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%。
机器人行业洞察
今日精选
The robotics journal行业消息
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。
论文提出支撑感知抓取合成框架 IORA，面向低自由度耦合手在不规则物体上的固定任务。方法将手与物体局部表面区域建模为图并搜索运动学可行匹配，再细化腕部位姿与电机状态，经物理仿真推演验证抓取；可选的任务引导局部搜索在验证位姿附近调整腕部与电机状态并按任务条件选优。多物体实验显示生成多种抓取构型，抓取成功率高且抗扰动强，真实实验在烹饪场景中实现物体固定。
该研究提出 ProTrav 概率地形表示方法：先用稀疏变分高斯过程（SVGP）从观测重建概率高程场，再通过后验函数空间采样生成空间相关的地形实现，将高程不确定性经几何特征传播至可通行性代价，从而在任意位置得到可通行性代价分布，以均值和标准差分别量化期望代价与不确定性。研究以基于矩的上置信界（UCB）定义风险项并接入 MPPI 控制器。仿真实验中，该方法在不同地形上的导航成功率超过 90%，基线低于 40%，同时减小了姿态变化；并在真实越野地形上完成了机器人验证。
论文发布 iAssistADL 平台，一种面向日常生活活动、用于未来震颤与共济失调补偿的 3 自由度辅助装置。其机械架构将所有执行器置于基座，以降低运动质量、实现解耦运动学并获得高机械透明度；控制上采用水平面开环力渲染与垂直方向闭环力控制的混合策略，以缓解摩擦对垂直轴透明度的影响。实验显示水平面阻力矩低于 0.1 Nm，工作空间内末端力最高约 10 N，水平力渲染在 4 Hz 以内准确；垂直轴在高频段仍受摩擦动力学限制。
论文提出 TEAR（任务证据权威路由）框架，在机器人端在线决定人类遥操作与本地自主两种控制源之间的权威分配。仲裁依据两类证据：网络状态证据决定遥操作可用性，任务语义证据判断自主执行是否仍与当前任务一致；轻量级时序仲裁器结合机器人状态与当前权威归属决定切换时机。在动态网络条件下的仿真与真实试验中，TEAR 任务成功率接近纯遥操作，遥操作仅占控制步数的 19.8%–27.4%，相比纯自主执行成功率提升 30%–40%。
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EBV-CAN视觉-语言策略，将一张初始全局鸟瞰静态图像与实时内窥镜观测、电机状态结合，通过三个监督式语义查询在缓存图像上定位末端、下一路点和指令目标，再由残差表示预测弯曲与插入指令。配套VLCA数据集包含517次演示、7.5万动作样本、95.8万空间条目和9.3万条剩余路线记录。50个留出回合中末端坐标与路点定位准确率为97.5%和94.8%；1920次物理试验中EBV-CAN成功183/240（76.25%），而离线MAE最低的GRU-BC物理成功率仅1/240。
该论文提出 GlobMP（全局运动规划），将规划与引导统一为一个连续时间规划问题，用分段多项式曲线上的梯度投影方法，在代价降低与可行性恢复之间交替。作者证明：在温和假设下，从细网格起点出发，随着多项式段数增加，代价趋近全局最优，约束可满足任意容差或在稳定实例上精确满足。实验覆盖多达 200 台机器人的团队、Robotarium 测试平台多机器人规划与扩展基准、迷宫导航，以及在双臂人形机器人上引导触觉反应式策略，并报告优于强基线。
该论文面向自主机器人手术中的缝合任务，提出一条从图像到操作的流水线，在生成实时缝线重建的同时执行安全且优化的序列操作，以完成长时程任务。作者指出，可变形缝线没有固定位姿可供跟踪、有效自由度近乎无限，构型难以预测，因此需要重新估计缝线状态而非做假设；缝线操作还涉及依赖过去和当前接触点的序列动作，这些接触点必须被准确、连续地跟踪。
研究在六个流匹配 VLA 机器人策略上对比单步与多步采样，发现单步动作生成在大规模下基本与多步采样持平，多步欧拉积分在推理阶段几乎没有一致优势。该结论在模型训练充分且容量足够时成立。作者据此指出，大型 VLA 可直接从多步模型获得单步策略，无需重训练、蒸馏或额外辅助目标，即可实现低延迟部署。
该论文提出 Co^2Gen 框架，用于在无需人类遥操作的情况下自动生成多机器人协作数据，以训练去中心化 VLA 模型。框架先用去中心化协同规划方法生成以可执行函数形式表示的多机器人协作计划，再用该计划产出协作演示数据，并以去中心化方式微调 VLA 模型。实验显示，用这些数据微调后的 VLA 模型在去中心化协作任务上的表现，与用人类遥操作协作数据微调的模型相当。
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 OASIS（在线锚点中心场景推理系统），用稀疏锚点节点表示室内环境，每个节点融合语义描述、视觉特征与几何状态，支持在线建图、开放词汇检索与导航。系统复用导航中采集的瞬时观测，在场景变化后重新定位被移动的物体，并以紧凑记忆支持按需证据提取与分层检索。在仿真与真实环境的标准检索基准及静态、动态导航任务中完成验证。
PhysibleMDM 在推理阶段优化扩散噪声，无需重新训练运动扩散模型，即可提升生成运动的物理可行性。其约束由运动学检查（地面穿透、滑移、自碰撞）与基于锥规划逆动力学的动力学测试组成，并用 Sep-CMA-ES 求解黑盒优化问题，再以自回归方式串联片段生成长序列。在 SMPL 人形模型的 100 种运动风格上，平均地面穿透、自碰撞穿透与地面滑移分别降低 75%、92%、74%；在自定义双足机器人的 11 个序列上，每序列平均加速度重建误差中位数降低 89.5%，平均逆动力学残差中位数降低 79.5%。
论文提出 CARE 框架，用轻量评论家模型监测本地执行器的执行可靠性，在不可靠时把控制权升级给更强的云端模型，并在升级后保持控制直至智能体恢复，避免逐步切换；共享交接记忆跨执行器维护执行上下文与任务级进度，使模型介入时无需从头开始。在多个具身基准上，CARE 的任务成功率比最强协作基线高 6.3-18.3 个百分点，接近或超过纯云端方案，同时将动作间隔中位延迟降低 28.8-82.6%。
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。
该研究提出一套集成传感与控制系统，可在CT孔内完成呼吸门控自主进针，无需手动置针或患者屏气。实验验证了系统跟踪与预测患者呼吸周期、执行自主呼吸门控进针以及检测呼吸周期异常的能力。研究目标是缩短CT引导肺活检的手术时间、减轻患者不适并降低辐射暴露。
研究提出Alpha框架，在仿真中对LLM驱动机器人操作按感知（传感器延迟）、驱动（抓取滑移）、运动学（不可达目标）、规划（规划器输出损坏）四类注入校准故障。在150回合配对矩阵中，Llama-3智能体成功率44.0%（33/75），确定性脚本Oracle为64.0%（48/75），McNemar p=3.01×10^-4；剔除规划器输出损坏后两者均为55.0%（33/60），不一致对数为零（p=1.00）。作者据此认为性能差距全部来自提示词到JSON的序列化与验证接口，而非认知推理缺陷，并审计了169次历史试点。