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。
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
arXiv 世界模型与脑机接口AI 评分5757 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。
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。
Isaac Lab 官方 Releases精选AI 评分7171 Isaac Lab 3.0 正式发布，引入多后端架构与 Newton 物理引擎
Isaac Lab 3.0 正式发布，作为新项目的推荐基线，建立了跨多个物理、渲染和可视化后端的统一任务 API。核心变化是引入基于工厂的多后端架构，任务可在不改写逻辑的情况下切换 Newton（含 MuJoCo-Warp、VBD、MPM）或 PhysX 等后端；多数工作流无需安装 Isaac Sim 即可运行，完整 Isaac Sim 栈改为可选。
关注价值：多后端架构让物理、渲染与可视化解耦，并保留可选 Isaac Sim 全栈，下游项目可据此评估迁移成本。
星海图官网新闻AI 评分4848 星海图 LEMO 双臂开发平台首发开售，定价 49,999 元
星海图 LEMO 双臂开发平台正式开售，首发定价 49,999 元。该平台集成双 A1Z 七自由度机械臂、G1Z 夹爪、多视角同步视觉系统与 CCU 控制器，支持同构遥操作、VR 接管和三路视觉同步采集，并提供 SDK、URDF 及开放接口，覆盖数据采集、模型训练到真机部署验证的完整开发链路。
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。
Boston Dynamics精选AI 评分6767 Boston Dynamics 发布 Atlas 新一代 13 自由度机械手
Boston Dynamics 发布 Atlas 新一代机械手，自由度从上一代 GR2 的 7 个提升到 GR3 的 13 个，采用四指设计、取消小指，关节为直驱且可反驱。
关注价值：原文公开了 Atlas 新一代手部的自由度、驱动与传感取舍，读者可据此判断工具使用路线对灵巧手设计的约束。
Skild AI Blogs精选AI 评分6262 Skild AI 公布物理自博弈后训练结果：S1 基础模型在 Isaac Sim 自博弈 140 年学会踢足球并迁移到人形机器人
Skild AI 公布物理 AI 自博弈后训练结果：以旗舰机器人基础模型 S1 为底座、只给定“进球”这一目标，让策略在 NVIDIA Isaac Sim 中与自身近期版本对弈。
关注价值：这条结果把自博弈从数字 AI 带到人形机器人本体，读者可据此判断纯仿真自我对弈能否突破人类数据上限。
Skild AI Blogs精选AI 评分8383 Skild AI 发布机器人基础模型 S1，以视频演示实现上下文学习
Skild AI 发布旗舰机器人基础模型 S1，该模型以视频演示作为任务提示，无需微调即可执行未见过、时长最长约 10 分钟的操作任务。官方称在 100k 小时预训练数据下，S1 在未见任务上的成功率为 66%，语言提示的 VLA 基线为 9%；在已见任务上 S1 达到 96%。单次演示的上下文学习效果约相当于 380 条后训练示范，后者需 50–100 小时遥操作采集。
关注价值：S1 用视频演示替代语言提示，并给出从 1k 到 100k 小时预训练数据的对比曲线，可供判断上下文学习路线与 VLA 路线的分歧。
LeRobot 官方 Releases Atom精选AI 评分6060 Hugging Face LeRobot 发布 v0.6.0
Hugging Face 的 LeRobot 发布 v0.6.0，包含多项破坏性变更：pip install lerobot 不再默认包含数据集与训练依赖，需按需安装 lerobot[training] 等扩展，最低 PyTorch 版本升至 2.7，GR00T N1.5 被 N1.7 取代。
关注价值：从依赖拆分、RL 栈重构到新增多个基准与策略，读者可据此判断升级迁移成本与新增训练能力。
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。