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。
机器人行业洞察
今日精选
The robotics journal行业消息
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。
该研究提出将偏好奖励响应性（PRR）与覆盖率、效用指标结合，用于评估可操控人形控制中偏好条件强化学习的聚合方式。作者在两个类人控制框架上比较了奖励级、优势级、损失级和基于 PCGrad 的聚合，发现没有一种聚合层级在所有环境和标准上表现最佳：早期聚合目标会带来更广泛的行为响应，但对其他目标的非预期改变更大；较晚聚合则提高控制精度，但以响应性为代价。
论文提出 Real2Sem2Real 流水线，将一段人类演示的单目 RGB 视频转化为覆盖同类语义物体实例的数千条机器人演示。方法用 DINOv3 蒸馏的高斯泼溅跟踪物体 SE(3) 位姿，称优于现有方法和结合估计度量深度的 FoundationPose；再通过语义对齐把由少量照片生成的数字“表亲”与演示物体及其功能区域（如咖啡机托盘）匹配，并将人手映射为可延伸至这些物体的机器人抓取。演示在 IsaacSim 或 MuJoCo 中生成，约两小时可产出超 2,000 条轨迹；在两台真实机器人、四个任务上，用每任务一段人类视频训练 VLA 策略，表现达到或超过遥操作数据训练的策略。
该研究提出一种基于元学习的人机交互框架，用神经网络替代人工设定的切换阈值来识别人类意图，并引入控制器中依赖力的参数，使被动模式识别率从90.1%提升至99.1%、主动模式从79.8%提升至97.1%。框架还包含自适应元学习控制器以补偿人类扰动并在线适应变化的交互力，以及多轨迹元学习算法联合学习环境基表示与依赖力的参数，以处理未建模动态。实验称该框架在实现鲁棒控制的同时提供了可靠的模式识别。
论文提出 OmniInteract 框架，用于双人形机器人的统一全身交互控制，包含两个核心组件：表面接触感知重定向利用密集的人机表面对应关系对两个机器人联合重定向，保留接触界面与近场几何上下文；可扩展的基于流的交互策略将控制分解为冻结的全身运动先验与伙伴感知专家残差，并通过条件流匹配在共享残差动作空间中统一。实验显示该方法提升了重定向保真度与双人形协调性，在技能多样性增长时更好地保持交互性能；真实部署验证了接触建立、全身协调稳定及外部扰动恢复。
研究提出 FIBER 框架，将冻结行为基础模型（BFM）的可执行潜在空间作为异构交互技能共享的规划表征，通过潜在策略投影（LPP）把独立训练的任务策略映射到该空间，再离线训练单一感知流规划器；同时引入用多 gamma 前向-后向学习训练的自适应视界 BFM（AH-BFM）。在仿真中，箱子拾取、开门、抓取三类任务各 128 种变化下平均成功率 42.0%，高于投影潜在回放的 11.6% 和运动学规划的 3.5%。在真实 Unitree G1 人形机器人上验证了 sim-to-real 迁移、技能链式组合与条件引导。
研究提出 NestedVLA，可在不访问原始训练数据的情况下整合多个独立微调的 VLA 策略：嵌入 VLA 的超网络为选定任务生成动作专家权重更新，每个任务的压缩视觉-语言模型更新单独存储，两类更新叠加到冻结的基础 VLA 上实例化对应策略。在 MetaWorld、ManiSkill、CALVIN 上用强化学习微调的三个策略上评估，平均成功率 66.7%，比最强模型合并基线高 41.1 个百分点；在 ManiSkill 上与逐任务微调差距在 1 个百分点内，在 CALVIN 上明显缩小差距；三策略设置下总存储为单个完整检查点的 1.5 倍。代码已开源于 GitHub。
该博士论文提出离线训练神经隐式表征来近似Hamilton-Jacobi可达性值函数，使基于优化的控制器能在未知动态环境中实时获得安全信息。方法利用值函数等于直接计算的约束（如符号距离）减去非负动力学修正项的性质，仅学习修正项以保证近似误差下障碍物仍位于预测安全集之外。前四种方法分别将学习函数用作模型预测控制的终端约束和控制屏障函数安全滤波器的屏障候选，覆盖静态环境与数量可变的移动障碍物；地面与空中机器人的仿真和硬件实验显示其避碰效果优于几何与手工设计基线，尤其在短时域和移动障碍物场景。第五种方法用可并行化的顶点树搜索替代网格离线求解器，可为最多13个状态的系统生成屏障候选。
ForeTac 提出“表示-预测-评估-引导”框架：编码当前触觉状态，以候选动作序列为条件预测未来触觉潜在轨迹，并用从成功/失败物理交互中学到的接触质量目标评估轨迹；推理时将该目标梯度经触觉预测器反传以引导动作生成，模型参数保持冻结。在平面擦拭、曲面擦拭、刷卡、易碎物抓取四项真实机器人任务上，配合扩散策略将平均任务成功率从36.3%提升至71.3%、平均接触成功率从20.0%提升至66.3%，流匹配策略下两项指标同样提升。
研究提出模块化方案：在真实世界接触密集片段自主采集密集数据，再用离线强化学习训练局部策略，并与传统运动规划结合完成长时程装配。四个真实任务中仅用2–2.5小时自主采集数据，长时程任务平均成功率96%，仅规划基线55%、最强端到端基线37%；局部策略施加力降低49%，场景级分布外场景成功率仍达90%，共完成超1500次真实世界评估。
论文提出 PAKE 全身控制框架，将移动操作分解为部分参考运动生成与底层模仿控制，并引入在大规模运动学数据集上训练的 Kinematic Normalizing Flow（KNF）模型生成多样化部分运动学参考。高层控制器在 KNF 潜在空间中导航以利用冗余解，底层控制器学习动态一致的运动执行。在配备六自由度机械臂的四足机器人上验证：仿真中于 4000 个目标基准上跟踪精度与可行工作空间覆盖优于基线；硬件上在 8 类移动操作任务共 24 个回合中实现末端位姿跟踪误差 4.5 cm 与 0.14 rad，线速度、角速度误差分别为 0.1 m/s 和 0.01 rad/s。
该论文提出DEFLECT离线后训练框架，利用录制轨迹中执行时刻观测与预测时刻观测的时序对比构建偏好监督，解决异步VLA推理中动作块与执行时刻状态错配的问题。在Kinetix、LIBERO及三个真实机器人任务上测试，最长支持延迟下Kinetix成功率较VLASH提升4.2个百分点，LIBERO上较使用GR00T N1.7的朴素异步执行提升22.7个百分点。
Kamino 是一个基于 GPU 的物理求解器，用 Python 基于 NVIDIA Warp 实现并集成进 Newton 框架，面向异构、强耦合机械系统的大规模并行仿真。它原生支持运动学闭环，无需把系统拓扑近似为运动学树再加闭环约束或 mimic 关节；核心是基于 ADMM 的约束优化算法，将约束刚体多体正向动力学转写为非线性互补问题求解约束力，从而在不简化或凸化接触模型的情况下解析接触动力学。作者在含六个嵌套运动学闭环的双足机器人上训练强化学习策略，单块 GPU 并行仿真 4,096 个环境，得到可行行走策略。
该论文提出从少量专家演示数据集中学习潜在动作作为归纳偏置，用于足式机器人直接关节级力矩控制的强化学习。该方法使策略直接利用专家动作知识、提升探索效率，智能体不受演示奖励水平限制，迁移任务性能显著提升；潜在动作先验与模仿风格奖励结合可更接近复现专家行为。
论文提出P3L（Preference-PCA Pluralistic Learning）框架，通过PCA分解从匿名众包反馈中联合学习轨迹嵌入与偏好方向的共享基，无需标注者身份即可完成多元对齐。测试阶段可快速进行个性化奖励学习与下游策略优化。在多个具身控制任务上，P3L实现可引导的个性化对齐，能泛化到离线数据集之外的分布外新用户，RL与测试性能具竞争力，同时显著降低计算成本并支持可变的适应查询预算。
提出 AdaDex 目标条件强化学习框架，将一段数秒的单手-物体轨迹（动捕数据或从野外 RGB(D) 视频重建的 HOI）转化为可适应灵巧技能。核心方法为混合灵巧模仿：共享策略同时在两类大规模并行环境上训练，一类用稠密运动跟踪目标注入人类先验，另一类用带噪声初始状态与目标及稀疏物体成功奖励迫使技能偏离参考。所得策略可完成功能性抓取、物体重摆、带手指步态的手内重定向及抛接等动态行为，在泛化性与功能性上优于基线，并实现跨仿真器迁移与真机迁移。
PhysCanvas 是一个状态一致的视觉-触觉世界模型，将多视角 RGB、触觉图像、标记位移、任务状态与动作统一到同一视觉空间，共享视频 VAE 与预训练生成主干。其一致性感知后训练使用冻结的场景、模态与状态奖励模型进行监督。在四个真实操作任务中，世界模型推演与真实成功率的任务级皮尔逊相关系数均值由 0.602 升至 0.885；在奖励引导世界模型中后训练使 π0.5 真实成功率从 59.1% 的 SFT 基线提升至 70.8%。
该研究提出 AgenticRoboRL 框架，用于跨不同机器人执行框架（harness）对机器人规划器进行后训练，训练方案结合监督微调与多轮强化学习；为适配 VLA 技能调用与生成控制代码等不同执行机制，该框架用与具体 harness 绑定的适配器把规划器交互记录与任务结果关联起来，同时保持执行组件固定。在 LIBERO-PRO 上，9B 参数规划器的成功率从 18.1% 提升至 71.0%（不使用外部记忆），接近 Codex（GPT-5.5）配合外部记忆取得的 72.1%。作者表示将开源该框架与训练后的规划器检查点。