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。
机器人行业洞察
今日精选
The robotics journal行业消息
论文提出 OSCAR 框架，让机器人在图导航中学习按障碍物类别区分的剩余清空时间生存分布，并据此为每条被阻塞的边计算“等待多久再绕行”的耐心阈值。模型可处理绕行时尚未观察到清空而出现的右删失数据，并集成到依赖时间的图规划器中持续在线更新。仿真中每类障碍物观测少于 20 次后，到达目标时间与掌握真实分布的 oracle 相差 1% 以内，优于全部启发式基线；在大学中庭用真实移动机器人对行人、椅子、垃圾桶和管子等障碍完成 50 个导航回合，耐心阈值随经验在线调整。
论文提出 AtomicRL，一个面向 VLA 策略的强化学习后训练框架，用原子任务结构做信用分配与自适应探索：语义感知策略优化（SAPO）用语义门控阻止失败原子子任务的 TD 残差跨任务边界传播，瓶颈自适应目标探索（BATE）按各原子子任务掌握度动态调整任务采样与局部探索激励。配套 Real2Sim2Real 流水线衔接仿真在线 RL 与真机部署。在 LIBERO-LONG 上，两种 VLA 架构相对 PPO 绝对提升 3.6% 和 4.0%；CALVIN ABC-D 全任务性能最高提升 9.5%；结合真机流水线后真实任务性能平均提升 21.3%。
研究在合成基准与 CausalWorld 机器人连杆质量外推任务上检验因果世界模型的输入选择与机制计算方式。合成基准中，由配对干预导出的冻结依赖掩码把分布外平均 RMSE 从全连接预测器的 1.769 降至 0.697，接近生成器理想掩码的 0.694。CausalWorld 中训练与测试质量范围不相交，已知 PD 控制器模型使 150 步 rollout 的中位时间平均关节 R2 从 0.609 升至 0.727，十个任务种子全部改善（双侧符号检验 p=0.002）；学习力矩模型在 100 步预测中中位关节 R2 为 0.755-0.768，与最强 RWM 配置的 0.752 相当。
该论文提出 ASTEROID 学生-教师监督学习框架，用于在部分可观测条件下学习测试时探索行为。学生先在部分可观测环境中采集在线策略上下文，特权专家再基于该上下文给出动作标签，学生通过蒸馏这些标签学会在不确定时搜索、在隐状态揭示后利用。在 11 个环境（含离散探索基准、机器人操作、导航、Procgen）中，固定探索预算下回报约为基线 2 倍，交互次数比强化学习基线少约 100 倍；方法还将仿真策略迁移到无视觉的真实机器人操作，成功率比标准蒸馏提升 40%。
研究提出 TARSphere 全栈框架，在物理模拟器中运行机器人策略，并引入具身 NPC 与受限对话，通过事件驱动有限状态机依据已完成动作和已传递信息更新任务状态。其 TARSphere-Harness 让冻结的多模态大模型通过多级可执行技能、分层记忆与执行反馈修正决策。基于此构建的 TARSphere-Bench 覆盖 30 个室内场景、360 个回合，设五组配对条件评估感知鲁棒性、干扰适应、任务更新、人类协作与意图理解。对 8 个 MLLM 的评测显示通用模型可优于具身模型，任务更新与人机交互仍困难，频繁碰撞与跌倒表明需同时评估执行安全。
研究在仿真宇树 G1 上以同一训练方案训练 12 个策略，改变重力、地形几何与地面接触模型（刚性或 3D RFT），并加入地球到月球微调与重力随机化。结果显示重力迁移不对称：地球训练策略在月球平坦刚性地面存活率 0.64–0.75，月球训练及微调策略无法在地球站立，已发布的通用控制器 SONIC 在月球存活率最高 0.10。崎岖地形训练把组合瓦片存活率从地球 0.53 提升到 0.98、月球 0.80 提升到 0.99；在更硬的月球土壤上土壤训练收益有限。作者称月球结果为依赖接触模型与土壤刚度的仿真预测。
该论文提出一种基于样条的机器人运动表示方法，将空间几何与时间进程统一到同一组连续变量中，联合估计一条共享的贝塞尔曲线，并允许空间与时间模型的复杂度独立调整，例如针对具体演示的相位调制。方法采用交替优化，同时估计部分演示中观测到的路径区间。仿真实验显示，该方法能精确恢复关节、通过调整模型复杂度与连续性进行细化，并提升对演示集方差的鲁棒性。作者还在机器人辅助翻身任务中用实体人体模型验证了在线重定时与同步能力。
论文提出Reading the Room（RR）方法，将尺度模糊、稀疏、语义化的VSLAM地图配准到部分建成的二维楼层平面图，用于机器人施工进度跟踪等场景。方法核心是单一可微、类别平衡的语义-几何能量函数贯穿全流程，并提供两种全局初始化：利用单个不准确用户对应关系，或用跨模态匹配网络全局估计。在三个活跃施工现场的33个序列上评测，一般无约束设置下平均绝对轨迹误差较最强基线改善4.5倍，提供锚点时改善7.6倍。
该研究提出一种多阶段强化学习方法，为月球重力下按指令点对点跳跃生成单一端到端控制策略，策略架构简单且仅依赖任务兼容的机载传感。仿真中着陆误差小于机器人自身尺寸；研究还分析了跳跃的力矩与功率需求，并测试了飞行中控制更新冻结最长1秒等极端异常下的性能退化。硬件迁移实验显示，策略可在月球重力卸载条件下完成垂直跳跃，实测力矩与功率曲线与仿真一致并处于硬件限制内。
论文提出首个可计算设计乐高步行机器人的方案：用专门设计的齿轮-连杆机构机械控制每条腿的足部轨迹，其中一对3D打印非圆齿轮与乐高机械组机构配合；每条腿由独立电机驱动，并用简单控制算法同步多腿运动时序，实现稳定且多样的步态。作者以该建模为基础协同设计形态与控制，制作出多种步态与外观的乐高步行机器人，并实物制造部分样机验证真实环境运动能力。
该论文提出将欧氏距离场（EDF）直接纳入强化学习观测空间的框架，为智能体提供连续几何线索以支撑稳定、响应式的避障行为，并借此简化奖励设计，在有人工势场引导和无引导两种情况下均能有效避障。方法在7自由度冗余机械臂上验证，实现从仿真到真实硬件的零样本迁移；策略仅用随机化静态物体训练，却能泛化到未见过的真实环境，并对动态障碍物表现出鲁棒的在线避障能力。
该论文提出 PRISM 框架，将真实深度传感器的单一噪声解耦为「传感失效」与「测量不准确」两类物理模态，并蒸馏 3D 视觉基础模型特征作为空间-语义先验用于物理推理；针对失效区域稀疏与类别不平衡，采用分层正样本优先监督与动态难例挖掘。基准测试称其在噪声深度合成保真度上达到当前最优，下游真实机器人实验平均成功率为 92.1%，高于单一噪声建模基线。
该论文提出将基于流匹配的路径规划与模型预测路径跟随控制相结合的框架：流匹配模型从演示中学习多模态路径分布，预测控制器利用实时更新的局部传感器信息在线调整运动，以满足状态与输入约束并避开障碍物。框架还引入事件触发的重规划机制，把预测控制的解反馈到后续路径生成中，从而在出现此前未见障碍物的环境中实现无碰撞导航。移动机器人导航仿真结果显示，该框架在杂乱环境中性能稳健。
研究提出SimPT仿真框架，将策略推演、纠正数据采集、策略训练与独立评估整合，实现基于干预的VLA后训练自动化。其Agent-Compiled Progress Graph利用仿真器特权状态跟踪任务进度并保留稳定快照，失败后由CuRobo专家从快照尝试恢复，使恢复尝试次数较固定间隔基线减少75.0%，恢复成功率从93.4%升至98.9%。在七个RoboTwin操作任务上比较RECAP、HG-DAgger、DPO+SFT、FlowPRO四种方法；改进版RECAP-CF-LPF在留出仿真试验中把成功率从76.50%提升至79.36%，在真实机器人以太网线插入任务25个场景中从72%提升至96%。
论文提出 SMR，一种从语义条件物理专家中学习的流式神经运动重定向器，用于将人类运动迁移到人形机器人。方法先把人类运动转换为机器人任务空间中的身体关键点位置、朝向与速度目标，由物理专家在仿真中于接触、动力学和执行器约束下跟踪；再在专家执行的状态轨迹上训练严格因果的 Transformer，每帧仅用当前与过去的人类观测生成运动参考，交给下游全身控制器。实验称语义条件物理专家在语义保真度与物理有效性上优于直接优化式重定向，流式重定向器在相同全身控制器下闭环性能优于运动学与物理修正基线。
研究团队提出 HyperDrone 四旋翼仿真器，称其批量渲染速度比现有最先进的批量四旋翼仿真器快 20 倍以上。该仿真器将优化的多旋翼动力学与自研光线追踪引擎 HyperLux 结合，支持 Nvidia OptiX、Vulkan、Apple Metal 和 WebGPU 后端，动力学与渲染均完全在 GPU 上运行。HyperLux 可渲染 RGB、深度、语义/实例分割、表面法线与光流，并支持反射、PBR、运动模糊等效果，在消费级 GPU 上最高保真度下达到每秒数百万帧。团队在仿真中纯训练基于视觉的偏航控制策略，并迁移到搭载摄像头的 Crazyflie 小型四旋翼上完全机载运行。
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。
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。
论文提出 COWBOY 仿真到现实框架，用于学习移动操作机器人的上下文全身操作。该方法不直接在仿真中用强化学习学习场景适应，而是用向量化的环境感知全身控制器（WBC）在数千个场景中协调底盘-机械臂运动、避障与主动视觉完成到达；再在局部场景训练可跨数千种全场景布局复用的局部强化学习专家，并将 WBC-RL 教师蒸馏为单一视觉策略，由点云观测控制移动底盘、机械臂、灵巧手与可驱动相机。该策略在全身灵巧抓取任务上零样本迁移到数百个物体及杂乱桌面、货架、抽屉等非结构化场景，可自动调整底盘位置、相机视角、机械臂轨迹与抓取策略。