基于普查机制的多机器人自主性分层模型：面向分布式机器人团队协作
该论文提出一种多机器人自主性分层模型，用“普查”（对邻居输入的加权计数）驱动的非线性意见动力学模型做团队集体决策，用区间规划的多目标行为优化做个体决策。模型可退化为分布式优化与控制的基础算法，并支持新的集体行为。
#具身智能
arXiv cs.MAAI 评分2222 Hacker NewsAI 评分3838 开源无人机模拟器 SkySim：C++20 气动仿真，支持 ArduPilot/PX4/Betaflight 固件在环
SkySim 是一款跨平台开源无人机模拟器，用 C++20 计算真实气动，可将飞行器交给 ArduPilot（JSON SITL）、PX4（MAVLink HIL）和 Betaflight（MSP）实际飞控固件控制。
arXiv cs.AIAI 评分2727 IndustrialVLA-Bench：面向开源机器人策略模型的可追溯多轴评估
IndustrialVLA-Bench 在统一报告框架下评估了六个已发布的 VLA 与 WAM 系统，分别考察 LIBERO 干净能力、LIBERO-Plus 非语言鲁棒性、LIBERO-Para 指令敏感性和实际执行成本。
arXiv cs.AIAI 评分2828 HIL-UMI：将 VLA 模型人在回路后训练带入通用操作接口
HIL-UMI 是一个基于通用操作接口（UMI）的免机器人人在回路 VLA 后训练框架，可在手持演示时查询当前策略而不执行其预测。它用 Energy Score 对比人类动作轨迹与策略推理，在差异指示分布外状态时触发数据采集，并通过在线优势预测筛选关键片段来改进基于进度的优势估计器。
arXiv cs.AIAI 评分2626 CoToGrasp：基于接触拓扑条件的灵巧抓取合成
CoToGrasp 是一个严格以特定接触拓扑为条件生成多样稳定抓取的生成式框架，完全以物体无关的方式训练，通过基于特征的规范工作空间将局部物体特征投影到统一的夹爪中心域，实现推理时对未见物体的零样本泛化。在 DexGraspNet 数据集上，CoToGrasp 达到 SOTA 性能，超越现有分类引导规划器，并在实体机器人平台上验证了所合成接触拓扑的物理可行性与运动学可行性。代码已在项目网站开源。
arXiv cs.AIAI 评分2626 ACID：用逆动力学实现动作一致性，提升世界模型规划效率
ACID 是一个决策时规划框架，通过逆动力学模型从预测的状态转移反推动作，并要求其与条件动作一致，从而引入循环动作一致性。该残差以尺度不变的自适应权重融入规划代价，在四个动作条件世界模型和八个任务（涵盖物体操作、关节控制、视觉导航与真机操作）中一致提升规划表现，并以显著更少的规划计算量达到基线精度。
arXiv cs.AIAI 评分2222 PearlVLA：在潜在空间中渐进式精炼具身动作规划
PearlVLA 是一个在潜在空间中渐进精炼 VLM 规划方案的 VLA 框架，利用冻结的潜在世界模型（LaWM）预测中间规划的潜在视觉子目标，经 K 轮迭代后一次性输出动作块。该工作还提出 Causal Refinement-Grouped Process-Reward RL 优化潜在精炼过程，在 LIBERO 和 RoboCasa 基准上表现与现有强方法相当。
arXiv cs.AIAI 评分3030 SPARC：面向 VLA 模型的图像压缩框架
研究者提出 SPARC（SPatially Adaptive Rate Control），一种专为 VLA 驱动机器人设计的学习型图像压缩框架，通过轻量级时序掩码选择器按任务相关性自适应分配码率，并引入 tilted rate loss 稳定训练。
arXiv cs.AIAI 评分2424 World-Ego Model（WEM）：面向长时程导航-操作任务的具身视频生成世界-自我建模
研究者提出 World-Ego Model（WEM），将具身视频拆解为「世界」（背景与未被操作物体）和「自我」（机器人与被操作物体）并解耦生成过程，结合角色条件注意力（RCA）的视觉-语言状态预测器与语义路由 MoE（SR-MoE）扩散生成器。
arXiv cs.AIAI 评分2424 ExecVLA：用双层动作表示让 VLA 模型遵循细粒度执行约束
ExecVLA 通过双层动作表示和监督式双层推理 token，将目标导向组件与执行特定组件分离，使 VLA 模型在完成同一任务目标时能遵循指令指定的交互对象、运动模式、空间关系和终止构型等执行约束。该框架引入目标不变性与执行可预测性目标，并在 LIBERO 仿真和 Realman-75 机器人上构建了带目标和细粒度推理标注的数据集。实验显示目标完成度提升，且对指令执行约束的遵循更为可靠。
arXiv cs.AIAI 评分2626 PhysMoDPO：用偏好优化生成物理可行的人形机器人动作
PhysMoDPO 是一个基于 Direct Preference Optimization 的框架，将全身控制器（WBC）纳入扩散模型训练流程，使 WBC 输出同时符合物理规律与原始文本指令，替代了脚部滑动惩罚等手工物理启发式。
arXiv cs.AIAI 评分2727 推理链作为视觉-语言-动作策略的控制面：DeepThinkVLA 在 LIBERO-Goal 上的反事实干预研究
研究以确定性实体替换分别对指令和推理链进行修复与破坏双向测量，发现破坏推理链的代价集中在语言单独决定目标的 LIBERO-Goal 任务上。用 DeepThinkVLA 做反事实干预，让策略接收被破坏的指令但替换为干净指令下生成的推理链，挽回了 47.8 pp 的损失成功率，全部 10 个任务均朝预测方向移动，但仍比干净运行低 38.0 pp。
arXiv cs.AIAI 评分2929 ActionCodec：什么造就了好的动作 tokenizer
论文从 VLA 优化视角提出动作 tokenizer 的设计原则，包括最大化时间 token 重叠、最小化词表冗余、增强多模态互信息与 token 独立性，并据此推出 ActionCodec。在 LIBERO 上，用 ActionCodec 微调的 SmolVLM2-2.2B 无需机器人预训练即达 95.5% 成功率，配合架构增强后升至 97.4%，创下无机器人预训练 VLA 模型的新 SOTA。
arXiv cs.AIAI 评分3434 EvolvingNav：面向演化世界持续导航的预测式 4D 信念
针对目标在未被观察时可能移动、导致记忆位置失效的问题，研究者提出 EvolvingNav，通过时间索引的 3D 物体历史构建持久-迁移结构化信念，并用事件驱动滤波器在时间推移中传播信念、预测检查时刻的目标占据情况并融合新的 RGB-D 证据。
arXiv cs.AIAI 评分3333 VLA Grounder：面向黑盒 VLA 模型的语言条件空间优化
研究者提出 VLA Grounder，一种语言条件空间策略，将人类指令转换为简短的 VLA 可执行命令，利用物体外观、空间关系和目标定位线索，通过稀疏任务完成奖励的强化学习优化，下游 VLA 保持完全冻结。在 RL4VLA 和 VL-Think 上的实验表明，语言条件空间优化提升了指令敏感、符号化及多物体操作任务的成功率，说明语言可作为机器人基础模型的可优化变量。
arXiv cs.AIAI 评分3030 RoboRSI：复杂真实环境中的稳定、高效、可复用机器人自我进化
RoboRSI 是一个基于自顶向下技能精炼（TSR）的机器人自我改进系统，将任务分解为复合、原子和基础技能并明确输入输出契约，由 Manager、Planner、Engineer、Reviewer 协同完成规划、执行、诊断与技能验证发布。
arXiv cs.AIAI 评分2222 MAMHOI：通过可供性分解实现场景感知的人-物交互生成
MAMHOI 通过显式的运动-可供性接口，将场景感知的人-物交互生成分解为场景理解与运动合成两步：场景条件模型先预测交互在哪里、如何可行执行，可供性条件 HOI 模型再生成对应的人-物运动。该方法无需配对的人-物-场景数据，即可从互补监督来源中学习场景理解与交互动态。在复杂室内环境实验中，MAMHOI 减少了物体-场景穿透，同时更好地保持了人-物交互质量。
arXiv cs.AIAI 评分2121 LeWAM：基于扩散引导 MPC 的 JEPA 世界动作模型
LeWAM 是一个双向 Transformer 世界动作模型，在无解码器的 JEPA 潜空间上端到端训练，可同时完成前向、后向、逆动力学与策略预测。其潜空间在线性探针下读取机器人与物体状态优于 LeWM，且与同规模 flow-matching 策略的闭环表现相当。规划时在策略头的噪声空间采样，比直接采样原始动作更能提升闭环性能。
arXiv cs.AIAI 评分4141 ARC：机器人基础模型的推理配方
研究者提出 ARC 推理配方，无需额外机器人演示或基础规模训练即可提升现有机器人基础模型的零样本任务表现。ARC 由推理轨迹、可扩展自动标注流程和适配预训练 RFM 的控制策略三部分组成，可从 DROID 自动构建 ARC-Trace-DROID，并让 π₀.₅ 等 VLA 与 Cosmos3-Nano-Policy 等 WAM 学会用轨迹控制。
arXiv cs.AIAI 评分2424 RiCo：通过局部接触推理实现刚体交互的神经模拟
研究者提出 RiCo（Rigid-body Contact Reasoning），用接触表面点的稀疏邻域表示物体间交互，将跨物体推理限制在邻近表面、同时在刚体内部传播接触信息。在 MOVi-benchmark 上，RiCo 将 100 帧位置和朝向误差分别降低 31-35% 和约 38%，穿透时间与平均深度相对真值差异为 11.0% 和 2.22 mm，并可零样本泛化到含 270 个物体的场景。
arXiv cs.AIAI 评分2323 空间语言建模：统一策略学习与状态预测
研究者提出空间语言建模（Spatial Language Modeling），用离散坐标与语义 token 的共享词表表示场景轮廓、目标、动作目标和未来状态，让单个自回归 Transformer 通过统一的下一 token 预测目标同时学习动作生成与动作条件下的状态预测。
arXiv cs.AIAI 评分2222 Traceable World State：面向机器人系统的溯源感知世界状态表示与确定性重放框架
研究者提出 Traceable World State（TWS），一种面向机器人世界状态的溯源感知语义表示与参考运行时，快照记录实体、关系、观测、置信度与修订元数据，并通过 SHA-256 哈希链实现防篡改日志。
arXiv cs.AIAI 评分3131 HWAM：联合状态-动作生成的人形世界动作模型
针对人形机器人分层系统中策略参考动作与实际执行动作存在差距的问题，研究者提出 HWAM——一种联合生成状态与动作的人形世界动作模型，将机器人执行后的本体感知状态作为显式预测目标。
arXiv cs.AIAI 评分3333 REACT：面向 VLA 模型机器人控制的滚动去噪与双重解耦框架
REACT 是一个滚动去噪框架，让基于 flow 的 VLA 模型在保留长时程上下文的同时提升反应速度：它维护带错开 flow 时间步的持久动作缓冲区，每步用最新观测对完整时域去噪、执行最干净的动作块、将部分精炼的未来块前移并补充新噪声。
arXiv cs.AIAI 评分2222 用于机器人控制的时序模式识别与动态手臂手势速度估计神经网络
研究对循环、卷积、注意力及集合函数四大类共18种神经网络架构在10个序列任务上做了统一基准测试，超过250种实验配置，BiGRU、TCN、Conv1D 和 GRUReLU 排名稳定靠前，参数量均低于2,000。
arXiv cs.AIAI 评分2929 RoboAware：从反事实结果中学习协调具身技能
RoboAware 通过仅学习一个状态条件化的责任协调器来协调具身技能，在 100 项任务上达到 77.0% 的整体成功率，RoboSuite 平均 90.0%、LIBERO-Pro 73.8%、RoboTwin 双臂任务 90.0%，超越现有 code-as-policy 与 VLA-harness 基线。
arXiv cs.AIAI 评分2424 ACT³：一种以动作为中心的三流 Transformer，融合语义与动力学
研究者提出 ACT³，一种以动作为中心的三流 Transformer，将 VLM 的语义理解与 WM 的动力学预测融合进控制动作，同时保持各上下文流的独立前向传播。该设计让专用动作专家通过逐层注意力访问 VLM 和 WM 表征，各骨干仅在本流内做注意力，并均可通过控制监督更新。在仿真与真实机器人操作基准上，ACT³ 表现优于同类方法。
arXiv cs.AIAI 评分2424 SafeInferCom：面向机器人任务规划的安全推理时计算框架
SafeInferCom 是一个由形式化验证器引导的推理时框架，通过监控并验证中间规划、在生成过程中保留有效中间计划并引导纠错，解决大推理语言模型在机器人任务规划中持续推理覆盖有效计划或约束违规未解决的问题。
arXiv cs.AIAI 评分2222 PMTRM：面向具身策略学习的伪记忆时间重编码模块
研究者提出伪记忆时间重编码模块 PMTRM，仅 7.61M 参数，可将已执行状态与动作的有界历史编码为隐序列，供现有策略使用，以缓解机器人操作中局部观测相似但阶段动作不同的相位歧义。该模块通过时间异质性目标惩罚序列远距离位置的正相似度，并用锚点与重建损失保留动作预测所需信息，重建解码器仅用于训练。在仿真与真实机器人上搭配多种策略骨干实验，相位歧义任务成功率提升且额外计算开销很小。
arXiv cs.AIAI 评分2222 iAm.md：通过智能体内省实现未知开放词汇域中的机器人技能自评估
研究者提出 iAm.md，一种 Markdown 标准与生成框架，通过开放词汇语义建图将视觉语言检测与物体分割关联到持久物体记录，让智能体实现内省。在仿真 TIAGo 的导航与操作任务上，该标准化表示同时支持技能自评估与可执行任务泛化，论文已被 AIRO 2026 接收。
arXiv cs.AIAI 评分4646 NavGPT-3：在分层导航运行时中利用上下文
NavGPT-3 通过一个类操作系统运行时把语言模型推理与动作策略连接起来，推理、行动、监控作为独立线程运行，由运行时调度并决定哪个线程控制机器人运动。
arXiv cs.AIAI 评分2222 MGMP：几何引导 Token 搜索的掩码生成式运动规划
研究者提出掩码生成式运动规划（MGMP），用掩码生成式 Transformer 并行生成离散轨迹候选，并由 Geometry-Guided Token Search（GGTS）依据场景几何决定编辑位置与候选方案，将测试时修复转为离散运动搜索，实现超越局部形变的路线级重构。
arXiv cs.AIAI 评分2424 FLOWMEM：为 VLA 模型重组与精炼潜在推理流
研究提出统一 VLA 模型 FLOWMEM，将成功的潜在计算转化为可复用的推理经验，随具身上下文演变动态检索并重组兼容的潜在片段，形成推理路径，再结合当前视觉与本体感知证据精炼后驱动动作生成。在 RoboMME 和 LIBERO-Plus 上分别取得 48.0% 和 77.3% 的成功率，较无记忆策略提升 1.7 和 4.1 个百分点。
arXiv cs.AIAI 评分2222 Keyframe Mnemonics：面向无限时域行为克隆的自监督关键帧发现方法
研究者提出 Keyframe Mnemonics，一种自监督方法，通过从随机采样的历史观测中学习目标并用作关键帧选择奖励，发现信息关键观测（mnemonics），再训练以这些关键帧为条件的 BC 策略。
arXiv cs.AIAI 评分2727 TGIT：为冻结的空中 VLN 智能体翻译轨迹指令
针对冻结的 OpenFly 导航器，用户简短意图指令与训练用详细轨迹指令之间的"指令鸿沟"使成功率从 31.03% 降至 11.33%。
量子位AI 评分6262 MirroS 发布 AgentGarten：代码环境加实时神经渲染让智能体边玩边进化
MirroS 团队发布 AgentGarten，将可执行代码环境与实时神经渲染器连接，以超过 30 fps 的吞吐让智能体持续与世界交互。在重做的捉迷藏实验中，躲藏者第 4 轮学会搬挡板搭掩体，搜寻者第 10 轮掌握借坡道翻墙，而 OpenAI 2019 年研究分别经历约 2500 万局和约 1 亿局。
Hacker NewsAI 评分4141 MIT 提出 SANDO 规划系统，为无人机在未知动态环境中提供无碰撞飞行的数学保证
MIT 研究人员提出安全轨迹规划系统 SANDO，在无人机没有地图、存在未知移动障碍物的环境中，从数学上证明其规划的轨迹始终不会发生碰撞，规划器只需知道障碍物的最高速度。该系统通过构建考虑障碍物未来运动的时间敏感安全走廊，并用热力图规划器避开障碍密集区，在仿真中比多个 SOTA 系统更快到达目标且完全避免碰撞，并在 12 次真实无人机试飞中避开所有动态障碍物。
GitHubAI 评分6262 Positronic 开源机器人 ML 全流程工具栈，统一 VLA 模型推理与评测
Positronic-Robotics 开源 Positronic，一个面向 ML 驱动机器人系统的端到端工具栈，覆盖硬件接入、数据采集与整理、训练、推理部署和评测全流程，全部用纯 Python 实现，无需 ROS。
RadarAIAI 评分3838 加州州立运动委员会叫停 Rek 的人机格斗比赛
加州州立运动委员会向初创公司 Rek 发出停止令，称其 9 月 18 日举办的人与机器人格斗为未经批准的比赛，要求未经批准不得在加州举办或宣传涉及人类的拳击、MMA 或表演赛。该比赛中人类 Frankie LaPenna 对阵由人类通过远程虚拟现实系统操控的人形机器人，Rek CEO Cix Liv 已将信件发到 X，公司下一场计划在周五举办两台带武器的机器人对战。
The Verge · AIAI 评分3131 加州试图叫停人机笼斗，Rek 收到停业令
加州州立体育委员会向人形机器人格斗联赛 Rek 发出停止令，要求其未经批准不得在加州举办任何涉及人类的拳击或综合格斗赛事。Rek 上月 18 日举办了一场人类 Frankie LaPenna 对战由人远程 VR 操控的人形机器人的比赛，CEO Cix Liv 于 9 月 30 日将信函发到 X。Rek 下一场计划于周五举行，将由两台带武器的机器人对战。