机器人 / 具身智能

Accelerating Robotic Reinforcement Learning with Agent Guidance

通过代理引导加速机器人强化学习

Haojun Chen, Zili Zou, Chengdong Ma, Yaoxiang Pu, Haotong Zhang, Yuanpei Chen, Yaodong Yang

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； PKU-PsiBot Joint Lab（北京大学- PsiBot 联合实验室） 纠错

专题命中 模仿学习与强化学习 ：robotic(title)；robot learning(abstract)；manipulation(abstract)；world model(abstract)

AI总结 AGPS通过多模态代理替代人类监督，提升机器人强化学习的样本效率和可扩展性。

LAR-MoE: Latent-Aligned Routing for Mixture of Experts in Robotic Imitation Learning

LAR-MoE：用于机器人模仿学习中专家混合的潜在对齐路由

Ariel Rodriguez, Chenpan Li, Lorenzo Mazza, Rayan Younis, Ortrun Hellig, Sebastian Bodenstedt, Martin Wagner, Stefanie Speidel

机构 * Department of Translational Surgical Oncology, NCT/UCC Dresden（转化外科肿瘤学系） ； Cluster of Excellence-CeTI, TUD, Germany（卓越中心-CeTI） ； Department of Visceral, Thoracic and Vascular Surgery, Faculty of Medicine and University Hospital Carl Gustav Carus, TUD, Germany（visceral、胸腔和血管外科系） 纠错

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

AI总结 LAR-MoE通过潜在对齐路由在机器人模仿学习中实现无监督的专家混合，提升任务适应性和效率。

Comments Submitted to iROS 2026

SAIL: Test-Time Scaling for In-Context Imitation Learning with VLM

SAIL：基于VLM的上下文模仿学习的测试时扩展

Makoto Sato, Yusuke Iwasawa, Yujin Tang, So Kuroki

机构 * The University of Tokyo（东京大学） ； Sakana AI 纠错

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

AI总结 SAIL通过测试时扩展提升上下文模仿学习的鲁棒性和通用性，利用蒙特卡洛树搜索和视觉语言模型实现轨迹优化。

Comments 8 pages, 3 figures

ProgAgent:A Continual RL Agent with Progress-Aware Rewards

ProgAgent：一种具有进度感知奖励的持续强化学习代理

Jinzhou Tan, Gabriel Adineera, Jinoh Kim

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Texas A\&M University-Commerce（德克萨斯A&M大学-科摩斯） 纠错

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

AI总结 ProgAgent通过进度感知奖励机制，结合PPO与coreset回放和突触智能，有效解决持续学习中的遗忘问题，提升学习效率。

Mean Flow Policy with Instantaneous Velocity Constraint for One-step Action Generation

具有瞬时速度约束的一步动作生成均流策略

Guojian Zhan, Letian Tao, Pengcheng Wang, Yixiao Wang, Yiheng Li, Yuxin Chen, Hongyang Li, Masayoshi Tomizuka, Shengbo Eben Li

机构 * School of Vehicle and Mobility & College of AI, Tsinghua University（车辆与移动学院及人工智能学院，清华大学） ； Berkeley AI Research (BAIR), UC Berkeley（伯克利人工智能研究（BAIR），加州大学伯克利分校） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出均速度策略（MVP），通过引入瞬时速度约束来提升动作生成效率，实现高效的一步动作生成并在机器人操作任务中取得最佳性能。

Comments ICLR Oral Presentation

Preference-Conditioned Reinforcement Learning for Space-Time Efficient Online 3D Bin Packing

基于偏好条件的强化学习用于空间时间高效的在线3D装箱

Nikita Sarawgi, Omey M. Manyar, Fan Wang, Thinh H. Nguyen, Daniel Seita, Satyandra K. Gupta

机构 * Viterbi School of Engineering, University of Southern California（美国南加州大学维特比工程学院） ； Amazon Robotics（亚马逊机器人） 纠错

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

AI总结 STEP方法通过偏好条件强化学习，在保持装箱密度的同时将操作时间减少44%。

Comments 8 pages, 5 figures. Accepted to IEEE International Conference on Robotics and Automation 2026. Project Website: https://step-packing.github.io

Residual Control for Fast Recovery from Dynamics Shifts

残差控制用于快速恢复动态偏移

Nethmi Jayasinghe, Diana Gontero, Francesco Migliarba, Spencer T. Brown, Vinod K. Sangwan, Mark C. Hersam, Amit Ranjan Trivedi

机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； Northwestern University（西北大学） 纠错

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

AI总结 该研究提出了一种基于残差控制的稳定性对齐方法，通过约束扰动塑造实现快速恢复，无需重新训练即可应对动态偏移，显著减少恢复时间。

HiconAgent: History Context-aware Policy Optimization for GUI Agents

HiconAgent: 历史上下文感知的GUI代理策略优化

Xurui Zhou, Gongwei Chen, Yuquan Xie, Zaijing Li, Kaiwen Zhou, Shuai Wang, Shuo Yang, Zhuotao Tian, Rui Shao

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 HiconAgent通过历史上下文感知策略优化，高效利用历史信息，在GUI导航任务中实现更高的准确率和效率。

Learning From Failures: Efficient Reinforcement Learning Control with Episodic Memory

从失败中学习：利用片段记忆的高效强化学习控制

Chenyang Miao

机构 * Xi’an Jiaotong University（西安交通大学） 纠错

专题命中 模仿学习与强化学习 ：robot learning(abstract)；分类 cs.RO

AI总结 本文提出FEMA技术，通过存储失败经验防止机器人陷入不稳定状态，提升强化学习的样本效率和长期探索能力。

CDE: Concept-Driven Exploration for Reinforcement Learning

CDE：基于概念的强化学习探索

Le Mao, Andrew H. Liu, Renos Zabounidis, Yanan Niu, Zachary Kingston, Joseph Campbell

机构 * Department of Electrical and Computer Engineering, Purdue University（电子工程系，普渡大学） ； Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） ； Department of Management of Technology, EPFL（技术管理系，瑞士联邦理工学院） 纠错

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

AI总结 CDE通过利用预训练视觉-语言模型生成任务相关的视觉概念，提升强化学习中视觉任务的探索效率和鲁棒性。

Comments Preprint

Open-World Reinforcement Learning over Long Short-Term Imagination

开放世界长期短期想象强化学习

Jiajian Li, Qi Wang, Yunbo Wang, Xin Jin, Yang Li, Wenjun Zeng, Xiaokang Yang

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能大模型关键实验室、人工智能研究院、上海交通大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院、技术东院） ； School of Computer Science and Technology, East China Normal University（计算机科学与技术学院、华东师范大学） 纠错

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

AI总结 本文提出LS-Imagine方法，通过扩展想象 horizon 提高开放世界强化学习中长期收益的探索效率。

Comments Accepted by ICLR 2025 Oral. Project page: https://qiwang067.github.io/ls-imagine