该论文提出腹腔镜机器人操作中的状态到视觉策略蒸馏框架：以基于特权观测的状态策略为教师，视觉策略从RGB观测与机器人本体感知信息中学习。作者在仿真环境多种手术操作任务上实验，结果显示通用RL方法训练视觉策略在该场景下具有挑战性，而所提蒸馏方法跨任务性能更一致稳定。
机器人行业洞察
今日精选
The robotics journal行业消息
UniFlowWAM将3D场景流作为与视觉、动作并列的第三模态纳入扩散Transformer策略，每个模态设一个专家并通过联合注意力交互，在十目标角色网格下训练，使同一模型可充当策略、前向/逆向动力学及未来视觉特征或3D流预测器。仿真实验中，RoboCasa-GR1成功率由无流基座的52.1%升至56.4%，LIBERO分布内保持98.1%，LIBERO-Plus零样本达87.7%；四个真实双臂操作任务平均成功率87.0%，最强基线为68.5%。
研究提出一种软物体世界模型，用在大规模仿真软物体交互数据上训练的 Transformer 主干网络，执行生成式全状态估计和以动作为条件的动力学预测，并采取措施缓解仿真到现实的差距。模型通过在可变长度部分点云历史上进行上下文学习来推断潜在形状与材料线索，无需权重更新即可泛化到不同机器人本体、材料参数、衣物类型与形状以及操作协同模式，并与目标条件动作规划器集成进行运动合成。作者在仿真和真实世界中针对双臂衣物折叠验证该方法，报告重建保真度、预测准确性和任务成功率均有提升。
LocoManiLab 发布统一测试平台，覆盖数据采集与生成、策略训练、评估和物理部署。任务套件包含五个家庭场景类别下的 234 个原子与组合任务，配套 51.5 小时仿真遥操作数据。评估在共享控制器下测试十二种策略跨任务/场景划分与扰动水平的表现，并比较两种策略在五种控制器下的差异；成功率在未见任务与场景上下降，且随视觉扰动增强而普遍降低。三个仿真移动操作任务与真实设置高度匹配，三种策略在仿真与真实域中的排名相似。
论文提出 STAMP 框架，通过“机器人—人类—机器人”流程连接独立获取的人形机器人运动：先将两段运动重定向到人类骨架，由学习到的对齐模型对候选位置、朝向和过渡时长排序，再由人类运动先验在选定对齐下生成过渡，最后重定向回机器人并作为参考训练运动跟踪策略。作者在 Unitree G1 与 ROBOTIS K1 上评估生成过渡的跟踪成功率，并用实体机器人演示将独立运动连接成长时程序列。
论文提出空中移动操作框架 ALMA，用上下文飞行策略从近期测量与动作中自适应，并以动作条件化的未来测量表征预测训练上下文保留飞行控制相关响应信息。为扩展自适应经验，该方法用大语言模型分析观察到的控制困难并生成新的机械臂运动结构用于后续训练。仿真中位置 RMSE 相对最强基线最多降低 24.7%；同一策略零样本迁移到真实空中机械臂，在周期性机械臂运动下悬停位置 RMSE 相对真实世界基线降低 79.6%。
研究提出 PATH-Net，一种偏好感知的可通行性估计分层网络，用于越野遥操作，可自适应生成以操作员偏好为条件的可通行性代价地图与速度曲线。该网络通过多头共享骨干融合视觉与几何鸟瞰图特征及短期历史车辆状态，并用最大熵逆强化学习与稀疏速度监督优化速度建议；非对称特征聚合机制将推断拆分为代价分支与速度分支。在 15 名操作员、225 条遥操作轨迹上的实验中，修正 Hausdorff 距离为 0.17 米（激进偏好）和 0.15 米（保守偏好）；问卷评估中 NASA-TLX 工作负荷评分从无建议时的 34.7 降至 22.2。
论文提出时空重定向（STR）方法，利用视觉语言模型选择相关运动信号与身体部位，并据此识别关键帧，为关键帧分配更多求解器迭代、为选定部位赋予更高交互权重，以替代统一的逐帧迭代预算。同时引入力学感知接触锚定（MCA），用近似物体力旋量模型细化物体表面接触位置。在此基础上开发时空强化学习（STRL），结合自适应关键阶段采样与基于目标接近度和接触力的奖励。在Unitree G1仿真和Unitree R1真机实验中，STR以更低计算成本提升了几何接触覆盖率与连续性，并改善了下游物体交互任务的完成度。
该论文综述基于触觉的机器人操作研究，将其划分为力学驱动与数据驱动两条互补路径：前者通过接触力学和任务特定推理显式解读触觉信号，形成与操作相关的状态表征并影响机器人动作；后者直接从数据学习触觉表征与操作策略，涵盖模仿学习、强化学习、视觉-语言-动作模型和预测模型。文章先介绍触觉传感基础，再分别回顾两条路径的进展，最后讨论面向可扩展、可泛化、稳健的触觉使能机器人系统的开放挑战与未来机遇。
论文提出 FRED 框架，通过自蒸馏让世界动作模型（WAM）在单步去噪中从噪声预测未来视频表征，并以真实未来观测提取的表征为目标，同时以历史观测作为时间上下文条件。在多种真实世界操作场景中，FRED 持续优于同类 WAM，在零样本环境泛化的长时程与域外任务上提升明显；在仅有人类视频演示、无机器人训练数据的任务上成功率达 50.0%，最佳对比方法为 19.4%。
论文研究用于人形机器人运动的 Multi-PBRS（多势函数奖励塑形），并提出统一奖励配置，在九台人形机器人上使用相同奖励结构与权重进行验证，仅需关节/连杆映射和默认姿态等机器人特定元数据，无需逐台重新设计奖励。实验称相比标准塑形，MPBRS 在不同机器人间缩放行为更一致、调优敏感性更低，且不改变最优策略。
arXiv 2610.25600v2 提出向量量化世界模型（VQ-WM），将离散隐状态搜索与连续视觉反馈控制结合用于机器人长程操作规划：离散隐预测器建模向量量化隐状态转移以寻找最短路径，学习控制器通过视觉反馈依次到达规划状态并纠正偏差。方法以首达时间估计器替代欧氏距离作为准度量，使规划抽象与控制器能力对齐。在实体机器人汉诺塔任务上，仅用短时演示数据即达到100%成功率，而VLA、WAM等基础模型仅在训练数据含解轨迹时成功；在涵盖操作与运动的仿真基准上比最强世界模型高13.3至85.3个百分点。
研究提出集体经验学习（CEL）范式：已部署机器人汇集自身执行经验，用于更新共享策略并回传车队，无需额外专家演示或纠正动作。其实现方式为失败引导的经验检索微调（FERT），并配套容错异步训练系统（FATS）协调机器人执行、云端推理与策略优化。在五个真实操作任务上，策略成功率达 93.3%–99.2%（每任务 120 次试验，评估机器人未参与训练数据采集）；多阶段手机包装任务中，96 台机器人将成功率从 79.2% 提升至 98.3%。
研究团队提出用柔性Fin Ray夹爪的形变做视觉力预测，替代部署阶段的力/触觉传感器。方法分两步：先在校准数据上训练视觉力估计器，为任务演示标注力估计值；再在增强力的演示上训练动作—力提议策略，联合生成候选动作及其预期力。测试时采样候选动作与预测力，执行预测力最接近演示目标力的动作。在浆果采摘、空罐抓取、手内重定向和插头插入四项任务上完成评估。
ASPIRE 是一个在“代码即策略”范式下自主编写并迭代改进机器人控制程序的持续学习系统，由闭环执行引擎、持续扩展的技能库和进化搜索三部分组成。在扰动操作任务上较此前方法最高提升 77%，Robosuite 双臂交接任务提升 72%，长时程家庭任务最高提升 32%；未见长时程任务零样本成功率为 31%，此前方法为 4%。使用 Claude Opus 5.5 时在全部 80 个 LIBERO-Pro 任务上平均成功率 99%，代表性 Robosuite 与 BEHAVIOR-1K 任务达 100%；仿真习得技能可跨本体与 API 降低真实机器人编程量，在线交互技能使其能逐步提效解开魔方。
arXiv 2609.29166v2 提出 HarnessPAI，一个与模型和本体无关的物理AI框架，将代码作为组织底层动作原语的可执行、可进化接口：单次 rollout 内以固定程序开环执行并检查，跨 rollout 则用执行反馈修订程序、把失败蒸馏为可复用技能。该框架在桌面机械臂、家用机器人、扫地机器人和足式行走智能体上相较基线取得一致提升；收敛后的程序还能为 VLA 与 WAM 模型生成微调训练数据，用于这些模型难以自行获得成功轨迹的任务。
论文提出 ReStruct 方法，用于在推理阶段引导已学习的机器人策略满足训练时未预见的用户偏好，无需重新训练。该方法将视觉运动策略分解为高层状态机骨架（捕获任务结构）与低层残差控制器，用自动机表示偏好并通过同步积融入骨架以重配置任务结构，控制器保持冻结，骨架动作先验随之更新。仿真与真实世界实验显示，ReStruct 可引导从以对象为中心到时序逻辑约束的多种偏好，引导后在任务成功率与偏好遵循上超过现有方法，较 VLA 模型最高提升 25%。
研究提出 SafeDojo，一种基于模型的安全强化学习框架，在交互式视频世界模型之上对视觉-语言-动作（VLA）策略做在线强化学习：ResNet 成功分类器对预测未来帧打分，轻量级安全头根据当前潜在上下文与候选动作块预测每步接触概率，两类解耦信号经拉格朗日约束的 GRPO 平衡。在 SafeLIBERO Level I 上平均安全成功率较最强基线提升 8.25 个百分点，零样本 Level II 与最强无模型基线相当；真实 Franka 部署在五项任务中取得最佳平均任务成功率与安全成功率。
研究提出多分辨率触觉感知框架 MiTaS，融合 RGB 相机、GelSight Mini 视觉触觉传感器与高频事件型 Evetac 传感器，采用模态特定卷积主干加 Transformer 融合，并以流匹配策略执行下游任务。在五个接触密集型操作任务上，MiTaS 平均成功率 80%，仅视觉基线为 35.5%，视觉-触觉基线为 55.5% 和 63%。
论文将机器人视为可转移资源，研究异构多团队协作中的动态分配问题，并借鉴生态学汉密尔顿法则构建利他决策机制，该一般异构资源分配问题被证明为NP难。作者提出集中训练、分散执行的图神经网络策略，在团队交互图上预测机器人级转移决策与机器人到团队的分配。灭火场景评估中，15台机器人的五次配对物理试验显示，GNN在全部五次试验中达到建模的灭火停止阈值，静态固定团队分配仅两次达到。