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。
机器人行业洞察
今日精选
The robotics journal行业消息
arXiv 2610.35604v1 提出免训练框架 RoboDoctor，在模型权重固定的前提下，把执行过程作为适应环节：反馈既指导当前动作，也为修正后续决策提供依据。框架围绕三个修正目标连接诊断、有依据的动作与持久经验，在策略与语言模型智能体之间分配控制权，由干预机制决定何时介入协助，并通过观察到的效果改进物理方法；关联经验记录保留决策理由、尝试方法、结果与复用条件。在 54 个 RoboDojo-Sim 任务条目上，五维平均分 57.10，原生成功率 49.44%，记录交互显示策略变化、选择性纠正与抓取修正。作者指出仍需对照试验分离跨回合经验的贡献。
Zero-HLM 提出 real-to-sim-to-real 框架，用智能手机拍摄与仿真源演示生成人形机器人移动操作训练数据，无需真实机器人数据。其高斯引导的智能体式重建对齐视觉与物理场景，运动-环境协同适应用 rollout 反馈修正全身参考与交互几何，共生成 4,800 条经物理验证的演示。在三个 Unitree G1 任务上，仿真训练的 GR00T N1.7 零样本迁移平均全任务成功率为 66.7%，真实数据训练为 46.7%；泛化配置下池化成功率由 23% 升至 69%。
论文提出VISTA元智能体框架，把具身智能体的事后rollout反思改为主动自我探索：维护记录harness谱系的harness图，使元智能体可检索先前假设、复用有效机制并避免重复失败方向；每轮从保留的harness版本及其执行证据出发，在环境中自主生成新rollout、探查失败与恢复行为，据此迭代修改harness并重新评估入图。在LIBERO-Pro、RoboCasa、RoboTwin三个基准上，VISTA逐步提升任务成功率，且比静态反思更省rollout，以更少仿真器rollout取得更高成功率。
SceneAgent是一条智能体流水线，通过基于仿真器的视觉检查与修复，把3DGS、摄影测量、LiDAR采集、AI生成3DGS场景及4D动态视频转换为可交互仿真环境，流程涵盖物体分割、物理参数估计、部件分解、关节化与可变形仿真，并生成物体变体与脚本化演示以支持策略学习。在GraspClutter6D杂乱料箱场景中，所有具备可评分输出的编码智能体配置F1均超过SimFoundry，最佳60.75%对6.9%；在4DCodeBench三个动态场景上，Gemini 4 Argon平均动态IoU从0.86%升至99.09%。作者还展示了多样化仿真交互及向真实机器人的初步策略迁移。
研究对FastWAM与OpenWAM做受控的未来视频预测损失消融，固定模型架构、初始化、机器人训练数据与训练步数。在已见任务的干净条件下，预测监督分别将成功率提升24.38和72.91个百分点；轨迹聚类显示多个粗粒度轨迹簇内成功率更高，部分簇频率变化很小，说明增益不只来自轨迹模式分布变化。但在分布偏移下增益不稳定：未见任务上的提升因模型和任务而异，两种模型在环境随机化下成功率均偏低，预测监督无一致优势。作者还将未来视频预测作为π0.5的辅助训练目标，仅训练时使用的轻量Transformer预测器把成功率从82.94%提升到89.19%。
研究提出 ARPG 方法，将动作表征学习与动作生成分离：先在大规模人类操作数据上预训练动作表征编码器，再冻结编码器，训练 1.3 亿参数的生成主干网络，在表征空间中学习任务条件动作分布。在 DexJoCo 基准上取得当前最优性能，双臂灵巧操作平均成功率从 π_{0.5} 的 10.1% 提升至 44.7%。扩展实验显示，更广泛覆盖人类操作行为可有效提升下游性能，作者据此认为动作表征预训练为复杂灵巧操作提供了独立的扩展维度。
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。
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。
一篇综述统计了113种基于学习的灵巧手操作方法，发现该领域已基本收敛到同一范式：在GPU仿真器中基于特权状态做强化学习，再蒸馏为仅依赖视觉的学生策略迁移到硬件；近一半语料采用该路线，且几乎全部集中在一个仿真器中，其后续版本鲜少被使用。另一条增长更快的分支从遥操作演示学习，采用视觉-语言-动作模型、扩散策略，或贡献在于采集装置本身的系统。已发表工作自2022年以来增长两倍，抓取为最大任务类别，双臂协调增长最快，几乎所有实验集中在四种手上。综述还指出，八种可购买或按公开设计制造的手未出现在任何方法论文中。
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。
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。
研究团队在 Shadow Dexterous Hand Lite 上仅用本体感觉和二值触觉反馈（无视觉）完成保定球旋转的零样本仿真到现实迁移，单次连续试验实现 225 次连续 180° 旋转（112.5 整圈），速度约 0.36 转/秒。方法包括传感器对齐的耦合感知仿真具身建模、触觉校准，以及压摆率动作限制和 STuck-AT Taxels 两种回合级域随机化。论文还对比触觉与仅本体感觉的贡献，定位触觉信息最关键的手部区域，并称该结果为保定球操控在旋转次数与速度上的最强硬件报道。
论文提出 WorldEcho 评估框架，用视觉完整性和 SE(3) 末端执行器轨迹对齐两项指标，在比专家演示更广的动作分布上检验动作条件世界模型是否真正遵循指令动作。诊断发现，经专家数据训练的模型在演示动作上表现较好，但在非专家轨迹上会生成与指令动作不一致的运动或视觉上无效的推演。为此作者提出 WorldSync，通过扩大动作覆盖、用 Action-Forcing Expert 将中间视频表示锚定到动作引发的机器人动力学、并在动作干预下对齐预测与真值变化。实验显示 WorldSync 降低了 RoboTwin 上的完整性门控误差，用于迭代策略改进时在仿真和真实机器人上成功率更高。
研究针对VLA模型在有限机器人演示数据上微调会破坏预训练语义结构、削弱泛化的问题，提出将动作表征锚定到语义流形，并分解为共享语义通道与私有通道，推理时全部丢弃、不改变部署模型。方法在仿真与真实世界基准、多种VLA骨干网络上验证，真实世界分布内任务最高提升18.7%，分布外泛化最高提升21.5%。
论文提出 WAM-TTT 测试时训练框架，通过自监督视频预测将原始人类视频吸收进冻结的世界-动作模型（WAM）内部的轻量自适应记忆，而非将人类视频当作模仿轨迹。研究引入元训练阶段，利用配对的人-机器人数据和键值记忆重建目标，将人类演示与机器人行为对齐。测试时仅需无标注人类视频即可适配记忆，预训练 WAM 保持冻结，无需机器人动作、人工标注或任务特定微调。实验显示其在多种操作任务与泛化设置下持续优于上下文人类视频条件基线。
该综述围绕3D生成在具身系统中的三种角色组织文献：作为数据生成器，产出关节化、具物理依据和可变形的仿真就绪物体资产；作为仿真环境，构建结构感知、可控和智能体化的交互式任务场景；作为Sim2Real桥梁，支持数字孪生重建、数据增强与合成演示。作者指出领域正从视觉真实感转向交互就绪性，并列出物理标注有限、几何质量与物理有效性脱节、评估碎片化、仿真到现实鸿沟等瓶颈。项目页面为3dgen4robot.github.io。