分布流强化学习提升价值估计与策略
分布流强化学习：我们不仅在价值上强制贝尔曼一致性，还在价值生成流过程的每一步上强制这一致性。结果表明效果更好，能产生良好的价值分布，更准确地捕捉价值的分布，从而得到更好的策略。
试运行：收录范围与分类仍在校准，更新可能延迟。 最近内容更新：2026-11-04 17:28（北京时间）
#机器人学习
Sergey LevineAI 评分4848
我爱计算机视觉AI 评分4949 TPAMI 2026 | 北大、清华等团队提出 GAPrompt++：多粒度几何感知点云提示，高效适配3D视觉模型
北京大学、清华大学等团队提出多粒度几何感知点云提示方法 GAPrompt++，冻结预训练3D视觉骨干、仅训练轻量提示模块与任务头完成下游适配。以 Point-PQAE 为例，其使用 0.6M 可训练参数，在 ScanObjectNN 最难的 PB_T50_RS 划分上准确率达 90.63%，较全量微调的 89.56% 提升 1.07 个百分点。
arXiv 世界模型与脑机接口AI 评分5757 TIF：用执行反馈审计想象奖励的 VLA 后训练监督选择方法
作者提出 Trusting Imagined Futures（TIF），一种面向 VLA 后训练的离线监督选择方法，用执行反馈审计世界模型预测的奖励。该方法由多维奖励模型给出候选效用分和五个执行质量维度，审计器结合奖励预测与不确定性识别高估模式，仅在效用优势超过阈值且审计风险达标时替换现有轨迹，否则保留原监督用于行为克隆。
arXiv 世界模型与脑机接口精选AI 评分6262 3D World Simulator：混合粒子-体素动力学实现多模态 3D 世界模拟
作者提出 3D World Simulator，一个以动作为条件的多模态世界模型框架，从统一 3D 表示中同时预测外观、几何与触觉观测。该方法用混合粒子-体素自编码器把点云压缩为紧凑 3D 体素隐变量，再由动作条件隐动力学模型预测其演化，支持任意视角的几何一致渲染与空间对齐触觉信号接入。
关注价值：论文把外观、几何与触觉统一到同一 3D 表示中，读者可据此比较它与 2D 视频世界模型在空间一致性上的差异。
arXiv · cs.ROAI 评分5959 验证损失能预测真机成功率吗？SO-101 机械臂上四种模仿学习策略的实测
研究在 SO-101 机械臂的抓取放置任务上训练 ACT、Diffusion Policy、SmolVLA 和 π0.5（仅动作专家），用 12 至 200 条演示的嵌套子集对比留出验证损失与真机闭环成功率。
arXiv · cs.ROAI 评分5858 监督自主双臂机器人系统用于低度脾创伤止血的抽吸与电凝
研究提出一套监督自主双臂机器人框架，用于低度脾创伤的电外科凝血止血，由人类保留监督、系统执行技术步骤。系统整合实时出血分割、无标记工具关键点跟踪和深度工具-组织接触检测，协调两条机械臂同步完成抽吸与电凝；在一种新型插管离体脾出血模型上对七处不同创伤测试，平均出血表面电凝覆盖率达 82.9%。作者据此说明监督自主双臂系统在创伤部位实施定点凝血具备可行性。
arXiv · cs.ROAI 评分5656 SPARK：通过物理重观测自我纠错的具身记忆框架
SPARK 是一个面向具身 RAG 的多回合纠错框架：首回合后由语义评审模块标记知识库区域，定向规划器生成重访，再按新观测对知识库做增删替换的选择性合并。
arXiv · cs.ROAI 评分4242 从概念到实际原因：弥合机器人基础模型的概念-故障鸿沟
一篇立场论文将机器人基础模型的事后故障定位形式化为实际因果问题，提出由被干预内部组件、反事实值、偶然因素与读出构成的故障隔离查询元组及其良定义条件。作者指出当前机制可解释性方法假设偶然因素固定、仅读出即时效应，使备份路径掩盖实际原因，并用玩具示例展示这些缺陷会导致相互冲突的判定。基于良定义条件，论文列出四项开放研究任务以弥合概念-故障鸿沟。
arXiv · cs.RO精选AI 评分6666 Archon Robotics 提出人形全身控制器 Anchor 1 并发布配套基准
Archon Robotics 提出面向精确稳定全身操作的人形控制器 Anchor 1，并配套发布覆盖多种全身协调需求的基准。该方法采用校准后的稀疏动作参考，不做在线关节空间重定向，以保留任务相关的人体动作结构；同时引入与动作编码解耦的显式误差反馈。
关注价值：该论文提出面向全身操作的人形控制器与配套基准，其真机跟踪误差下降幅度为评估控制精度提供了可对照的量化参照。
arXiv · cs.ROAI 评分5151 LIFE：让机器人从经验中持续学习的终身具身智能框架
作者提出 LIFE（Lifelong Intelligence from Experience）框架，让机器人持续观察、选择性记忆并把经验转化为新能力。
arXiv · cs.ROAI 评分5252 论文探讨可验证机器人：神经符号方法统一学习模型与符号结构
Benedict Quartey 的论文提出，要让机器人可信自主规模化，需采用神经符号方法，把学习模型的泛化能力与符号结构结合。
arXiv · cs.ROAI 评分5555 Teach-Abstract-Apply：面向协作机器人的对话驱动任务学习框架
研究提出 Teach-Abstract-Apply（TAA）框架，让操作者用自然语言教协作机器人新工作流，再把教过的流程抽象成可复用技能并迁移到不同场景。作者以协作搭建结构任务为案例，用开源权重模型 Qwen3-Coder 和闭源模型 GPT5.2-Codex 在自对弈与跨模型配置下评估，结果显示技能抽象提升了任务成功率并降低交互成本。初步的人类在环研究提示该流程也能处理人类指令，论文为预印本。
RobohubAI 评分4040 布里斯托大学用普通电动机复现肌肉协调机制，或可改进机器人
布里斯托大学团队用普通电动机搭建桌面物理模型，模拟肌肉中肌球蛋白与肌动蛋白的协调方式，成果发表于英国皇家学会期刊 Interface。模型中各电机间歇性接触共享机械骨架，无需直接通信便自发出现负载-速度关系、协调拉动与滑脱、以及沿阵列传播的协调波等类肌肉行为。研究者认为，这种由结构本身承担协调工作的思路或有助于改进机器人。
机器之心AI 评分7474 浙大联合TeleAI提出GR-BC，用图搜索从机器人试错中找出有效动作
浙江大学沈春华团队联合中国电信人工智能研究院（TeleAI）与伽马智能白辰甲团队提出Graph-Reweighted Behavior Cloning（GR-BC），把同一任务的多次尝试构建成图，用反向Dijkstra搜索估计各状态到成功的剩余步数，再据此为动作片段加权训练VLA，该方法已被CoRL 2026接收，论文与代码已公开。
我爱计算机视觉AI 评分7171 复旦等提出 RSI-Nav：统一视觉语言动作学习让导航模型自我进化
复旦大学等提出 RSI-Nav，用同一个视觉语言模型同时完成指令到动作与轨迹到指令的双向学习，让导航模型自行生成并筛选训练数据。仅用第一视角 RGB 输入，R2R-CE 与 RxR-CE 导航成功率分别达 68.6% 和 72.4%，较 Cold Start 模型提升 15.7 和 17.7 个百分点，R2R-CE 的 SPL 从 45.5% 升至 58.6%。
RoboHubAI 评分5858 华盛顿大学团队研发 SwapBot：机器人按步骤更换工具完成接触密集任务
华盛顿大学团队构建了 SwapBot，让机器人通过更换可互换工具来处理复杂的接触密集任务，每次换工具约需 10 秒。工具经 3D 打印转接件和共享电磁接口连接，转接件与传感器材料成本约每件 10 美元；每个工具有独立训练的策略，依据相机图像和压力反馈控制动作，人可用对应手持工具示教。
MIT News · RoboticsAI 评分4747 MIT 团队研发仿蛇软体机器人小肠镜，可成像、给药并切除息肉
MIT 工程师设计出一款仿蛇运动的软体机器人小肠镜，可穿过狭窄的小肠完成成像、给药和切除小息肉或取活检。其执行器含四个气腔，通过充气组合控制伸展与弯曲，头尾锚定球囊配合剪纸结构涂层提供抓附力。动物实验中机器人行进约 6.5 英尺，并演示了喷药、组织夹与摄像头功能。
RobohubAI 评分4242 NimbRo 团队访谈：五夺 RoboCup@Home 冠军，凭半监督标注论文获 RoboCup 2026 最佳论文奖
Raphael Memmesheimer 带领的 Team NimbRo 在 RoboCup 2026 的 RoboCup@Home 比赛中获得第三名，并凭论文《Efficient Image Annotation via Semi-Supervised Object Segmentation with Label Propagation》拿下最佳论文奖。
New Atlas · RoboticsAI 评分6262 新加坡国立大学研发 eLuminator 电子皮肤，受压即发光显示压力分布
新加坡国立大学研究团队开发出名为 eLuminator 的超薄柔性电子皮肤，可将压力直接转换为可见光图案，从而实时显示接触位置和压力大小，无需外接显示屏或复杂信号处理。
New Atlas · RoboticsAI 评分4040 KAIST 研发 BeetleBot 机器甲虫：人造肌肉驱动，支持手指控制与双向反馈
韩国科学技术院（KAIST）团队研发了甲虫机器人 BeetleBot，其腿部与夹爪采用 3D 打印液晶弹性体（LCE）人造肌肉，加热后可收缩 45%。操作者佩戴柔性传感器贴片，通过手指动作发出前进、左转、右转和抓取四种指令，机器人摄像头实时回传视觉信息形成双向反馈。实验室测试中，BeetleBot 已完成转向、接近、抓取并搬运物体的任务。
New Atlas · RoboticsAI 评分5757 北卡州立大学研发仿羽星水下机器人，仅用两个执行器实现三维机动
北卡罗来纳州立大学研究团队研发出一款仿羽星水下机器人，仅用两个执行器和数条弹性肢体即可实现三维机动。论文通讯作者 Jie Yin 表示，通常这类运动至少需要六个执行器，该机器人依靠结构设计达成同等运动范围，是机械智能提升设计效率的案例。机器人具备水母模式、鱼模式和转子模式三种运动方式，分别对应升降与悬停、前后推进和原地转向，团队希望其用于水下探索、搭载相机和搬运物体等场景。
Chelsea FinnAI 评分4040 生成式价值分类器无需动作条件
生成式价值分类器是一种新的Q函数参数化方式，无需动作条件。 我们认为这些分类器或许能与大规模预训练策略优雅地结合，并从更丰富的输出信号中更好地学习和泛化。 论文：https://alexanderswerdlow.github.io/gvc/
Sergey LevineAI 评分5252 Sergey Levine 等提出从离线数据估计 empowerment 的可计算方法
Sergey Levine 转发介绍一篇新论文，提出一种可计算的估计器，能从离线数据中估计 empowerment，即智能体在某个状态下拥有多少控制力。作者称该估计可作为无监督目标，用于学习各状态对达成多样结果的相对价值，并给出了若干应用；他同时指出这类估计此前难以做到可计算。论文链接为 https://t.co/O5tz9nQTsB。
New Atlas · RoboticsAI 评分5858 UCLA 与密歇根大学研制靠弹性杆突跳跳跃的 11 厘米机器人
UCLA Samueli 工程学院与密歇根大学的研究者造出一款长约 11 厘米、重 98.2 克的跳跃机器人，两条后肢由 Nitinol 杆弯成螺旋状，伺服电机扭转杆体储能后突然翻转释放能量完成跳跃。
New Atlas · RoboticsAI 评分6060 UCLA 团队研发 PhoneBot：用旧安卓手机充当双足机器人躯干与大脑
UCLA 机器人与机构实验室（RoMeLa）在 arXiv 预印本中提出 PhoneBot，把智能手机当作双足机器人的躯干、眼睛和大脑。机器人高 48.3 厘米、重 1.8 公斤，含 13 个低成本伺服电机，手机通过 Wi-Fi 与机载小电脑通信并转发指令，相机负责视觉、IMU 负责平衡、处理器运行驱动关节的神经网络。
New Atlas · RoboticsAI 评分4545 纽约大学研发 WorMa 水泵驱动机器人蠕虫，可攀爬崎岖海岸地形
纽约大学 Tandon 工程学院团队研发出蠕虫机器人 WorMa，靠中段水泵在头尾两个乳胶水球间搬运 300 克水来改变重心。它长 50 厘米、重逾 1 公斤，可攀爬 19.5 度斜坡、在水中提速约 26%，并能爬上 15 厘米高的台阶。目前重心切换仍由外部控制，团队正提升泵速并计划加入地形感知传感器以实现自主移动。
Chelsea FinnAI 评分5454 Chelsea Finn 等提出 Mulligan：按失败初始状态聚焦机器人数据采集
Chelsea Finn 转发 Lars Ankile 关于机器人学习数据采集方法 Mulligan 的工作，指出机器人越可靠，DAgger 效率越低，例如 90% 成功率意味着人超过 90% 的时间在被动看机器人执行。其核心思路是失败往往来自相似的初始状态，可把学习集中在这些状态上；在 3 个真实任务和 2,550 次盲评中，同等预算下该方法优于均匀采集。论文链接为 arxiv.org/abs/2610.05882。
IEEE Spectrum RoboticsAI 评分5858 苏黎世联邦理工把商用灵巧手改造成可自主行走的独立机器人
苏黎世联邦理工学院软体机器人实验室将 Wuji Technology 的商用灵巧手改造成完全自包含的机器人，靠指尖行走并用同一批手指操作环境。团队在仿真中用强化学习训练，针对手指长度不等设置各指相对掌心的目标位置并施加“虚拟弹簧”约束，另训练翻正、按键、推物三个模型并部署在板载 Raspberry Pi Zero 上。
MIT News · Robotics精选AI 评分6767 MIT 提出 SANDO 轨迹规划系统，在未知动态环境中为无人机提供数学安全保证
MIT 研究人员提出 SANDO 轨迹规划系统，可在没有地图、存在未知移动障碍的环境中为无人机规划出数学上可证明无碰撞的飞行路径，成果发表于 IEEE Transactions on Robotics。
关注价值：该研究把未知动态环境下的避障安全从经验调参推进到可数学证明，并完成真机飞行验证。
New Atlas · AI & HumanoidsAI 评分5858 KAIST 与微软亚洲研究院提出 NVA：用脑电信号让 AI 识别指令误解
KAIST 与微软亚洲研究院提出脑机接口方法 Neural Value Alignment（NVA），用脑电检测人对 AI 错误行为的反应并作为反馈让 AI 实时调整。
Singularity Hub · RoboticsAI 评分6767 韩国科学技术院团队四足机器人 RAIBO2 不换电跑完马拉松，续航约 40 英里
韩国科学技术院 Hwangbo Jemin 团队的四足机器人 RAIBO2 在韩国尚州马拉松中不换电、不充电完赛，用时 4 小时 19 分 52 秒，终点剩余 34% 电量，单次充电续航约 40 英里。
New Atlas · AI & HumanoidsAI 评分5858 东北大学等团队用竹节虫步态教六足机器人行走
日本东北大学与泰国 VISTEC 等机构的研究团队用对抗逆强化学习，让六足机器人通过模仿竹节虫学会在多种地形行走，相关论文发表于 Bioinspiration & Biomimetics。团队只让训练机器人短暂观察竹节虫在平地上的行走，不到一小时就完成学习，且未向机器人下达如何行走的显式指令。研究者称该奖励网络可适配不同本体形态，无需逐一定制，未来或可用于灾害现场等轮式车辆难以到达的场景。
Berkeley AI ResearchAI 评分5858 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 博客介绍 GRASP，一种面向学习动力学世界模型的梯度规划器，通过把轨迹提升为虚拟状态实现跨时间并行优化、对状态迭代加高斯噪声做探索，并绕开脆弱的状态输入梯度。
Physical Intelligence精选AI 评分7575 Physical Intelligence 提出 RLT 方法：用 RL token 让 VLA 数小时内在线强化学习精密操作
Physical Intelligence 提出 RL tokens（RLT）方法，在 VLA 上增加一个 RL token 作为紧凑接口，让小型 actor 和 critic 网络在机器人上实时在线强化学习，无需微调整个模型。
关注价值：RLT 把在线强化学习压缩到数小时真机数据内，为 VLA 在精密操作阶段的快速适配提供了一条可复用路径。
Physical Intelligence精选AI 评分8080 Physical Intelligence 提出 MEM 多尺度具身记忆，让 π0.6 完成十五分钟长任务
Physical Intelligence 提出多尺度具身记忆方法 MEM，为 π0.6 模型同时加入短期原始观测记忆和长期自然语言笔记，使模型能处理最长十五分钟的任务。
关注价值：多尺度记忆让 VLA 在十五分钟级任务上保持进度与纠错，为长程操作提供可复用的记忆设计思路。
Skild AI BlogsAI 评分5858 Skild AI 提出通过观看人类视频学习机器人技能
Skild AI 发文提出用人类视频数据训练机器人技能，认为遥操作受限于场景多样性和实时采集速度，难以达到基础模型所需的数据规模。其模型通过观看视频微调学习新技能，只需不到 1 小时机器人数据，公司称这能改变机器人数据瓶颈。
Physical Intelligence精选AI 评分6666 Physical Intelligence 用机器人奥运任务测试 π 0.6 微调能力
Physical Intelligence 基于 π 0.6 模型微调，尝试 Benjie Holson 提出的“机器人奥运会”日常操作任务，在 5 类任务中 3 类达到金牌任务水平、2 类达到银牌任务水平，多数任务数据采集不足 9 小时。
关注价值：原文用第三方提出的日常操作任务清单检验π 0.6微调效果，并给出与无机器人预训练基线的对比，可据此判断通用机器人预训练对下游任务的实际作用。
Physical Intelligence精选AI 评分7676 Physical Intelligence 研究：VLA 模型随预训练规模出现人类到机器人迁移
Physical Intelligence 在研究中发现，视觉-语言-动作（VLA）模型随机器人预训练数据规模扩大，会出现从人类视频到机器人任务的迁移能力。团队用 π0.5 做简单的人机联合微调，把人类视频中的动作表示为 3D 手部位置，在 4 个仅由人类数据展示的泛化场景中性能提升约 2 倍，且未使用专门的迁移机制。
关注价值：该研究显示人类视频到机器人的迁移随机器人预训练数据规模扩大而出现，为降低真机数据依赖提供了一条可复用路径。
Physical Intelligence精选AI 评分8585 Physical Intelligence 发布 π*0.6：用 Recap 从经验中学习的 VLA
Physical Intelligence 发布基于 π0.6 的视觉-语言-动作模型 π*0.6，采用 Recap 方法结合示范、遥操作纠错与强化学习，在自主经验上训练后部分最难任务的吞吐量提升一倍以上、失败率可降低一半以上。
关注价值：原文给出三个真实任务上的吞吐与成功率对比，可据此判断强化学习与纠错数据对 VLA 可靠性提升的实际幅度。