EventSync 提出一种事件驱动的分层框架：视觉语言模型依据任务计划与交互历史生成子目标，视觉语言-动作模型执行，轻量级事件监视器结合视觉观测与末端执行器轨迹判定子目标是否完成，仅在获得完成证据后才写入已完成子目标历史并触发后续推理。该方法在 RoboMME 基准上总体成功率为 64.5%，比该基准报告的最佳基线高 20.0 个百分点；并在四个记忆需求不同的真实机器人任务上完成验证。
机器人行业洞察
今日精选
The robotics journal行业消息
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。
研究团队提出遥操作界面PointHand，将多指机器人手渲染为指尖与关节的稀疏关键点，与策略可观测的关键点一致。在模拟的“杯中取物入盒”任务中，18名新手与4名专家在三种渲染方式下共采集2200次试验：看到仅强调拇指和食指的新手从600次试验中获得441次成功示教，而看到真实手形的新手为320次。用这些示教训练扩散策略并将观测替换为手部关键点与两个物体关键点后，400步内该条件从点云策略下三种新手条件中最弱的46.3%升至关键点策略下最强的57.3%，五个随机种子均提升11.0个百分点；强调全部关键点的示教变化至多+0.7个百分点。
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。
研究提出以智能体为中心、物理感知的框架，从NGSIM US-101、highD、exiD多源轨迹数据中发现跟驰法则，得到自适应均衡响应模型（AERM），将状态依赖的相对速度响应与间距依赖的均衡速度恢复相耦合。AERM具有解析的均衡速度-间距与流量-密度关系，并推导了零延迟形式的稳定性条件。在上海自然驾驶数据、NGSIM I-80和Waymo轨迹上对比七个经典跟驰模型，AERM在轨迹特定校准下间距RMSE分别降低9.11%、7.59%和21.73%，在数据集级共享参数下仍具竞争力。
该研究提出一种多视角潜在动作模型（LAM），用交叉注意力融合同步多相机视角，先解析深度与遮挡，再压缩为潜在动作；潜在动作输入由冻结VLM主干、潜在专家与动作专家经序列流匹配耦合的策略。在严格跨具身设定下，双视角LAM预训练使真值6D动作可解码性较单视角提升17%，而单视角数据扩大两个数量级仍不足以完全恢复平面外运动；下游策略成功率提升+13.5%，单视角LAM为+6.2%。单一跨具身数据即可实现技能迁移，增加第二个视角优于再增加最多四个具身；在硬件上以人类手部演示迁移，850次rollout中成功率较仅动作策略提升+20%。
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。
该研究提出 CovNav，一个无需训练的框架，用共形预测（CP）决定具身智能体何时需要慢思考：本地 LLM 在快速模式下判断目标是否可能在已观测物体附近，CP 将 token 概率转为预测集，仅对模糊查询升级到慢速思维链推理。在 Gibson 和 HM3D 上，HM3D v1 与 v2 成功率分别超过最强零样本基线 0.8 和 1.7 个百分点，仅对 12.4% 的查询调用慢推理，并在较低延迟下保留常开思考的大部分收益；TurtleBot 4 真机实验进一步验证。
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。
PLaCA 提出一种世界到动作框架，从当前多模态输入直接预测具有空间结构的 patch 级未来潜在变化，并引入 patch 级变化感知监督与未来到动作接口，将预测变化显式纳入动作生成。在 LIBERO-Long 上成功率达 79.0%，较仅动作基线提升 5.0 个百分点；在 CALVIN 上平均序列长度由 2.784 提升至 3.564。第二阶段训练仅更新 2.95% 的模型参数。
arXiv 论文提出 Tactile-ETA 系统，通过上下文学习把触觉经验注入具身任务智能体，无需任务特定训练或更新模型参数。方法将每段专家演示的机器人运动与相机视图、双侧触觉观测配对，保留运动起止触觉帧并在触觉图像显著变化处补两个相邻时间点。四个仿真操作任务中，在感知与执行接口不变下加入触觉观测使平均成功率从 15.75% 升至 24.00%；真实机器人任务中视觉与触觉对齐的演示将成功率从 0% 提升至 60%。
研究团队发布 JARVIS 基准，用于无语言指令条件下由视觉装配手册引导的机器人自主执行，包含 8,987 个场景、236,679 个 LEGO 装配任务，并从中精选 50 个任务组成 JARVIS-v1 交互式评测套件。评估协议覆盖几何精度、结构关系、构建顺序、部分进展与完成度。配套的 JARVIS-agentic 将机器人原语组合为可执行程序，并利用执行反馈验证与恢复，无需任务特定轨迹或参数更新。在 9 个多模态与推理模型上，面向任务的原语提升了平均装配得分，但性能随装配时程明显下降，执行错误难以纠正；先验任务经验改善初始表现，重复反思收益不稳定。
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。
arXiv:2610.27504v1 比较了十种确定性方法与两种基于大语言模型的变体，用于异构多机器人任务分配中的机器人-任务适配性评估，方法覆盖基于规则、相似度、需求导向、模糊与语义等类型。研究使用统一的机器人与任务画像，对比各方法对候选机器人的打分、排序、可行性识别与最优机器人选择，并考察团队构成、规模、空间上下文、能力不确定性和任务表示对结果的影响。结果显示，同一场景下各方法经常给出不一致结论；通用相似度度量可能违反单侧需求满足解释下适配性应具备的性质，LLM 打分还引入随机性与语言敏感性。作者据此主张将适配性视为显式建模选择，在分配前评估其假设、鲁棒性与决策后果。
研究在SHREC真实人机社会交互基准上评估Gemini Robotics-ER，并与已发表的通用VLM基线对比：Robotics-ER在错误/能力检测上优于GPT-4o-mini，但在细粒度社会属性判断上更差；增加一帧视觉输入对一个任务有帮助、对另一个任务有损害。作者指出比较跨越不同模型家族，差异不能单独归因于具身专用化，并提示多机器人系统共享基础模型可能使系统性社会感知错误影响多个协调决策。该工作为初步评估，跨情境与视频分析留待后续。
论文提出 HATCH 机器人操作基准，以“密室逃脱”形式将五个技能类别、三个难度等级的任务串联：传感器确认一项任务完成后才解锁下一项，形成长时程评估。成功判定依赖仪器而非人工，评分与机器人本体无关，物体摆放由运行当天的随机种子随机化。参赛者需提交未剪辑视频、传感器日志和随机种子作为认证自运行记录，任务规范、搭建指南、物料清单与评分细则以开放许可证发布。
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。
论文指出，在成功的目标导向演示上训练的动作条件视频生成模型会忽略动作指令，原因在于训练数据的动作影响不足，并证明数据本身构成模型可表达动作影响的上界，专家演示的狭窄动作分布使该上界偏低。作者提出主动采集数据的 Action Influence Maximization（AIM）算法，在仿真导航与操作任务中与探索启发式、内在动机方法对比。在基于像素的操作任务中，AIM 是唯一持续提升可控性的方法：在 3k 条演示基础上新增 500 条主动采集回合，其末端执行器可控性即达到用 300k 条专家回合训练的世界模型水平，数据量减少 85 倍。