Inside-JEPA 在 JEPA 潜状态内为有序实体对设置关系通道，并证明逆动力学损失在读取这些通道时无需关系标签即可 grounding 它们。在 Something-Something V2 上，仅潜预测与随机关系头相当；逆动力学监督在十个带标注框设置中提升关系 AUROC .065-.103，在 RH20T 机器人片段上提升 .081，在五个关系上提升 .050-.061。给定动作时预测关系变化 AUROC 为 .599，接近观测未来关系的 .621；一步关系目标下监督读出在 43% 情况下将正确动作排进 65 个动作的前五。
机器人行业洞察
今日精选
The robotics journal行业消息
论文提出RL-Co框架：先在真实与仿真演示混合数据上做SFT热启动，再在仿真中用强化学习微调，并加入真实数据辅助监督损失以缓解灾难性遗忘。在四个真实桌面操作任务上，用OpenVLA和π0.5两种VLA架构测试，真实世界成功率分别提升24%和20%，优于仅真实微调与基于SFT的协同训练，对未见任务变体泛化更强、真实数据效率更高。
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 Echo 框架，在单个 VLA 策略内同时学习任务状态信号与动作生成：用停止、失败两个信号作为每个动作块的两个维度，与机器人动作一起去噪，其组合可区分执行中、成功完成与失败。该方法无需帧级进度标注，通过构建成功、失败、恢复三类互补监督轨迹来学习信号；并让状态信号比动作更快去噪，使后续动作去噪以更干净的状态估计为条件。真实世界操作实验显示 Echo 能准确预测任务状态并持续提升策略性能。
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。
论文提出三种对机器人控制进行数学抽象建模的数据生成流程，用其程序化生成的合成数据预训练 Transformer，在未接触任何真实机器人行为的情况下，于未见过的物理机器人任务上取得非平凡的零样本动作预测性能，且专用控制先验优于通用因果先验。与算力匹配的真实机器人数据基线相比，后者仅在自身训练过的数据集上占优。作者据此认为，程序化生成的数学抽象可作为昂贵具身数据采集的潜在补充。
该论文提出腹腔镜机器人操作中的状态到视觉策略蒸馏框架：以基于特权观测的状态策略为教师，视觉策略从RGB观测与机器人本体感知信息中学习。作者在仿真环境多种手术操作任务上实验，结果显示通用RL方法训练视觉策略在该场景下具有挑战性，而所提蒸馏方法跨任务性能更一致稳定。
UniFlowWAM将3D场景流作为与视觉、动作并列的第三模态纳入扩散Transformer策略，每个模态设一个专家并通过联合注意力交互，在十目标角色网格下训练，使同一模型可充当策略、前向/逆向动力学及未来视觉特征或3D流预测器。仿真实验中，RoboCasa-GR1成功率由无流基座的52.1%升至56.4%，LIBERO分布内保持98.1%，LIBERO-Plus零样本达87.7%；四个真实双臂操作任务平均成功率87.0%，最强基线为68.5%。
研究提出一种软物体世界模型，用在大规模仿真软物体交互数据上训练的 Transformer 主干网络，执行生成式全状态估计和以动作为条件的动力学预测，并采取措施缓解仿真到现实的差距。模型通过在可变长度部分点云历史上进行上下文学习来推断潜在形状与材料线索，无需权重更新即可泛化到不同机器人本体、材料参数、衣物类型与形状以及操作协同模式，并与目标条件动作规划器集成进行运动合成。作者在仿真和真实世界中针对双臂衣物折叠验证该方法，报告重建保真度、预测准确性和任务成功率均有提升。
LocoManiLab 发布统一测试平台，覆盖数据采集与生成、策略训练、评估和物理部署。任务套件包含五个家庭场景类别下的 234 个原子与组合任务，配套 51.5 小时仿真遥操作数据。评估在共享控制器下测试十二种策略跨任务/场景划分与扰动水平的表现，并比较两种策略在五种控制器下的差异；成功率在未见任务与场景上下降，且随视觉扰动增强而普遍降低。三个仿真移动操作任务与真实设置高度匹配，三种策略在仿真与真实域中的排名相似。
论文提出 STAMP 框架，通过“机器人—人类—机器人”流程连接独立获取的人形机器人运动：先将两段运动重定向到人类骨架，由学习到的对齐模型对候选位置、朝向和过渡时长排序，再由人类运动先验在选定对齐下生成过渡，最后重定向回机器人并作为参考训练运动跟踪策略。作者在 Unitree G1 与 ROBOTIS K1 上评估生成过渡的跟踪成功率，并用实体机器人演示将独立运动连接成长时程序列。
论文提出空中移动操作框架 ALMA，用上下文飞行策略从近期测量与动作中自适应，并以动作条件化的未来测量表征预测训练上下文保留飞行控制相关响应信息。为扩展自适应经验，该方法用大语言模型分析观察到的控制困难并生成新的机械臂运动结构用于后续训练。仿真中位置 RMSE 相对最强基线最多降低 24.7%；同一策略零样本迁移到真实空中机械臂，在周期性机械臂运动下悬停位置 RMSE 相对真实世界基线降低 79.6%。
研究提出 PATH-Net，一种偏好感知的可通行性估计分层网络，用于越野遥操作，可自适应生成以操作员偏好为条件的可通行性代价地图与速度曲线。该网络通过多头共享骨干融合视觉与几何鸟瞰图特征及短期历史车辆状态，并用最大熵逆强化学习与稀疏速度监督优化速度建议；非对称特征聚合机制将推断拆分为代价分支与速度分支。在 15 名操作员、225 条遥操作轨迹上的实验中，修正 Hausdorff 距离为 0.17 米（激进偏好）和 0.15 米（保守偏好）；问卷评估中 NASA-TLX 工作负荷评分从无建议时的 34.7 降至 22.2。
论文提出时空重定向（STR）方法，利用视觉语言模型选择相关运动信号与身体部位，并据此识别关键帧，为关键帧分配更多求解器迭代、为选定部位赋予更高交互权重，以替代统一的逐帧迭代预算。同时引入力学感知接触锚定（MCA），用近似物体力旋量模型细化物体表面接触位置。在此基础上开发时空强化学习（STRL），结合自适应关键阶段采样与基于目标接近度和接触力的奖励。在Unitree G1仿真和Unitree R1真机实验中，STR以更低计算成本提升了几何接触覆盖率与连续性，并改善了下游物体交互任务的完成度。
该论文综述基于触觉的机器人操作研究，将其划分为力学驱动与数据驱动两条互补路径：前者通过接触力学和任务特定推理显式解读触觉信号，形成与操作相关的状态表征并影响机器人动作；后者直接从数据学习触觉表征与操作策略，涵盖模仿学习、强化学习、视觉-语言-动作模型和预测模型。文章先介绍触觉传感基础，再分别回顾两条路径的进展，最后讨论面向可扩展、可泛化、稳健的触觉使能机器人系统的开放挑战与未来机遇。
论文提出 FRED 框架，通过自蒸馏让世界动作模型（WAM）在单步去噪中从噪声预测未来视频表征，并以真实未来观测提取的表征为目标，同时以历史观测作为时间上下文条件。在多种真实世界操作场景中，FRED 持续优于同类 WAM，在零样本环境泛化的长时程与域外任务上提升明显；在仅有人类视频演示、无机器人训练数据的任务上成功率达 50.0%，最佳对比方法为 19.4%。
论文研究用于人形机器人运动的 Multi-PBRS（多势函数奖励塑形），并提出统一奖励配置，在九台人形机器人上使用相同奖励结构与权重进行验证，仅需关节/连杆映射和默认姿态等机器人特定元数据，无需逐台重新设计奖励。实验称相比标准塑形，MPBRS 在不同机器人间缩放行为更一致、调优敏感性更低，且不改变最优策略。
NEURA Robotics与慕尼黑工业大学（TUM）于2026年10月22日在慕尼黑机场附近LabCampus开设TUM RoboGym，占地超2300平方米，由TUM慕尼黑机器人与机器智能研究所（MIRMI）合作建设，将研究、机器人训练与工业应用结合。自9月起已有来自汽车、制药、医疗技术、包装、物流、农业、护理等十多个行业的企业在此训练具体流程，慕尼黑产能已供不应求。NEURA同时发布人形机器人4NE1 Gen 4，比前代轻20%，采用黑色织物外壳与先进运动控制系统，运行于其物理AI基础模型Neuron AI，面向批量生产设计。
arXiv 2610.25600v2 提出向量量化世界模型（VQ-WM），将离散隐状态搜索与连续视觉反馈控制结合用于机器人长程操作规划：离散隐预测器建模向量量化隐状态转移以寻找最短路径，学习控制器通过视觉反馈依次到达规划状态并纠正偏差。方法以首达时间估计器替代欧氏距离作为准度量，使规划抽象与控制器能力对齐。在实体机器人汉诺塔任务上，仅用短时演示数据即达到100%成功率，而VLA、WAM等基础模型仅在训练数据含解轨迹时成功；在涵盖操作与运动的仿真基准上比最强世界模型高13.3至85.3个百分点。