论文提出开源 GPU 加速图库 GGraph，同时面向真实机器人部署与大规模强化学习训练。GGraph 通过 ROS 2 接口支持真实机器人，并支持 GPU 向量化策略训练，内置三维导航、探索和回环闭合集成等任务。单机器人运行时图更新为毫秒级；大规模场景下可支持数百个并行机器人训练基于图的探索策略，实际训练时间缩短一个数量级。
机器人行业洞察
今日精选
The robotics journal行业消息
该研究针对两轮倒立摆等不稳定平台，提出状态依赖目标协调方法：用俯仰角条件化标量化系数 β(s)∈[0,1] 在训练中调节平衡与导航目标的相对权重，不引入 PID/LQR 等辅助姿态控制器。仿真训练建模执行延迟、动作保持、异步含噪观测与动力学不确定性以支持零样本部署。PPO+β(s) 在固定障碍地图与随机高障碍密度地图上成功率分别为 98% 和 95%，姿态偏差小；零样本硬件实验仅用机载观测实现有界姿态与稳定避障。
论文提出 COWBOY 仿真到现实框架，用于学习移动操作机器人的上下文全身操作。该方法不直接在仿真中用强化学习学习场景适应，而是用向量化的环境感知全身控制器（WBC）在数千个场景中协调底盘-机械臂运动、避障与主动视觉完成到达；再在局部场景训练可跨数千种全场景布局复用的局部强化学习专家，并将 WBC-RL 教师蒸馏为单一视觉策略，由点云观测控制移动底盘、机械臂、灵巧手与可驱动相机。该策略在全身灵巧抓取任务上零样本迁移到数百个物体及杂乱桌面、货架、抽屉等非结构化场景，可自动调整底盘位置、相机视角、机械臂轨迹与抓取策略。
该研究提出将偏好奖励响应性（PRR）与覆盖率、效用指标结合，用于评估可操控人形控制中偏好条件强化学习的聚合方式。作者在两个类人控制框架上比较了奖励级、优势级、损失级和基于 PCGrad 的聚合，发现没有一种聚合层级在所有环境和标准上表现最佳：早期聚合目标会带来更广泛的行为响应，但对其他目标的非预期改变更大；较晚聚合则提高控制精度，但以响应性为代价。
MIT团队提出FLEX（Flexible Feature Editing Pipeline），利用语言模型根据自然语言纠正迭代优化机器人对任务特征的内部表征，包含三个互补操作：添加缺失特征、泛化已有具体特征、屏蔽无关特征。研究在2D导航、7自由度Franka桌面操作任务以及使用自然语言纠正与真机演示的真实世界研究中评估FLEX；与单操作及无脚手架基线对比显示，交互场景中三项操作均属必要，FLEX在保持紧凑可迁移表征的同时取得更高归一化奖励。
针对球形移动建图系统（SMMS）在快速旋转和地面覆盖有限条件下的里程计难题，作者提出两种基于RANSAC的地面法向量估计方法：单帧扫描估计（法向量评分+多步验证）和基于LiDAR-惯性里程计（LIO）利用全局3D地图的估计。在多个真实数据集上以地面激光扫描仪为真值评估，LIO方法在精度与鲁棒性上显著优于单帧方法；将地面法向量估计融入运动模型可改善位姿估计，支持复杂危险环境中的自主导航。
该研究提出一种基于元学习的人机交互框架，用神经网络替代人工设定的切换阈值来识别人类意图，并引入控制器中依赖力的参数，使被动模式识别率从90.1%提升至99.1%、主动模式从79.8%提升至97.1%。框架还包含自适应元学习控制器以补偿人类扰动并在线适应变化的交互力，以及多轨迹元学习算法联合学习环境基表示与依赖力的参数，以处理未建模动态。实验称该框架在实现鲁棒控制的同时提供了可靠的模式识别。
研究提出耦合视觉-运动重映射方法，将全景方位扭曲与上肢偏航逆变换配对，用于第一人称人形机器人遥操作，使操作员无需旋转身体即可访问侧面和后侧目标。可运行原型实现全局缩放（GZ）与焦点+上下文（F+C）两种模式。被试内实验（N=8，72次试验）显示，GZ完成次数最高（23/24），固定映射为20/24，F+C为21/24；但F+C获得6/8名参与者偏好，完成表现与主观偏好指向不同映射。
论文提出一种用于物理人机交互（pHRI）的无传感器控制框架：训练神经网络补偿系统摩擦与未建模动态以提升力/力矩观测器精度，采用任务零空间分解分离关节速度、降低人类扰动对观测器的影响，并引入位姿与力混合控制器实现末端位姿和力跟踪。实验结果显示该框架在保持位姿与力跟踪性能的同时提供鲁棒准确的力/力矩估计，可应用于未装力/力矩传感器的机械臂平台。
作者在其开源的四足机器人控制器中新增了基于视觉的落足点选择功能。该控制器采用MPC（模型预测控制）与WBC（全身控制）架构。原文未提供更多技术细节、性能数据或发布时间。
该论文针对多边形环境中由常数复杂度多边形表示的 k 个平移机器人，给出首个对任意固定 k 均适用的全多项式时间近似方案（FPTAS），覆盖最小总行驶距离、最小单机器人最大距离、最小完工时间三种目标，并可直接推广到任意固定维度 d 的多面体环境与多面体机器人。该结果解决了 Agarwal、Halperin、Sharir、Steiger [SODA'24] 与 Agarwal、Holmgren、Steiger [SODA'26] 提出的开放问题——此前仅对 k=2 的单位正方形机器人给出 FPTAS，或对固定 k 的单位正方形/单位圆盘机器人给出双准则近似算法；作者称新算法显著更简单。
论文提出 OmniInteract 框架，用于双人形机器人的统一全身交互控制，包含两个核心组件：表面接触感知重定向利用密集的人机表面对应关系对两个机器人联合重定向，保留接触界面与近场几何上下文；可扩展的基于流的交互策略将控制分解为冻结的全身运动先验与伙伴感知专家残差，并通过条件流匹配在共享残差动作空间中统一。实验显示该方法提升了重定向保真度与双人形协调性，在技能多样性增长时更好地保持交互性能；真实部署验证了接触建立、全身协调稳定及外部扰动恢复。
arXiv:2610.25946v2 替换版提出在代码空间直接搜索多智能体协调策略，由编码智能体在仿真反馈与正确性验证下迭代提出、实现、评估和修正算法。在2024 League of Robot Runners竞赛的高难度地图上，两天搜索得到的策略在最密集实例上比本地复现的更强参赛方案高35.0%，并可泛化到未见地图实例。在模拟真实仓库（不规则通道、连续机器人几何、异步运动）中，一周搜索发现一类全新多智能体路径规划算法，吞吐量比校准后的专有方案高58.9%，并在给定假设下证明其无碰撞且能在有限时间内完成未被撤回或替换的目标。
研究提出 FIBER 框架，将冻结行为基础模型（BFM）的可执行潜在空间作为异构交互技能共享的规划表征，通过潜在策略投影（LPP）把独立训练的任务策略映射到该空间，再离线训练单一感知流规划器；同时引入用多 gamma 前向-后向学习训练的自适应视界 BFM（AH-BFM）。在仿真中，箱子拾取、开门、抓取三类任务各 128 种变化下平均成功率 42.0%，高于投影潜在回放的 11.6% 和运动学规划的 3.5%。在真实 Unitree G1 人形机器人上验证了 sim-to-real 迁移、技能链式组合与条件引导。
论文针对视觉惯性里程计中传感器刚性安装假设的局限，研究时变相机-IMU外参标定。方法上结合机器人运动学模型，提出基于Denavit-Hartenberg约定的动态外参标定方法，并设计两步初始化策略估计初始关节角，为后续外参优化提供起点，实现在线估计时变外参。仿真实验显示该框架可适应相机-IMU外参变化并保持有竞争力的定位精度。
该博士论文提出离线训练神经隐式表征来近似Hamilton-Jacobi可达性值函数，使基于优化的控制器能在未知动态环境中实时获得安全信息。方法利用值函数等于直接计算的约束（如符号距离）减去非负动力学修正项的性质，仅学习修正项以保证近似误差下障碍物仍位于预测安全集之外。前四种方法分别将学习函数用作模型预测控制的终端约束和控制屏障函数安全滤波器的屏障候选，覆盖静态环境与数量可变的移动障碍物；地面与空中机器人的仿真和硬件实验显示其避碰效果优于几何与手工设计基线，尤其在短时域和移动障碍物场景。第五种方法用可并行化的顶点树搜索替代网格离线求解器，可为最多13个状态的系统生成屏障候选。
ForeTac 提出“表示-预测-评估-引导”框架：编码当前触觉状态，以候选动作序列为条件预测未来触觉潜在轨迹，并用从成功/失败物理交互中学到的接触质量目标评估轨迹；推理时将该目标梯度经触觉预测器反传以引导动作生成，模型参数保持冻结。在平面擦拭、曲面擦拭、刷卡、易碎物抓取四项真实机器人任务上，配合扩散策略将平均任务成功率从36.3%提升至71.3%、平均接触成功率从20.0%提升至66.3%，流匹配策略下两项指标同样提升。