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。
机器人行业洞察
今日精选
The robotics journal行业消息
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。
研究提出一种面向人形机器人任务策略的运行时监控框架，用于在不可恢复跌倒发生前及时触发回退。该方法将监控器合成表述为学习给定回退策略的随机有限时域可恢复性包络，并把数据探索重构为到达-规避问题，由不确定性引导的探索器系统发现未见状态、避开确信不可恢复区域。框架在价值学习与主动探索之间迭代，结合时间差分与蒙特卡洛目标提升分布内价值预测与不确定性估计，并将高不确定性区域显式视为不可恢复以抑制分布外乐观幻觉。在随机基准和29自由度Unitree G1人形机器人上评估，监控覆盖率和准确性大幅提升，并实现零样本迁移到真实硬件。
MOTIO 系统将人类动作视频、3D 资产、运动参考与可复用技能转化为人形机器人移动操作程序，通过上下文任务与接触推理构建分阶段交互，并借助物理执行、多帧反馈和人工验证迭代，无需任务特定遥操作或机器人演示采集。33 次带时间戳的首次批准中，智能体轮次时间中位数 97.0 分钟，请求到批准时长 2.80 小时。在扫描办公室中，G1 完成连续 101.75 秒的瓶子处理物理执行；物理细化使拧螺丝螺纹残差降低 76.0%。智能体生成的技能还用于监督 BC/DAgger 蒸馏至共享参考策略，同一检查点完成 18 个仿真任务，无需推理时专家干预。
论文提出自研轮足双足机器人 RAIWAY，采用 20 英寸大轮径，并配套接触信息驱动的滚动运动控制方法，面向不规则、不连续地形。该方法在仿真中把多接触事件蒸馏为潜在表示，部署时仅靠本体感知在线推断，无需接触传感器。实机实验中，系统通过陡坡、砾石地、钉状表面与岩石地形，并在户外楼梯上连续爬升，台阶高度最高 15 cm；在室内外挑战场景中，其表现优于不含接触信息机制的基线控制器。
该论文提出 PartialBiGrasp 双臂抓取生成框架，直接以部分点云观测为输入，不依赖完整点云。模型通过卷积占用网络隐式学习几何特征，对可抓取性、无碰撞接触区域和物体厚度进行局部推理，生成满足力闭合约束的抓取对，再用基于采样的优化修正不完整几何带来的歧义。验证包括解析力闭合指标、大规模仿真实验，以及在含噪声部分点云的新物体上开展的真实机器人实验。
论文提出 Graph-as-Policy（GaP）多智能体编码框架，从模块化开放机器人技能库（MORSL）生成含感知、规划、控制节点的有向计算图，用于物体几何与位姿变化较大的“变异性自动化”（VA）任务。GaP 构建内部仿真环境，并行用不同图排练任务实例，迭代优化图结构与参数以提升成功率和吞吐量。作者在 8 个新开放 VA 基准（4 个仿真、4 个真实世界）上评估，称成功率显著优于基线，并公开代码与数据。
Astrobee自由飞行机器人在国际空间站完成首次在轨演示：用机器学习热启动加速轨迹优化。方法训练神经网络学习序列凸规划（SCP）求解的轨迹生成问题结构，在轨由网络预测解、SCP求解器强制安全约束。含旋转动力学的案例求解器迭代次数减少60%，障碍物取自热启动模型训练分布的案例减少50%。
首尔大学研究团队提出从大规模演示数据中学习速度先验，给定任务指令、运动路径及沿途图像预测执行速度分布，取分位数作为统一时钟对演示重定时，单个先验覆盖语料库全部任务。该方法在机器人遥操作与手持演示数据上拟合，将机器人演示重定时为手持节奏后微调视觉-语言-动作策略，执行时配合实时最优控制层跟踪动作块。在120个RoboLab任务上，微调策略成功率更高、抖动最多降低一半；真实机器人叠杯耗时3.50秒，比默认策略6.02秒快1.72倍，30次试验成功29次。
arXiv 论文指出，人形机器人安全过滤器的碰撞规避数学保证仅在安全参数配置正确时成立，而参数配置依赖具体任务与环境，缺乏通用确定方法，导致出厂过滤器在特定部署场景下失效。作者提出目标插入攻击，并开发自动化工具 SIREN 为给定任务与环境搜索易受攻击的插入目标；在 SPARK 数据集全部存在漏洞的场景中均识别出攻击，数量为基线方法的三倍，并能在真实人形机器人上生成攻击、使其在执行任务时发生碰撞。
研究提出一种接入ROS 2 Nav2的自然语言策略接口：本地大语言模型将操作员指令转为JSON策略，指定目的地、空间约束及时间或事件条件，确定性检查决定任务是否接受，三个代价地图适配器把接受的策略投影进现有导航栈，不改动规划器与控制器。在150条研究者编写的英文指令上，四个本地模型产出107-142条正确接受策略，规则解析器为44条，各模型错误接受3-20次；故障注入中8个端点/JSON故障与29个验证器阶段故障被拒。仿真与TurtleBot3实验中，任务1-3平均行驶时间较无策略基线在仿真降低18.4-24.5%、实体平台降低23.1-35.0%。