机器人 / 具身智能

Keyframe-Guided Structured Rewards for Reinforcement Learning in Long-Horizon Laboratory Robotics

关键帧引导的结构化奖励用于长周期实验室机器人强化学习

Yibo Qiu, Shu'ang Sun, Haoliang Ye, Ronald X Xu, Mingzhai Sun

机构 * Suzhou Institute for Advanced Research, University of Science and Technology of China（科学技术大学苏州市先进研究院） 纠错

专题命中 模仿学习与强化学习 ：robotics(title)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出关键帧引导的结构化奖励方法，用于提升实验室机器人在长周期任务中的精确操作能力。

Scaling Tasks, Not Samples: Mastering Humanoid Control through Multi-Task Model-Based Reinforcement Learning

通过多任务模型基于强化学习掌握人形控制

Shaohuai Liu, Weirui Ye, Yilun Du, Le Xie

专题命中 模仿学习与强化学习 ：robotics(abstract)；embodied AI(abstract)；world model(abstract)；robotic(abstract)

AI总结 本文提出EfficientZero-Multitask算法，通过多任务模型基于强化学习提升人形机器人控制性能，实现高效样本利用和高任务适应性。

A Quantitative Comparison of Centralised and Distributed Reinforcement Learning-Based Control for Soft Robotic Arms

一种集中式与分布式强化学习控制在软机器人手臂中的定量比较

Linxin Hou, Qirui Wu, Zhihang Qin, Neil Banerjee, Yongxin Guo, Cecilia Laschi

机构 * Department of Electrical and Computer Engineering, National University of Singapore（电子与计算机工程系，新加坡国立大学） ； Department of Computer Science, National University of Singapore（计算机科学系，新加坡国立大学） ； Department of Mechanical Engineering, National University of Singapore（机械工程系，新加坡国立大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(title,abstract)；分类 cs.RO

AI总结 本文比较了集中式与分布式强化学习在软机器人手臂控制中的性能，发现分布式策略在样本效率和鲁棒性上更优，但集中式策略在训练时间上更高效。

Comments 7 pages, 4 figures, 2 tables, accepted by RoboSoft 2026

Goal Reaching with Eikonal-Constrained Hierarchical Quasimetric Reinforcement Learning

基于Eikonal约束的分层准度量强化学习的目标达成

Vittorio Giammarino, Ahmed H. Qureshi

机构 * Purdue University（普渡大学） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出基于Eikonal约束的分层准度量强化学习框架，通过连续时间改写和分层分解，提升目标条件导航和操作任务的性能。

SLAP: Shortcut Learning for Abstract Planning

SLAP：抽象规划的快捷学习

Y. Isabel Liu, Bowen Li, Benjamin Eysenbach, Tom Silver

专题命中 模仿学习与强化学习 ：robotics(abstract)；robotic(abstract)；分类 cs.RO、cs.LG

AI总结 SLAP通过快捷学习方法自动发现抽象规划中的新选项，提升任务成功率和规划效率。

Comments Published at the International Conference on Learning Representations (ICLR) 2026. Code available at https://github.com/isabelliu0/SLAP

MVR: Multi-view Video Reward Shaping for Reinforcement Learning

MVR：多视图视频奖励塑造用于强化学习

Lirui Luo, Guoxi Zhang, Hongming Xu, Yaodong Yang, Cong Fang, Qing Li

机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.AI、cs.CV、cs.LG

AI总结 MVR通过多视角视频和视觉语言模型提升强化学习中的奖励塑造，有效解决复杂动态任务中的状态相关性和视角偏见问题。

Comments ICLR 2026

Integrating LTL Constraints into PPO for Safe Reinforcement Learning

将LTL约束整合到PPO中以实现安全强化学习

Maifang Zhang, Hang Yu, Qian Zuo, Cheng Wang, Vaishak Belle, Fengxiang He

机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学） ； School of Computer Science, Faculty of Engineering, University of Sydney（计算机科学学院，工程学院，悉尼大学） ； School of Engineering and Physical Sciences, Heriot-Watt University（工程与物理科学学院，赫瑞-瓦德大学） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出PPO-LTL框架，通过整合LTL约束提升强化学习的安全性，实验表明其在安全性和性能上均优于现有方法。

CRISP: Contact-Guided Real2Sim from Monocular Video with Planar Scene Primitives

CRISP: 从单目视频中基于接触引导的现实到仿真转换

Zihan Wang, Jiashun Wang, Jeff Tan, Yiwen Zhao, Jessica Hodgins, Shubham Tulsiani, Deva Ramanan

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 CRISP通过拟合平面原始体和强化学习，从单目视频中生成可模拟的现实到仿真环境，显著降低运动跟踪失败率。

Comments Published at ICLR 2026. Project page: https://crisp-real2sim.github.io/CRISP-Real2Sim/

Model Predictive Adversarial Imitation Learning for Planning from Observation

基于模型预测的对抗模仿学习用于从观察中规划

Tyler Han, Yanda Bao, Bhaumik Mehta, Gabriel Guo, Anubhav Vishwakarma, Emily Kang, Sanghun Jung, Rosario Scalise, Jason Zhou, Bryan Xu, Byron Boots

机构 * Paul G. Allen School of Computer Science & Engineering（保罗·G·阿伦计算机科学与工程学院） 纠错

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出一种基于模型预测的对抗模仿学习方法，通过端到端学习从观察中规划，提升样本效率和鲁棒性。

Comments Accepted at ICLR 2026

When Is Diversity Rewarded in Cooperative Multi-Agent Learning?

在合作多智能体学习中，多样性何时会被奖励？

Michael Amir, Matteo Bettini, Amanda Prorok

机构 * Department of Computer Science and Technology University of Cambridge（计算机科学与技术系剑桥大学） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.AI、cs.LG

AI总结 研究通过理论分析和算法验证，探讨了多智能体学习中异质性团队奖励机制，提出HetGPS算法用于发现异质性优势的奖励场景。

Hereditary Geometric Meta-RL: Nonlocal Generalization via Task Symmetries

继承性几何元强化学习：通过任务对称性实现非局部泛化

Paul Nitschke, Shahriar Talebi

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出继承性几何元强化学习方法，通过任务对称性实现非局部泛化，提升任务空间泛化能力。

Comments Accepted to 2026 American Control Conference

Leveraging Discrete Function Decomposability for Scientific Design

利用离散函数分解进行科学设计

James C. Bowden, Sergey Levine, Jennifer Listgarten

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.LG

AI总结 本文提出DADO算法，通过利用设计变量的分解结构，提升离散空间优化效率，用于科学设计问题。