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。
机器人行业洞察
今日精选
The robotics journal行业消息
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。
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。
论文提出 MAPLE（Mondrian-Anchored Prior for Learning-free Indoor Exploration），一种无需训练的室内探索预测方法：将蒙德里安过程改造为在线生成式先验，以当前部分地图中观测到的几何线索为条件，生成多个可能的地图假设，并在每个假设内分别评估可见性以估计前沿增益。在 KTH 平面图及多种传感器范围下的真实 SLAM 环境中，MAPLE 一致优于非预测式探索，并与基于学习的预测方法保持竞争力；其轻量过程式构建可在有限算力下运行。实验还显示，更准确的地图预测不一定带来更好的探索效果，预测的表示与使用方式同样关键。
研究提出REACT框架，从人-人动作捕捉演示中学习可部署的人形-人交互策略，将语义接触结构作为连接演示处理、交互学习与机载控制的关键监督信号。流程包括VLM引导的接触建模与重定向、基于交互感知接触奖励的特权策略学习，再蒸馏为仅用机载自我中心深度传感的策略，并引入生成式伙伴状态建模以应对遮挡。在仿真和Unitree G1真机上测试五种接触丰富交互，语义接触建模改善演示交互保留，生成式建模在五种交互中的四种提升接触召回，真机上仅靠机载传感完成全部五种交互。
SuperMimic 提出用一个可微世界模型摊销人形机器人全身运动跟踪的学习成本，该世界模型由标准刚体仿真器的转移数据拟合，并与跟踪策略在同一循环中联合训练，通过短时想象 rollout 的时间反向传播提供解析梯度。在单块 GPU 上训练 3 小时，其回报超过在 128 块 GPU 上训练 7 天的当前最优基线，GPU 小时数减少超过 1000 倍；在 129,514 个基准运动上失败 25 个，基线失败 179 个。两块 GPU 训练 9.8 小时后实现零失败，策略可迁移到实体 Unitree G1 完成多样高难度动作。
研究团队提出 FRDV 框架，将人体运动捕捉数据重定向到不同人形机器人：运动学阶段结合自定义序列二次规划求解器、实时迭代与分块并行处理，最高达每秒 9,156 帧，比 GMR 和 ProtoMotions 快约 136 倍，并在优化中加入机器人特定约束以减少地面穿透与自碰撞。对需进一步验证的动作，用接触隐式 iLQR 控制器在完整刚体动力学下检验，识别动力学不可行动作并修正脚部悬空、打滑。团队用多条现有流水线训练运动跟踪强化学习策略，比较跟踪保真度与成功率，并在宇树 G1 人形机器人上完成 sim-to-real 迁移。
该研究提出强化迭代学习控制（RILC），将迭代学习控制与强化学习并发耦合：ILC提供高质量样本，RL作为跨迭代的泛化策略，从而在无需逐轨迹单独学习的情况下实现首次试验即高性能跟踪。论文给出理论证明，表明RL分量保持ILC稳定性，并在特定条件下可渐近降低误差界。实验在欠驱动4自由度串联弹性机器人上，针对不同轨迹与建模失配进行仿真与验证。
该论文提出一种包裹机器人通信链路的算法：当机器人要用入站链路数据更新状态时，算法用 Safe Anytime-Valid Inference 检验各机器人异常检测器输出的信任值流，筛出可安全采纳的可信链路子集，仅要求检测器优于随机猜测。该封装同时给出两项统计保证：以用户选定的高概率在所有时间上均匀排除全部被攻破链路，同时快速学会信任合法链路，且无需对连通结构或被攻破链路数量作限制性假设。作者在 3 台 LoCoBot 上做神经隐式建图、8 台 GoPiGo 上做航向一致性实验，并用硬件采样的信任值仿真验证可扩展至数百台机器人集群。
论文提出 DirectWAM，通过动作充分蒸馏把预训练的扩散视频专家与动作专家转为单步预测器，保留显式的未来到动作级联，无需随机采样；训练时从预测未来解码动作并将演示动作误差经专家反向传播，可选加入未来潜在重建损失。在四个 LIBERO 套件上平均成功率 97.1%，RoboTwin 2.0 上 85.4%，相同每流一次评估预算下优于 Flash-WAM，并扩展到三个真实世界任务；相比完整迭代教师模型推理延迟降低 28.0 倍。
PACT-VLA 是一个无需训练的框架，用于解决 VLA 策略异步推理中动作块基于过时观测的问题：它从推理起始观测生成多个候选动作块，并利用提交前观测复用冻结的 VLA 策略进行选择，评分函数 FlowRes 衡量候选隐含流方向与策略预测速度的残差，无需额外验证器。流水线实现使选择不增加控制步延迟。在四步延迟下，Kinetix 上平均成功率比 RTC 高 15.0 个百分点，LIBERO 上比 GR00T N1.7 单候选异步执行高 5.2 个百分点；三个真实机器人任务上，使用同一冻结 π0.5 检查点，平均成功率从朴素异步执行的 60% 提升到 82%。
LocoPilot 在12自由度 Unitree Go2 四足机器人上实现单操作员双边遥操作与数据采集，该机器人搭载6自由度 AgileX Piper L 机械臂、RealSense D435 腕部相机与 D405 头部相机；第二台 Piper L 作为主端，配合两个手持控制器同时控制基座、机体姿态、机械臂与夹爪。从端交互力在无专用力/力矩传感器条件下估计，经无源性约束力觉通道反馈给操作员；ROS 2 流水线记录同步多模态观测与遥操作、部署共用的11维动作。作者在多个移动操作任务上评估接口，并在抓取放置示范上微调 MolmoAct2 后部署到实体机器人，无需动作重定向或额外逆运动学。
论文将眼科手术机械臂在软件远程运动中心（RCM）约束下出现的伺服振荡形式化为约束诱导任务奇异：RCM投影后的末端雅可比降秩，而未投影的末端雅可比仍良态，导致有效末端权限崩塌。作者提出内置奇异恢复的高精度RCM伺服架构，由权限引导规划器为每个目标选择良态构型并规划RCM一致路径，再由固定分层QP控制器执行。在200个场景的运动学基准上，近奇异目标达128/128、近关节极限目标达71/72，软件RCM残差低于0.142 mm；在物理6自由度机械臂上跨四个RCM入口点执行，最坏运动学重建RCM残差178 μm，末端调节误差中位数32 μm，满足200 μm控制要求。
该研究提出一种验证引导的训练框架，通过安全约束的概率枚举检测前向不变性违规，即学习到的证书错误地将不安全行为归类为安全的状态，从而生成比标准对抗攻击方法更精确刻画失败边界的紧凑反例集。用该表示微调预训练的 HJ 值函数，在所有测试基准上得到更大的认证区域并缩短认证时间。作者还基于精炼后的证书引入屏蔽机制，在 Isaac Sim 物理仿真和真实自动驾驶竞速实验中实现零安全约束违规，而标称控制器和基于 LQR 的备份策略均出现违规。
该论文提出 RLTrajGen-PPMPC-CBF 分层框架，用于自动驾驶车辆在环岛场景下的安全、平顺与舒适导航，以解决强化学习逐点决策与 MPC 轨迹级优化之间的结构性不匹配问题。框架采用预设性能约束（PPC）使参考轨迹与控制输出逐步稳定收敛，并通过控制屏障函数（CBF）层提供实时安全修正并反馈至 RL 过程。在 MetaDrive 仿真环境中，该方法相较最优基线将平均成功率提升 6.25%、运动病剂量值（MSDV）降低 65.87%，同时加快训练收敛。
该预印本提出以自适应通行管（ATT）为核心的姿态感知导航框架，将沿参考路径的通道宽度场与社交舒适度统一为连续信号，并通过区间速度—航向（IVH）控制把宽度映射为正面到侧步的连续姿态调度与全向速度指令。配套的以速度为条件的 AMP 策略使用经 GVHMR 重定向的正面/侧步运动数据训练，并加入 (v_x, v_y) 跟踪奖励，目标是在保持与默认机载策略可互换的同时提升姿态过渡稳定性。论文称完整方法已给出，计划在 Unitree G1 上开展评估，量化结果尚未发布，MuJoCo 仿真与真机演示视频已公开在 GitHub。
论文提出 AWLS（优势加权潜在引导），一种离线后训练方法，用于改进已冻结的单步生成式机器人操作策略，且不更新其解码器。该方法学习一个以观测为条件的残差噪声整形器，对策略的潜在噪声做残差修正，并用优势加权的动作重建目标训练；优势值经分离与尺度归一化后仅作为演示动作的监督权重，避免评论家梯度更新策略，同时保留单步推理速度。作者还提出无需 rollout 的解码器敏感度准则，用于挑选对潜在噪声扰动仍敏感的预训练检查点。在仿真与真实机器人操作任务（干净与混合质量演示）上，AWLS 优于冻结基座策略并限制相对预训练行为先验的漂移。
提出EchoNav框架，从短RGB序列预测证据鸟瞰图（BEV）表示，结合时序聚合与占据补全，解码器适配冻结的VGGT-Omega特征，用逐单元权重和可学习的不更新选项组合历史残差提议；BEV预测器在最新自车坐标系生成局部地图，无需深度、相机位姿输入或显式几何变换。模型在仿真RGB序列及完整/可见性掩码占据标注上训练。仿真顺序双目标导航成功率89.6%，比最强基线高32.5个百分点；20个场景60次轮式机器人试验成功率73.3%，基线33.3%，另有四足与人形机器人演示。
研究团队在基于UR10e机械臂的ASTR系统上，用离体猪组织测试了闭环算法ThERMO：该算法利用实时热成像数据调节电外科切割速度，以在保证切缘准确的同时减少热损伤。组织学分析检测细胞层面的热损伤范围，3D摄影测量验证切缘精度。与两种固定速度方法相比，ThERMO无需数据驱动训练或迭代调参，热损伤最多降低52%，切割精度最多提升59%，任务完成速度保持不变。
研究团队用搭载机械臂的波士顿动力Spot四足机器人搭建自主砌砖概念验证系统，在供料区与装配区之间依靠AprilTag定位和autowalk导航运行，砖块位姿由CAD软件指定后直接导出执行。对14块木砖组成的弧形四层墙重复组装10次，平均平移误差低于10 mm、平均偏航误差低于1.5度，全部运行的整体RMSE为平移27.72 mm、旋转2.06度；系统还在两区域间有楼梯的户外环境完成测试，工作流模块化可扩展至不同墙体几何。