论文提出无需训练的离线指标 S²（感觉运动对齐），衡量模型感知表示与物理运动几何结构的对齐程度，在多个具身模型系列中与下游机器人任务成功率正相关。S² 可在闭环评估前用于模型优先级排序，并能在 VLM 微调为 VLA 之前识别有前景的骨干网络。作者据此将柏拉图表示假说扩展到具身模型，并为 VLA 与世界动作模型中的现象提供表示层面解释。
机器人行业洞察
今日精选
The robotics journal行业消息
研究团队提出 OpenTac 触觉皮肤及配套全栈生态，核心是带结构化可变形覆盖层的电阻式触觉皮肤：相邻触觉单元差分响应解码局部剪切向量，共模响应编码法向力。配套 CAD 工具可从二维轮廓、可展开三维曲面乃至文本描述（如“为9码鞋垫设计传感器”）自动生成制造文件，并提供传感器仿真器、跨传感器迁移与自适应采集。团队在多种机器人形态上设计制造了30余个传感器，用商用高精度力/力矩传感器表征三维触觉场，并在四种真实机器人上验证接触密集型反馈控制与操作策略学习；1024触觉单元皮肤每次更新采样16个单元时，自适应采集读出速度比全阵列光栅扫描快19.2倍。
研究团队在实验室中测试了 2.3 kg 六足机器人 SandBot 在 1 mm 罂粟籽颗粒床上的奔跑速度：采用交替三足步态和标准步态控制参数时，速度最多比硬地面上 2 倍体长/秒（约 60 cm/s）慢两个数量级；将控制参数从硬地面设置经验性调整后，最高速度恢复到 30 cm/s。机器人速度敏感依赖于颗粒堆积分数 φ 与肢体频率 ω，当 φ 足够小和/或 ω 足够大时，运动从旋转行走急剧转变为慢速游泳。作者据此提出基于弯曲肢体穿透与滑移特征的旋转行走运动学模型，该模型能捕捉速度对肢体频率的依赖及行走—游泳模式转变，但指出仍需更深入理解颗粒介质物理。
论文提出 DiffDreamer 可微强化学习框架，将学习到的世界模型与可微仿真器耦合：单次优化中世界模型传播捕捉外部动力学与历史特征的潜在状态，仿真器传播机器人显式物理状态；actor 目标分解为 critic 驱动的不可微任务奖励路径与仿真器驱动的可微运动奖励路径。在激进跟踪与动态穿门竞速实验中，其训练收敛优于无模型、基于模型及可微强化学习基线，最终性能也优于这些基线及经典规划控制方法，并附消融实验与概念验证性真机飞行验证。
研究提出一种将运动数据仅作为训练先验的学习框架：自监督注意力接触规划器预测未来身体-环境接触，接触条件跟踪器将规划转为协调全身运动，使接触成为感知观测与控制动作之间的接口。单一策略可兼顾数据驱动运动先验与强化学习探索，后续微调阶段可探索原始运动数据未覆盖的环境变化；部署时仅依赖机载观测、无需参考输入。
论文提出 Echo 框架，在单个 VLA 策略内同时学习任务状态信号与动作生成：用停止、失败两个信号作为每个动作块的两个维度，与机器人动作一起去噪，其组合可区分执行中、成功完成与失败。该方法无需帧级进度标注，通过构建成功、失败、恢复三类互补监督轨迹来学习信号；并让状态信号比动作更快去噪，使后续动作去噪以更干净的状态估计为条件。真实世界操作实验显示 Echo 能准确预测任务状态并持续提升策略性能。
论文提出分散式实时多机器人规划器 WarpWeaver，将机器人间耦合替换为局部约束，通过分散式列生成在共享空间协商租金，引导各机器人分散树搜索，并在静止时认证协议的近最优性。仿真中，WarpWeaver 在 Dynobench 上相比集中式离线规划器总行程时间最多减少 22%，相比分散式实时基线最多减少 37%，图连通性任务成功率提高近一倍；六台机器人板载规划硬件实验验证了可实施性。
该论文提出 SCOPE 框架，用于自动生成多样且可执行的 TAMP（任务与运动规划）数据集，以缓解 LLM 微调所需高质量数据稀缺的问题。SCOPE 引入多级多样性指标以最大化场景信息熵，并设计计划反馈纠错流水线，将规划器执行失败作为反馈信号回溯修正场景图中的逻辑不一致，保证物理可行性。实验显示，SCOPE 对错误场景图更鲁棒、生成数据质量更高；用其数据微调的 TAMP 模型成功率较使用 DELTA（基于 PDDL 的先进规划器）生成数据微调的模型绝对提升 12.33%。
该论文提出在线可精炼语义建图框架，为每个物体点维护置信度分数，利用多视角时序证据在线更新：一致观测强化可靠点，不一致的分割掩码、深度与可见性线索抑制虚假和过时点，并结合物体跟踪与重识别在物体移动后保持实例身份。实验显示建图精度较先前方法在 Replica 上提升 3.46%、在 ScanNet 上提升 2.55%，用于物体导航和具身问答的成功率分别为 82.4% 和 76.7%。
SkeLAM 将潜在动作分解为两部分：一部分是由机器人骨架监督锚定的运动学分量，另一部分是保留互补视觉动态的残差分量；并通过跨模态交换重建，使 RGB 与骨架导出的运动学表示可以互换。世界模型通过独立条件通路纳入这两个分量，并用分支 dropout 降低对由未来信息导出的残差信息的依赖；轻量适配器将机器人动作映射到运动学空间，再经微调适配预测条件。在 DROID 上，与 DreamDojo 相比，末端执行器 ADE 降低 19.5%、LPIPS 降低 11.1%；定性结果显示，生成的 rollout 中可实现零样本的人到机器人运动迁移，策略评估的预测成功率与真机执行结果一致。
VecTile 是一种厚 6 mm 的柔性触觉阵列，通过压阻层与被动硅胶凸点将法向力和剪切力转换为可区分的压力图案，实现三轴力感知，4x4 阵列整套系统成本低于 35 美元，且无需专用设备即可自制。在法向力 1-5 N、剪切力最高 1.5 N 的单传感单元测试中，法向力与剪切力的均方根误差分别为 0.39 N 和 0.16 N；平坦状态下校准的传感器在弯曲后仍保持精度，五分钟手动校准即可满足实用。演示应用包括：剪切读数灵敏到可在接触后阻止手术刀刺破气球，以及显著改善 Diffusion Policy 引导的电源插头插入。设计与代码将在论文录用后发布。
研究提出一种稀疏拓扑度量图作为室内导航的结构表示，节点编码局部三维几何，距离加权边表示可通行连通性，并训练图匹配网络在多次会话间寻找一致子图。在跨会话点目标导航实验中，该方法在 Gibson 上成功率为 77.1%，在 3D-FRONT 场景变化下为 40.0%，内存较点级表示降低两个数量级以上。
针对现有 VLA 模型在多视角输入下持续依赖腕部视角、缺乏跨操作阶段动态调整全局-局部视角依赖的问题，作者提出阶段感知多视角路由框架 FocusVLA：从历史动作预测未来交互意图，并据此在动作生成过程中动态路由视角。在 RoboTwin 2.0 上，其平均成功率较最强基线 π0.5 提升 10.10 个百分点；真实世界评估成功率从 71.7% 升至 85.0%，相对 π0.5 提升 13.3%。其意图预测与动态路由模块可在不修改核心架构的前提下集成进现有 VLA 框架。
研究提出用概率能量建模统一多用途集群控制：利用吉布斯随机场能量最小化与结构化奖励最大化的对应关系，把基本集群行为编码为统一概率目标中的可复用能量项，分散式策略经轻量级策略门控组合成单一控制器，无需重新训练。空中集群实验显示，统一策略在六类任务、10-100个智能体、两种硬件平台及室内杂乱与GPS拒止林地环境中实现零样本泛化；大规模仿真任务成功率为0.96-1.00，单智能体推理延迟1-10毫秒，物理部署验证了向真实平台与非结构化环境的零样本迁移。
论文提出双环外骨骼辅助策略：外环生成器以全身人体运动、外骨骼本体感知为主，任务描述为辅助语义线索，经去噪合成未来外骨骼轨迹，并采用三阶段训练分别优化人体运动编码器、本体感知编码器与轨迹生成器。内环从生成器采样多条未来轨迹估计均值与方差，均值作控制参考，方差作为预测可靠性不确定性度量并纳入刚度调节律，在有界集总交互输入下实现输入-状态稳定的柔顺辅助。实验显示该方法较标准基线显著降低肌肉激活水平，并较无辅助条件降低使用者代谢能耗。
论文提出 WholeBodyMem，一种面向人形机器人全身 VLA 策略的物体引导感知记忆模块，用于保留机器人执行目标动作前观察到的物体事件前史。方法用 SAM3 跟踪任务物体，按事件因果地在自适应预算内选取关键帧，动作专家通过交叉注意力结合编码外观、几何与时间的物体 token 读取。作者同时发布 HuMeGo 基准，含 6 个仿真任务与 6 个真实 Unitree G1 任务。结果显示基础策略成功率在仿真中从 29.1% 升至 72.6%，真机从 36.7% 升至 88.3%，标准 SIMPLE 任务从 70.2% 升至 86.9%。
论文提出三种对机器人控制进行数学抽象建模的数据生成流程，用其程序化生成的合成数据预训练 Transformer，在未接触任何真实机器人行为的情况下，于未见过的物理机器人任务上取得非平凡的零样本动作预测性能，且专用控制先验优于通用因果先验。与算力匹配的真实机器人数据基线相比，后者仅在自身训练过的数据集上占优。作者据此认为，程序化生成的数学抽象可作为昂贵具身数据采集的潜在补充。
论文提出Joint-CI，一种用于分布式右不变扩展卡尔曼滤波（RI-EKF）SLAM的统一融合方法，支持点特征、物体特征及点-物体混合地图。该方法利用邻居机器人的局部后验与机器人间观测，在接收机器人的误差坐标中构建接收机器人位姿与公共特征的联合估计，保留机器人-特征和特征-特征相关性，再用部分状态协方差交叉（CI）与本地后验融合。作者证明该公式与融合保持与全局旋转、平移相关的六个不可观测方向，并在局部后验一致时保持一阶协方差一致性；蒙特卡洛仿真与真实数据集实验显示其提升估计精度且不确定性一致、适度保守。
研究提出多模态进度残差融合（MPRF）因果模型，利用操作指令、电磁跟踪和内窥镜视频预测柔性机器人内窥镜操作者的回退行为。在150个回合的结肠体模数据采集中，MPRF在三个随机种子下取得0.580±0.007 AUPRC，最强减少模态对照组为0.511。完整多模态历史是排序优势的主要来源，残差项相较原始融合仅带来小幅且不确定的增量。
研究提出一套基于示教的机器人喂食流程：操作者用动作捕捉系统记录勺子舀取与喂食时的位置和欧拉角姿态，轨迹被分割为舀取、喂食两段并分别用动态运动基元编码。执行前由RGB-D相机估计受试者嘴部位置，两个AprilTag完成机器人坐标系配准与托盘定位，托盘位姿用于确定舀取动作位置，嘴部位置作为喂食动作的位置目标。Kinova Gen3机械臂经ROS 2框架依次执行接近、舀取、喂食轨迹，真实环境实验验证了该集成流程可行，学习到的勺子运动可在检测场景中复现。