论文提出开源 GPU 加速图库 GGraph，同时面向真实机器人部署与大规模强化学习训练。GGraph 通过 ROS 2 接口支持真实机器人，并支持 GPU 向量化策略训练，内置三维导航、探索和回环闭合集成等任务。单机器人运行时图更新为毫秒级；大规模场景下可支持数百个并行机器人训练基于图的探索策略，实际训练时间缩短一个数量级。
机器人行业洞察
今日精选
The robotics journal行业消息
该研究针对两轮倒立摆等不稳定平台，提出状态依赖目标协调方法：用俯仰角条件化标量化系数 β(s)∈[0,1] 在训练中调节平衡与导航目标的相对权重，不引入 PID/LQR 等辅助姿态控制器。仿真训练建模执行延迟、动作保持、异步含噪观测与动力学不确定性以支持零样本部署。PPO+β(s) 在固定障碍地图与随机高障碍密度地图上成功率分别为 98% 和 95%，姿态偏差小；零样本硬件实验仅用机载观测实现有界姿态与稳定避障。
该研究提出将偏好奖励响应性（PRR）与覆盖率、效用指标结合，用于评估可操控人形控制中偏好条件强化学习的聚合方式。作者在两个类人控制框架上比较了奖励级、优势级、损失级和基于 PCGrad 的聚合，发现没有一种聚合层级在所有环境和标准上表现最佳：早期聚合目标会带来更广泛的行为响应，但对其他目标的非预期改变更大；较晚聚合则提高控制精度，但以响应性为代价。
研究提出Context-Aware Navigation Explanation框架，用大语言模型将感知上下文与规划的未来轨迹结合，生成导盲犬避障与导航动作的自然语言解释，并在Unitree Go2平台上于室内导航场景部署。实验评估不同解释上下文配置对用户信任与解释满意度的影响，结果显示二者呈强正相关，且将障碍物信息与未来轨迹结合的解释效果最佳。
MIT团队提出FLEX（Flexible Feature Editing Pipeline），利用语言模型根据自然语言纠正迭代优化机器人对任务特征的内部表征，包含三个互补操作：添加缺失特征、泛化已有具体特征、屏蔽无关特征。研究在2D导航、7自由度Franka桌面操作任务以及使用自然语言纠正与真机演示的真实世界研究中评估FLEX；与单操作及无脚手架基线对比显示，交互场景中三项操作均属必要，FLEX在保持紧凑可迁移表征的同时取得更高归一化奖励。
论文提出 Real2Sem2Real 流水线，将一段人类演示的单目 RGB 视频转化为覆盖同类语义物体实例的数千条机器人演示。方法用 DINOv3 蒸馏的高斯泼溅跟踪物体 SE(3) 位姿，称优于现有方法和结合估计度量深度的 FoundationPose；再通过语义对齐把由少量照片生成的数字“表亲”与演示物体及其功能区域（如咖啡机托盘）匹配，并将人手映射为可延伸至这些物体的机器人抓取。演示在 IsaacSim 或 MuJoCo 中生成，约两小时可产出超 2,000 条轨迹；在两台真实机器人、四个任务上，用每任务一段人类视频训练 VLA 策略，表现达到或超过遥操作数据训练的策略。
研究提出 inr2action 参数空间记忆框架：对每个机器人操作片段的视频拟合神经隐式表示，权重增量即作为该片段的记忆，且增量大小固定，不随片段帧数（一百帧至十万帧）变化。学习得到的投影器把权重增量映射为 token 嵌入，分别条件化语言模型做问答、条件化解码器做关节命令回归，查询时无需检索原始帧。在 RoboMME 上语言模型各题型均超随机水平，解码器平均 R² 为 0.51；将增量替换为匹配噪声后性能下降 11.4 个点，随机初始化权重无法解码。
T-WLA 是一种世界-语言-动作架构，用共享视觉记忆同时驱动动作生成与触觉修正：视觉分支每次更新时把当前图像、任务指令与检索历史整合为视觉记忆，该记忆被缓存给轻量级触觉编辑器，后者结合当前动作块与触觉输入预测未执行动作的残差修正，无需重跑视觉分支。训练阶段以未来图像与未来压力预测作为辅助监督。在 EgoTouch 与 Tachin 的触觉条件手部运动预测上，手指关节 MPJPE 较最强已报告基线降低 30%；四个真实灵巧操作任务平均成功率约 50.0%。
arXiv 于 2026 年 10 月发布的新论文 VeriCalib 将激光雷达-相机外参标定建模为可验证估计问题，输出“标定状态”而非单一残差均方根误差。方法采用两级外参补偿机制，并用结构化协方差联合传播相机与激光雷达标靶特征的不确定性、从残差估计方差分量，进而解耦旋转与平移以给出各方向精度并引导数据采集。论文还提出视图内与跨视图一致性检查，以及扩展到外参的最小可检测偏差界。
针对球形移动建图系统（SMMS）在快速旋转和地面覆盖有限条件下的里程计难题，作者提出两种基于RANSAC的地面法向量估计方法：单帧扫描估计（法向量评分+多步验证）和基于LiDAR-惯性里程计（LIO）利用全局3D地图的估计。在多个真实数据集上以地面激光扫描仪为真值评估，LIO方法在精度与鲁棒性上显著优于单帧方法；将地面法向量估计融入运动模型可改善位姿估计，支持复杂危险环境中的自主导航。
该研究提出一种基于元学习的人机交互框架，用神经网络替代人工设定的切换阈值来识别人类意图，并引入控制器中依赖力的参数，使被动模式识别率从90.1%提升至99.1%、主动模式从79.8%提升至97.1%。框架还包含自适应元学习控制器以补偿人类扰动并在线适应变化的交互力，以及多轨迹元学习算法联合学习环境基表示与依赖力的参数，以处理未建模动态。实验称该框架在实现鲁棒控制的同时提供了可靠的模式识别。
研究提出耦合视觉-运动重映射方法，将全景方位扭曲与上肢偏航逆变换配对，用于第一人称人形机器人遥操作，使操作员无需旋转身体即可访问侧面和后侧目标。可运行原型实现全局缩放（GZ）与焦点+上下文（F+C）两种模式。被试内实验（N=8，72次试验）显示，GZ完成次数最高（23/24），固定映射为20/24，F+C为21/24；但F+C获得6/8名参与者偏好，完成表现与主观偏好指向不同映射。
论文提出一种用于物理人机交互（pHRI）的无传感器控制框架：训练神经网络补偿系统摩擦与未建模动态以提升力/力矩观测器精度，采用任务零空间分解分离关节速度、降低人类扰动对观测器的影响，并引入位姿与力混合控制器实现末端位姿和力跟踪。实验结果显示该框架在保持位姿与力跟踪性能的同时提供鲁棒准确的力/力矩估计，可应用于未装力/力矩传感器的机械臂平台。
作者指出，基于CARLA的端到端驾驶主流基准Bench2Drive，其舒适度指标改编自nuPlan，存在实现错误和奖励静止的分段方案，在八个模型上与静止时长的相关系数达r=0.97；作者提出基于距离的修正指标，将该相关性降至r=0.06，并发现原指标报告的驾驶分数与舒适度强权衡在相同行驶速度下比较时不再可检测。作者还发现评测框架的两个导航信号陷阱：默认控制器可能用指向路线目标点的角度替换模型自身转向，评测时目标点可能与训练时显著不同，并在UniAD和VAD上演示了二者影响差异明显。修复将以独立代码发布，可直接从记录轨迹获得修正后的舒适度分数，无需重跑闭环仿真。
研究提出 VLA-Rolling 推理框架，在底层 VLA 模型冻结的前提下，通过动作尾部继承、逐动作置信度估计、置信度引导的重新加噪与去噪预算分配三阶段复用被丢弃的动作尾部。在 LIBERO、MetaWorld、LIBERO-Plus、RoboTwin 2.0 四个基准上对 π_{0.5}、SmolVLA、X-VLA、MolmoAct2 测试，16 个模型—基准组合的推理成本全部下降，最高加速 1.48 倍；14 个组合成功率提升，最高提升 15.08 个百分点。
CondenseVLA 提出解码器侧可学习历史压缩模块：以可学习查询和多头交叉注意力，将 VLM 骨干缓存的逐帧特征蒸馏为固定数量的槽 token，并用辅助正则化惩罚槽注意力图重叠、使槽嵌入去相关。实验显示 Simpler-WidowX 成功率从 58.7% 升至 69.8%（+11.1 个百分点），LIBERO 达 97.2%，真实世界任务 52.8%，依赖记忆的 RMBench 任务为 21.6%。作者指出有限历史窗口在更难的多观测任务上存在局限，项目页已公开。
研究提出 TAPDreamer，一种仅用公开编码器构造固定局部对抗补丁、无需查询目标策略即可跨任务与动作架构迁移的攻击方法。闭环评估中，每个基准使用一个冻结补丁、覆盖约 6.5% 输入，使 FastWAM 在 40 个 LIBERO 任务上成功率从 97.7% 降至 0.0%，在 50 个 RoboTwin 任务上从 90.86% 降至 0.0%；匹配随机补丁则分别保持 81.5% 和 79.2%。相同补丁使两种 DreamWAM 配置降至 1.45% 和 1.00%，Motus 降至 10.60%。作者据此认为，世界动作模型的防御需同时保护共享视觉编码器，仅保护下游动作生成不足。