LOGIV：面向长程机器人任务的任务图校验执行与因果局部修复框架
LOGIV 是一个面向长程机器人任务的任务图框架，把符号规划、基于观测的校验和具身执行连接起来，并在执行中检查条件支撑与资源顺序边的物理有效性，失败后通过依赖追踪确定需要恢复的部分。
#Research
arXiv cs.ROAI 评分6464 arXiv cs.ROAI 评分7272 OpenFlyV2：面向空中感知与导航的机载视觉-语言-动作模型
OpenFlyV2 是一个统一的机载视觉-语言-动作架构，用共享视觉-语言表征在单一模型中支持语义理解、语言定位感知、空间推理与连续飞行控制。作者构建了约 7 万条导航轨迹和 6 万对视觉-语言指令-响应的仿真数据集，模型在 NVIDIA Jetson Orin NX 上完全机载以 10 Hz 生成每块 12 个航点的动作块。
arXiv cs.ROAI 评分5858 四旋翼级联 ADRC 的执行器感知观测器输入研究
论文提出执行器感知（AA）观测器输入：高度与姿态观测器使用经假定旋翼模型滤波、并与测量延迟对齐的受限虚拟输入，水平观测器使用由实测姿态重建的加速度。
arXiv cs.ROAI 评分6767 SimRetract：开放手术牵开器接管的零样本仿真到现实迁移
SimRetract 提出一种仅用仿真演示训练的策略，让机械臂从外科医生手中接过牵开器并在交接时保持牵开，实现开放手术中医生与机器人协作的零样本仿真到现实迁移。
arXiv cs.RO精选AI 评分8080 TacClaw-Infinity：面向灵巧操作的大规模视觉-触觉-语言-动作数据集
研究团队发布 TacClaw-Infinity 大规模结构化视觉-触觉-语言-动作（VTLA）数据集，用于接触密集型操作，规模超过 10000 小时、100 万条 episode、10 亿帧，覆盖 1000 多种任务类型。
推荐理由：该数据集给出万小时级触觉操作数据的采集接口与质量控制流程，可供参考其跨本体迁移验证方式。
arXiv cs.ROAI 评分7272 I3L：面向全身移动操作的迭代交互式模仿学习系统
研究团队提出 I3L，一套结合全身纠正与迭代策略精炼的软硬件系统，用于缓解离线模仿学习策略在长程全身移动操作中的分布外退化。
arXiv cs.ROAI 评分5252 Detect and Suppress：针对 VLA 模型对抗补丁的机制性防御
作者用稀疏自编码器（SAE）分析 VLA 模型的内部表征，找到一个激活与对抗补丁存在强相关的特征，并在推理时仅当线性探针检测到攻击才抑制该特征，从而在不微调 VLA 的前提下提升鲁棒性。在 LIBERO-10 上的对抗补丁攻击测试中，条件干预提升了间歇性攻击下的成功率，而持续施加同一干预会明显降低策略性能。
arXiv cs.ROAI 评分7575 D4orm 扩散去噪框架扩展为多机器人轨迹规划器族
该论文基于动力学感知的扩散去噪框架 D4orm，构建了面向不同运行需求的多机器人轨迹规划器族，包括解耦规划器、带反馈控制的在线滚动时域规划器和分布式规划器。在二维和三维环境中的差速驱动与全向机器人评测显示，基于 D4orm 的方法比 MPPI 等采样优化方法和一种基于学习扩散模型的方法更快、更可靠地找到高质量解。
arXiv cs.ROAI 评分5858 CDIP：面向水声测量延迟的水下导航压缩延迟信息投影方法
论文提出压缩延迟信息投影（CDIP），在15维误差状态卡尔曼滤波（ESKF）中处理延迟到达的水声位置测量，保留与来源关联的IMU快照及当前到快照的互协方差，无需从头重复滤波即可投影延迟修正。
arXiv cs.ROAI 评分6060 研究：闭环机器人软件的学习与迁移
研究把完整闭环机器人策略实现当作可复用的执行经验，由编码智能体根据少量成功演示生成策略代码，并用仿真反馈迭代改进。在 RoboCasa 的四个源任务上，迭代优化把成功率从初始生成代码的 28.3% 提升到验证集筛选代码的 64.2%，并在 Unitree G1 实机上验证了该学习方式。
arXiv cs.ROAI 评分6262 为 Franka Emika Panda 续命：一套带可靠位置接口的 ROS 2 软件栈
论文发布一套开源 ROS 2 软件栈，恢复 Franka Emika Panda 的 ROS 2 支持并解决其外部位置控制接口长期不可靠的问题。作者分析认为，振动和保护性停机源于外部控制环时序与采样抖动，而非机器人本体限制，据此提出将实时通信与 ROS 2 控制环解耦的异步硬件接口、面向较慢指令源的速率匹配机制，以及位置域参考生成策略。
arXiv cs.ROAI 评分6060 UniCross：统一跨技能灵巧操作合成框架
UniCross 提出统一框架，将抓取、移动、手内旋转和手内平移四种灵巧操作技能建模为同一关系目标形式，并蒸馏出不依赖技能标识的单一策略。该策略在各单项技能上表现良好，可泛化到未见物体，并支持长程技能串联和执行训练中未出现的关系目标，框架也适用于不同手部形态。
arXiv cs.ROAI 评分6767 DR-LfD：用原子技能与视觉运动策略分解重组示教完成双臂操作规划
作者提出 DR-LfD 框架，将视觉运动策略接入 TAMP 门控决策系统，按接触关系把人类示教拆成原子技能，再以视觉运动策略或物体中心基元复现并重组。该方法把示教数据需求从随技能序列指数增长转为随技能种类数增长，在 DexMimicGen 两个任务上以 100 条示教超过使用 1000 条示教的扩散模仿策略。论文已被 T-RO 接收。
arXiv cs.ROAI 评分5858 把机械臂当姿态执行器：自由漂浮航天器无推进剂姿态机动规划
该研究把机械臂运动用于自由漂浮航天器的无推进剂姿态控制，将其建模为带关节与避碰约束的轨迹优化问题，并用内点法求解。在一系列航天器-机械臂系统上，该方法算出了最大 90° 的静止到静止转向轨迹，以及角速度降低 40% 的消旋轨迹。作者还通过动量与力矩包络，把机械臂的控制能力与反作用轮阵列直接对比，指出机械臂可作冗余乃至主姿态控制系统，在抓取高相对质量载荷的空间装配与制造中尤其有前景。
arXiv cs.ROAI 评分6464 SPARK：用锚定机器人关键点实现顺序规划
作者提出 SPARK（Sequential Planning via Anchored Robotic Keypoints），把任务描述为符号化行为树，仅在每个动作被调用时锚定到当前 3D 观测，运行时验证计划并在局部失败时重新锚定物体，只有这一步失败才请求新计划。
arXiv cs.ROAI 评分7272 VEGA：用野外第一视角视频和几何轨迹监督训练导航 VLA
VEGA 提出从无标注第一视角导航视频训练导航视觉-语言-动作（VLA）模型的方法，通过单目视频重建局部场景几何、采样文本/图像/空间路点目标并生成避障轨迹，再用这些轨迹训练流匹配 VLA 导航策略，几何仅在训练阶段使用。
arXiv cs.ROAI 评分6565 GES：用高斯进化专家策略加速浮力辅助机器人形态与控制协同设计
研究提出基于强化学习的协同设计框架高斯进化专家策略（GES），通过维护一组专家策略并让各自的设计空间领地随控制表现演化，缓解单一共享策略在不同形态下收敛到同一控制策略的行为多样性坍缩问题。
arXiv cs.ROAI 评分6262 NDPP-Grasp：用非可微物理合理性约束引导任务导向灵巧抓取生成
NDPP-Grasp 提出把物理合理性约束直接注入任务对齐抓取扩散模型的去噪过程，即使约束不可微也能在生成全程施加引导。现有扩散方法先训练抓取扩散模型对齐任务，再在生成后做物理合理性修正，生成轨迹本身不受物理约束引导。该工作被 NeurIPS 2026 接收。
arXiv cs.ROAI 评分6969 TacO：面向物体操作的触觉传感器基准评测
作者提出 TacO 框架，按操作策略表现系统评测触觉传感器，覆盖视觉、声学、磁性和电阻四种模态。研究在未知质量抓取放置、物体重定向和插孔三类任务上分别训练策略，分析空间分辨率、剪切感知、触觉表征和材料摩擦等传感器特性对任务表现的影响。结果显示触觉信息的价值取决于传感器模态、材料属性和具体操作任务，并非普遍有益；传感器、代码、数据与硬件方案将在项目网站公开。
arXiv cs.ROAI 评分6262 AlphaAdj：用视觉语言模型自适应调节控制障碍函数的机器人导航框架
作者提出 AlphaAdj，一个视觉到控制的导航框架，用第一视角 RGB 观测和视觉语言模型（VLM）按视觉语义上下文调节控制障碍函数（CBF）的保守程度。VLM 输出标量上下文谨慎信号来动态调节 CBF 参数 alpha，并由几何与速度相关的上限约束激进程度；为应对 VLM 延迟，推理与控制回路异步运行，语义信号直接取自 token 级输出概率而非完整自回归文本生成。
arXiv cs.ROAI 评分5656 面向机器人基础模型的规范感知动作分布优化框架
该论文提出一种规范感知的动作分布优化框架，可在不修改预训练机器人基础模型参数的情况下，于执行时强制满足一类信号时序逻辑（STL）约束。方法在每个决策步通过前向动力学推演剩余时域，计算满足硬 STL 可行性约束的最小修改动作分布，并在仿真中用当前先进机器人基础模型跨多环境与复杂规范进行验证。
arXiv cs.ROAI 评分6262 FlowTouch：视角无关的视觉-触觉预测模型
FlowTouch 是一个视角无关的视觉-触觉预测模型，用物体局部三维网格编码信息来预测触觉图案，从而在未接触物体时也能获得触觉反馈。该方法结合场景重建与基于 Flow Matching 的图像生成模型，结果显示它能缩小仿真到现实的差距并泛化到新的传感器实例，生成的触觉图像还可用于下游抓取稳定性预测。代码、数据集和视频已公开。
arXiv cs.ROAI 评分7070 π-StepNFT：面向流式 VLA 的逐步负感知在线强化学习框架
作者提出 π-StepNFT，一种面向流式 VLA 的在线强化学习框架，把 SDE 采样中的转移作为监督单元，用方差归一化的转移误差区分正负速度分支，无需计算最终动作似然。
arXiv cs.ROAI 评分7272 CHOP：用反事实人类偏好标签提升视觉运动导航策略的避障能力
作者提出 CHOP，用反事实人类偏好标签微调视觉运动导航策略，使其对齐人类对安全与避障的直觉。在 SCAND 数据集上，多个先进模型经 CHOP 微调后近碰撞事件平均减少 49.7%，偏离人类偏好轨迹减少 45.0%，平均障碍物间距增加 19.8%。
arXiv cs.ROAI 评分7171 WildOS：面向野外环境的开放词汇目标搜索系统
WildOS 是一个面向长距离、开放词汇目标搜索的统一系统，将安全几何探索与语义视觉推理结合，用于无先验地图、深度感知受限的复杂户外环境。系统构建稀疏导航图维护空间记忆，并用基于基础模型的视觉模块 ExploRFM 对图的前沿节点打分，同时预测可通行性、视觉前沿和物体相似度，实现实时机载语义导航。
arXiv cs.ROAI 评分6262 EquiContact：面向空间泛化接触丰富任务的分层SE(3)视觉到力等变框架
EquiContact 提出一种分层框架，由高层视觉规划器 Diff-EDF 和低层柔顺视觉运动策略 G-CompACT 组成，用于学习可跨任务构型空间泛化的接触丰富操作策略。
arXiv cs.ROAI 评分6262 CausalWAM：在世界动作模型中学习动作的因果来源
作者提出 CWAM（Causal WAM），通过在世界动作模型的动作头上增加稀疏路由路径，把真正驱动动作的隐变量与场景预测所依赖的干扰变量分离，世界建模目标保持不变。论文证明在稀疏约束下，用于生成动作的隐变量是动作相关隐变量的可逆函数，真实结构可在隐变量置换意义下被识别，且不要求充分的时间依赖或对未观测状态演化作假设。合成数据与真实机器人实验验证了该理论，并显示闭环成功率效率提升。
arXiv cs.ROAI 评分6060 Sensorium：面向具身手术 AI 的开源多模态数据采集与整理库
作者发布开源 Python 库 Sensorium，基于 ROS 和 ROS2 中间件，从可配置的机器人与传感器数据流中录制、处理、标注并整理多模态手术数据，覆盖操作端采集、可配置处理、语义标注和按片段生成数据集。该库在 1516 次体模、离体和活体猪实验录制上完成评估，涉及多种手术任务与传感配置，并给出初步可用性反馈。
arXiv cs.ROAI 评分6262 PGGT-Loc：用图元锚定的几何Transformer实现前馈相机定位
作者提出PGGT（Primitive-Grounded Geometry Transformer）网络，输入单张查询图像和一组平面地图图元，直接预测6自由度相机位姿，实现前馈式相机定位。该方法在稠密表面地图和极简布局模型上均刷新了定位性能，代码与模型已公开，论文被NeurIPS 2026接收。
arXiv cs.ROAI 评分6060 DrawSplat：Atlanta World引导的隐式高斯SLAM用于室内重建
DrawSplat 提出一种 Atlanta World 引导的隐式高斯 SLAM 框架，用于室内重建。该方法先通过点线联合跟踪估计相机位姿、稀疏几何与重力方向，再借助 Atlanta World 先验的共享重力分量从跟踪线推断结构平面，并将其转为对高斯中心与法向的可微正则项。框架还结合基于锚点的隐式神经高斯表示与自适应结构采样，在多个数据集上实现稳健跟踪、高保真渲染与几何一致重建。
arXiv cs.ROAI 评分6161 FOCUS：用最优传输监督的仅观测模仿学习一阶控制方法
FOCUS 提出将局部最优传输对齐与短时域可微 actor-critic 学习结合，用于仅观测模仿学习，无需时间对齐的专家轨迹或专家对齐初始化。该方法用软 best-of-K 目标把智能体 rollout 窗口匹配到多个采样的专家片段，由传输代价给出可微模仿奖励，并用学习到的 critic 在 rollout 时域之外自举价值。
arXiv cs.ROAI 评分6060 SACQ：面向超低比特视觉-语言-动作模型的结构感知码本量化
SACQ 是一种面向视觉-语言-动作（VLA）模型的超低比特权重量化框架，结合结构感知码本拟合、动作感知混合比特分配和两阶段量化后精修。
arXiv cs.ROAI 评分6767 MotorSense 发布首个大规模自我中心视频与肌电配对数据集
MotorSense 是首个大规模自我中心视频与表面肌电（EMG）配对数据集，包含 100 小时无脚本操作中的同步视频、双臂 EMG、IMU 和音频。研究利用该数据做视频与 EMG 跨模态预训练，学习视觉与运动空间共享的动作组织，并迁移到动作识别、3D 手部重建和 3D 接触重建等任务。在四类动作相关视觉任务和八个视频数据集上，这种感知运动对齐的表征均优于传统视频自监督方法。
arXiv cs.ROAI 评分5252 arXiv 论文对比集中式与去中心化 LLM 多智能体团队的周界防御表现
arXiv 论文在简化周界防御仿真中对比了集中指挥官、拍卖式共识团队和独立 LLM 智能体在五种网络条件下的表现，共识团队入侵率为 15%，指挥官为 32%，独立智能体为 29%。
arXiv cs.ROAI 评分6969 cuPIQP：面向机器人学习与控制的可微批量 QP GPU 求解器
cuPIQP 是一个基于近端内点法的 GPU 批量可微二次规划（QP）求解器，统一支持稠密、稀疏和多阶段问题。在每批最多 16384 个 QP 的基准中，其求解速度最高为 Moreau 的 18.8 倍、八核 PIQP 的 4.26 倍；端到端学习任务中训练加速为 QPAX 的 4.6 倍、Moreau 的 7.8 倍。
arXiv cs.ROAI 评分3434 机器人导航与犬类福利：一项揭示跨物种可读性与代理效度挑战的试点研究
一项在真实家庭环境中开展的试点研究评估了面向犬类福利的“曲线绕行”导航动作——在狗的警觉距离触发横向弧线绕行轨迹，但结果与假设相反，该动作比直线基线引发更强烈的应激反应。作者认为，机器人多次停顿并重新定向以近似弧线的不连续执行削弱了行为可读性，这本身成为应激源。研究由此提出机器人行为对非人类的可读性与代理刺激效度是动物-机器交互（AMI）的结构性挑战。
arXiv cs.ROAI 评分5252 AquaProbe：按水域类型分配 LoRA 秩的水下视觉模型适配方法
AquaProbe 提出一种冻结视觉模型的水下图像适配方法，通过成对干净图像与物理渲染图像测量域差异在编码器各深度的分布，再按该分布分配固定的 LoRA 秩预算。
arXiv cs.ROAI 评分4040 无法通信的团队如何借助对手反应获知自身状态
一项博弈论与多智能体研究提出，无法通信的团队可通过读取对手对群体整体的反应（tell）来获知单个成员看不到的信息，一次tell可替代全体成员的消息传递。在已求解的高斯模型中，团队通过承诺不使用全部信息来获得真相，并保留对手本应付出的隐藏成本；精确检验可判定该结论在有限博弈中何时成立。研究还分析了信任分配方式，指出两个可互换成员以不同方式响应可替代单个成员的私有随机源。
arXiv cs.ROAI 评分6565 ID-WM：解耦状态可达性与局部控制的分层世界模型
作者提出 ID-WM（Implicit Dynamics World Models）分层世界模型，用高层模型在状态流形上采样可行转移，低层世界模型作为逆动力学求解器把转移落到精确动作。在三个导航与操作测试集上，它比现有策略与扩散规划器提升 38.5%，相比单层世界模型 MPC 在复杂未见长程配置中提升 135%。
arXiv cs.ROAI 评分7171 RoboArchitect：用持久记忆自动设计机器人智能体
RoboArchitect 让编码模型观察机器人 rollout、诊断失败并迭代修改冻结策略外围的智能体框架，在不更新任何模型权重的情况下把未见场景平均成功率从 9.7% 提升到 43.3%（4.5 倍），未见任务从 12.7% 提升到 40.2%（3.2 倍）。