SuperMimic 提出用一个可微世界模型摊销人形机器人全身运动跟踪的学习成本，该世界模型由标准刚体仿真器的转移数据拟合，并与跟踪策略在同一循环中联合训练，通过短时想象 rollout 的时间反向传播提供解析梯度。在单块 GPU 上训练 3 小时，其回报超过在 128 块 GPU 上训练 7 天的当前最优基线，GPU 小时数减少超过 1000 倍；在 129,514 个基准运动上失败 25 个，基线失败 179 个。两块 GPU 训练 9.8 小时后实现零失败，策略可迁移到实体 Unitree G1 完成多样高难度动作。
机器人行业洞察
今日精选
The robotics journal行业消息
arXiv 2610.28431v1 提出 TaskWAM，一个闭环、阶段感知的世界-动作模型（WAM）框架，用 Mode Tokens 表征细粒度任务要求、用 State Tokens 跟踪执行进度，形成结构化任务状态以引导生成朝向预期未来，针对长时程操作中相似观测-动作片段导致的“阶段混淆”问题。作者同时提出 StageBench 多阶段操作基准，含参数化阶段变化与自动评估。实验称在仿真与真实任务上减少混淆并与 SOTA 方法性能相当，且可即插即用迁移到单臂、双臂夹爪、灵巧手与人形机器人等异构架构与本体。
论文提出 GPT-as-Tactile-Policy 方法：将专家演示总结为任务指导与触觉参考，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。在无需机器人专用预训练和逐任务微调的情况下，该方法在五个 UniVTAC 接触密集型操作任务上平均成功率为 93.8%，与现有最优策略相当，部分任务更高；Insert Hole 任务中触觉反馈将成功率从 31% 提升至 99%。执行分析显示模型能进行接触引导的试探与纠正。
研究团队提出 FRDV 框架，将人体运动捕捉数据重定向到不同人形机器人：运动学阶段结合自定义序列二次规划求解器、实时迭代与分块并行处理，最高达每秒 9,156 帧，比 GMR 和 ProtoMotions 快约 136 倍，并在优化中加入机器人特定约束以减少地面穿透与自碰撞。对需进一步验证的动作，用接触隐式 iLQR 控制器在完整刚体动力学下检验，识别动力学不可行动作并修正脚部悬空、打滑。团队用多条现有流水线训练运动跟踪强化学习策略，比较跟踪保真度与成功率，并在宇树 G1 人形机器人上完成 sim-to-real 迁移。
研究团队提出 CAPSafe 基准，用于评估 LLM 具身智能体的安全推理，包含动作级与计划级两个数据集：前者判断单个动作在给定环境上下文中是否安全，后者评估智能体能否为复杂危险家务任务生成安全的长时程计划。该基准对危险的情境性（由物体属性推断）、多危险共存及相对严重程度进行建模。对 9 个闭源与开源 LLM 的评测显示，危险识别与安全长时程规划之间存在显著差距：多个模型识别不安全动作的准确率超过 90%，但安全长时程规划明显更难，Gemini-3-pro 安全成功率最高为 78.19%，其余模型均低于 65%。
该研究提出强化迭代学习控制（RILC），将迭代学习控制与强化学习并发耦合：ILC提供高质量样本，RL作为跨迭代的泛化策略，从而在无需逐轨迹单独学习的情况下实现首次试验即高性能跟踪。论文给出理论证明，表明RL分量保持ILC稳定性，并在特定条件下可渐近降低误差界。实验在欠驱动4自由度串联弹性机器人上，针对不同轨迹与建模失配进行仿真与验证。
该论文提出一种包裹机器人通信链路的算法：当机器人要用入站链路数据更新状态时，算法用 Safe Anytime-Valid Inference 检验各机器人异常检测器输出的信任值流，筛出可安全采纳的可信链路子集，仅要求检测器优于随机猜测。该封装同时给出两项统计保证：以用户选定的高概率在所有时间上均匀排除全部被攻破链路，同时快速学会信任合法链路，且无需对连通结构或被攻破链路数量作限制性假设。作者在 3 台 LoCoBot 上做神经隐式建图、8 台 GoPiGo 上做航向一致性实验，并用硬件采样的信任值仿真验证可扩展至数百台机器人集群。
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：预训练阶段用冻结的3D基础模型提供稠密几何特征，将其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，再对几何过渡施加动作监督，提取强调动作相关过渡的互补运动表征；下游后训练阶段通过几何查询迁移预测几何，运动表征则沿动作生成路径引导中间特征，未来观测仅在训练时作为特权监督、推理时不需要。在LIBERO、LIBERO-Plus、SimplerEnv及真实双臂与单臂任务上，该方法一致提升下游策略，在WidowX评测上绝对提升10.4个百分点，并在多种VLA架构与WAM上验证了迁移效果，代码将发布于GitHub。
研究团队在 RoboColiseum 上对 GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5、Gemini 4 Argon 四个模型开展指令跟随、空间推理、通用操作、鲁棒性四赛道对比评测，通过 Agent2Act 控制框架接入共享观测、动作执行与反馈接口。结果显示四模型能力画像一致：指令跟随得分高（三个接近满分）、空间推理强、通用操作得分低于其他三赛道；Astra 在指令跟随与鲁棒性领先，Opus 在空间推理、通用操作与综合表现领先。组件对比表明框架设计影响任务成功率、规划成本与执行时间，案例研究覆盖全身协调、跨形态操作、精细操作、灵巧手操作与真机任务。
论文提出 DirectWAM，通过动作充分蒸馏把预训练的扩散视频专家与动作专家转为单步预测器，保留显式的未来到动作级联，无需随机采样；训练时从预测未来解码动作并将演示动作误差经专家反向传播，可选加入未来潜在重建损失。在四个 LIBERO 套件上平均成功率 97.1%，RoboTwin 2.0 上 85.4%，相同每流一次评估预算下优于 Flash-WAM，并扩展到三个真实世界任务；相比完整迭代教师模型推理延迟降低 28.0 倍。
研究团队提出 RoboCasa-Shift，一个基于 RoboCasa365 的诊断性鲁棒性基准，采用受控单因素偏移、共享底层设置的干净-扰动配对 rollout 和仿真器阶段感知诊断。在四个长时程家庭操作任务、四种扰动因素与三个校准严重度下评估 GR00T N1.5，共完成 1,040 次正式 rollout。结果显示鲁棒性响应随因素和任务差异显著，严重度提升不总带来单调退化：某相机条件下 80 个配对回合中 8 个结果改变但 ΔSR=0；相机 L2 与高斯模糊 L1 的 ΔSR 同为 0.188，第一阶段失败率却分别为 19.0% 和 36.4%。代码已开源。
PACT-VLA 是一个无需训练的框架，用于解决 VLA 策略异步推理中动作块基于过时观测的问题：它从推理起始观测生成多个候选动作块，并利用提交前观测复用冻结的 VLA 策略进行选择，评分函数 FlowRes 衡量候选隐含流方向与策略预测速度的残差，无需额外验证器。流水线实现使选择不增加控制步延迟。在四步延迟下，Kinetix 上平均成功率比 RTC 高 15.0 个百分点，LIBERO 上比 GR00T N1.7 单候选异步执行高 5.2 个百分点；三个真实机器人任务上，使用同一冻结 π0.5 检查点，平均成功率从朴素异步执行的 60% 提升到 82%。
arXiv 2610.28011v1 提交了一篇研究，考察期望自由能（EFE）能否作为测试时计算控制器，决定在世界模型规划中投入多少计算。作者把目标距离与随机预测间的分歧合成一个 EFE 式目标，分别测试候选评分、停止规则和在线预测器更新。结果显示：当精英成本停滞即停止，在成功率随深度趋于平台的任务上会减少细化，平均成功率接近固定深度参考；较大权重下奖励分歧会降低冻结模型的成功率，惩罚分歧则因任务和权重而异。训练数据缺少到达目标所需区域时，在线更新可恢复部分损失；成本停滞规则在后续优化利用模型错误时会失效，因为任务成功率见顶后预测成本仍下降。
LocoPilot 在12自由度 Unitree Go2 四足机器人上实现单操作员双边遥操作与数据采集，该机器人搭载6自由度 AgileX Piper L 机械臂、RealSense D435 腕部相机与 D405 头部相机；第二台 Piper L 作为主端，配合两个手持控制器同时控制基座、机体姿态、机械臂与夹爪。从端交互力在无专用力/力矩传感器条件下估计，经无源性约束力觉通道反馈给操作员；ROS 2 流水线记录同步多模态观测与遥操作、部署共用的11维动作。作者在多个移动操作任务上评估接口，并在抓取放置示范上微调 MolmoAct2 后部署到实体机器人，无需动作重定向或额外逆运动学。
arXiv 论文 HuTact 提出从大规模人类手-物交互（HOI）数据预训练触觉感知手部表征，预训练阶段不使用真实触觉信号，再将人类手部运动中的交互结构迁移到机器人触觉观测，并可用少量无标注机器人交互数据适配。在抓取预测、滑动检测、物体分类和触觉条件策略学习任务上，HOI 预训练提升了数据效率。抓取预测中，经 HOI 预训练并在无标注机器人自由交互数据上中期训练后，仅用 25% 下游标注数据即达 88.26% Macro-F1，与全量标注从头训练的 88.23% 相当。
EventSync 提出一种事件驱动的分层框架：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-动作模型执行，轻量级事件监视器结合视觉观测与末端执行器轨迹判定子目标是否完成，仅在获得完成证据后才写入已完成子目标历史并触发后续推理。该方法在 RoboMME 基准上总体成功率为 64.5%，比该基准报告的最佳基线高 20.0 个百分点；并在四个记忆需求不同的真实机器人任务上完成验证。
论文将眼科手术机械臂在软件远程运动中心（RCM）约束下出现的伺服振荡形式化为约束诱导任务奇异：RCM投影后的末端雅可比降秩，而未投影的末端雅可比仍良态，导致有效末端权限崩塌。作者提出内置奇异恢复的高精度RCM伺服架构，由权限引导规划器为每个目标选择良态构型并规划RCM一致路径，再由固定分层QP控制器执行。在200个场景的运动学基准上，近奇异目标达128/128、近关节极限目标达71/72，软件RCM残差低于0.142 mm；在物理6自由度机械臂上跨四个RCM入口点执行，最坏运动学重建RCM残差178 μm，末端调节误差中位数32 μm，满足200 μm控制要求。
研究团队提出遥操作界面PointHand，将多指机器人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。在模拟的“杯中取物入盒”任务中，18名新手与4名专家在三种渲染方式下共采集2200次试验：看到仅强调拇指和食指的新手从600次试验中获得441次成功示教，而看到真实手形的新手为320次。用这些示教训练扩散策略并将观测替换为手部关键点与两个物体关键点后，400步内该条件从点云策略下三种新手条件中最弱的46.3%升至关键点策略下最强的57.3%，五个随机种子均提升11.0个百分点；强调全部关键点的示教变化至多+0.7个百分点。
该研究提出一种验证引导的训练框架，通过安全约束的概率枚举检测前向不变性违规，即学习到的证书错误地将不安全行为归类为安全的状态，从而生成比标准对抗攻击方法更精确刻画失败边界的紧凑反例集。用该表示微调预训练的 HJ 值函数，在所有测试基准上得到更大的认证区域并缩短认证时间。作者还基于精炼后的证书引入屏蔽机制，在 Isaac Sim 物理仿真和真实自动驾驶竞速实验中实现零安全约束违规，而标称控制器和基于 LQR 的备份策略均出现违规。
研究提出以智能体为中心、物理感知的框架，从NGSIM US-101、highD、exiD多源轨迹数据中发现跟驰法则，得到自适应均衡响应模型（AERM），将状态依赖的相对速度响应与间距依赖的均衡速度恢复相耦合。AERM具有解析的均衡速度-间距与流量-密度关系，并推导了零延迟形式的稳定性条件。在上海自然驾驶数据、NGSIM I-80和Waymo轨迹上对比七个经典跟驰模型，AERM在轨迹特定校准下间距RMSE分别降低9.11%、7.59%和21.73%，在数据集级共享参数下仍具竞争力。