ARMS：面向常开机器人并发流的流式策略论文入选 CoRL 2026
ARMS（Always-on Robot in Multi-modal Streams）提出一种流式策略，用单个预训练 π0.5 主干加三个轻量模块，把实时感知、本体状态和机器人自身历史动作转成主干动作前读取的上下文，模块异步更新使观察与回忆不阻塞动作、双臂可同时行动。
推荐理由：论文给出与最强基线的对比数字和消融结论，可据此评估异步记忆模块的实际增益。
技术方向
具身智能 最新动态
AI 走进物理世界的整体进展：整机和基础模型、真实环境部署、量产节点与产业格局的追踪。
684 条精选近 30 天 626 条共收录 1,390 条
更新
精选归档 · 第 21 页
arXiv cs.RO 机器人学精选AI 评分5757 arXiv cs.RO 机器人学精选AI 评分5858 TaskAnchor：为反应式 VLA 注入任务状态以支持长程操作
论文提出 TaskAnchor，一个轻量适配器，通过把执行上下文注入 VLA 原生输入空间来消除长程操作中的任务状态混叠：将语义执行阶段编码为里程碑监督坐标并前置到语言指令，同时以残差更新方式融入细粒度历史证据到当前视觉 token，不改动骨干架构。
推荐理由：论文指出长程操作的瓶颈在输入歧义而非策略容量，并给出相对基线的量化提升，便于评估该思路价值。
arXiv cs.RO 机器人学精选AI 评分5757 ModAR：自回归去噪多模态的 World-Action 模型
论文提出 ModAR，首个在预测动作前自回归去噪多种未来模态的 WAM，让每次预测可条件于先前生成的模态。
推荐理由：论文对比了多种模态组合与 WAM 公式，可为选择预测模态和训练策略提供实验依据。
arXiv cs.RO 机器人学精选AI 评分5656 DIDO：将交互中心动力学蒸馏进单步去噪的世界动作模型
论文提出 DIDO，把多步视频世界动作模型（WAM）收敛的动力学蒸馏进单步去噪，以降低闭环控制的推理延迟。作者发现静态背景在去噪早期即形成，而夹爪与被操作物体的交互动态需后续步骤才浮现，因此结合分布匹配蒸馏与交互中心表征引导，用带监督边界框的视觉推理 token 显式建模夹爪、物体及其交互，并借助预训练 DINOv3 编码器跨层对齐目标物体表征。
推荐理由：论文解释了多步去噪中背景先收敛、交互动态后出现的规律，说明直接截断到一步为何会丢失操作关键信息。
arXiv cs.RO 机器人学精选AI 评分5656 CoRE-VLA：通过条件路由专家实现可扩展且鲁棒的视觉-语言-动作建模
CoRE-VLA 提出将动作生成建模为上下文条件的稀疏计算，用传感器可用性门控模态专家，在传感器缺失时无需重训即可平滑降级，并按任务意图把动作侧表征路由到相关专家。
推荐理由：论文指出传感器缺失会让现有 VLA 策略失效，并给出按传感器可用性门控专家的稀疏计算思路，可迁移。
arXiv cs.RO 机器人学精选AI 评分5858 RoboMME-Interference：面向干扰场景的机器人长上下文记忆基准
论文提出 RoboMME-Interference，一个基于 RoboMME 的跨会话机器人记忆基准，用相关历史演示加受控数量的无关会话作为 VLA 的记忆输入并测量准确率。实验发现感知记忆变体在无干扰时提升成功率但随无关会话累积而显著衰减，子目标变体提升较小却更抗干扰；在最强感知变体上加入检索步骤后，各干扰水平下都能恢复无干扰时的成功率。
推荐理由：该基准用受控干扰会话量化了机器人长上下文记忆的衰减规律，可为记忆模块选型提供对照数据。
arXiv cs.RO 机器人学精选AI 评分5555 w²VLA：解耦视觉-语言-动作模型中的声明性与过程性知识
论文提出新的 VLA 模型 w²VLA，通过重构信息流，以可组合、可解释的方式将视觉、空间和技能信息调制到机器人状态序列上，而非把 VLM 编码器的全部多模态 token 输入大型不透明的 transformer 动作专家。作者称该模块化方法成功解耦了知识表示，实现了稳健的行为克隆，并在差异较大的未见物体上展现出零样本技能迁移能力。
推荐理由：论文指出当前 VLA 模型难以解耦声明性与过程性知识，为理解零样本技能迁移的瓶颈提供了分析框架。
arXiv cs.RO 机器人学精选AI 评分5656 BayesFP：基于 Feynman-Kac 采样的流匹配策略后验估计
BayesFP 将预训练扩散与流匹配策略的约束轨迹生成表述为贝叶斯后验采样，以演示分布为先验、推理时代价导出的似然将其偏向可行最优轨迹，无需重训基础策略。
推荐理由：论文把约束轨迹生成统一为后验采样并免重训，读者可了解其对扩散与流匹配策略的通用做法。
arXiv cs.RO 机器人学精选AI 评分5555 HARP-VLA：面向视觉-语言-动作模型的人机对齐表征学习
HARP 提出一种人机对齐表征学习框架，用成对人机演示作为跨本体桥梁、大量非配对人机视频作为可扩展的动态监督数据源，训练机器人适配的视觉编码器与潜在动作模型，以实现更有效的 VLA 预训练。特征可视化、仿真与真实操作实验显示人机对齐与下游策略性能均有提升，在 CALVIN ABC→D 上达到 4.481 平均长度，真实世界成功率较最强基线提高 7.1 个百分点；代码、视频与演示已开放。
推荐理由：论文给出人机对齐表征的具体训练方法与量化结果，关注跨本体 VLA 预训练的研究者可据此评估其有效性。
arXiv cs.RO 机器人学精选AI 评分5151 BrickCraft：面向长程互锁积木装配的视觉运动技能组合框架
论文提出 BrickCraft，一个面向长程互锁积木装配的组合式框架，用相对表述把每一步锚定到部分结构中的参考砖，将复杂任务分解为有限的可复用原语技能。它通过 situated manuals 把装配意图投影到实时机器人观测上，为学习到的视觉运动技能提供显式空间引导，并用模块化执行链路串联这些技能。实验表明 BrickCraft 能从少量演示中习得装配技能，并将其组合完成多样的长程装配任务。
推荐理由：论文提出用相对参考砖分解长程装配任务，为机器人抓取式装配提供了可复用技能组合的思路。
arXiv cs.RO 机器人学精选AI 评分5555 论文提出面向颗粒介质高速跳跃的动力学感知本体感觉地形表征方法
该论文研究机器人高速跳跃时与颗粒地形的相互作用，提出仅用本体感觉进行动态地形表征的物理框架。受控跳跃实验表明，准静态假设在高速跳跃中估计颗粒地形属性存在较大偏差，尤其在触地和控制器引起的刚度切换时刻，仅靠速度相关阻力无法解释，主导瞬态力响应的是与脚下颗粒卷入相关的加速度相关附加质量效应。
推荐理由：论文指出准静态假设在高速跳跃时估计偏差大，并给出加速度感知回归方法，可迁移至动态地形感知方案设计。
arXiv cs.RO 机器人学精选AI 评分5252 Easy-IIL：用助手专家降低交互式模仿学习的人工操作负担
Easy-IIL 提出用现成的基于模型的模仿方法作为助手专家，替代大部分数据采集中的人工主动操作，人类专家只需提供一次演示初始化助手专家，并在任务接近失败的关键状态介入。仿真与真实世界实验显示该方法显著降低人工操作负担，同时保持与主流 IIL 基线相当的性能，用户研究也确认其降低了人类专家的主观工作负荷。
推荐理由：论文指出结构化模型模仿在少样本时优于端到端、数据增多后被反超，这一洞察可迁移用于设计人机协作的数据采集方案。
arXiv cs.RO 机器人学精选AI 评分5353 通过神经算子实现软体机器人无穷维闭环逆运动学
论文将闭环逆运动学（CLIK）推广到无穷维域，通过组合驱动到形状映射与形状到任务映射，并借助无穷维链式法则推导出基于 Jacobian 的 CLIK 算法，从而直接对软体机器人整体形状进行推理。由于软体机器人模型通常无闭式解，作者提出用可微神经算子网络学习该映射及其 Jacobian，先在常曲率段上做解析研究，再将神经版本应用于依赖形态弹性和主动丝理论建模的三纤维软体机械臂。
推荐理由：论文把闭环逆运动学推广到无穷维域并用可微神经算子学习映射，关注软体机器人控制方法的读者可了解其思路。
arXiv cs.RO 机器人学精选AI 评分5858 USER：面向真实世界在线策略学习的统一可扩展系统（RSS 2026）
USER 是一个面向具身智能真实世界在线策略学习的统一可扩展系统，已被 RSS 2026 接收。系统侧引入硬件抽象层统一管理机器人，并通过自适应通信平面支持云边训练；学习侧采用全异步训练框架、持久且缓存感知的 replay buffer，以及可扩展的奖励、算法与策略抽象。仿真与真实实验表明 USER 支持多机器人协同、异构机械臂、大模型云边训练和长时间异步训练。
推荐理由：论文指出真实世界策略学习受制于无法加速与重置的系统约束，给出了硬件抽象与异步训练的解决思路。
arXiv cs.RO 机器人学精选AI 评分5858 HumanX：从人类视频学习可泛化的人形机器人交互技能
HumanX 提出统一框架，把人类视频转化为人形机器人可泛化的真机交互技能，无需逐任务设计奖励。框架包含 XGen 锚点式数据生成管线与 XMimic 交互优先学习框架，可在数秒演示中学习技能。
推荐理由：论文给出从单段人类视频迁移到真机的完整方案与五领域评测，关注数据稀缺问题的研究者可据此比较现有方法。
arXiv cs.RO 机器人学精选AI 评分5454 DiffMorphGrasp：以手部形态为条件的跨本灵巧抓取扩散框架
DiffMorphGrasp 提出首个将手部形态信息纳入生成过程的扩散框架，用于跨本体灵巧抓取。该方法把多种机械手的抓取映射到统一参考手位姿，并以手部运动学图结构与物体几何作为生成条件，同时引入在运动学结构上计算关节级误差的损失函数约束生成抓取。作者还构建了新的跨形态抓取生成基准，实验显示该方法对未见过的手部形态具有较强的零样本泛化能力。
推荐理由：论文把不同机械手映射到统一参考手位姿并以运动学图作条件，为跨本体抓手迁移提供了可迁移的方法路径。
arXiv cs.RO 机器人学精选AI 评分6262 DeFM：面向机器人深度图像的自监督基础模型
DeFM 是一个完全基于深度图像训练的自监督基础模型，采用 DINO 式自蒸馏目标在 60M 深度图像数据集上学习几何与语义表征，并通过新的输入归一化策略保持跨尺度的度量感知。
推荐理由：论文指出深度模态的表征学习相比 RGB 仍被忽视，DeFM 用 60M 深度图像自监督预训练填补这一空白并开源全部模型。
arXiv cs.RO 机器人学精选AI 评分5555 UniConFlow：统一约束流匹配的可认证运动生成框架
论文提出 UniConFlow，一个基于约束流匹配的统一轨迹生成框架，系统纳入等式与不等式约束，并引入规定时间归零函数在推理时塑造时变引导场。
推荐理由：论文把碰撞、驱动限制等多类约束统一进一个生成框架，并给出两个加速推理的实用策略，做轨迹规划的读者可参考其约束处理思路。
arXiv cs.RO 机器人学精选AI 评分5050 SAP-CoPE：基于基础设施传感器节点协同位姿估计的社交感知机器人导航框架
论文提出 SAP-CoPE 室内导航框架，将协同基础设施感知、人体姿态估计与社交感知 MPC 规划器结合，用于解决自主移动机器人在有人环境中感知范围受限和遮挡问题。
arXiv cs.RO 机器人学精选AI 评分6262 LAPT-Scale：用人类视频潜动作预训练扩展具身策略
LAPT-Scale 提出一种可扩展的潜动作预训练范式，包含 LAPT-Scale-LAM 与 LAPT-Scale-Policy 两部分：前者通过解释人类视频的逐帧视觉变化学习连续潜动作作为监督，后者经人类视频潜动作预训练、目标机器人本体对齐和任务后训练构建 VLA 策略。
推荐理由：论文给出真机成功率随标注视频时长的量化曲线，可评估用人类视频扩展策略训练的收益。