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%。
机器人行业洞察
今日精选
The robotics journal行业消息
研究团队发布 HumanVerse 数据集，包含 500 小时开源世界人类移动操作数据，将第一人称视频与同步的身体和手部运动配对。其人类到人形机器人流程对齐相机视角与手臂外观，并离线优化运动参考和控制器输入以降低末端执行器误差。该流程在宇树 G1 上完成零样本迁移验证，无需目标任务的机器人演示。基于此训练的全身移动操作基础模型 λ₀ 在 SIMPLE 上成功率达 90.0%，真实世界移动操作任务平均成功率 62.5%。
该研究提出局部动作条件世界模型框架，用于机器人超声检查中的目标平面探头引导。方法分两阶段：先用潜在条件扩散世界模型，根据近期上下文帧、探头运动和时间偏移预测未来超声观测；再用目标条件时序Transformer预测有序探头运动，并以冻结世界模型的奖励进行微调。在自采集数据集上，世界模型在目标导向扫描中保留了依赖动作的解剖结构；真实闭环实验中，颈动脉引导成功率70.0%，甲状腺引导成功率65.0%。
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%。
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。
该论文提出「反馈世界模型」：在推理阶段维护一个在线更新的轻量级反馈状态，利用机器人每步执行后观测到的真实下一状态修正未来预测，无需额外训练数据或参数更新。作者将其解释为潜空间观测器，并在有界、渐近收敛的动力学残差与稳定反馈增益下给出收敛保证；同时引入动作感知引导，强调动作可控分量。在 LIBERO-Plus、Robomimic 及真实操作任务上，该方法将世界模型预测误差最高降低 76.4%，并可在不更新参数的情况下改进预训练基础模型 Fast-WAM-Joint 的预测。
论文提出ExtremControl全身控制框架，将人形机器人遥操作端到端延迟从现有方法约200ms降至最低50ms。作者将仅使用位置的PD控制认定为延迟下限的根本原因，在底层控制中加入缩放速度前馈，使跟踪延迟减少约70ms，并给出可证明最优的前馈比例；控制直接作用于所选刚性连杆（主要是机器人末端）的SE(3)位姿，避免控制回路中的关节空间重定向，并推导出只需一次拟人化标定的闭式笛卡尔空间映射以适配不同体型操作者。系统支持光学动捕与VR追踪，在仿真和真机上验证了速度前馈在强化学习运动控制中的有效性，并演示了乒乓球平衡、杂耍和实时回球等反应性任务。
该研究提出一种仅用单目RGB相机与IMU的无人机机载状态估计方法，融合VIO、机载地标相机测量与IMU数据，并通过新的漂移模型估计和补偿VIO漂移，校正位置、姿态、线速度与角速度全部VIO状态。作者称现有方法多依赖立体相机或测距仪等更复杂硬件且使用未校正的漂移量，快速机动时误差较大。方法经1600次仿真与多次真实实验验证，并在A2RL无人机竞速挑战赛2025中从210支队伍晋级四强、获得奖牌。
研究提出 AFFORD2ACT，用现成语言条件 affordance 模型定位任务相关区域，从中选取最多 15 个物体关键点加 4 个末端执行器关键点，策略输入仅 19 个二维关键点（38 个坐标），并用轻量门控决定执行时关注哪些关键点。在六个真实机器人操作任务上，该紧凑表示优于 RGB、RGB-D 和稠密 affordance 行为克隆基线，演示数量减少时性能下降更小，留出设置平均成功率 82%；把学习门控换成均匀权重后成功率从 92% 降到 52%。该方法依赖可靠的 affordance 定位与关键点跟踪，仍易受错误掩码、遮挡、跟踪漂移和干扰物影响。
该论文提出 HEHA 分层探索框架，用于无人机、轮式与足式等异构机器人协同探索未知环境。其全局规划模块采用新算法 RCH，在可通行性约束下求解大规模多哈密顿路径问题（mHPP），以最小化各机器人最大路径长度（makespan），并快速给出有界次优解；局部规划器同样考虑异构性以减少重复探索。实验显示，在异构可通行性条件下，RCH 的 makespan 比多个基线最多小 47%，HEHA 的探索时间比现有方法最多减少 30%。
研究提出专家引导强化学习（EGRL）训练策略：将强化学习仅作为优化工具，用基于专家日志数据的轨迹距离奖励引导闭环模仿学习。受控实验显示，性能提升的很大一部分来自训练过程而非模型规模与复杂度。据此构建的轻量级 MLP 策略 DriveMLP 在 nuPlan Val14 Reactive 基准上得分 86.51，较此前最佳模仿学习规划器 Flow Planner 提升 3.2 分，推理速度提升超过 15 倍，代码已在 GitHub 开源。
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。
arXiv 2610.30117v1 提出 CW-WAM 世界动作模型，联合预测视频、运动与接触力旋量，将运动与力旋量作为统一建模目标并输出时间对齐的运动-力旋量块作为控制参考，采用成对因果注意力与长固定长度力旋量记忆。预测的力旋量块作为 20 Hz 外环导纳控制器的力参考，嵌入慢-快控制系统。实验显示，相比无旋量输入的 WAM，单边间隙 1 mm 方形销插入成功率由 25% 升至 70%，电源适配器由 40% 升至 95%，并提升不同负载下的抬升高度精度；配合导纳控制器，销插入力参考 RMSE 由 4.8 N 降至 2.7 N，擦拭由 2.0 N 降至 1.3 N。
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。
研究团队提出 RISE 方法，让人形机器人在推理阶段按任务目标引导跌倒后的起身方式，而非仅追求可靠站起。该方法学习一个由感官反馈连接意图运动与电机动作的恢复词汇表，并用视觉扩散规划器从词汇表执行数据中预测未来身体状态作为运动意图，再由任务代价将预测导向期望朝向、起身速度或路径，生成条件化运动潜变量。仿真实验显示多样化恢复、地形适应与无需重训练的测试时引导，并在宇树 G1 上完成真实世界演示。
DONIC 是首个跨操作类别与人体运动来源联合训练的通用双臂灵巧跟踪器，配套发布 BiHOI 多视角数据集，含 1,575 条序列、覆盖 229 个物体，重建交互被重定向为机器人参考。方法将近端策略优化与行为克隆置于反馈循环中，把验证成功的执行回收为训练演示，并以物体为中心的每手奖励和 Clip-Centered Advantages 支持单一策略跨异构参考学习。无需微调，单个检查点在训练物体未见轨迹上成功率 86.79%，留出物体上 57.32%，分别超过最先进双臂跟踪基线 77.36 和 45.73 个百分点。
研究提出 SP-HLM 框架，以五个任务关键身体姿态加学习到的潜在运动先验构成稀疏姿态接口，替代单一动作表示。其中 SP-VLA 视觉-语言-动作模型通过异步动作分块推理，从多模态观测与语言指令预测稀疏姿态和手指关节位置；SP-MGM 经两阶段蒸馏训练，实时重建全身运动；预训练运动编码器将其映射为紧凑潜在表示；SP-GMT 通用运动跟踪器融合显式稀疏目标与隐式运动先验完成全身控制。仿真与真实人形机器人实验显示，其运动跟踪、全身协调和移动操作成功率优于现有方法。
该研究提出一种主动感知框架，让高自由度移动机械臂在导航过程中用手部相机检查不确定或安全关键区域，以应对机器人两次到访之间场景半静态变化导致的地图过时与碰撞风险上升。方法上采用概率化、物体与任务感知的下一最佳视角（NBV）公式，优先观测期望路径附近及不确定或可能变化物体周围区域，并将其集成进分层任务模型预测控制（HTMPC），利用运动学冗余调整视角，同时保持基座轨迹跟踪的更高优先级。系统将导航、地图维护与主动感知统一为闭环。真实世界测试显示，相比被动或非任务感知基线，地图一致性提升、任务相关地图熵降低、导航风险下降；仿真与真实序列进一步验证了对受控半静态场景变化的响应。