机器人 / 具身智能

WINFlowNets: Warm-up Integrated Networks Training of Generative Flow Networks for Robotics and Machine Fault Adaptation

WINFlowNets: 生成流网络在机器人和机器故障适应中的温升训练

Zahin Sufiyan, Shadan Golestan, Yoshihiro Mitsuka, Shotaro Miwa, Osmar Zaiane

机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔人工智能研究所） ； Mitsubishi Electric Corporation（三菱电机公司） 纠错

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

AI总结 WINFlowNets通过温升阶段训练生成流网络与检索网络，提升机器人控制任务的稳定性和适应性，适用于动态环境和故障场景。

Physics-informed offline reinforcement learning eliminates catastrophic fuel waste in maritime routing

物理引导的离线强化学习消除海上航线中的灾难性燃油浪费

Aniruddha Bora, Julie Chalfant, Chryssostomos Chryssostomidis

机构 * MIT Sea Grant College Program（麻省理工学院海事研究生院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出PIER框架，通过物理校准的环境学习高效安全的航线策略，减少燃油消耗和碳排放，消除灾难性燃油浪费，适用于多种导航场景。

Beware Untrusted Simulators -- Reward-Free Backdoor Attacks in Reinforcement Learning

警惕不可信的模拟器 -- 强化学习中的无奖励后门攻击

Ethan Rathbun, Wo Wei Lin, Alina Oprea, Christopher Amato

机构 * Khoury College of Computer Sciences（计算机科学学院） 纠错

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

AI总结 本文提出一种新型攻击'Daze'，通过模拟器动态在强化学习代理中隐秘植入动作级后门，无需修改或观察奖励，证明其在通用RL任务中的有效性，并展示其在机器人硬件上的迁移。

Comments 10 pages main body, ICLR 2026

Recurrent Reasoning with Vision-Language Models for Estimating Long-Horizon Embodied Task Progress

基于视觉语言模型的递归推理用于估计长周期具身任务进度

Yuelin Zhang, Sijie Cheng, Chen Li, Zongzhao Li, Yuxin Huang, Yang Liu, Wenbing Huang

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大型模型与智能治理研究重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（教育部下一代智能搜索与推荐工程研究中心） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） 纠错

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

AI总结 本文提出R²VLM模型，通过递归推理框架处理局部视频片段，维护全局上下文，实现复杂时间依赖推理，提升长周期任务进度估计性能。

Comments CVPR 2026

Shielded Reinforcement Learning Under Dynamic Temporal Logic Constraints

受动态时序逻辑约束的防护强化学习

Sadık Bera Yüksel, Ali Tevfik Buyukkocak, Derya Aksaray

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出一种结合序列控制屏障函数和无模型强化学习的框架，以满足复杂的时序逻辑任务，扩展了传统安全约束的应用范围。

Comments 7 pages, 3 figures, 2026 IEEE American Control Conference (ACC)

Rewarding DINO: Predicting Dense Rewards with Vision Foundation Models

奖励DINO：基于视觉基础模型预测密集奖励

Pierre Krack, Tobias Jülg, Wolfram Burgard, Florian Walter

机构 * Department of Computer Science & Artificial Intelligence, University of Technology Nuremberg（技术大学纽伦堡计算机科学与人工智能系） ； TUM School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院） 纠错

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

AI总结 本文提出Rewarding DINO，一种基于语言条件的奖励模型，通过学习实际奖励函数而非特定轨迹，实现机器人操作任务的密集奖励预测，具有紧凑结构和低计算开销，能有效泛化至新场景。

Comments 10 pages, 5 figures, submitted to IEEE

SLowRL: Safe Low-Rank Adaptation Reinforcement Learning for Locomotion

SLowRL: 安全低秩适应强化学习用于运动控制

Elham Daneshmand, Shafeef Omar, Glen Berseth, Majid Khadiv, Hsiu-Chin Lin

机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出SLowRL框架，结合低秩适应与安全约束，实现动态运动任务的高效安全强化学习调优，实验显示在真实机器人上细调时间减少46.5%且安全违规接近零。

ViSA: Visited-State Augmentation for Generalized Goal-Space Contrastive Reinforcement Learning

ViSA：基于已访问状态的通用目标空间对比强化学习增强

Issa Nakamura, Tomoya Yamanokuchi, Yuki Kadokawa, Jia Qu, Shun Otsub, Ken Miyamoto, Shotaro Miwa, Takamitsu Matsubara

机构 * Graduate School of Information Science, Nara Institute of Science and Technology (NAIST)（信息科学研究生院，奈良科学与技术研究所） ； Advanced Technology R&D Center, Mitsubishi Electric Corporation（三菱电机先进技术研发中心） 纠错

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

AI总结 本文提出ViSA方法，通过生成增强状态样本和学习一致嵌入空间，提升目标空间泛化能力，实现对难访问目标的准确估值。

Comments 8 pages, 7 figures, under Review