研究提出强化学习框架 PrepTurn，将当前与下一个位姿目标直接映射为关节动作，用即将到达的目标指导机器人如何接近当前目标，避免单目标策略在连续目标下出现的走走停停。方法包含持久信用奖励与逐步提升目标难度的自动课程，无需预设轨迹或到达时间即可协调接近速度与转向。仿真与 Unitree Go2 机载实验显示，连续穿越完成率高、运动更高效且停顿减少；目标容差放宽后，策略还出现提前转向下一目标和在允许区域内切角的涌现行为。
机器人行业洞察
今日精选
The robotics journal行业消息
arXiv 2602.16444v3 提出 RoboGene，一个面向单臂、双臂和移动机器人的智能体式操作任务生成框架，由多样性驱动采样、智能体自我反思评估任务质量、以及经人工验证的反馈记忆三部分组成。研究团队通过大规模真实世界实验采集了 1.8 万条轨迹，并提出任务可行性与多样性指标；RoboGene 在任务生成上显著优于 GPT-4o 和 Gemini 2.5 Pro，用其生成数据训练的 VLA 模型成功率更高、泛化更强。数据集已发布于 Hugging Face（X-Humanoid/RoboGene）和 ModelScope。
该研究提出 UniManip 框架，以智能体操作图（AOG）作为任务编排、状态跟踪、执行验证与闭环失败恢复的显式认知与操作主干。高层语义意图经物理接地场景图转化为可执行原语，该场景图提供几何可供性、接触感知交互参数与无碰撞轨迹合成。框架将高层智能体层与低层场景层耦合，从非结构化感知实例化以物体为中心的场景图，经安全感知局部规划器参数化为无碰撞轨迹，并利用结构化记忆自主诊断与恢复执行失败。在 LIBERO-Pro 上取得最优性能，真实世界实验显示跨任务、跨本体与跨灵巧手的零样本泛化，任务成功率分别超过领先 VLA 模型和分层基线 22.5% 与 25.0%。项目页面已开源。
研究团队发布 IndustryNav 仿真环境，包含 24 个仓库场景，用于闭环导航至指定目的地，并引入安全感知指标记录每条轨迹的碰撞与近碰撞预警。对 11 个开源与闭源视觉大语言模型及 3 个导航基线的实验显示，智能体能够抵达目标，但会与移动障碍物发生碰撞，说明任务成功与安全导航之间存在差距。该环境还通过自动 oracle 轨迹与仿真器交互支持策略学习，并保留部分场景用于泛化测试；实验表明策略可在熟悉的仓库中完成新路线，却无法迁移到保留布局，跨场景泛化仍是待解问题。
研究团队提出自动生成机器人规划与执行故障的框架：对成功操作轨迹施加扰动，合成贴近真实分布的故障，并用视觉语言模型生成结构化逐步推理轨迹，构建出基于 RLBench 仿真器与 BridgeDataV2 真实机器人数据集的 GuardianFail-36k 故障推理数据集。基于该数据集训练的 Guardian 是面向统一规划与执行验证的多视角推理 VLM，在 RoboFail、RoboVQA 及新提出的 UR5-Fail 三个未见真实世界基准上取得最先进性能；与基于 LLM 的操作策略集成后，在仿真和真实部署中均持续提升任务成功率。代码、数据与模型已公开。
arXiv 于 2025 年 10 月发布（v2 替换版）的立场论文提出「身体-控制协同设计」路线，主张人形机器人不应只在固定本体上优化控制策略，而应利用当前本体与策略的运行经验，递归地同时改进形态与行为，作者将其称为物理递归自我改进（Physical RSI），并类比生物进化。论文讨论了基于策略性探索、Sim2Real 迁移和元策略学习的三类协同设计方法，并从方法论、应用驱动和社区建设三个角度论证其必要性，同时指出该方向在人形机器人领域仍属研究不足，提出从短期创新到长期目标的开放问题清单。
研究团队提出零真实数据智能体策略 ZAP：以预训练 27B 参数视觉语言模型为基座，经监督微调与 GRPO 在简单仿真任务上训练，训练全程不使用真实机器人数据。在真实世界任务上成功率达 96.7%，与 GPT-6 Astra 持平，高于 MolmoAct2 VLA 的 33.3%，运行速度快 3 倍、成本低 17 倍。ZAP 可泛化到训练数据中未出现的物体、目标与操作，包括试管入架并按要求换孔、双臂空中传试管、井字棋画 X 与下国际象棋；迁移到单臂 Franka 后在 RoboLab-120 上达 55.9%，领先最佳 VLA/WAM 基线 4.9 个百分点。
研究者提出 EAST 数字孪生框架，将文献中的安全证据转化为覆盖感知、指令、环境、动作与时序的故障注入测试，包含经专家评审的安全故障分类体系和8个可执行算子。在6个 RoboTwin 操作任务及 ACT、RDT 两种策略架构上，五轮对比实验覆盖全部74个任务-策略-算子组合，其中63个获得有效证据，安全挑战暴露率接近 Random-Legal 与 Rule-Based 方法。另有82次有效执行在违反安全要求的情况下仍完成任务，显示以任务成功为导向的评估会掩盖风险。
研究团队提出FLORE框架，用于学习力反应式人形机器人移动操作。数据采集不依赖机器人本体：用两个带力感知的UMI风格手持夹爪记录手部运动与接触力旋量，用可穿戴追踪器记录身体运动。力反应式扩散策略以视觉、本体感知和实测力旋量为输入，输出动作与每只手的力指令；带力跟踪的混合柔顺全身控制器在保持平衡的同时执行指令，通过对真实力/力矩传感器测得的力误差做积分，使每只手沿指令方向精确跟踪力、在其他方向保持柔顺。仿真中控制器可跟踪不同大小与方向的单手力指令，全身运动精度损失很小。机器人上三项接触密集任务中，力反应式策略成功率为80%，仅位置策略为26.7%。
arXiv 2610.35832v1 发布技术报告，在EBench上评测GPT-6-Astra作为机器人智能体核心，采用与后训练策略相同的视觉与本体感知观测协议。直接控制配置下，智能体直接生成路点命令，整体表现与后训练策略相当，短时程任务领先且跨泛化维度波动最小，但在长时程任务、桌面操作和高精度接触密集任务上落后。带策略的框架允许调用后训练VLA或WAM策略执行动作，整体成功率提升至最强对比策略水平并大幅降低token成本，但因策略调用不理想、固定指令无子目标、恢复控制时抓取被打断，仍低于各组件逐任务上限。
论文提出 TrySee，一种模块化闭环机器人任务规划流水线，将通用 VLM 推理与领域专用感知模块及成熟机器人组件结合，无需微调 VLM 或端到端演示，通过可替换感知模块与运动规划实现适配。系统包含反应式循环规划流水线、领域专用模块化视觉预处理以提供在线接地，以及动态预处理选择机制以提升可扩展性。评估覆盖 5 个差异显著领域的规划任务，含真实机器人拆解任务，并在棕地环境开展现场测试，验证在领域专用训练数据有限时集成 VLM 规划的实用性。
arXiv 2610.35604v1 提出免训练框架 RoboDoctor，在模型权重固定的前提下，把执行过程作为适应环节：反馈既指导当前动作，也为修正后续决策提供依据。框架围绕三个修正目标连接诊断、有依据的动作与持久经验，在策略与语言模型智能体之间分配控制权，由干预机制决定何时介入协助，并通过观察到的效果改进物理方法；关联经验记录保留决策理由、尝试方法、结果与复用条件。在 54 个 RoboDojo-Sim 任务条目上，五维平均分 57.10，原生成功率 49.44%，记录交互显示策略变化、选择性纠正与抓取修正。作者指出仍需对照试验分离跨回合经验的贡献。
该研究针对电子废弃物拆解中VLA策略数据采集困难的问题，提出基于3D高斯泼溅（3DGS）的数据生成流程：用3DGS重建真实工作空间，从机器人对齐位姿渲染多样化腕部相机观测，并与平滑结构化到达轨迹配对，为VLA微调提供机器人对齐的视觉-动作监督；同时为策略增加指令条件到达验证器，在物理接触前估计目标接近度并给出终止判断。在主板拆解实验中，仅用腕部相机、无外部侧视相机，基于π0.5模型，1500条生成轨迹在三个目标上实现80.0%精确到达成功率，而150条遥操作演示为58.7%，且主动人工采集时间不足10分钟。
研究团队提出 EmbodiedLab 基准，要求机器人在物理仿真实验室中「为知而行」：智能体获得目标与实验装置后自行选择流程，通过相机读取仪器，改变系统状态并观察反馈，直至发现规律或达成目标。该基准覆盖五个学科、14 个实验装置平台上的 30 个实验，每个实例重新采样系统参数，结果无法预先得知但可精确评分，且每个实验均经验证可解。团队在开发者编码智能体中评估六个前沿模型，比较原生控制、增加感知与运动规划、以及从最强智能体蒸馏操作技能三种配置；原生控制下最强智能体成功率不足一半，多数失败发生在与装置交互环节，操作技能对较弱智能体的提升大于感知与规划。基准与评估代码已在 GitHub 开源。
浙江大学具身智能团队提出 JevVLA，一种面向视觉-语言-动作（VLA）策略的轻量级能量式适配框架：基础策略冻结，仅学习一个以观测、任务上下文和动作为条件的可微标量能量函数，可训练参数约 8 万个。该函数同时用于离散候选比较与连续动作梯度纠正或生成，训练信号来自执行反馈、专家纠正或示范偏好。在留出测试集上，MetaWorld MT50、VIMA、LanguageTable、LIBERO Plus、CLIPort 的任务成功率分别比匹配的基础策略对照组提升 1.28、2.31、1.60、1.52、1.28 个百分点。实现将在 GitHub 开源。
RynnVLA-Latent 框架从视觉变化中学习连续、3D锚定的潜在动作，无需原生机器人控制信号，并应用于 30.1K 小时人类、机器人与仿真视频，生成 745.52M 个潜在动作描述符。所得 4B 策略在 LIBERO 上成功率 98.8%，无基准特定适配的 LIBERO-Plus 上 84.7%，VLABench 五赛道平均 51.9%，RoboTwin 2.0 双臂基准平均 88.6%；在灵巧手与移动夹爪平台的六项真实操作任务中成功率高于对比方法。
arXiv 发布 Labference 基准，用于评估机器人实验室中观察到的物理执行结果如何影响后续操作选择，以及这些选择如何转化为实际动作。其评估协议通过受控的证据变化测试依赖结果的行为适应，并分别测量操作选择、物理执行与任务完成；同时从共享检查点出发，用匹配的 Oracle 辅助续接评估哪些支持能改善后续选择。初步评估显示，被测 VLA 策略虽能成功转移物体，但存在目标选择错误；GPT 驱动的控制能正确选择，却出现执行失败和较高计算开销。
论文提出 RetroNav，一个无需训练、可自进化的导航框架，把导航、记忆积累与失败反思整合在一起。它构建统一记忆系统，将几何与语义场景知识和历史导航经验关联，并区分客观观察与依赖任务的解读。每次导航尝试后由独立评估器判断是否需要重试；若需要，Retrospection Agent 依据积累的场景知识与导航记录回溯历史决策，生成有证据支撑的重试简报以指导下一次尝试。RetroNav 在五个导航基准上取得当前最优性能，代码将在 GitHub 开源。
Zero-HLM 提出 real-to-sim-to-real 框架，用智能手机拍摄与仿真源演示生成人形机器人移动操作训练数据，无需真实机器人数据。其高斯引导的智能体式重建对齐视觉与物理场景，运动-环境协同适应用 rollout 反馈修正全身参考与交互几何，共生成 4,800 条经物理验证的演示。在三个 Unitree G1 任务上，仿真训练的 GR00T N1.7 零样本迁移平均全任务成功率为 66.7%，真实数据训练为 46.7%；泛化配置下池化成功率由 23% 升至 69%。
论文提出VISTA元智能体框架，把具身智能体的事后rollout反思改为主动自我探索：维护记录harness谱系的harness图，使元智能体可检索先前假设、复用有效机制并避免重复失败方向；每轮从保留的harness版本及其执行证据出发，在环境中自主生成新rollout、探查失败与恢复行为，据此迭代修改harness并重新评估入图。在LIBERO-Pro、RoboCasa、RoboTwin三个基准上，VISTA逐步提升任务成功率，且比静态反思更省rollout，以更少仿真器rollout取得更高成功率。