研究提出 ReactiveBFM 实时闭环规划-控制框架，通过按计划进行的前缀采样课程，让生成式规划器从并不完美的物理状态中学习误差恢复行为，以缓解级联方案中的累积暴露偏差；并引入异步重规划机制与轨迹分块，协调自回归规划与高频跟踪之间的延迟失配。该框架部署于宇树 G1 人形机器人，实现零样本移动目标到达；在严重扰动下的 sim-to-sim 基准测试中成功率达 93.1%，比级联开环基线高 28.6%。
机器人行业洞察
今日精选
The robotics journal行业消息
论文提出摩擦感知的双臂箱体操作框架，将在线惯性估计与凸接触力旋量优化结合：惯性估计模块根据测得的接触力旋量估计物体质量与质心，优化模块在椭球摩擦极限面约束下用二阶锥规划（SOCP）求摩擦可行的接触力与扭转力矩，并加入离线轨迹细化以减少物体与环境的不期望接触。框架将摩擦可行性作为硬约束、在可行域内最小化接触力，无需分别调参避免滑移与过度挤压。在真实双臂机器人系统上针对不同质心配置的实验显示，该方法可举升惯性属性未知的物体并保持稳定摩擦接触。
论文提出一种面向平面多边形障碍环境中N个可互换机器人到N个目标点的离线协同路径生成方法：经共形映射到圆形域后，起点与目标点成为有理函数R的极点与零点，路径取广义根轨迹（对数势-log R的流线）分支。作者证明，除有限临界相位与边界相位外，梯度运动使各机器人沿两两不相交且不触及障碍的路径到达不同目标，机器人-目标分配由构造直接给出，并以增益为时钟实现同时到达。障碍物经连续Milne-Thomson反射转为流线，有限次反射下可用有限测试验证实际计算势的安全性；倒数根轨迹规划为特例。实验含两个多边形工作空间、100个随机实例与调和规划/人工势场法对比，以及10机器人10障碍场景。
arXiv 2604.07993v3 提出 HEX，一个面向全尺寸双足人形机器人协调操作的以状态为中心的 VLA 框架。HEX 引入人形对齐的通用状态表示以支持跨异构具身学习，并用专家混合统一本体感受预测器从大规模多具身轨迹数据建模全身协调与时间运动动态；推理时用轻量历史令牌总结过去观察，避免重复编码历史图像。框架还采用残差门控融合机制与流匹配动作头，将视觉-语言线索与本体感受动态结合生成动作。真实人形操作任务实验显示，HEX 在任务成功率和泛化性上达到 SOTA，尤其在快速反应和长时程场景中。
研究提出一种在非完整约束多旋翼无人机飞行过程中于户外近似全三维辐射方向图的方法，通过辨识球谐级数系数，将观测到的信号功率增益解耦为各自的辐射方向图。所设计的标定轨迹在无障碍高度采集信号强度的训练与测试样本。仿真验证了该近似方法，真实世界验证的均方根预测误差低于5dB。
研究提出 PSANE 框架，利用足式机器人行走时腿-地形交互的本体感知测量，在未知可变形颗粒地形中实现安全导航与探索。该框架用高斯过程回归学习可通行性模型，在线估计并认证安全区域、识别探索前沿，再与反应式控制器结合做实时导航；前沿选择被建模为多目标优化，在安全集扩展概率与目标导向代价间权衡，并在帕累托最优前沿集上标量化选取子目标。作者称仅凭本体感知估计的可通行性即可安全探索未知颗粒地形并到达指定目标，性能优于基线方法。
该研究提出一种机载视觉相对定位方法，利用环境中主动标记的反射（通常被视为歧义来源）来定位在镜面近平面（如平静水面、平整室内地面）上作业的异构多无人机团队。方法仅需相机、主动标记和单光束测距仪，无需预先知道机器人尺寸、标记配置或表面反射特性，并能传播表面不规则（含动态水面）引入的不确定性。研究还从解析与实验两方面刻画了表面倾斜对估计的偏置，并确定了水平面假设成立的坡度范围。室内多无人机与室外实验验证了定位精度，在不同光照下可靠运行，有效距离优于现有视觉主动标记方法，30米以外精度更高。
论文提出变步长积分器 CENIC，将凸时间步进与误差控制积分结合，用于处理机器人仿真中的接触刚性动力学。作者称其运行速度达到与 MuJoCo、Drake、Isaac Sim 等离散时间仿真器相当的实时速率，同时提供精度与收敛性保证。该工作针对现有误差控制积分器在接触动力学上速度与可扩展性不足的问题。
研究团队在实验室中测试了 2.3 kg 六足机器人 SandBot 在 1 mm 罂粟籽颗粒床上的奔跑速度：采用交替三足步态和标准步态控制参数时，速度最多比硬地面上 2 倍体长/秒（约 60 cm/s）慢两个数量级；将控制参数从硬地面设置经验性调整后，最高速度恢复到 30 cm/s。机器人速度敏感依赖于颗粒堆积分数 φ 与肢体频率 ω，当 φ 足够小和/或 ω 足够大时，运动从旋转行走急剧转变为慢速游泳。作者据此提出基于弯曲肢体穿透与滑移特征的旋转行走运动学模型，该模型能捕捉速度对肢体频率的依赖及行走—游泳模式转变，但指出仍需更深入理解颗粒介质物理。
论文提出 DiffDreamer 可微强化学习框架，将学习到的世界模型与可微仿真器耦合：单次优化中世界模型传播捕捉外部动力学与历史特征的潜在状态，仿真器传播机器人显式物理状态；actor 目标分解为 critic 驱动的不可微任务奖励路径与仿真器驱动的可微运动奖励路径。在激进跟踪与动态穿门竞速实验中，其训练收敛优于无模型、基于模型及可微强化学习基线，最终性能也优于这些基线及经典规划控制方法，并附消融实验与概念验证性真机飞行验证。
研究提出一种将运动数据仅作为训练先验的学习框架：自监督注意力接触规划器预测未来身体-环境接触，接触条件跟踪器将规划转为协调全身运动，使接触成为感知观测与控制动作之间的接口。单一策略可兼顾数据驱动运动先验与强化学习探索，后续微调阶段可探索原始运动数据未覆盖的环境变化；部署时仅依赖机载观测、无需参考输入。
论文提出分散式实时多机器人规划器 WarpWeaver，将机器人间耦合替换为局部约束，通过分散式列生成在共享空间协商租金，引导各机器人分散树搜索，并在静止时认证协议的近最优性。仿真中，WarpWeaver 在 Dynobench 上相比集中式离线规划器总行程时间最多减少 22%，相比分散式实时基线最多减少 37%，图连通性任务成功率提高近一倍；六台机器人板载规划硬件实验验证了可实施性。
该论文提出 SCOPE 框架，用于自动生成多样且可执行的 TAMP（任务与运动规划）数据集，以缓解 LLM 微调所需高质量数据稀缺的问题。SCOPE 引入多级多样性指标以最大化场景信息熵，并设计计划反馈纠错流水线，将规划器执行失败作为反馈信号回溯修正场景图中的逻辑不一致，保证物理可行性。实验显示，SCOPE 对错误场景图更鲁棒、生成数据质量更高；用其数据微调的 TAMP 模型成功率较使用 DELTA（基于 PDDL 的先进规划器）生成数据微调的模型绝对提升 12.33%。
SkeLAM 将潜在动作分解为两部分：一部分是由机器人骨架监督锚定的运动学分量，另一部分是保留互补视觉动态的残差分量；并通过跨模态交换重建，使 RGB 与骨架导出的运动学表示可以互换。世界模型通过独立条件通路纳入这两个分量，并用分支 dropout 降低对由未来信息导出的残差信息的依赖；轻量适配器将机器人动作映射到运动学空间，再经微调适配预测条件。在 DROID 上，与 DreamDojo 相比，末端执行器 ADE 降低 19.5%、LPIPS 降低 11.1%；定性结果显示，生成的 rollout 中可实现零样本的人到机器人运动迁移，策略评估的预测成功率与真机执行结果一致。
研究提出一种稀疏拓扑度量图作为室内导航的结构表示，节点编码局部三维几何，距离加权边表示可通行连通性，并训练图匹配网络在多次会话间寻找一致子图。在跨会话点目标导航实验中，该方法在 Gibson 上成功率为 77.1%，在 3D-FRONT 场景变化下为 40.0%，内存较点级表示降低两个数量级以上。
研究提出用概率能量建模统一多用途集群控制：利用吉布斯随机场能量最小化与结构化奖励最大化的对应关系，把基本集群行为编码为统一概率目标中的可复用能量项，分散式策略经轻量级策略门控组合成单一控制器，无需重新训练。空中集群实验显示，统一策略在六类任务、10-100个智能体、两种硬件平台及室内杂乱与GPS拒止林地环境中实现零样本泛化；大规模仿真任务成功率为0.96-1.00，单智能体推理延迟1-10毫秒，物理部署验证了向真实平台与非结构化环境的零样本迁移。
论文提出双环外骨骼辅助策略：外环生成器以全身人体运动、外骨骼本体感知为主，任务描述为辅助语义线索，经去噪合成未来外骨骼轨迹，并采用三阶段训练分别优化人体运动编码器、本体感知编码器与轨迹生成器。内环从生成器采样多条未来轨迹估计均值与方差，均值作控制参考，方差作为预测可靠性不确定性度量并纳入刚度调节律，在有界集总交互输入下实现输入-状态稳定的柔顺辅助。实验显示该方法较标准基线显著降低肌肉激活水平，并较无辅助条件降低使用者代谢能耗。
论文提出 WholeBodyMem，一种面向人形机器人全身 VLA 策略的物体引导感知记忆模块，用于保留机器人执行目标动作前观察到的物体事件前史。方法用 SAM3 跟踪任务物体，按事件因果地在自适应预算内选取关键帧，动作专家通过交叉注意力结合编码外观、几何与时间的物体 token 读取。作者同时发布 HuMeGo 基准，含 6 个仿真任务与 6 个真实 Unitree G1 任务。结果显示基础策略成功率在仿真中从 29.1% 升至 72.6%，真机从 36.7% 升至 88.3%，标准 SIMPLE 任务从 70.2% 升至 86.9%。
论文提出Joint-CI，一种用于分布式右不变扩展卡尔曼滤波（RI-EKF）SLAM的统一融合方法，支持点特征、物体特征及点-物体混合地图。该方法利用邻居机器人的局部后验与机器人间观测，在接收机器人的误差坐标中构建接收机器人位姿与公共特征的联合估计，保留机器人-特征和特征-特征相关性，再用部分状态协方差交叉（CI）与本地后验融合。作者证明该公式与融合保持与全局旋转、平移相关的六个不可观测方向，并在局部后验一致时保持一阶协方差一致性；蒙特卡洛仿真与真实数据集实验显示其提升估计精度且不确定性一致、适度保守。
研究提出一套基于示教的机器人喂食流程：操作者用动作捕捉系统记录勺子舀取与喂食时的位置和欧拉角姿态，轨迹被分割为舀取、喂食两段并分别用动态运动基元编码。执行前由RGB-D相机估计受试者嘴部位置，两个AprilTag完成机器人坐标系配准与托盘定位，托盘位姿用于确定舀取动作位置，嘴部位置作为喂食动作的位置目标。Kinova Gen3机械臂经ROS 2框架依次执行接近、舀取、喂食轨迹，真实环境实验验证了该集成流程可行，学习到的勺子运动可在检测场景中复现。