研究提出用另一个编码智能体（优化器智能体）自动改进视觉界面机器人智能体的harness（提示词、工具与控制规则）。实验显示：每轮rollout数从5增至100可提升留出集成功率，小批次会过拟合；采用Champion-Challenger规则（仅在相同固定用例上胜过现任版本才采纳修订）后，LIBERO任务留出集成功率在30轮内从51%升至67%。将进化harness与预训练策略结合并用多教师在线策略蒸馏回策略，得到独立策略在RoboCasa365官方协议下达62.2%，较起点高4.8个百分点；叠加进化harness后在排行榜基准达71.2%，比最佳已发表条目高13.1个百分点。
机器人行业洞察
今日精选
The robotics journal行业消息
arXiv 2609.06114v3（替换版）提出DLS方法，将VLA模型适配重新定义为“失败边界学习”，即发现、定位并塑造可恢复偏差与任务失败之间的边界。DLS以少量真实演示加仿真协同训练得到行为先验，通过在线数字孪生推演大规模发现失败边界，并用仿真器特权状态做语义进度定位，给出失败边界被跨越位置的进度感知信号，而非二值标签；这些信号在流动力学中做方向性边界塑造，强化产生成功的去噪方向、抑制产生失败的方向，无需动作似然或辅助评判器。在真实机器人操作任务上，DLS在随机初始状态与未见视觉条件下优于SFT和在线RL基线。
论文提出“最小数据自适应”范式：预训练机器人策略仅凭一次演示，随后通过自主在线交互学习新任务。作者指出，预训练策略在新任务上零样本失败，但单次演示可将其行为先验引导至粗略任务跟随。据此提出 MiDAS，将少演示行为克隆与基于冻结 VLA 表征的价值型残差学习结合，并强调数据平衡以防探索崩溃。在 LIBERO 与 RoboCasa 任务上，MiDAS 从单次演示初始化显著提升性能；在双臂 YAM 平台上，约六小时在线交互后任务成功率提升。
研究提出一个真实世界双臂灵巧抓取大尺寸物体的框架，包含采集关节角度、视觉观测与力信号的多模态数据集，基于去噪扩散概率模型（DDPM）从分割点云生成关节级抓取构型的模块，以及将运动规划与在线抓取细化结合的执行策略。该方法可从单视角输入合成可执行的双臂抓取，降低对完整三维物体模型的依赖。在双臂机器人上的实验显示，对几何形状与位姿各异的未见物体取得较高成功率，消融实验验证了各关键组件的贡献。
研究团队设计并制造了一款个性化气动软体机器人外骨骼手套：先用拓扑扫描获取用户手部解剖数据，再用硅胶模铸成型。有限元分析评估了执行器与简化个性化生物力学手指模型之间的物理人机交互接触力，结果显示关节动员充分，但近节指骨存在非理想压缩。气动压力控制实验表明，该手套可准确、定向地驱动掌指（MCP）与近端指间（PIP）关节；多设计对比显示，放松应变限制层能改善执行器与手指关节的对齐。
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%。
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。
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。
arXiv 2604.24033v2 提出事件相机状态估计基准框架 EvSLAM，覆盖多种数据采集平台、极端光照场景与挑战性运动模式，并给出面向移动机器人的高速机动严格定义及新评估指标。作者指出，现有事件相机 VO/VIO 方法多局限于贴近结构的正面平行快速晃动或纯三自由度旋转假设，无法泛化到线速度与角速度均可能较大的 6-DoF 剧烈机动，且当前公开数据集存在不足。该框架对 SOTA 方法进行基准测试，用于评估事件相机方案的实际运行极限。
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。
arXiv 2603.25044v3 提出 ThermoAct 框架，在视觉-语言-动作（VLA）模型中引入热成像信息，用于人机协作场景下的机器人任务执行。系统以视觉-语言模型（VLM）作为高层规划器，将复杂自然语言指令分解为更简单的子任务，从而支持高效数据采集与复杂操作推理。与仅依赖视觉数据的方法不同，该框架让机器人感知物体物理属性并主动保障环境安全；真实任务场景实验验证了框架可行性，并显示相较现有纯视觉系统可能提升任务成功率与安全性。项目主页为 youngchae912.github.io/ThermoAct/。
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。
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。
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。
研究团队提出一种使用现成材料制造多层 PVDF 压电执行器的新工艺，通过并联布线信号电压降低集成复杂度。经实验验证的第一性原理模型显示，在所选几何结构下，力随层数线性或超线性增加，位移随层数呈三次方下降；堆叠中使用更薄 PVDF 层可提高比功率密度。已制造执行器实现大于 9 mm 自由偏转、大于 20 mN 阻塞力和大于 500 Hz 带宽，并集成到利用共振实现平面运动、可承受大外部冲击的低矮昆虫尺度机器人中。
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。
论文提出无需训练的离线指标 S²（感觉运动对齐），衡量模型感知表示与物理运动几何结构的对齐程度，在多个具身模型系列中与下游机器人任务成功率正相关。S² 可在闭环评估前用于模型优先级排序，并能在 VLM 微调为 VLA 之前识别有前景的骨干网络。作者据此将柏拉图表示假说扩展到具身模型，并为 VLA 与世界动作模型中的现象提供表示层面解释。
研究团队提出 OpenTac 触觉皮肤及配套全栈生态，核心是带结构化可变形覆盖层的电阻式触觉皮肤：相邻触觉单元差分响应解码局部剪切向量，共模响应编码法向力。配套 CAD 工具可从二维轮廓、可展开三维曲面乃至文本描述（如“为9码鞋垫设计传感器”）自动生成制造文件，并提供传感器仿真器、跨传感器迁移与自适应采集。团队在多种机器人形态上设计制造了30余个传感器，用商用高精度力/力矩传感器表征三维触觉场，并在四种真实机器人上验证接触密集型反馈控制与操作策略学习；1024触觉单元皮肤每次更新采样16个单元时，自适应采集读出速度比全阵列光栅扫描快19.2倍。