针对世界动作模型（WAM）的视频与动作目标未显式约束三维几何、而逐点对齐三维基础模型特征又会过度约束紧凑动作特征的问题，论文提出关系几何强制（RGF）：从冻结的三维基础模型迁移几何先验，对齐成对特征关系而非逐点特征。RGF 包含帧内、跨视角、动作-时间三个互补关系目标，仅在训练阶段使用，无需显式几何分支或额外推理模块。仿真与真实世界实验显示，在多种操作场景和 WAM 范式下均取得一致增益。
机器人行业洞察
今日精选
The robotics journal行业消息
该论文提出DepState-JEPA，一种基于V-JEPA 2.1的双流RGB-深度联合嵌入预测架构，通过共享潜在状态DepState将空间理解与动作条件预测连接。深度既作为互补观测流，也用于将两种模态锚定在度量三维空间中；射线条件读出无需目标深度即可预测局部特征，动作条件转移后同一解码器预测未来RGB与深度特征。机器人状态读出提供递归本体感受输入，物体轨迹监督与校准正向运动学通过运动目标和关节-TCP一致性塑造状态学习。对比显示RGB-D适配后RGB编码器迁移、特征补全、条件视觉预测和操作成功率均有提升，消融实验识别出深度内容、度量坐标、未来状态匹配的贡献及FK正则化的额外控制增益。
论文提出TIDE（Training In DEployment）人在环在线后训练系统，用来源条件监督学习框架从部署期间的人类干预和策略rollout中在线更新策略，不需要学习critic、奖励模型或动作评分器。在四个真实双臂操作任务上，TIDE在里程碑归一化任务进度和全任务完成率上超过热启动策略及匹配的额外离线演示，与固定策略采集基线相当，且部署期间即可提供更新检查点。每个任务的后训练会话从rollout开始到最终检查点可用不到一小时，学习与检查点处理异步进行。
研究提出SimPT仿真框架，将策略推演、纠正数据采集、策略训练与独立评估整合，实现基于干预的VLA后训练自动化。其Agent-Compiled Progress Graph利用仿真器特权状态跟踪任务进度并保留稳定快照，失败后由CuRobo专家从快照尝试恢复，使恢复尝试次数较固定间隔基线减少75.0%，恢复成功率从93.4%升至98.9%。在七个RoboTwin操作任务上比较RECAP、HG-DAgger、DPO+SFT、FlowPRO四种方法；改进版RECAP-CF-LPF在留出仿真试验中把成功率从76.50%提升至79.36%，在真实机器人以太网线插入任务25个场景中从72%提升至96%。
论文提出 SMR，一种从语义条件物理专家中学习的流式神经运动重定向器，用于将人类运动迁移到人形机器人。方法先把人类运动转换为机器人任务空间中的身体关键点位置、朝向与速度目标，由物理专家在仿真中于接触、动力学和执行器约束下跟踪；再在专家执行的状态轨迹上训练严格因果的 Transformer，每帧仅用当前与过去的人类观测生成运动参考，交给下游全身控制器。实验称语义条件物理专家在语义保真度与物理有效性上优于直接优化式重定向，流式重定向器在相同全身控制器下闭环性能优于运动学与物理修正基线。
研究比较了不同生成骨干下世界动作模型（WAM）的泛化性能差异，提出以“冗余正交性”量化表征先验：特征在经验分布内流形之外的视觉变化下保持正交的程度。在多种图像与视频骨干上的实验显示，表征先验的正交性越高，WAM训练后对视觉变化的鲁棒性越强，并可在训练前前瞻性预测策略泛化能力。对鲁棒WAM的分析还发现冗余抑制现象，即对视觉变化引起的特征位移的相对抑制与鲁棒动作生成同时出现。
arXiv 2610.29030v1 提出 PHD-Hand，一种完全连杆驱动的人形灵巧手，每根手指具备至少 3 个驱动自由度（DOA）。设计采用独特柔性铰链与弹簧钢弹性驱动杆，简化连杆传动，避免大量微型运动部件，可用低成本 3D 打印机制造，尺寸更接近真人手。研究对原型进行了抓取与物体操作评估，并给出运动学与控制方面的最新结果。
研究提出 SLoSa 神经-符号压缩与微调框架，用经典规划器、教师 LLM 和形式化验证器构建安全感知数据集，再经监督微调与验证奖励机引导的强化学习训练小型机器人任务规划器。在四个 PDDL 领域上，4B-14B 模型成功率提升至 70.5-76.0%；INT4 部署于 Jetson Orin 平均功耗 17.85-26.41 W。家庭仿真环境与桌面机械臂实验验证了适用性。
研究团队提出 HyperDrone 四旋翼仿真器，称其批量渲染速度比现有最先进的批量四旋翼仿真器快 20 倍以上。该仿真器将优化的多旋翼动力学与自研光线追踪引擎 HyperLux 结合，支持 Nvidia OptiX、Vulkan、Apple Metal 和 WebGPU 后端，动力学与渲染均完全在 GPU 上运行。HyperLux 可渲染 RGB、深度、语义/实例分割、表面法线与光流，并支持反射、PBR、运动模糊等效果，在消费级 GPU 上最高保真度下达到每秒数百万帧。团队在仿真中纯训练基于视觉的偏航控制策略，并迁移到搭载摄像头的 Crazyflie 小型四旋翼上完全机载运行。
论文提出开源 GPU 加速图库 GGraph，同时面向真实机器人部署与大规模强化学习训练。GGraph 通过 ROS 2 接口支持真实机器人，并支持 GPU 向量化策略训练，内置三维导航、探索和回环闭合集成等任务。单机器人运行时图更新为毫秒级；大规模场景下可支持数百个并行机器人训练基于图的探索策略，实际训练时间缩短一个数量级。
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。
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。
研究提出Context-Aware Navigation Explanation框架，用大语言模型将感知上下文与规划的未来轨迹结合，生成导盲犬避障与导航动作的自然语言解释，并在Unitree Go2平台上于室内导航场景部署。实验评估不同解释上下文配置对用户信任与解释满意度的影响，结果显示二者呈强正相关，且将障碍物信息与未来轨迹结合的解释效果最佳。
MIT团队提出FLEX（Flexible Feature Editing Pipeline），利用语言模型根据自然语言纠正迭代优化机器人对任务特征的内部表征，包含三个互补操作：添加缺失特征、泛化已有具体特征、屏蔽无关特征。研究在2D导航、7自由度Franka桌面操作任务以及使用自然语言纠正与真机演示的真实世界研究中评估FLEX；与单操作及无脚手架基线对比显示，交互场景中三项操作均属必要，FLEX在保持紧凑可迁移表征的同时取得更高归一化奖励。
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。
研究提出 inr2action 参数空间记忆框架：对每个机器人操作片段的视频拟合神经隐式表示，权重增量即作为该片段的记忆，且增量大小固定，不随片段帧数（一百帧至十万帧）变化。学习得到的投影器把权重增量映射为 token 嵌入，分别条件化语言模型做问答、条件化解码器做关节命令回归，查询时无需检索原始帧。在 RoboMME 上语言模型各题型均超随机水平，解码器平均 R² 为 0.51；将增量替换为匹配噪声后性能下降 11.4 个点，随机初始化权重无法解码。
T-WLA 是一种世界-语言-动作架构，用共享视觉记忆同时驱动动作生成与触觉修正：视觉分支每次更新时把当前图像、任务指令与检索历史整合为视觉记忆，该记忆被缓存给轻量级触觉编辑器，后者结合当前动作块与触觉输入预测未执行动作的残差修正，无需重跑视觉分支。训练阶段以未来图像与未来压力预测作为辅助监督。在 EgoTouch 与 Tachin 的触觉条件手部运动预测上，手指关节 MPJPE 较最强已报告基线降低 30%；四个真实灵巧操作任务平均成功率约 50.0%。
arXiv 于 2026 年 10 月发布的新论文 VeriCalib 将激光雷达-相机外参标定建模为可验证估计问题，输出“标定状态”而非单一残差均方根误差。方法采用两级外参补偿机制，并用结构化协方差联合传播相机与激光雷达标靶特征的不确定性、从残差估计方差分量，进而解耦旋转与平移以给出各方向精度并引导数据采集。论文还提出视图内与跨视图一致性检查，以及扩展到外参的最小可检测偏差界。
针对球形移动建图系统（SMMS）在快速旋转和地面覆盖有限条件下的里程计难题，作者提出两种基于RANSAC的地面法向量估计方法：单帧扫描估计（法向量评分+多步验证）和基于LiDAR-惯性里程计（LIO）利用全局3D地图的估计。在多个真实数据集上以地面激光扫描仪为真值评估，LIO方法在精度与鲁棒性上显著优于单帧方法；将地面法向量估计融入运动模型可改善位姿估计，支持复杂危险环境中的自主导航。
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。