ForceDelta-VLA 提出一种修正蒸馏框架，利用冻结教师模型的力条件模式与学习到的无力条件模式的成对预测，构建显式的力修正目标，并另设延迟修正目标以补偿参考动作不匹配与参考状态变化。训练采用异步调度回放，执行时使用缓存的任务上下文。所得轻量策略依据近期力历史与机器人状态调整参考动作，在两次参考动作更新之间响应接触变化，无需重新生成完整动作块。在九项单臂与双臂接触密集任务上，平均成功率为82.2%，原始 ForceVLA 基线为54.4%，直接执行第一阶段时序教师模型为70.6%；相比 ForceVLA，完整系统在两个平台上将成功试验的平均峰值接触力降低约26%。
机器人行业洞察
今日精选
The robotics journal行业消息
X-WBC 提出跨本体人形机器人全身控制基础框架，将共享的人体运动语义与各本体特定的物理执行分离：以人为中心的命令 token 对齐完整人体运动、机器人参考运动和稀疏 VR 观测，因果 Transformer 从多机器人混合 rollout 中学习可复用的时序结构，轻量级本体特定模块再把共享表示映射到各机器人的本体感知与动作空间。实验覆盖九个仿真本体、外部运动数据和四台真实机器人，结果显示联合训练提升跟踪性能，对齐表示支持跨命令源的一致控制，策略在训练语料之外仍具竞争力。作者据此主张异构人形机器人可作为联合数据源，跨本体联合训练是通向全身控制基础模型的可行路径。
该论文针对四足机器人通过被动弹簧臂搬运负载的场景，建立了将被动接口刚度、阻尼与负载质量关联到 ZMP 响应的降阶解析模型，指出低阻尼被动模态可能与步态谐波重叠。作者提出基于扩展单刚体动力学的臂感知模型预测控制 ARMPC，融合浮动基动力学、被动臂关节状态、扭转弹簧阻尼与基座-臂惯性耦合。仿真消融中 ARMPC 在所有测试条件下减少 ZMP 裕度违规并避免失败，Nominal MPC 与 Baseline MPC 违规率和失败率更高；2 kg 负载硬件拉放实验中 ARMPC 纵向与对角线扰动试验全部无失败，Baseline MPC 分别失败 7/15 和 8/15 次。
该研究在仿真中用基于采样的模型预测控制（SMPC）作为自动专家生成大规模离线数据集，以绕开稠密奖励塑形的人工瓶颈，使离策略强化学习仅凭稀疏任务奖励即可训练。高层智能体与低层动态稳定性控制器结合后，学到的策略在任务目标对齐上超过原始最优控制教师。作者在配备机械臂的Spot四足机器人和G1人形机器人两种形态上部署了复杂移动操作技能，验证了sim-to-real框架的鲁棒性。
该论文提出接触隐式、基于直接仿真的多重射击（DSMS）框架，将运动学可行的参考轨迹转换为动力学可行的全身轨迹：把可微仿真器嵌入非线性规划，在内部处理接触、摩擦、碰撞、自碰撞与关节限制，同时施加跟踪、驱动和任务约束，无需预设接触时序或显式接触约束。作者称相比现有重定向方法，DSMS 可加速运动模仿强化学习训练，得到成功率更高、跟踪误差更低的策略；并在 Unitree G1 上完成零样本仿真到现实迁移，覆盖指令条件化行走、慢跑、接触密集爬行及 180 度跳跃转身。
研究团队提出 SentryVLA，一种面向冻结 VLA 策略的轻量级运行时封装器，无需重新训练或修改底层模型架构。该方法在动作层面用保形分位数回归估计采样动作与专家式行为之间偏差的校准上界，并据此对多个随机候选动作排序以完成动作选择；在执行监测层面，对最终动作预测前提取的上下文化潜在执行状态计算基于马氏距离的异常分数，用于闭环控制中检测异常执行状态。仿真与实体机器人实验显示，该方法改进了动作选择，并能提供有用的运行时异常警告信号。
研究提出强化学习框架 PrepTurn，将当前与下一个位姿目标直接映射为关节动作，用即将到达的目标指导机器人如何接近当前目标，避免单目标策略在连续目标下出现的走走停停。方法包含持久信用奖励与逐步提升目标难度的自动课程，无需预设轨迹或到达时间即可协调接近速度与转向。仿真与 Unitree Go2 机载实验显示，连续穿越完成率高、运动更高效且停顿减少；目标容差放宽后，策略还出现提前转向下一目标和在允许区域内切角的涌现行为。
arXiv 于 2025 年 10 月发布（v2 替换版）的立场论文提出「身体-控制协同设计」路线，主张人形机器人不应只在固定本体上优化控制策略，而应利用当前本体与策略的运行经验，递归地同时改进形态与行为，作者将其称为物理递归自我改进（Physical RSI），并类比生物进化。论文讨论了基于策略性探索、Sim2Real 迁移和元策略学习的三类协同设计方法，并从方法论、应用驱动和社区建设三个角度论证其必要性，同时指出该方向在人形机器人领域仍属研究不足，提出从短期创新到长期目标的开放问题清单。
研究团队提出FLORE框架，用于学习力反应式人形机器人移动操作。数据采集不依赖机器人本体：用两个带力感知的UMI风格手持夹爪记录手部运动与接触力旋量，用可穿戴追踪器记录身体运动。力反应式扩散策略以视觉、本体感知和实测力旋量为输入，输出动作与每只手的力指令；带力跟踪的混合柔顺全身控制器在保持平衡的同时执行指令，通过对真实力/力矩传感器测得的力误差做积分，使每只手沿指令方向精确跟踪力、在其他方向保持柔顺。仿真中控制器可跟踪不同大小与方向的单手力指令，全身运动精度损失很小。机器人上三项接触密集任务中，力反应式策略成功率为80%，仅位置策略为26.7%。
论文提出一种用于摩擦接触的平滑解析梯度，仅替换反向传播中的接触灵敏度，硬接触前向求解与 rollout 可行性保持不变。方法对 de Saxcé 修正二阶锥互补问题做中心路径松弛，平滑分离、夹紧、滑动三种模式条件，灵敏度在接触模式切换时连续并随松弛收敛到精确值。用 10 万样本、台式机训练不到 2 分钟得到的策略无需微调即迁移到硬件，小跑策略下机器人可承受推力并穿越碎石与湿滑地面；轨迹优化中该梯度找到精确梯度与 Signorini 松弛梯度遗漏的富接触解。
该研究提出一种面向四足机器人的实时运动规划框架，保留完全驱动的 SE(2) 模型及各向异性、航向耦合的速度约束，不采用常见的凸简化。方法将轨迹参数化为复合 Bernstein 多项式，利用凸包性质在整个规划时域内认证避碰与输入约束，而非仅在离散点校验。优化以在线重规划频率闭环运行，向运动控制器下发机体速度。作者在仿真中与消融方法及外部基线对比，并在四足机器人穿越未知移动障碍物的硬件实验中验证，恢复了简化模型排除的横向与航向耦合运动。
该综述指出，人形机器人正从实验室单机平台转向共享工作空间、基础设施、任务与知识的互联集群，但现有研究大多仍把人形机器人当作独立系统。文章按通信、协调、协作、人机社会交互四项信息交换功能组织网络化人形智能研究，并用一个工厂场景串联四者，沿交互架构、交换信息、物理耦合、运行时间尺度、系统规模、具身形态六个维度梳理文献。作者将物理与仿真人形机器人的结果同其他机器人平台或无实体智能体的结果分开，理由是后者无法体现平衡、全身运动、接触等约束，同时区分本地风险与网络引入的过时信息、不安全知识传播等风险，并列出控制感知网络、以身体为中心的紧凑消息、集群级社会一致性等开放问题。
研究团队提出 OSMA-Bench 基准，用空间匹配、仅障碍物类型不同的场景集，评测家庭机器人导航中的障碍物条件安全运动适应，并提出语义敏感度指数（SSI），衡量间距及随距离变化的速度与平滑度是否遵循障碍物的谨慎度排序。对基于 VLM 和 VLA 的策略评测显示，两者均无法持续按障碍物安全性调整运动，即使给出明确安全提示；策略能按安全相关性区分障碍物，却未在运动参数或动作中体现。对基于 VLM 的策略，在识别障碍物与生成导航程序之间加入显式参数推断步骤可改善适应。
该研究提出 ThinkLocoManip，一个面向足式移动操作长程任务的智能体框架，采用交错推理与执行范式，让智能体持续推理状态、执行动作、观察结果并调整策略。框架编排感知、导航、操作与运动四类专用工具，并明确将运动作为智能体推理与执行的工具域；同时设计跨域协调技能与关键帧思考机制，用于保留执行上下文和支持错误恢复。真实世界实验显示，其成功率为 77%，是最强“先规划后执行”基线 37.1% 的两倍以上。
该论文提出 HumanoidNDM，一个由真实世界训练的神经动力学模型驱动的人形机器人运动跟踪在线微调框架，用于弥合训练与部署之间的动力学差距。数据采集阶段采用带自适应强度机制的低频参考扰动方法；模型训练阶段在欧氏空间中训练基于历史本体感知的神经动力学模型，并引入可微前向运动学，从而不依赖动作捕捉系统；策略微调阶段通过反向传播模型梯度直接微调策略。作者在 Unitree G1 机器人上完成物理验证，称其能快速适应多种扰动，并称这是首个面向人形机器人跟踪策略的在线、无需动作捕捉的微调框架。
X-World 框架通过固定长度 token 序列将视频扩散模型先验迁移至共享动作专家，用残差跨视角注意力分支把预训练视频骨干扩展至一至三视角并保留原自注意力路径，层对齐 Q-Former 聚合骨干特征，数据集特定模块映射原生状态/动作接口。训练分两阶段：先冻结视频骨干做仅动作预训练，再联合目标域后训练；执行时单次骨干前向提取特征并采用异步动作分块。LIBERO 上平均成功率 98.5%，其检查点在 LIBERO-Plus 上零适配达 76.5%；六个双臂真实任务每任务 20 次试验平均成功率 81.7%。消融显示移除视频适配或跨视角融合的降幅最大。
RoboLongR 提出离线到在线的框架，学习依赖历史的奖励以引导策略适应新任务，核心目标是因果一致性，即被奖励的进展须与执行历史支持的前提条件对齐。方法包含阶段打乱监督、循环记忆和两轮训练，奖励引导阶段条件策略从行为克隆精炼至在线强化学习。在 88 个 RLBench 任务和 Open-X 数据上预训练后，该工作在未参与奖励预训练的 18 个长程任务上平均成功率 31.8%，高于最强基线 9.2 个百分点；四个真实机器人任务成功率 57.5%，比对比方法高 32.5 个百分点。
该论文提出 MimicAll 强化学习框架，用结构化具身描述符编码全局与关节对齐条件，结合观测历史和身体匹配的运动参考预测关节目标偏移，支持跨异构人形机器人共享全身运动跟踪。训练覆盖 16 个人形机器人家族的 4,096 个变体，并构建含 464 个身体、五个分布层级的基准。相同训练转移量下，共享训练在 100STYLE 随机化 G1 身体上 30 秒成功率为 99.4%，单身体专用策略为 42.9%；身体条件不匹配使自注意力成功率从 61.7% 降至 47.0%。
arXiv 新论文提出 HA-DiPO（异构智能体扩散策略优化），一个面向异构腿式机器人协同搬运非固定共享负载的分层多智能体强化学习框架，采用集中训练、分散执行（CTDE）架构。高层由集中式评论家利用团队价值估计联合训练各机器人独立的协调策略，低层用本体特定的鲁棒运动策略跟踪协调指令；高层采用扩散策略而非单高斯参数化，以表示潜在的多模态协调响应。策略通过奖励驱动的仿真交互从零学习，无需演示数据；执行时各机器人仅用本地机器人与负载观测生成指令，不依赖伙伴状态或机器人间通信。仿真中最终平均回报、速度跟踪成功率高于基线且速度误差更低，真机实验演示了四足轮腿机器人与人机协同搬运。
论文提出多约束灵巧策略优化方法MDPO，将灵巧操作建模为同时包含累积代价约束与逐状态代价约束的多约束策略优化问题，并把多约束投影集成进策略优化过程：用约束特定的策略投影，把最大化任务性能的中间策略映射到两类约束定义的可行域。在ReDMan平台的关节安全控制、手指安全与抓取任务实验中，MDPO相比基线约束满足更优，任务性能保持竞争力，代码已公开。