SwapBot：换工具、传触觉，把夹爪变成厨房工具接口
低成本快换与工具匹配示教，能否提高长流程接触操作成功率？
通过磁吸快换、可传递关节扭矩的工具适配器和触觉传感，训练不同工具专用的扩散策略。豆腐烹饪整任务在20次测试中由35%到60%；工具选择依赖人工给定的子目标图，不是自主理解任意菜谱。
SwapBot 论文作者团队阅读简报
FIELD NOTES / 02
具身智能EMBODIED AI
从感知和推理，到机器人在真实环境中的行动与学习。
机器人VLA策略学习
RESEARCH SNAPSHOT收录概览
127项研究与重要更新
按来源核对开放状态
按来源核对开放状态
开源 / 开放35
闭源1
待开放 / 核实91
EXPLORE THE FIELD
全部已收录研究127
127 项工作
OpenFlyV2：用动作分段记忆与运动先验做机载导航
一轮流匹配推理为什么能更快，仿真提升又有多少转到真实飞行？
1B视觉语言动作模型把历史压成动作分段记忆，并从运动原型开始生成航点。Jetson Orin NX实机10Hz运行，100次飞行总体成功48%；仿真与实机判据不同，不能把仿真成功率直接当真实无人机可靠性。
OpenFlyV2 论文作者团队阅读简报
LOGIV：动作做完了，前置条件还成立吗
怎样修复被后续动作破坏的旧条件，而不是从头重做整个任务？
LOGIV 给低层机器人策略加上符号计划与视觉核验。核心区别是把“这个动作执行过”与“它产生的条件仍然成立”分开，发现旧条件失效时只修复受影响的依赖部分。
LOGIV 作者团队阅读简报
CuBot-STT：用外部搬运机器人重组无驱动方块
把驱动留在搬运器，结构模块能否同时轻量、承载和可重组？
CuBot-STT将120毫米、280克的无驱动立方模块与外部运输机器人组合。机械锁、触点供电和分层重配置规划共同设计；百模块结果主要属于规划测试，不能当作百模块实机演示。
CuBot-STT 作者团队阅读简报
PDRVLA：从中间视觉语言层提取物理动态 token
视频动态监督怎样进入动作专家，而无需推理时生成视频？
PDRVLA 为 VLA 增加57.3M参数的物理动态模块，从 Qwen3.5-4B 中间层提取50个token，与末层语义一起驱动动作专家。物理监督在训练时发生，部署并不运行视频世界模型。
北京大学、京东等阅读简报
SO-101 Bench：便宜机械臂上的空间操作评测
仿真排名一致，是否就说明成功率能迁移到实机？
该基准建立 SO-101 数字孪生，以四类空间操作、138个对象和可复用策略接口比较学习策略与工具智能体。它的实机检查保住了五种策略的排名，却也量化了明显的成功率高估。
Truman Hickok阅读简报
ARC：只在将要失败时修正冻结机器人策略
少量人工干预如何分别回答何时、沿哪些方向、修正多少？
把机器人残差控制拆为干预时机门、低维修正子空间和自主强化学习。三个真机任务各12次测试平均成功率33.3%→75%；人工干预主要教门与方向，不是直接把所有人工动作塞进RL回放。
Adaptive Residual Correction 论文作者团队阅读简报
DexSuite：把灵巧手评测拆成可比较的交互阶段
跨机械臂、夹爪和灵巧手的任务，哪些差异能统一，哪些不能？
DexSuite在Genesis中统一任务接口、机器人配置和示范收集，提供30项任务与多种手臂末端组合。它的价值不仅在规模，而在于揭示：能抓起来与完成多阶段操作之间仍有很大落差。
DexSuite 作者团队阅读简报
EmbodiedLab：机器人能不能亲手做出可信测量？
把操作、读数、推理和收拾实验台串成一次可核查实验
EmbodiedLab让智能体面对未知参数的实验装置，自己决定如何操作、读取和分析，覆盖30项实验与五个学科。成功不仅要求答案正确，还要有本轮真实操作产生的读数证据，并按任务要求恢复实验台。它是物理仿真实验室基准，不是真实湿实验室部署验证。
HexaFuture / 清华大学 / 新加坡国立大学 / 北京大学等阅读简报
RoboDoctor：冻结机器人策略外的诊断与纠偏
动作预览、实际执行和物体状态，如何分层核验？
RoboDoctor 不更新底层 WAM 权重，而在外部安排多模态诊断、短段放行和记忆修订。其价值在于区分“机器人到位”和“物体操作完成”，但报告来自回顾性运行档案，不是严格匹配预算的因果实验。
清华大学、纽约大学、西北大学等阅读简报
RynnVLA-Latent：先从视频学潜动作，再对齐机器人
三万小时异构视频如何转成带三维约束的策略预训练信号
人类和不同机器人的视频没有统一控制接口。RynnVLA-Latent先用三维视觉教师学习连续潜动作，再让VLA预测潜动作片段，最后用本体示范对齐真实控制。公开的第一阶段权重输出潜动作，不是下载即用的机器人策略。
香港具身智能实验室 / 香港中文大学 / 阿里达摩院等阅读简报
HuGe：把第一视角经验接入人形机器人动作空间
统一动作 token 和伪本体状态，能否缩小人类视频到机器人的差距？
HuGe 使用SONIC动作空间连接人类第一视角数据、机器人遥操作和任务微调，在三种VLA结构上测试。论文的主要贡献是数据及表征接口；实机增益目前集中在取可乐这一任务。
Yang Liu 等阅读简报
RoboJev：机器人成功裁判的域内收益与跨域代价
十帧加末帧多相机的终态判断，不能等同在线可靠性保障
RoboJev把任务描述、尝试视频的十帧及可用辅助相机末帧输入27B视觉语言模型，用一次前向输出成功概率。它在熟悉SO-101分布上明显改善原始JEV，但在未见实验室与机器人域上略低于基础模型，说明适配收益需要逐域核验。
Josef Chen / 独立研究者阅读简报
RynnUnify：先决定是否想象未来，再把世界表征接到机器人
统一推理与视频生成，在哪些任务上真正帮助动作规划？
RynnUnify将8B推理器和8B视频生成器组成16B统一模型，用场景记忆支持长程视觉规划；另训练分支路由Agent选择直接回答或调用生成，再扩展成世界—动作模型。真实机器人结果有提升，但视觉规划分数、问答分数与机器人成功率必须分开解读。
阿里巴巴达摩院等阅读简报
Progress Probes：用 VLA 自身表征监测任务落后
只看成功示范学到的进度，能否提示机器人正在失败？
P² 从视觉语言动作模型的隐藏特征读出剩余任务进度，再与成功示范的正常进度比较。约两千参数的线性探针开销很低，不需要失败标签；但时间偏离并不天然等于危险，真机平均数的报告口径也存在待澄清之处。
卡内基梅隆大学、康奈尔大学阅读简报
Echo：把停止与失败信号同动作一起预测
机器人能否在执行动作时知道任务结束，或需要恢复？
Echo给π0.5动作块加入停止与失败信号，用成功、失败、干预前和恢复轨迹共同监督，并通过异步去噪让信号影响动作。真实任务评分改善，但它既不是无标注训练，也尚未证明模拟中的失败监测和自动停止能力。
上海交通大学、Spirit AI、清华大学等阅读简报
FLORA：把操作视频变成时间段、动作描述和奖励标签
机器人数据引擎的质量、吞吐和非商业许可应如何同时审视？
FLORA由时间分割、动作描述和奖励三个专用模型组成，面向大规模机器人与人类操作视频。它把长视频切成可训练事件并给出结果、密集状态及自定义规则奖励；论文的低成本估算很醒目，但实际公开权重限定非商业研究，成本也不是本机或完整生产流水线的实测。
NVIDIA阅读简报
S²：用运动邻居检查机器人表征是否有用
图像里看起来相近的片段，是否也对应相近的动作轨迹？
Sensorimotor Alignment 用离线演示衡量视觉语言表征与运动结构的邻域一致性，不需要为每个模型重新跑机器人。它与成功率相关，但相关强度受机器人形态、样本数和模型家族影响，不能替代部署测试。
Yunfei Xie 等 · Rice University / NVIDIA阅读简报
DONIC：双手模仿，不能只看手指追得像不像
以物体运动、接触与片段内优势训练统一双手策略。
DONIC将多视角人类双手示范转成机器人参考轨迹，在仿真中训练统一双手跟踪策略。核心不是单纯扩大动作网络，而是让物体运动、每只手的接触贡献和同一片段内的策略改进共同决定学习信号。
Ropedia · Mingze Sun 等阅读简报
SERA：改进机器人的执行规则，而非每次重训策略
开发阶段的规则演化，如何与测试时固定执行边界分开？
SERA在冻结VLA执行器外放置VLM规划器、任务上下文和可编辑规则，通过开发回放定位首个失败并修订规则。论文测试的是开发完成后固定的harness，不是机器人在测试中无限在线自我改写。
Tingwen Du 等 · SERA 研究团队阅读简报
AW-0：把技能代码接进视频与动作联合预测
默认代码用于指导动作；真正执行代码时还需要另一套门控。
AW-0用三个Transformer专家同步生成技能代码、未来视频和动作。代码为世界动作模型提供显式任务结构，另有混合模式调用控制原语。论文有真实双臂与灵巧手实验，但平均分采用分步骤奖励，并非完整任务成功率。
UC Berkeley / NVIDIA / University of Pennsylvania阅读简报
FRED：把视频模型的未来表征蒸馏给动作模型
不完整生成未来视频，能否仍得到有用的动作条件？
通过视频模型的单次前向和未来表征自蒸馏，给动作扩散器提供低成本条件。真实机器人和仿真结果有提升，但真实任务多使用部分完成分，模型仍需多步生成动作。
FRED 作者团队阅读简报
CausGround：先检索动作前提，再让机器人规划
怎样把交互经验变成“门未开就取不出物品”的可用知识？
CausGround 从受控交互中整理动作前提与效果，再把它们接到视觉语言规划器。相比只检索语义相似经验，反向追踪目标需要哪些前置动作更有效；但主证据来自模拟器的高层技能规划。
Yijun Shen 等阅读简报
AdaDex：跟着人手学，再离开示范轨迹
把精细模仿与大范围目标探索混合训练，是否能得到可迁移的灵巧操作？
AdaDex 从短人手操作片段构造物体与手的参考运动，交替训练紧跟示范和偏离示范的两类环境。它在单个物体的未见运动上提升明显，并展示跨模拟器及真实机械手迁移。这里的“短片学习”仍包含每策略数天仿真训练，不是拍几秒就得到通用灵巧手。
AdaDex · Yuxuan Kuang 等阅读简报
UniWALM：让机器人把自己说过的话当记忆
语言、动作共同去噪之后，怎样防止“记得正确、执行错了”？
UniWALM 在视频骨干上增加从零训练的语言与动作专家，同步生成子任务、文本记忆和动作，并把文本带入下一次控制。真实找物任务中取得11/18成功，但记忆与执行的边界仍会出错；作者的按键案例表明，正确文字计数并不能保证正确物理次数。
Brown University、Amazon 等阅读简报
AgenticRoboRL：训练机器人的工具调用规划器
保持底层控制器冻结，用真实工具上下文和终局反馈训练上层模型。
AgenticRoboRL 将代码智能体的SFT与多轮RL用于机器人上层规划：模型可以调用冻结VLA技能，也可以生成控制代码。代理记录实际请求和概率，避免训练上下文与执行时不一致。在仿真中RL带来进一步提升，但大量增益已来自教师轨迹SFT，不能全部记在强化学习名下。
Xinxin Liu 等 · AgenticRoboRL阅读简报
HyperDrone：高吞吐视觉仿真与微型无人机迁移
百万帧吞吐怎样转化为机载视觉策略，又有哪些外部依赖？
HyperDrone 将光线追踪渲染、无人机动力学和强化学习训练集中在高吞吐环境中，再把视觉学生策略部署到微型无人机。百万帧是低分辨率大批量的总吞吐；实机展示主要是视觉偏航控制，位置估计仍依赖外部动捕，不能称为完整无外部定位自主飞行。
Jonas Eschmann、Giuseppe Loianno，UC Berkeley阅读简报
PhysWord：用动作词组织未来视觉与触觉潜变量
“抓取”如何同时成为可读语义和接触动力学的预测接口
PhysWord把16种原子动作词与未来感觉潜变量联合监督：模型既预测pick、place等词，也让对应隐状态接近将来的视觉或触觉特征。随后动作生成器读取这些时间有序的预测。论文覆盖触觉仿真、LIBERO-Long和双臂真实操作；其贡献是组织预测表示，而不是用语言词汇直接替代连续控制。
Jiaming Liu 等 · NVIDIA / Peking University / UC Berkeley阅读简报
RoboValue：机器人价值分数升高，真的代表任务在进展吗？
用反事实指令、倒放、重复动作和恢复失败，拆开看似优秀的价值评分
35项仿真与真实操作任务、2792条测试轨迹，将机器人价值模型拆成任务理解、时间进度、失败恢复与价值一致性。结果表明成功判断和正向进度可以很强，却不理解改写指令、重复次数或恢复是否奏效；不能用单个总分替代在线控制可靠性。
Shengbang Liu 等 / 清华、智元及合作团队阅读简报
CTR：让双臂学习任务约束，而非示范中的固定先后
一只手暂停时，另一只手为什么也跟着等
双臂示范往往把任务必需的配合和操作者偶然的先后顺序混在一起。CTR在保持每只手局部运动和必需跨臂约束的条件下重排时间，并合成对应视觉观测；新增等待帧用损失掩码处理。研究同时检验应独立时能否独立、必须配合时是否仍守约束。
Shuyuan Hu / Deng-Ke Wu 等 · 上海交通大学等阅读简报
CEL/FERT：96台机器人如何共享失败附近的成功经验
减少新增专家动作监督，是否等于不再需要人？
CEL从已完成专家初始化的策略出发，把机器人群体执行产生的成功片段汇入共享训练；失败轨迹用于找到应加强的相似成功片段。论文同时研究局部故障隔离，避免单机暂停拖住整个群体。
Tsinghua · AgiBot · Infinigence AI阅读简报
ScaleNav：先从无动作视频学局部导航，再对齐机器人动作
视频预训练能否替代为互联网视频硬造伪动作？
ScaleNav先让视频模型学习第一视角运动与环境变化，再用少量模拟动作数据对齐动作头。目标是起始画面中可见物体的语言局部导航，并不是开放环境的长程探索。
Zhejiang University · Li Auto · Shenzhen University阅读简报
TILDE：让教师策略在学生失误时自动接管
自动恢复示范比人工接管更省事，也更可靠吗？
用进度监控决定何时切换到强教师，只保留成功恢复轨迹，再配合知识蒸馏训练学生。真实部分评分提升明显，但本文主要验证单轮数据收集，恢复更快不等于恢复更成功。
TILDE 作者团队阅读简报
VLA-Rolling：复用未执行动作，按置信度去噪
上一次预测的动作尾部，能否省下下一轮控制计算？
VLA-Rolling 保留动作块中尚未执行的尾部，用轻量置信度估计器判断其在新观测下是否仍有效，再决定重新加噪和去噪步数。四模型乘四基准的16组实验都减少动作块推理时间，14组成功率上升；真机优势则只来自20次试验中的一次额外成功。
浙江大学 OmniAI 团队阅读简报
无视觉精密装配：从本体感觉中读出接触
看不见插孔以后，动作历史能提供多少装配信息？
研究用高精度碰撞几何和大量仿真训练，让机器人凭关节与运动历史完成接触后的插入。真实机械臂在八种插销上取得173/237次成功，但任务从插孔附近开始，不涵盖搜索零件、抓取与完整装配产线。
MIT阅读简报
PRIME：沿可达演示路径衡量机器人进度
距离目标近，不一定代表操作真的向前推进
PRIME 把演示构造成由机器人状态和视觉相似性共同约束的图，以到成功节点的最短路径定义进度。它改善了精密装配演示的筛选和仿真奖励，但真实机器人部分是离线行为克隆，不是在线强化学习。
清华大学 BNRist阅读简报
机器人元推理：什么时候该继续算，什么时候必须行动？
在世界不停变化时学习规划计算预算
这项工作让策略选择一次动作持续多久，并利用这段时间继续规划，从而把计算延迟纳入控制问题。导航与吊载飞行仿真显示明显收益，但 Push-T 中最好的固定预算与自适应方法相当，真实导航展示也缺少量化试验规模。
University of Cambridge、George Mason University阅读简报
MambaAct：用小型状态空间动作头替换大Transformer
动作专家缩小十倍，整机控制真的能快十倍吗？
把动作专家从311.5M压到29.7M参数，用状态空间块和复用的上下文调制降低多步流匹配成本。收益集中于动作头，端到端加速小于参数压缩，扰动测试也有退步。
MambaAct 作者团队阅读简报
Reflex Engine：把控制器切换移入实时循环
0.01毫秒切换，并不等于0.01毫秒消除碰撞力
研究将ROS 2通信端点和内存预先初始化，通过共享状态引用和无锁指针切换，让不同控制行为在1 kHz循环中接替。它改善的是反射介入与恢复的中间件路径；硬件初始冲击、停止距离和应用阈值仍须分别测量。
Jon Škerlj、Sami Haddadin；MBZUAI、TUM阅读简报
DSP：让机器人先学会玩，再用世界模型选动作
少量无目标示范如何变成可重复采集的数据来源？
DSP先模仿人类无目标玩耍，随后用同一策略自主采集接触转移，训练动作条件世界模型。规划时由玩耍策略提出候选，由目标奖励挑选；本文版本的RGB表格、结论与正文存在不一致，因此将硬件效果保留为作者报告。
Amazon FAR、马里兰大学；Botao He 等阅读简报
Spark-0：把触觉同时作为视觉监督和动作反馈
部署没有触觉时，触觉预训练还能带来什么？
Spark-0用1000小时HumanTouch触觉示范参与预训练：离线接触区域监督视觉token，在线触觉历史则仅进入动作专家。两条路径允许同一模型有触觉或纯视觉部署，但真实任务仅50次试验，且精细插管仍无完整成功。
Xspark AI、清华、港大、港科大广州、北大；Tianxing Chen 等阅读简报
Mem4Act：先教记忆保留什么，再教动作真正使用历史
固定512个记忆token如何支持长程操作，历史交换实验又验证了什么？
把历史帧直接交给VLA未必能形成有用记忆。Mem4Act用多时间尺度读取、语义问答和过去关键帧重建训练记忆，再把它接入动作网络；真实机器人四项任务平均成功率81.5%，但保留历史有明确容量，不能理解成无限长程记忆。
UCLA、North Carolina State University阅读简报
MOSS：在初始噪声里分开机器人动作模式
能否不向流网络直接输入模式标签，也让策略按指定分支执行？
MOSS把可选动作分支映射到不同的源噪声分布，并随观测估计分支强度；在共享接近轨迹与分叉动作之间调整模式分离。真实三任务平均目标模式成功率84.2%，但模式仍是预先定义的离散类别。
南洋理工大学、清华大学阅读简报
Whole-Body Dexterity：把手臂和躯干变成搬运接触面
无需在线物体状态输入，如何在遥操作引导下完成抱持、换位和腋下携带？
研究先生成稳定全身抓持姿态，再训练位置转换专家，最后蒸馏为本体感知控制器。Unitree G1的50次实机任务完成45次，但长程货架到桌面任务为7/10，且全部由一位熟练操作员引导。
Amazon、UC San Diego、University of Michigan阅读简报
LIBERO-PeRM：完成任务之外，机器人是否遵守你的偏好？
把动作、技能与用户习惯拆开测，成功率高并不等于偏好对齐。
机器人能把杯子放对地方，却可能忽略“慢一点”“使用指定动作”或“我习惯用红色杯子”。LIBERO-PeRM 用固定任务目标、可控偏好变化和组合冲突测试，揭示通用 VLA 在任务完成与个性化之间的缺口。它尤其值得作为家庭机器人验收补充，但还不是现实家庭长期个性化的证据。
Zhixu Li 等，UCR、Yale 等阅读简报
Value as Memory：让机器人记住“刚才进行到哪一步”
历史价值预测帮助区分外观相似、进度不同的操作状态。
一张图像未必能区分机器人正在开始任务、重试还是从失败中恢复。VaM 将过去价值网络的进度估计压缩成策略记忆，并通过在线数据和历史人工介入持续训练。三类真实操作显示明显收益，但其记忆有效性依赖价值估计，训练也并非全程无人。
上海交通大学、上海创新研究机构与 Noematrix 作者团队阅读简报
CoDA：用失败诊断组织机器人的训练课程
把场景生成、失败因素和奖励塑形放进可复用记忆。
随机增加场景不一定补上机器人的真正短板。CoDA 让语言模型根据执行失败提出难点假设，再生成目标变化与对照场景，并记住哪些变化确实造成困难。它在仿真中提高分布外泛化，同时暴露出更高的生成与训练成本。
UIUC、香港中文大学（深圳）、Amazon 等阅读简报
PolyMorph：用身体拓扑组织跨机器人运动策略
同一策略如何适配关节数、体重和可用腿数不同的机器人？
PolyMorph 将关节和连杆参数变成节点，按运动学连接限制注意力，再与共享循环状态结合生成逐关节目标角。统一奖励归一化和机器人采样减少训练偏置；实机展示集中于 Raibo，未见本体的大范围泛化仍主要来自仿真。
Hyunsik Oh、JeongHyun Lee、Moonkyu Jung、Jemin Hwangbo 等阅读简报
Temporal Flow Policy：让机器人记忆按真实秒数演化
控制频率变化时，策略能否仍然知道已经等待多久？
Temporal Flow Policy 在扩散策略与π0.5动作头前增加轻量记忆：用真实时间间隔控制各通道的指数保留率，让长短时间信息以不同速度更新。实验把控制步数与物理时间分开干预，但不能把这种局部积分性质理解为任意采样频率下完全不变。
Yushen Liang、Yue Peng 等研究团队阅读简报
世界模型接入VLA：预测什么、接在哪里，结论会翻转
未来预测监督为什么有时提高机器人成功率，有时却破坏原有策略？
研究把四种未来预测接入方式、六类表征及两类骨干放到共享训练协议下比较。DINOv3等语义表征较稳健，解耦未来专家常有优势，但加入世界模型不保证每项任务变好；这里预测的是演示轨迹下的未来视觉特征，不是任意反事实动作的完整模拟器。
中科院自动化所、国科大、阿里巴巴、FiveAges阅读简报
TacitVLA：让动作不再等待当前推理文本
推理监督、历史记忆与当次文本输入，哪一部分真正帮助机器人行动？
TacitVLA保留推理文本的训练监督，却屏蔽动作专家对当次推理token的注意力。无需历史记忆时直接省去文本生成；需要记忆时在执行动作期间生成下一次调用要读的记录。四组受控实验支持这种拆分，但收益依赖训练标注和执行窗口，不等于完全无需推理或记忆。
Jack Lu 等 / NVIDIA、NYU、UC Berkeley、Johns Hopkins、Stanford阅读简报
λ₀：把人类第一视角经验转成全身机器人动作
人类数据扩展之前，身体、相机和动力学差异怎么处理？
λ₀以HumanVerse穿戴采集数据训练人形机器人移动操作。贡献不只是500小时数据规模，还包括三层动作对齐与分阶段训练；数据量、劳动成本、任务迁移和完整零样本能力必须分别解释。
Alibaba Token Hub · Amap · Lambda-humanoid Team阅读简报
全上下文 VLM 控制 RoboMME：92.1% 背后的接口与失败
冻结模型直接输出末端航点，究竟证明了记忆能力，还是一套更强的系统配置？
研究让冻结的 GPT-6-Astra 保留整段交互历史，在RoboMME中直接发出末端位姿和夹爪命令。800回合单次运行成功737次，但不同对照的动作接口、视觉采样和训练条件并不一致。论文主动披露测试集参与开发、延迟和失败审计，适合作为系统能力基线，而非“机器人记忆已解决”的证据。
Jack B. Jedlicki、Amish Sethi、Heng Yang / Harvard阅读简报
Chronos Policy：让机器人知道观察发生在何时、动作应该何时执行
时间戳与时间随机化互补，但小样本任务得分不等同完整成功率
同样两帧画面，间隔20毫秒与200毫秒代表不同速度；模型如果只知道帧的位置，就无法区分。Chronos把图像、力和本体状态的采集时刻，以及所请求动作的未来执行时刻，直接写进注意力的位置编码，用相对物理时间解释异步传感器与推理延迟。
Changhao Wang、Jaden Clark、Shuran Song · Stanford阅读简报
Noise Space Learning：冻结VLA，只学习从哪里开始去噪
轻量噪声策略能重分配已有行为，但仿真最优算法未必适合实机
在流匹配VLA前放一个上下文条件噪声策略，以PPO、SAC或优势加权回归学习初始噪声，动作生成器完全冻结。文章的核心是对三种优化方式在交互、更新成本和实机执行条件下作比较。
Junjie Lu、Chuheng Zhang 等阅读简报
Splat2Act：扫描部署房间，再为机器人生成抓取示范
楼宇级场景发现放置面，两阶段适配的收益取决于场景是否匹配
手机扫描提供3D高斯外观与碰撞网格，单图重建目标物体，几何规划器自动生成抓取示范。论文将适配真实部署环境作为主要目标，而不是证明机器人已能泛化到任意家庭。
Xiaomeng Ye、Zsolt Kira 等 / Georgia Tech、Waymo、TRI阅读简报
SpatialHarness：用同步虚拟视角补足精细操作的空间证据
冻结动作模型，代价转向CAD、位姿同步与交互回放
SpatialHarness保留原有摄像头和冻结的多模态动作模型，维护与真实机器人同步的仿真场景，从虚拟角度显示孔、插头和把手之间的关系。关键不是生成更漂亮的视图，而是按静止、持握和抓放转换分别纠正场景；若几何状态错误，额外视角也会误导决策。
Jiayu Wang等 · 复旦大学、新加坡管理大学阅读简报
PLaW-VLA：预测未来表征，再让动作读取它
三专家策略把视频预训练、未来监督和动作条件分开检验；真实机器人报告的是任务进度
PLaW-VLA在冻结的V-JEPA 2表征空间预测未来，避免先生成完整视频再解码动作。语义、世界模型和动作三个专家通过结构化注意力交换信息。它在RoboTwin困难长任务上有明显改善，但噪声和相机变化仍是弱项；公开代码可训练，不等于已获得论文预训练策略。
吉林大学、Astribot、哈工大深圳、香港理工大学、东京大学阅读简报
VersaCamVLA：换相机时，让策略仍读同样大小的场景表示
固定的辅助token接口缓解视角变化，仍依赖标定与原生视觉输入
VersaCamVLA把数量可变、带内外参的RGB视图压成固定场景token，再作为π0.5的辅助视觉条件。训练时利用腕部相机运动和目标视图的RGB、语义、边缘监督学习表示；部署时丢弃渲染解码器。主要收益出现在改变相机位姿的测试，不能推成对任意未标定相机通用。
香港中文大学（深圳）、深圳河套学院、哈尔滨工业大学（深圳）阅读简报
HT-Policies：生成策略的优势，也可能来自怎样处理训练误差
把MSE换成带输入相关尺度的Student-t回归，单次前向逼近多步采样表现
这项研究重新检查回归与生成机器人策略的差距：大误差样本可能因MSE的梯度权重而主导训练，未必只是动作多模态导致均值失效。HT-Policies用观测相关尺度和Student-t厚尾损失平衡贡献，保留单次前向动作预测。在多种骨干上有竞争力，但不能显式表示多个行动模式，也有明显逐任务回退。
宾夕法尼亚大学、清华大学、加州大学圣迭戈分校阅读简报
SGS：百万并行机器人训练，关键还在把样本分给“快学会”的任务
成功率驱动的重置采样提升难任务学习，近目标覆盖与真机工程仍不可省
Success Guided Sampling维护固定任务配置最近的成功率，把更多重置分给成功率适中的配置，同时保留所有配置的非零采样机会。在百万并行环境中，它改善复杂地形和螺母装配的学习；视觉策略蒸馏后完成三项真机装配，但最难任务仍有明显仿真到真实差距。
华盛顿大学、NVIDIA阅读简报
VioLA：让人类动作直接监督人形机器人的身体与手部潜在动作
冻结控制器承担关节协调，任务策略学选动作；零样本不等于未见任务类型
VioLA把高层策略的输出改成身体与手部各64维的共享动作表示，由冻结控制器执行。配套编码器把人类和机器人动作映射到同一空间，人类原始图像与指令因而能直接监督部署时使用的动作输出。真实G1无需任务专门微调即可完成多类动作，但抓持和行走的组合仍明显受限。
Vesoma、ETH Zürich、MPI-IS、图宾根大学、ELLIS Institute阅读简报
Embodied Turing Machines：把机器人策略写成可复用的状态程序
COAP将模型推理移到离线开发；高仿真成绩依赖几何先验与任务级代码
COAP让代码从RGB和本体感知测量、保存环境及任务状态，调用共享抓取、运动和感知库执行任务。编码代理在离线开发中调试分支并按验证成绩合并；测试时冻结程序，无VLM/VLA在线调用。RoboDojo仿真42任务总体成功率70.24%，但这不是未知任务零样本机器人，也没有真实机器人实验。
南洋理工大学、Ropedia · Kairui Hu、Siyuan Hu 等阅读简报
RoboRSI：机器人失败之后，应当修改技能树的哪一层？
自上而下归因与发布门槛组织技能积累；在线改进成绩必须与冻结迁移区分
RoboRSI将任务拆成有输入输出与后置条件的技能层级，让规划、执行、诊断和发布分别承担责任。执行失败时找到最早不满足后置条件的节点，仅修改所属分支，经过测试和历史回放才释放给下一轮；稳定动作序列再合并为参数化代码技能。论文支持技能复用和部分迁移收益，但多数主表是在评测任务上在线积累技能，不能当作冻结策略泛化成绩。
Zimo Wen、Yijin Chen、Chuan Wen、Cewu Lu等；NOEMATRIX项目阅读简报
Arc：让机器人策略学会使用“为什么要做这一步”的语言条件
75K旧演示重标注，外部VLM持续提供推理；减少去噪步数不是端到端十倍提速
Arc把已有DROID演示重新标注成状态、原因、预期效果、动作、禁止效果与完成状态，再微调π0.5和Cosmos3-Nano，让动作生成真正依赖这些语言条件。部署时推理仍由额外视觉语言模型异步提供，原策略负责连续动作。多个零样本任务有明显收益，但额外标注、训练与推理成本不可忽略，强语言依赖也会把错误或过时推理传入机器人动作。
UIUC、Stanford、NVIDIA、University of Sydney、Proception阅读简报
REACT：让同一动作块经历多次新观察，而不是反复重画短计划
滚动去噪加异步调度；主配置3Hz视觉更新、30Hz动作输出
REACT维护一个50动作的持续缓冲区，分成五个10动作块，越接近执行噪声越少。每轮用最新可用观测对整个缓冲区去噪一步，执行前块、左移后块并补入新噪声。动作因而在执行前被多次观察修正，同时保留长时上下文。异步视觉编码恢复连续动作输出，但也引入旧条件：普通任务中同步版本略胜，倒米和反应任务才更体现完整调度的价值。
上海交通大学、PrimeBot、浙江大学、上海科技大学、新加坡国立大学阅读简报
Dex-One2Many：把一次人类演示变成关系约束，再让灵巧手自己学动作
分阶段重置缓解探索，但单视频不意味着低仿真成本或无需资产先验
Dex-One2Many不追踪演示者的手轨迹，而把抓住、接触、放入等关系提取成阶段场景图，再按图生成不同物体位置与抓法的训练初态。每阶段1万个物理筛选重置加上谓词密集奖励，使PPO能直接练习后半段任务。UR3加Wuji 1实机五任务未见配置平均成功75%，但这是任务内位置和抓法变化，依赖RGB-D感知、仿真资产、部分CAD替代和大规模并行训练。
首尔大学、马里兰大学、KAIST等阅读简报
SkillWeave：把遥操作与手把手示教接成灵巧长任务
掩码处理人手遮挡，候选动作筛选处理技能交接；87%组合效率仍对应约27%整任务成功
SkillWeave为伸手和搬运采遥操作，为旋转、拧螺母和按钮接触采动觉示教。物体掩码引导视觉注意力，减轻训练中示教者手臂、部署时无人手的分布变化；技能结束时从前驱策略采多个动作块，选择接近后继示范起始状态的候选。三项真实任务各20次，有引导45%/15%/20%，无引导10%/0%/5%。
卡内基梅隆大学、庆应义塾大学、加州大学伯克利分校、Bosch阅读简报
RESETTLE：策略连续犹豫时，用同任务示范纠正一个动作
分歧监测、视觉检索与受限残差；短纠正不等于无碰撞保障
RESETTLE冻结原机器人策略，用同条件两个随机动作提议的持续分歧触发干预；V-JEPA2检索同任务成功示范，将机器人状态差形成伺服先验，再叠加受方向和幅度约束的视觉残差。每次只执行一个控制tick后交回原策略。LIBERO-Plus三策略平均成绩分别提升8.7、3.7、4.4个百分点，但一致地做错事可能完全不触发，局部纠正也无法保证解开物体卡住的状态。
香港科技大学、香港中文大学、思谋、哈尔滨工业大学深圳及深圳河套研究院阅读简报
PIER：在机器人执行前，记录证据是否足以放行动作
有限逻辑测试全通过仍不代表物理安全；再观察能减少误拒绝，也能增加误放行
PIER把视觉/接触/滑移分数、过载标记和证据ID放进显式执行门控，按阶段最多请求一次再观察，返回放行、再观察或停止，并记录原因。1600个有限阈值格点测试无声明不变量违例，但1200条合成压力轨迹显示：噪声下再观察把有效状态误拒从57/120降至18/120，也把无效状态误放从5/120升至7/120。它是可审计软件接口研究，尚无通过验收的真实插入任务。
华盛顿大学、浙江大学伊利诺伊大学厄巴纳香槟校区联合学院、独立研究者阅读简报
ManiUnit：把长程机器人任务拆成可诊断的技能测试
局部操作78.7%不等于完整任务78.7%；组合系统完整成功率仍为18%
ManiUnit从BEHAVIOR-1K的50类活动整理137899个操作片段，用明确子任务指令消除阶段歧义，并恢复中间仿真状态独立测试21种技能。1260个测试实例对比原始、底座扰动和关节扰动起点，揭示相近总分下不同技能短板，以及起始姿态变化导致的明显退化。两活动的策略组合把完整任务成功从4%提升至18%，仍远低于局部操作分数。
南京理工大学、西北工业大学、Intellifusion阅读简报
SuperNav：让通用多模态模型通过工具指挥导航
视觉指点、技能说明和执行反馈形成闭环；强几何后端与评测成功条件决定结果边界
SuperNav让预训练多模态模型解释任务、在四向图像上选择目的点，并调用几何或学习控制器执行移动，再依据反馈搜索、复查与恢复。无需导航专项微调高层模型，单物体150任务成功率78%，多物体仅34%；结果体现完整系统能力，不能脱离几何资源、强模型和宽松到达规则解读为任意任务都可完成。
浙江大学、深圳大学、Causa Robotics阅读简报
CAPABLE：关节失效后，用动作执行历史修正冻结的VLA
共享关节编码与实时雅可比帮助迁移到未见故障关节；实机是软件锁定，仍有故障类型无法受益
CAPABLE不先识别故障名称，而从过去16步命令与实际运动估计各关节剩余能力，再给冻结的OpenVLA-OFT加有界动作修正。28个筛选后的LIBERO任务中，未在故障训练出现的j2锁定成功率由24.8%到59.3%，比等参数全局历史编码器高17.4个百分点；部分效能下降和行程限制上却落后于该基线。
不来梅大学、北得克萨斯大学、Toyota Motor North America阅读简报
TACROSS：对齐人类与机器人接触事件，而非触觉通道数值
低成本手套扩充示范；机器人动作仍是真值，硬件和数据尚待发布
TACROSS 用压阻手套采人类接触，以有效性掩码、分传感器适配和共享时序编码，对齐电容机器人手的接触阶段与相对强度。人类示范用于触觉表示和带置信度的手部伪标签，执行过的机器人动作仍是唯一真值监督。四任务显示可用少量机器人示范结合大量人类数据，但不支持完全免机器人训练。
香港大学、香港中文大学（深圳）、INFIFORCE等阅读简报
OmniDex：把孤立物体抓取种子扩展成杂乱场景抓取库
2.6百万场景与4亿标签，需分清仿真稳定、施力技巧和真实可执行性
先为单物体生成自由空间抓取，再把它们变换到沉降稳定的桌面、箱体和货架场景并筛除碰撞，降低逐场景优化成本。模型融合RGB-D、目标mask与相机参数，用Soft-WTA保持多种抓取模式、接触几何损失改善精度，推理时从64候选按物理代价选一个。
ACE Robotics、CUHK MMLab、CPII及合作高校阅读简报
CSF：同一段挥拳动作，能否由现场对象决定是否放行？
冻结动作生成器，用语义参考轨迹约束采样，并在执行中重接安全延续
CSF用生成器自身产生的安全与危险参考定义仿射语义边界，再由指令和视觉对象选择激活的规则。小规模QP在采样中修改动作估计；现场情况变化时，执行期屏障只改尚未执行的轨迹。
Lizhi Yang、Yiling Hou 等 · Caltech、NYU阅读简报
FAITH：安全已不可行时，让机器人减少预计伤害
把安全过滤与任务奖励分开训练；实测安全率不构成形式化保证
FAITH学习状态—动作的峰值伤害价值，用前馈残差网络代替在线投影，再让PPO在过滤后的环境中优化原任务回报。没有动作满足学到的安全条件时，同一过滤器转而优先减少预测峰值伤害。
Songyuan Zhang、Baljeet Singh、Sarthak Ranjeet Kaingade、Chuchu Fan、Bryan Trinh · MIT、Amazon阅读简报
GNR：从已解出的机器人轨迹学习，减少每次重定向的搜索
条件流匹配预测IK残差；长时精细任务仍需要MPC闭环修正
GNR学习MPC成功轨迹相对IK参考的残差分布，把单次轨迹优化变成带人类动作与物体条件的多次生成。候选需在仿真中通过接触、穿透和物体跟踪检查；困难任务可用生成结果初始化MPC。
Dechen Gao、Yue Yang 等 · Meta Reality Labs及合作高校阅读简报
Long-WAM：机器人不仅要存下历史，还要学会用历史预测下一步
自回归视频预训练与异步执行协同，但更长记忆有延迟和数据覆盖代价
Long-WAM先进行无动作标签的机器人视频自回归预训练，再用相同因果结构接上动作专家：先预测带噪未来latent，再据此生成动作。历史长度增加能帮助部分长任务，但每种长度分别训练；19.2秒历史的收益伴随更高计算时间，不能写成免费扩充同一策略的记忆。
NVIDIA、MIT、香港大学、UC San Diego阅读简报
OpenViTac：把视觉触觉策略放进成对仿真与真机任务比较
历史触觉早期融入π₀.₅有收益，但每任务单独训练且精密插装仍困难
OpenViTac把接触能力拆为物性、易损交互、接触操作和精密操作，提供11个仿真与8个配对真机任务。OpenVTLA用AnyTouch2编码触觉历史，将压缩token投影后前置到π₀.₅的视觉序列。它改善所测任务平均成功率，但仍是每任务独立策略；配对仿真也不等于精确触觉物理孪生。
复旦大学、上海创智学院、合肥工业大学、Neote AI、中国联通阅读简报
TouchScale：统一硬件采500小时人类视觉与触觉，先训练触觉预测再适配机器人
代码可见，当前数据页仅100小时；机器人收益仍需真机示范
TouchScale以同一代头部RGB-D、双腕RGB和每手880触点手套，采集500小时、约87000段交互。人类数据无需动作重定向，只训练未来触觉变化，再用每任务50条机器人示范后训练。四任务平均成功从22.5%到57.5%，但数据规模曲线只覆盖一个平台，不能推广为免机器人数据的通用操控。
Texas A&M、Google DeepMind、CMU、斯坦福等；Overfit Lab与Noitom参与数据采集阅读简报
iAm.md：让机器人先查清自己能做什么
机器人的结构说明、现场物体记忆和实时接口，如何约束智能体生成的控制代码？
iAm.md 把部署现场可确认的机器人事实写成结构化 Markdown，并将未知项显式保留。智能体结合语义地图和实时ROS 2接口生成、执行、修订代码。论文提供一个仿真个案：有自描述的系统完成工具构建，无文档系统在预算内未完成；这说明部署证据可能有价值，尚不证明跨机器人可靠泛化。
Vincenzo Guarino 等 / Sapienza University of Rome阅读简报
Workhorse：从五点人体示范学习全身搬运、踢箱与攀爬
视觉规划与全身跟踪分别学习，再用互相模拟的误差增强接成闭环
Workhorse把躯干、双腕、双脚的位姿作为共同接口：5Hz视觉规划器生成1.16秒目标片段，50Hz跟踪器输出关节目标。两个策略都从同一人体示范分别学习，用输入漂移与重规划跳变增强应对闭环误差。G1展示搬箱、接箱和推倒后攀爬行李箱，但论文成功率只来自仿真。
加州大学伯克利分校 · Hybrid Robotics阅读简报
StairVLA：缓存半成品动作，让小模型用新画面接着修正
把流匹配的中间轨迹作为层级接口；节省推理不能无限延长旧计划
StairVLA让高层VLA低频产生长时域的部分去噪动作，小型refiner再按最新图像修正短片段。两层通过动作生成过程的中间状态衔接，减少重复运行昂贵视觉语言骨干；论文同时显示，缓存计划过长、相机分布改变和复杂多物体排序仍会削弱表现。
密歇根州立大学 · Shangyuan Yuan等阅读简报
Encoded but Not in Control：机器人记住了新指令，手却仍伸向旧目标
固定场景的目标替换，比原任务成功率更直接检验语言是否控制动作
研究在固定场景中把合法抓取目标换成另一件可见物体，发现四种VLA/世界动作策略仍主要选择原目标。与此同时，指令变化会影响内部动作预测，线性探针也能读出新目标。语言敏感、信息可解码、真正按新意图行动因此是三种不同能力。
香港大学、香港中文大学（深圳）等联合团队阅读简报
EAPN：让机器人重规划的随机噪声跟着实际执行进度走
跨动作块保留相关性，减少反复换策略；它需要训练，且真机领先只有少量试次
异步动作块生成时，即使前缀接得上，每次重新抽噪声仍可能让后半段切换到另一种行为。EAPN用跨调用共享、按实际执行步数平移的随机轨迹，加上块内时间相关噪声和历史条件，帮助新动作块延续当前模式。
Magiclab Robotics、东南大学阅读简报
FLEX-WAM：让机器人世界动作模型真正响应动作，而非只续写流畅视频
随机分块因果注意力与动作敏感度反馈；80%规划成功只在想象中验收
FLEX-WAM用一个联合流模型生成状态和动作，通过可变块大小支持逐帧低延迟或整块高吞吐。训练先学动作条件动力学，再用梯度校准和动作敏感度反馈保住模拟能力；机器人案例展示预测与现实不符的样本收集，尚未证明闭环执行想象计划或持续学习收益。
纽约大学 CREO、NVIDIA、ENS-PSL、ANITI阅读简报
数字孪生遥操作：把接触力和遮挡手指显示给操作者
力箭头减少纸杯变形但未显著提高完成率；透明显示的箱体结果仍是小样本描述
这套裸手双臂遥操作界面将指尖触觉信号显示为颜色或箭头，并用可选虚拟视角或局部透明数字孪生揭示遮挡手指。15人纸杯任务证明主观负荷降低，14人箱体任务中透明显示加力箭头成功率最高。它研究人类如何更好采示范，尚未检验这些数据训练出的自主策略。
DGIST、首尔大学阅读简报
PatternDex：先学交互模式，再适配不同灵巧手
手腕与接触共同指导PPO，跨手迁移仍需微调和策略训练
PatternDex从人类演示提取物体与手腕的相对运动模式，再结合目标手的结构预测手腕轨迹和接触位置，指导强化学习执行铰接物体操作。它避免直接照搬人的手腕位置，却仍依赖重定向监督与仿真训练；真实验证目前是单个微波炉任务。
David Minkwan Kim等 · UC San Diego阅读简报
GOTT：用一个跨手接触基元连接物体轨迹与灵巧执行
到达、建立接触、再跟踪；跨手复用不等于无需模型和规划
GOTT把任务拆成Reach–Acquire–Move：上游给物体轨迹与大致接近姿态，共享闭环策略修正手指和手腕以建立稳定接触，之后按物体位姿误差跟踪。21关键点和26关节槽映射支持多手联合训练，把局部接触技能与手臂可达性规划分离。
Amazon FAR、UC San Diego、University of Chicago、UC Berkeley阅读简报
FlashDexRetarget：让多段人手示范共享训练，批量生成灵巧手轨迹
成功数字统计训练中曾经通过的轨迹；两种手分别训练，实机展示是轨迹回放而非闭环策略部署
FlashDexRetarget把逐动作优化改为多参考联合训练，以物体表面、手物距离、未来10帧和分手奖励配合FlashSAC复用经验。新版论文中XHand以29 GPU小时收集到90%的宽松指标成功轨迹，Sharpa以44小时达86%。这些是已见参考的累计转化率，不是新动作泛化或最后检查点的稳定执行率。
KAIST AI、Holiday Robotics阅读简报
DexAgent：让视频到机器人数据流程积累可复用工具
分阶段重建、轨迹优化与验证；11种任务的63.6%闭环成功率不等于11/11回放全成功
DexAgent从一段第一视角人类视频和任务说明出发，让VLM按物体性质选择或编写重建工具、轨迹技能与验证函数，逐阶段迭代通过后再扩增成机器人训练数据。双手真机十一任务平均63.6%，明显高于所比较数据管线；但自动验证仍可能遗漏物理错误，工具库复用提速也依赖重复物体和实验次序。
斯坦福大学、哥伦比亚大学阅读简报
RIVET：先生成共用表示，再让机器人复用程序
视觉模型离线写四个模块，运行时换目标；已知网格和人工执行器仍不可少
RIVET用对象身份、网格和SE(3)位姿连接感知、关系、渲染与规划，让视觉语言模型离线生成能互相调用的程序。新起点和目标由这些冻结程序处理，减少每次在线调用大模型；它证明了同任务家族中的程序复用，但仍依赖人工设计表示、已知资产和执行器。
Ruixiao Yang、Mingxin Yu、Chuchu Fan · MIT阅读简报
Rolling-WAM：让未来动作分几轮逐渐去噪
保留滚动想象降低稳态重规划延迟，突变环境仍可能使旧未来过时
普通联合世界动作模型每次重规划都重新生成整段视频和动作。Rolling-WAM保留一个噪声程度错开的未来窗口，只把最近动作去噪完成，执行后接入新观察、移动窗口并补入噪声，从而把计算分摊到多个控制周期。
Yinghua Zhou、Junjie Ye 等 · USC / Brown / Toyota Research Institute阅读简报
Self-Adaptive VLA：从失败轨迹推断硬件偏差
补偿常量偏移需要多次尝试，80%恢复比例不是单次成功率
机器人关节偏差会让原本可靠的策略突然失效。这项工作用有意注入的硬件偏移收集失败上下文，并把原专家示范预补偿为正确目标；部署时把过去试验压缩成上下文token，调整下一次动作，而不现场更新模型梯度。
Hongxin Zhang、Chunru Lin 等 · UMass Amherst / Genesis AI阅读简报
机器人用Astra：经验记录能减少试探，但成功口径要读清
实机12次试验以人工确认接触为成功，不能写成已可靠按下电梯按钮
研究向固定GPT-6-Astra逐步提供机器人结构、相机和同步动作经验，观察完成电梯按钮任务的时间变化。结果支持可复用经验减少试探；但任务和试验数很小，局部技能经过研究者整理，实机成功定义只是接触，尚不是通用自主机器人系统。
Sida He、Lingxi Xie 等 · 华为阅读简报
优势引导 VLA 后训练：先估计，再校准，再加权
固定离线数据，拆解真机收益来自哪里
论文把机器人后训练拆成优势估计、不同阶段间的分数校准与训练样本加权，先用人工接管和进度对照诊断，再在四项真机任务中验证。连续加权优于直接丢弃低分样本，但结论基于固定离线数据与有限真机次数。
上海交通大学、小米等阅读简报
CFM 策略蒸馏：把多个专家的速度场合成一个策略
真实动作锚点与教师引导必须同时保留
研究先为各任务训练流匹配专家，再让一个学生同时学习专家速度场与真实演示动作。它在八项 RLBench 任务上超过直接混合数据训练，但训练仍需多个专家，单一任务也可能退步。
弗赖堡大学阅读简报
LeWAM：在 JEPA 特征里同时学习动作与未来
推理只生成动作，0.4B 是可训练参数量
LeWAM 以冻结 I-JEPA 特征为视觉输入，让一个 Transformer 联合学习动作流与未来视觉嵌入。结构化注意力防止演示动作泄漏，随后以与演示的距离排序候选做偏好训练；上线时不再生成未来画面或执行搜索。
浙江大学、西湖大学、百度阅读简报
EMem-Bench：机器人记忆要保留什么、覆盖什么、何时检索
场景、最新空间状态与事件经验的三层记忆
EMem-Bench 用 2554 个仿真任务检验历史信息是否真正支持后续操作，并提供三层记忆系统 EMem。关键不只是存得更多，而是区分场景身份、可覆盖的当前状态和需保留顺序的历史事件，再按当前任务取回。
浙江大学 OmniAI阅读简报
CMA：记忆改变了动作，是否也把机器人带向正确目标？
固定当前观测，用两段合法过去做反事实审计
CMA 构造当前看起来完全相同、但过去线索要求不同动作的成对任务。它先冻结机器人产生的动作，再交叉放入两种评估世界打分，从而把记忆敏感性、目标方向与真实任务收益分开，避免把“动得不一样”当成“记对了”。
Jiajie Zhang 等阅读简报
LEAP-CBF：用“最少破坏努力”衡量机器人安全余量
允许短时强扰动，但约束整段扰动的累计代价
LEAP-CBF 不只问每一瞬间扰动有多大，而是估计在固定后备策略下，把系统推向失败至少需要多少累计努力。这个值可指导切换和安全滤波；理论保证依赖精确势函数，学习到的近似值不能自动继承严格证书。
Oswin So、Eric Yu、Chuchu Fan阅读简报
Morphometric Imitation：先改变人手形态，再找回接触并训练机器人
三类手的运动学与动力学验证，Sharpa真机268/300；接触位置与接触手指数是不同约束
方法先将MANO按目标手掌和手指比例变形，再恢复原人手在物体表面的接触位置，最后把骨架转成机器人关节轨迹。残差强化学习负责物理可执行性，点云学生策略再迁移真机。结果有明确跨手参考收益，但真实部署仍是每类别单策略、单种硬件，并非任意视频到通用灵巧操作。
加州大学伯克利分校阅读简报
本地编程智能体操作机械臂：代码能力如何变成动作
45 次真机试验，也暴露了人工技能与安全边界
研究让本地 Qwen3.8-27B 通过工具调用和临时脚本操作 UR3e。45 次试验有 30 次无需介入完成；无需任务微调并不意味着无需机器人知识，系统依赖人工手册、六份技能和底层保护。
Ghent University、imec阅读简报
Controller-Shaped Curriculum：让触觉反射先改善机器人示范
采集质量、学生策略和部署仲裁器需要分别评估
脆薄塑料杯既容易滑落也容易被捏变形。研究用 25Hz 触觉反射帮助操作者采集处于可行抓握区间的轨迹，再训练只读 RGB 与机器人状态的学生；部署时还可让仲裁器把夹爪控制交还给触觉反射。
Ziyan Feng 等阅读简报
Gaussian Is Enough：动作先验更接近目标，为何未必更好
七种先验的大规模对照，把关注点转回微调表示与真实闭环
把扩散或流策略从高斯噪声改为预训练动作、检索结果或条件分布，直觉上似乎能更快到达正确动作。论文发现：充分微调后，多数更接近目标的先验并未稳定提高闭环成功率；在极少示范时仍有例外，编码器更新也可能比先验设计更关键。
Chen Xu 等 · Toyota Research Institute / Cornell阅读简报
THAW：把世界模型特征蒸馏进 0.8B 机器人策略
教师离线缓存，部署图不变；收益不等于免费获得物理推理
THAW 用冻结世界模型的中间视觉特征监督紧凑 VLA，训练后丢弃投影器，部署无需运行教师。相同学生的对照显示仿真和小规模真机收益，但缓存、训练成本仍存在，较难操作中的改善也没有消除接触失败。
Wisconsin–Madison、UIUC阅读简报
DexTacWAM：把指尖触觉写进世界动作模型
触觉压缩、预测表示与策略头的作用要分别验证
DexTacWAM 将双手光学触觉压成两个潜在视图，与视频共同预测，再用中间特征生成动作。主表 70.6 分混合了二元和分步得分，不应直接写成 70.6% 任务成功率。
UIUC、UC Berkeley、Northwestern University阅读简报
LLM-as-Policy：Astra 直接选择机器人运动目标的能力与边界
独立评测中的仿真成绩，不等于可靠的真实机器人控制
研究将冻结语言模型放进动作闭环，让它读取图像与机器人状态、输出末端执行器目标，再由非学习式运动模块转成可执行命令。Astra 在 RoboDojo 仿真中明显强于同接口语言模型，但整体成功率仍低，真机试验还因设备损坏提前停止。
Wenbo Zhang 等阅读简报
ARPS：让世界动作模型只传递对动作有用的预测状态
32个状态token、两种未来目标，较大收益出现在分布偏移测试
预测视频容易不等于表示适合控制。ARPS 先诊断不同教师表示能读出多少动作信息，再用 V-JEPA2 的未来绝对状态与变化量监督紧凑接口；部署只看当前观察，不需要生成未来视频或运行教师。
Qiwen Gu 等 · Alibaba DreamX阅读简报
VLA-Scope：机器人失败预警，先识别变化再看动作历史
53 维轻量风险模型的有效信号与连续误报代价
VLA-Scope 给冻结的 OpenVLA 加上两级监测：先判断初始输入是否发生已知类型的变化，再从动作前缀与隐藏状态预测最终失败。它是风险读出器，尚未验证自动停止或恢复；把单个时刻误报率当成整段运行误报率，会明显低估干预成本。
Texas Tech、Purdue阅读简报
WM-VS：训练机器人判断动作是否真正接近目标
世界模型用于训练动作后果，部署时仍是实时闭环策略
WM-VS 不以视频逼真度训练世界模型，而把动作之后的视觉变化对齐到目标误差。冻结该模型后，策略通过短程想象学习误差收缩。真实机械臂的证据重点是到达目标后能否保持，而不是最好一帧有多准。
上海交通大学、中国矿业大学等阅读简报
ActiveScale
机器人先换个角度看，再决定怎样抓
把历史画面与相机位姿监督加入 VLA，联合预测观察和操作动作。重点是遮挡下如何主动获取信息，而非只提高单帧识别精度。
CMU · 香港科技大学（广州）阅读简报
PASSAGE：让人形机器人组合穿越动作
看见地面、侧面和头顶障碍，再规划能实际执行的身体动作
将场景对齐的人体示范、局部三层高程图、流匹配规划器和感知式全身跟踪器连接起来，让机器人根据目的地组合跨越、侧身和低头动作。
Yuxuan Ma、Zicheng Zeng 等 · PASSAGE 团队阅读简报
Collision Mesh Poisoning
机器人资产验收：看得见的形状，与实际参与碰撞的形状。
论文检查可视网格与碰撞网格分离带来的训练风险：仿真中通过的策略，换回正常几何后可能失败。重点在资产物理语义与验证条件，不是新的机器人基础模型。
香港科技大学、浙江大学阅读简报
语言监督触觉：从传感器图像学习材料表征
冻结语言教师、蒸馏触觉编码器，再用少量标签适配分类
这项研究用材料文字描述监督视觉触觉编码器，使部署时只看触觉图像也能识别材料。其跨传感器结果值得关注，但实验包含目标传感器适配，且部分跨传感器类别已在蒸馏阶段见过，不能都称为零样本泛化。
Khalifa University · Mashood M. Mohsan 等阅读简报
CHOREO：用统一轨迹接口把人形技能接起来
回顾补收：兼容性检查、过渡轨迹与固定跟踪器的分工
CHOREO 把动作库、强化学习和生成模型的技能统一成可检查的轨迹，再按语义计划进行边界对齐与桥接。其贡献是组合已有技能的接口和验证流程，主实验全部在仿真中使用固定跟踪器，不是在线学会任意新动作。
中国海洋大学、中科院等阅读简报
Agent as Policy：通用编程智能体直接参与机器人执行
无需任务策略训练，但标定、控制器与运行预算仍不可省略
AGP 让通用智能体在执行期间反复看图、计算几何、写程序、请求动作并根据物理结果修正，而不只是预先写一段程序或选择已有技能。真实机械臂实验显示这种流程可完成多种桌面任务，同时暴露了时间成本与小样本可靠性的限制。
Mengzhao Jia 等阅读简报
MaP-WAM：把长时记忆留给规划，把固定计划交给执行
语言与视觉计划结合进度校准，执行器上下文不随历史增长
机器人记住按钮颜色或已经按过几次，不一定需要每次动作都重读全部视频。MaP-WAM 保存完成段的稀疏真实画面，先生成下一段语言和视觉计划，再让固定上下文的 WAP 模型预测动作及进度，以视觉对齐修正进度漂移。
Sizhe Zhao 等阅读简报
Dex-X补收：从人类视频借轨迹，从仿真补接触力
视觉触觉融合改善抓取，已知网格与动作参考仍是部署条件
Dex-X先从人类视频恢复手和物体轨迹，在仿真中训练带触觉的特权教师，再蒸馏到点云与触觉融合的学生策略。9月7日首发，今天补收v2；关键贡献是用仿真补视频缺失的接触信息，不能解释为仅看任意视频就能自主操作未知物体。
Ruoqu Chen 等 · 清华大学等阅读简报
TacPAC：预测接触之后，随触觉修正尚未执行的动作
复用触觉—动作缓存，让快速修正不必重跑整个世界动作模型
慢速世界动作模型可以预估未来接触，却来不及为每次触觉变化重生成整段动作。TacPAC 先联合预测视觉、触觉和动作，再缓存触觉—动作表示，用轻量专家将当前触觉与预期接触比较，只修正仍未执行的动作后缀。
Zipei Ma 等阅读简报
RoboTok：按手的运动检索视频，而不是只匹配画面
回顾补收：从人体轨迹到仿真灵巧操作奖励
RoboTok 将人的手部轨迹压成可检索表示，再把相似动作变为机器人训练的引导。本文解读 09-02 的 v1；当前项目页另含后续展示，不能将不同版本的指标和真机演示直接拼入 v1 实验。
Rice University、NVIDIA阅读简报
Gemini Robotics 2
从桌面操作走向全身控制与多机协作
将全身动作、具身推理与本地运行拆成配套模型：VLA 负责运动控制，ER 2 负责理解和长程规划，On-Device 2 适配低延迟部署。不同模型的访问范围和能力需要分别看。
Google DeepMind阅读简报
Xiaomi-Robotics-U0
用世界基础模型合成具身数据
38B 多模态自回归模型联合学习图像生成、编辑与具身场景和视频合成，面向多视角一致的机器人训练数据。作者还报告合成数据对真实策略的收益，而不只比较图像观感。
小米机器人实验室阅读简报
LingBot-VLA 2.0
从双臂操作扩展到全身与跨机器人控制
用约 6 万小时预训练数据覆盖多类机器人与第一视角人类视频，统一更多身体自由度，并加入未来预测监督。研究重点是模型如何适应不同硬件，而不是仅提高一个仿真榜单分数。
Robbyant · 蚂蚁灵波阅读简报