习视觉-触觉先验并迁移到机器人手，其预测器融合时序场景上下文与手部局部视觉特征，从 RGB 视频推断双手触觉场，并通过解剖区域对应关系将不同机器人触觉布局对齐到预测器的规范网格。
arXiv cs.ROAI 评分5656 SenseSwarm：用神经结构估计与共享世界预期加速机器人集群建图
SenseSwarm 在集群共享占据地图上运行一个 709K 参数的轻量地图预测器，并把预测结构折返到基于 stigmergy 的引导场中，用集群自身多前沿观测微调，单机器人预测器在该视角下会失效。
arXiv cs.ROAI 评分5656 SpatialBEV：利用鸟瞰图结构化感知表征提升越野动力学建模
CoRL 2026 论文提出 SpatialBEV，通过在每一步查询预测状态周围的鸟瞰图（BEV）特征，用当前几何与语义线索条件化下一步预测，以捕捉越野场景中地形与车辆的复杂交互。
arXiv cs.ROAI 评分5757 AnchorQ 用流反转动作锚点提升机器人策略的强化学习样本效率
arXiv 论文提出 AnchorQ，通过流反转把参考策略行为映射为状态条件化的潜变量锚点，在锚点附近采样粒子并用价值引导采样实现由粗到细的策略改进。分析表明锚点降低识别复杂度但引入支撑偏差，粒子精化在该偏差与动作类复杂度之间权衡，critic 精度决定 KL 正则价值引导选择的可靠性。
arXiv cs.ROAI 评分5555 DefFlow：基于三维点流的目标条件可变形物体操作框架
DefFlow 是一个面向可变形物体的目标条件操作框架，通过从示教中联合预测机器人与可变形物体的目标条件三维点流，同时捕捉抓取、释放、重抓等操作决策与到达目标所需的连续精细动作。在绳索、颗粒介质和布料等多类初始与目标配置下，DefFlow 在成功率和目标距离指标上明显优于目标条件动作预测与仅预测机器人流的基线，并在真实机器人上使用真实点云观测和未见过的目标配置完成部署。
arXiv cs.ROAI 评分4343 广义坐标下的机器人操作臂同时力与运动控制
一篇 arXiv 论文提出用 Gauss 最小约束原理，将机器人操作臂的同时力与运动控制建模为广义坐标（关节空间）下的二次规划（QP）问题，使关节限位、避碰、避奇异等不等式约束能直接纳入求解。仿真在 MuJoCo 中完成并与操作空间（任务空间）方法对比，结果显示该方法可同时保持期望接触力、减小轨迹跟踪误差并满足不等式约束。论文共 8 页 5 图，已投稿至 IEEE ICRA 2027。
arXiv cs.ROAI 评分5555 PASS-VLN：面向机器人本体宽度的可通行性感知局部导航基准与模型
PASS-VLN 是一个可通行性感知的局部指令视觉-语言导航（VLN）基准与模型，固定场景、指令、起始位姿和参考路径，只改变机器人本体宽度，要求在通道可行时到达目标、在受阻时提前停止。
arXiv cs.ROAI 评分5757 基于低成本遥操作机械臂模仿学习的草莓果柄靶向采摘研究
该研究提出一套视觉运动模仿学习流程，用于草莓果柄靶向采摘，统一了感知、运动规划与接触操作：从人类遥操作示教采集数据，训练以ResNet-50为视觉骨干的Action Chunking with Transformers（ACT）策略，并在Jetson AGX Orin边缘平台上以15 Hz自主部署。
arXiv cs.ROAI 评分4848 Shape-Aware Neural Time Fields：面向刚体运动与操作规划的物理信息神经时间场
提出 Shape-Aware Neural Time Fields，一种物理信息神经运动规划框架，为刚体运动学习可复用的行进时间（cost-to-go）表征，显式区分平移与旋转受到的不同几何约束，并与基于采样的规划器配合。
arXiv cs.ROAI 评分5555 编码智能体自动设计机器人空间记忆的研究：Codex / GPT-6 Astra 五轨平均分较 ReMEmbR 提升 50.9%
arXiv 论文《Spatial Memory by Agents, for Agents》研究让编码智能体自动设计机器人空间记忆：在固定开发预算下，Designer Agent 编写并迭代修改记忆构建与检索代码，由固定 Query Agent 提供反馈，实现冻结后再基于留出观测历史构建记忆并评测。
arXiv cs.ROAI 评分4141 多机器人绘图任务结构与可扩展性研究：单token与共享token分配的仿真对比
一项仿真研究比较了多机器人绘图中单token（组件级）分配与共享token（分解式）分配两种流水线的加速效果，覆盖385幅绘图和1至8台机器人的团队规模。结果显示单token分配的加速收益递减，共享token流水线在更大团队规模下平均加速更高、空闲时间占比更低，但并非对每幅绘图都缩短完成时间。
arXiv cs.ROAI 评分5858 FCTS：用失败引导的课程树搜索生成地形提升四足跑酷策略
FCTS 是一个以失败为条件的地形课程框架，利用局部穿越失败自动生成策略下一步应训练的地形，失败的位置、终止模式、机器人状态和周边地形几何共同条件化生成过程，蒙特卡洛树搜索在固定训练预算下探索备选课程轨迹。
arXiv cs.ROAI 评分5656 Embodiment-Classifier Guidance：无需示教将冻结VLA迁移到新机器人本体
论文提出Embodiment-Classifier Guidance，通过训练轻量级本体分类器，在去噪步骤中用分类器梯度引导冻结的π0策略，使其在无需额外示教或参数更新的情况下迁移到新机器人本体。
arXiv cs.ROAI 评分5656 Micro-Localization：利用显微地面纹理实现移动机器人微米级定位
arXiv 论文 Micro-Localization 演示了利用显微光学观测自然地面纹理实现高精度全局定位，定位精度达到几十微米量级。作者建立了光学放大倍率与图像空间定位不确定度同物理定位精度的关系，并解决了高倍成像带来的标定、相机建模与对焦难题。
arXiv cs.ROAI 评分6262 RePlanMem-VLA：用计划修订信号引导 VLA 的关键帧视觉记忆
arXiv 论文提出 RePlanMem-VLA（Replanning-Guided Keyframe Memory for VLA），把策略自身的计划修订转化为在线记忆写入信号：在滚动时域执行中，若相邻动作块对同一未来动作的预测出现异常大的分歧，就视为任务相关事件。
arXiv cs.ROAI 评分5858 RTISSLAM-3D：基于空中3D成像声呐的全6自由度SLAM系统
论文提出RTISSLAM-3D，一个面向搭载空中3D成像声呐、IMU和轮式编码器的轮式机器人的6自由度SLAM系统。系统用球面CFAR检测器将声呐图像化为稀疏3D检测，用于建模声呐波束形状的3D声学里程计、极坐标子图描述子的地点识别，以及3D配准的回环验证，共同构成带姿态因子的6自由度位姿图。
arXiv cs.RO同新闻AI 评分7676 RAX：以在线探索扩展机器人智能体能力的开源框架
论文提出 RAX（Robot Agent eXploration），一个以扩展在线探索为核心的开源机器人智能体框架，通用编码智能体在不使用动作演示数据、人工设计动作原语或价值函数引导的情况下生成机器人控制代码。
arXiv cs.ROAI 评分7070 GPT-6-Astra 是否达到具身智能？SenseNova 联合团队评测报告
SenseNova 联合研究团队发布报告，评测 GPT-6-Astra 在机器人操作与导航上的具身能力。在统一协议下，团队于涵盖桌面操作、人形、移动平台与灵巧手的 12 个代表性基准上评测，允许从训练集示例进行上下文学习（ICL）并大幅增加执行步数，取得论文所称的空前表现。
arXiv cs.ROAI 评分4545 Mothership：面向步行园区的两层自主垃圾收集系统
Mothership 提出两层自主垃圾收集系统，由电动压缩车搭载两台低速人行道机器人 RoboCarts，负责取运标准两轮垃圾桶、送至卡车并归位回充。离散事件仿真在 2-16 bins/ha 的合成园区布局下量化吞吐量，两车配置服务 20-29 bins/h，三至四车在 80 m 停靠半径下可达 35-49 bins/h，最优停靠半径需与车队规模一并选定。
HuggingFace Daily PapersAI 评分5858 SpatialScout：评测VLM智能体主动探索与构建3D物体级地图的新基准
SpatialScout是一个评测视觉-语言模型（VLM）智能体主动进行物体级3D建图能力的新基准，包含80个多样室内场景和3,140个目标物体。任务要求智能体控制相机探索场景，在共享坐标系中估计物体中心，需协调视角选择、跨视角关联、几何估计与地图修正，并在有限交互预算内完成。
HuggingFace Daily PapersAI 评分4747 PhysSkin++：基于自监督神经蒙皮的实时可泛化物理动画框架
PhysSkin++ 提出一种物理信息框架，通过 Neural Skinning Fields Autoencoder 从静态几何学习连续神经蒙皮场，构建紧凑变形子空间，无需逐物体网络训练或仿真轨迹。
HuggingFace Daily PapersAI 评分7070 Ropedia W0：跨本体扩展运动-操作世界基础模型
论文提出 Ropedia W0，一个跨人类与多本体机器人的第一人称运动-操作世界基础模型。研究构建了 Xp-Data 数据集，包含 1 万小时第一人称人类数据和 3000 小时机器人数据，配有统一多模态标注与质量控制；用相机位姿编码移动、投影骨架编码操作，机器人骨架结合各本体的前向运动学与人工关键点标注。
HuggingFace Daily PapersAI 评分6262 ACE-Brain-0.6 发布：用可验证空间定位监督扩展具身基础模型
ACE-Brain-0.6 通过统一数据流水线结合机器人操作记录与多源互补视觉数据，自动标注后转化为可验证的定位监督，用约150万样本微调 Qwen3.5-9B 得到。该模型在七个公开定位基准中的四个上超过 GPT-6 Astra，总平均分 75.41 对比 Astra 的 73.68。在固定微调设置下，随数据集扩展覆盖更多定位场景，聚合定位性能稳步提升。
HuggingFace Daily PapersAI 评分4545 FocusGUI：面向全模态 GUI 智能体的聚焦感知适配器
FocusGUI 提出一种轻量适配器，通过按步动态加权多模态通道、将关键证据压缩为紧凑潜变量并注入冻结解码器嵌入，实现全模态 GUI 智能体的聚焦感知。在四个全模态骨干模型上，其相对冻结骨干平均将 Type Match 提升 33.2、Exact Match 提升至 3.0 倍，Type Match 较最强现有增强方法提升 30.1。训练仅依赖动作监督，无需模态相关性标注或骨干微调。