TeV：面向生成式机器人策略的时序动作验证框架
论文提出时序验证（TeV），一种面向流匹配VLA的高效时序感知动作验证框架。TeV先学习一个时序token来概括近期观察与动作历史，使候选动作块作为执行轨迹的延续而非孤立预测被评估；在此基础上无需额外专家示范或偏好标注即可构建正负样本对，对比训练基于能量的验证器，为更高质量、轨迹一致的动作块分配更低能量。
推荐理由：针对生成式机器人策略动作验证的时间短视问题，提出无需额外专家示范的时序验证框架，可供做VLA测试时扩展的读者参考。
机器人学习
全部主题追踪机器人学习的研究、可复用工程方法与真实部署证据。
26条精选
最新精选
第 1–20 条 · 共 26 条arXiv cs.RO精选AI 评分6262 arXiv cs.RO精选AI 评分6262 PRICE：面向具身强化学习的物理关系信用分配方法
PRICE 提出用轨迹间的物理关系为动作块分配信用，仅凭终端成功信号即可细化轨迹级监督，无需辅助评估器。方法包含物理关系图与置信度门控信用分配两部分，并给出与终端成功目标相关的有限样本方向界。在 LIBERO、RoboTwin 2.0 和真机实验中，PRICE 相比基于结果的基线任务成功率更高、学习更快。
推荐理由：提出用轨迹间物理关系为动作块分配信用，无需额外评估器，并在 LIBERO、RoboTwin 2.0 与真机上验证。
arXiv cs.RO精选AI 评分6262 DODGER：面向动态障碍物导航的安全引导强化学习框架
DODGER 是一个安全引导强化学习框架，训练时直接执行策略生成的动作驱动 rollout，同时用控制屏障函数（CBF）过滤后的参考和约束违反来塑造避障行为，以避免仅执行安全过滤动作限制策略探索。作者通过 Dubins 车安全分析评估该方法，并在全阶人形仿真和基于 LiDAR 感知的真实人形实验中实现多动态障碍物下的目标导向导航，且不使用运行时安全过滤器。
推荐理由：论文提出训练时直接执行策略动作、用 CBF 参考塑造避障行为，并在人形仿真与真机验证。
arXiv cs.RO精选AI 评分6262 TRACE：自遮挡密集杂乱场景下计划条件模仿的鲁棒取物
TRACE 是一个面向自遮挡下密集杂乱取物的计划条件模仿框架，用单张无遮挡观测初始化数字孪生，由特权教师生成固定标称 rollout，循环学生结合局部 rollout 上下文、部分物体观测和本体感知选择动作以纠正偏差。
推荐理由：论文给出自遮挡下密集杂乱取物的计划条件模仿方法，含仿真与 UR5e 真机成功率及执行时间对比。
arXiv cs.RO精选AI 评分6262 Online-ES：通过自监督轨迹分布优化在线进化 Flow Matching VLA 策略
论文提出 Online-ES，一个基于进化策略的 Flow Matching VLA 在线自适应框架，通过在动作轨迹空间做进化探索并利用执行结果构建自监督 MSE 目标，把进化方向从轨迹空间迁移到模型参数空间。作者证明该目标是最优进化方向的无偏估计，并将失败经验作为负反馈约束进化方向。仿真与真实环境实验显示，其策略改进效果与强化学习微调相当，且无需学习价值模型或计算优势函数。
推荐理由：提出在动作轨迹空间做进化搜索的在线自适应框架，为 Flow Matching VLA 策略改进提供不依赖价值模型的方法。
arXiv cs.RO精选AI 评分6262 基于运动策略的人形机器人足球：多方向踢球技能库的任务门控强化学习
研究提出一种倒置的堆叠方式，先训练通用的指令条件化运动策略作为底层，再在其上叠加 N 个运动引导的踢球技能作为任务门控层，使可达步态空间由运动课程而非参考片段决定。
推荐理由：论文把运动策略作为底层、踢球技能作为任务门控层，并给出多方向射门与地形、推力恢复的评测结果。
arXiv cs.RO精选AI 评分6262 CEER2：面向人形机器人移动操作的方向可调末端执行器与根部柔顺框架
CEER2 提出一种面向人形机器人移动操作的柔顺框架，将方向可调、可在线调整的末端执行器柔顺与可选根部柔顺结合，用于外力抑制或力跟随。该框架用分层强化学习控制器通过高层末端执行器与根部指令调制固定的全身跟踪策略，交互力由本体感知历史估计。仿真与真机实验展示了方向刚度控制、在线刚度调整、不同根部柔顺模式、柔顺操作与协作搬运。
推荐理由：论文提出人形机器人末端执行器与根部的方向可调柔顺框架，读者可了解分层强化学习如何调制全身跟踪策略。
arXiv cs.RO精选AI 评分6262 Memorize, Adapt, Ignore：诊断训练数据变化下的机器人学习机制
该研究用经验神经正切核（NTK）作为诊断工具，考察训练数据变化如何影响机器人操作策略的内部学习机制。在 ManiSkill 的 pick-and-place 强化学习以及 LIBERO、RoboTwin 上 VLA 模型微调中，随机化物体尺寸、颜色、类型、场景光照和语言提示，NTK 能区分策略是在记忆不同情形、适应具体情形，还是忽略任务无关因素。
推荐理由：用经验神经正切核区分策略是在记忆、适应还是忽略训练数据变化，为域随机化设计提供可操作的诊断信号。
arXiv cs.RO精选AI 评分6060 SynIL：利用运动协同度从不完美示范数据集中做离线模仿学习
SynIL 是一个面向离线模仿学习的自动化、免标注示范质量评估框架，基于运动协同度这一低维协调结构与运动熟练度相关的神经科学证据，通过自监督奖励回归生成密集的逐 transition 奖励信号。在 D4RL 运动基准和多人类 Robomimic 操作数据集上，协同度导出的奖励与真实奖励强相关，性能显著优于行为克隆（BC），与使用真实环境奖励训练的离线强化学习相当，在稀疏奖励的人类遥操作场景中更优。
推荐理由：提出用运动协同度自动评估示范质量并生成奖励信号，为不完美示范数据集的离线模仿学习提供免标注思路。
arXiv cs.RO精选AI 评分6060 螺旋软体机器人全身抓取与抛掷的优化学习精炼框架
研究提出面向软体连续机器人的优化-学习-精炼框架，用基于结果的动作空间优化实现从初始未抓取状态开始的全身抓取与拾取抛掷。抓取以末端角扫掠和身体-物体包裹度量化，抛掷还纳入释放方向对齐与最低释放速度，采用无导数CMA-ES应对非光滑的动作到结果映射。
推荐理由：论文给出软体连续机器人全身抓取与抛掷的无导数优化框架，并附仿真与真机成功率数据。
arXiv cs.RO精选AI 评分6262 SAKI：从人类视频组装技能并做运动学模仿，实现长时程移动操作
SAKI 是一个连接人类视频技能获取、跨示范组装与闭环全身执行的框架，用于长时程移动操作。它准备以物体为中心的可复用技能，在给定目标和任务依赖时选择并排序技能、把物体角色绑定到当前场景，并在技能间传递场景估计与机器人构型；全身运动学模仿生成协调的底盘、手臂与夹爪运动。
推荐理由：论文提出从人类视频组装可复用技能并做全身运动学模仿，读者可了解长时程移动操作的一种组合式思路。
arXiv cs.RO精选AI 评分6262 受被动动态行走启发的动力学引导方法提升人形机器人行走能效
该论文提出一种受被动动态行走（PDW）启发的框架，在训练早期用倾斜重力场辅助矢状面行进，并在正式动力学优化前移除全部 PDW 引导，无需参考轨迹、步态相位或接触时序。
推荐理由：论文给出一种受被动动态行走启发的训练引导方法，并报告了在 29 自由度 Unitree G1 上的能耗与真机结果。
HF blog精选AI 评分6666 CrossBFM：跨人形本体蒸馏共享潜行为空间
CrossBFM 提出无机器人专属参数的统一编码器架构，借助重定向提供的帧级跨本体对应关系，将行为基础模型的潜空间蒸馏到多个训练本体上，耗时不到一 GPU 小时。
推荐理由：CrossBFM 把行为潜空间当作可迁移资产，用不到一 GPU 小时蒸馏出跨本体共享空间，读者可据此了解人形策略迁移的训练成本变化。
HF blog精选AI 评分6060 strands-robots 用 Isaac Lab 训练宇树 Go2 并录制 LeRobot 数据集
strands-robots 通过 isaaclab train_policy provider 在 Isaac Lab 中训练宇树 Go2 四足机器人 PPO 策略，4096 个并行环境、1500 次迭代、147M 环境步，在单张 NVIDIA L40S 上耗时 57 分 39 秒，速度跟踪成功率 0.98。
推荐理由：原文给出从 Isaac Lab 训练 PPO 策略到录制 LeRobot v3 数据集的完整命令与验证流程，可迁移到其他机器人任务。
HF blog精选AI 评分6262 strands 发布 Isaac Lab Shadow Hand 手中方块重定向 PPO 策略
cagataydev 在 Hugging Face 发布 strands-isaaclab-shadow-reorient-policy，这是用 strands-robots 的 isaaclab train_policy provider（PR #4227）训练的 rsl_rl PPO 策略，任务为 Isaac-Reorient-Cube-Shadow 手中方块重定向。
推荐理由：读者可据此了解用 strands 工具链在 Isaac Lab 中训练并导出 Shadow Hand 转方块策略的完整流程与实测指标。
IsaacLab releases精选AI 评分7878 Isaac Lab 3.0 早期访问版发布，支持多后端与无 Kit 运行
Isaac Lab 3.0 Early Access 发布，引入工厂式多后端架构，物理、渲染与可视化可分别选择 isaacsim_physx、ovphysx、newton_mjwarp 等配置，并支持不安装 Isaac Sim 的无 Kit 工作流。
推荐理由：Isaac Lab 3.0 早期访问版把物理、渲染与可视化拆成可切换后端，并给出 2.x 到 3.0 的迁移清单，便于评估现有训练流程的改动量。
qbitai精选AI 评分7878 生数发布世界模型 Motus2，探索机器人闭环自进化
生数科技发布世界模型 Motus2，在同一模型中整合行动、预测与评估三种能力，形成生成动作、预测后果、评估结果、更新策略的闭环，探索递归自我改进（RSI）。真机测试中，手机放置与多指操作两项任务基础策略平均成功率 65%，加入规划升至 67.5%，加入基于模型的强化学习达 72.5%，两者结合达 75%。
推荐理由：生数 Motus2 把动作生成、后果预测与价值评估放进同一世界模型，读者可了解闭环自进化的实现路径与真机数据。
HF blog精选AI 评分6262 论文提出 World Model RL，用世界模型加速自动研究智能体后训练
论文提出 World Model RL（WMRL），用学习到的世界模型替代环境执行，以缓解自动研究智能体强化学习后训练中环境执行成为瓶颈的问题。作者进一步引入 Online Debiasing 与 Inverse-Variance Denoising 分别抵消世界模型奖励的偏差与噪声，并从理论上证明两者严格改善收敛保证。
推荐理由：论文提出用世界模型替代环境执行来加速自动研究智能体的强化学习后训练，并给出理论收敛保证与跨任务迁移证据。
HF blog精选AI 评分6262 用 HF Jobs 与 Storage Bucket 实现跨机 Async GRPO LoRA 训练
Hugging Face 博客介绍如何用 AsyncGRPOTrainer 的 LoRA 适配器同步，在 HF Jobs 上把训练与 vLLM 推理拆到不同机器，通过挂载 Storage Bucket 传递几 MB 的 rank-1 适配器，无需 NCCL。
推荐理由：原文给出跨机异步 GRPO 训练的可复用工程方案与五轮调优数据，读者可据此判断瓶颈定位与提速路径。
HF blog精选AI 评分6565 WorldToken 机器人模仿学习实验记录数据集发布
Hugging Face 上线 mepi31415/WorldToken_Experiment_Records 数据集，公开 WorldToken: Time-First Sequence Modeling for Robotic Imitation Learning 的训练日志、配置、评估结果与 rollout 视频。
推荐理由：WorldToken 论文的实验记录与检查点打包公开，读者可据此复现多任务控制与长历史实验的表格结果。