I3L：面向全身移动操作迭代交互式模仿学习的硬件与学习系统
I3L 是一套结合全身纠正与迭代策略精炼的软硬件系统，用低成本开源的 JoyLo+ 接口让操作员通过策略跟随主臂和触摸触发接管进行全身协调纠正。在三种机器人本体、八项仿真与真实任务上，四轮 HG-DAgger 使自主成功率较基础策略平均提升 68.3 个百分点，每项任务至少达 90%，同等训练轨迹数下比纯示范训练高 35.6 个百分点。
#论文/研究
arXiv · cs.AI模型评分4646 arXiv · cs.AI模型评分3434 检测与抑制：针对 VLA 模型对抗补丁的机制性防御
研究者用稀疏自编码器（SAE，Sparse Autoencoder）分析视觉-语言-动作（VLA，Vision-Language-Action）模型的内部表示，找到一个激活与对抗补丁强相关的特征，仅在线性探针检测到攻击时于推理阶段抑制该特征，无需微调即可提升鲁棒性。在 LIBERO-10 上的测试显示，间歇性攻击下按需干预能提高成功率，而持续施加同一干预会明显损害策略性能。
arXiv · cs.AI模型评分4343 研究：闭环机器人软件的学习与跨任务迁移
一项研究把完整闭环机器人实现当作可复用的执行经验，让编码智能体从少量成功演示生成策略代码，并用仿真反馈迭代改进。在 RoboCasa 的四个源任务上，迭代优化把成功率从初始代码的 28.3% 提升到经验证筛选代码的 64.2%，并在 Unitree G1 实体机器人上验证。迁移到九个新任务时，使用源任务经验证筛选的代码成功率为 57.0%，高于无参考的 45.2% 和使用初始代码的 41.5%。
arXiv · cs.AI模型评分3030 面向机器人基础模型的规范感知动作分布优化框架
研究者提出一种规范感知的动作分布优化框架，可在不修改预训练机器人基础模型参数的前提下，让机器人在执行时满足信号时序逻辑（STL，Signal Temporal Logic）约束。该方法在每个决策步通过前向动力学推演剩余时间范围，计算满足硬性 STL 可行性约束的最小修改动作分布，并在仿真中用先进机器人基础模型跨多环境与复杂规范完成验证。
arXiv · cs.AI模型评分5858 Self-Building Labs：让实验室自行设计并搭建实验装置
研究团队提出自搭建实验室（SBL，Self-Building Laboratory），给定高层科学目标后，系统可自行设计实验室布局、配置数字孪生、生成机器人技能和实验流程，把现有实验室从空房间或已运行的自驱动实验室（SDL，Self-Driving Laboratory）升级为可执行新实验的装置。
arXiv · cs.AI模型评分3131 共享模块化递归提升多机器人形态控制的零样本泛化能力
研究者提出一种基于 Transformer 的共享模块化递归架构，利用模块间交互补全部分缺失的上下文特征，在 MuJoCo 机器人集合上实现通用形态控制。在四种环境中，该架构对动力学、运动学和拓扑结构均未见过的新机器人取得显著提升的零样本泛化性能。
arXiv · cs.AI模型评分3939 ID-WM：解耦可达性与局部控制的分层世界模型
研究者提出分层世界模型 ID-WM（Implicit Dynamics World Models），用高层模型采样状态空间中可行的状态转移，再由低层世界模型作为逆动力学求解器把转移落到精确动作上。在三个导航与操作测试集上，它比现有最优的策略与扩散模型规划器提升 38.5%，相比单层世界模型 MPC 在复杂未见长程任务中提升 135%。
arXiv · cs.AI模型评分5757 RoboArchitect：用编码模型自动设计带持久记忆的机器人智能体外壳
RoboArchitect 让编码模型观察机器人执行过程、诊断失败并迭代修改冻结策略外围的控制外壳，在不更新任何模型权重的情况下把未见场景平均成功率从 9.7% 提升到 43.3%（4.5 倍），未见任务从 12.7% 提升到 40.2%（3.2 倍）。
arXiv · cs.AI模型评分3434 综述：具身记忆如何帮助智能体在部分信息下行动
一篇综述系统梳理了具身记忆（embodied memory，指智能体保留当前观察之外、帮助系统判断何时执行、询问或阻止的信息的机制），按六项记忆需求和八类架构组织现有方法，涵盖循环状态、快速权重、视觉与符号表示、空间记忆及经验型系统。文章还分析了现有基准如何区分真正使用历史信息与一般任务表现，并指出选择相关经验、在变化环境中维持一致信念、跨回合整合知识等开放挑战。
arXiv · cs.AI模型评分5050 研究：VLA 策略无法判断何时不该行动，空指令下仍会执行任务
研究在 LIBERO-Goal 仿真中对六个模型检查点测试空、中性、无意义、不可行和错误任务指令，发现即使指令为空，六个检查点每次都会让机器人开始移动，其中五个还常完成指令未指定的任务。
arXiv · cs.AI模型评分3636 STAR：在推理阶段引导视觉-语言-动作模型的动作表征
针对视觉-语言-动作模型（VLA，Vision-Language-Action）动作输出附近的表征未能充分保留任务相关视觉定位的问题，研究者提出免训练推理方法 STAR，对后层残差更新做指数移动平均，让后层动作表征继承前层的物体感知更新方向，并用本体状态调节混合强度。在机器人操作基准上，STAR 将平均任务成功率提升 4.0 个百分点，代码已公开。
arXiv · cs.AI模型评分4848 从遥操作到长程灵巧性：评估视觉运动技能与离线代理指标用于灵巧操作
研究团队用五指机械手完成 RJ45 网线抓取与插入，在约 1700 次真机试验中评估了覆盖 7 个策略族的 281 个模仿学习策略。结果显示观测与动作表征比优化器和采样选择更关键：点云策略的感兴趣区域裁剪、机器人基座坐标系表征和点编码器内归一化各提升成功率 70-100 个百分点，视觉-语言-动作策略改用绝对动作预测后插入成功率最高提升 70 个百分点。
arXiv · cs.AI模型评分4343 CausalWAM：让世界动作模型只从动作相关隐变量生成动作
研究提出 CausalWAM（CWAM），在预训练世界动作模型（WAM，World Action Model）的动作头上加一条稀疏路由路径，把“导致动作的隐变量”与“预测场景所需的隐变量”分开，世界建模目标保持不变。
arXiv · cs.AI模型评分3333 基于分布式强化学习的多目标在轨巡检风险敏感任务规划
一项研究用分布式强化学习为低轨多目标巡检任务做规划，采用分位数回归深度Q网络（QR-DQN，Quantile-Regression Deep Q-Network）智能体，按均值-方差准则同时考虑预测回报的期望与方差来选择下一个巡检目标。
arXiv · cs.AI模型评分3030 基于安全强化学习的在轨服务机会约束检查视点排序
一项研究把目标航天器近距离检查的视点选择建模为约束马尔可夫决策过程，用带拉格朗日松弛的近端策略优化求解，并结合CW方程评估每次转移。该方法在Galileo级导航卫星点云模型上测试，将碰撞风险设为显式设计参数，在各风险预算下把禁飞区违规率控制在限定范围内，覆盖度接近最大且不超任务Δv预算。相比固定禁飞半径余量的确定性规划，它在相近覆盖度下违规率不到一半，且无需在每个决策点重复蒙特卡洛风险评估。