机器人 / 具身智能

Object-Centric World Models for Causality-Aware Reinforcement Learning

基于因果意识的强化学习对象中心世界模型

Yosuke Nishimoto, Takashi Matsubara

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

AI总结 本文提出STICA框架，通过对象中心Transformer构建世界模型，并结合因果意识策略和价值网络，提升样本效率和最终性能。

Comments Accepted by AAAI-26. Codes are available at https://github.com/nishimoto0430/STICA

DecompGrind: A Decomposition Framework for Robotic Grinding via Cutting-Surface Planning and Contact-Force Adaptation

DecompGrind：一种通过切削面规划和接触力适应的机器人磨削分解框架

Shunsuke Araki, Takumi Hachimine, Yuki Saito, Kouhei Ohnishi, Jun Morimoto, Takamitsu Matsubara

机构 * Nara Institute of Science and Technology (NAIST)（奈良先端科学技术大学院大学） ； Keio University（庆应义塾大学） ； Kyoto University（京都大学） ； Advanced Telecommunications Research Institute International (ATR)（国际电气通信基础技术研究所） 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 本文提出DecompGrind框架，通过分解磨削过程为去除形状规划和接触力适应，解决不同形状和材料硬度工件的高效磨削问题，实现安全接触力控制。

Comments Under review

Reducing Oracle Feedback with Vision-Language Embeddings for Preference-Based RL

通过视觉语言嵌入减少Oracle反馈用于基于偏好的强化学习

Udita Ghosh, Dripta S. Raychaudhuri, Jiachen Li, Konstantinos Karydis, Amit Roy-Chowdhury

机构 * AWS AI Labs（AWS AI实验室） 纠错

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

AI总结 本文提出ROVED框架，结合视觉语言嵌入与针对性Oracle反馈，通过过滤机制减少不确定性样本的Oracle查询，提升鲁棒性与效率，实验证明在机器人任务中显著降低Oracle调用次数。

Comments Accepted at ICRA 2026. Project page:https://roved-icra-2026.github.io/

Wan-R1: Verifiable-Reinforcement Learning for Video Reasoning

Wan-R1: 可验证强化学习用于视频推理

Ming Liu, Yunbei Zhang, Shilong Liu, Liwen Wang, Wensheng Zhang

机构 * Iowa State University（爱荷华州立大学） ； Tulane University（杜兰大学） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 本文提出可验证奖励设计以提升视频推理的泛化能力，通过改进GRPO算法在流基视频模型中训练，验证奖励在复杂迷宫和机器人导航任务中显著提升性能。

Agent-Driven Autonomous Reinforcement Learning Research: Iterative Policy Improvement for Quadruped Locomotion

由代理驱动的自主强化学习研究：四足运动的迭代策略改进

Nimesh Khandelwal, Shakti S. Gupta

机构 * Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） 纠错

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

AI总结 本文研究了四足运动中由代理驱动的自主强化学习，通过70次实验展示了代理在低人类干预下完成迭代策略改进的能力，同时记录了多个自主研究决策。

SkyNet: Belief-Aware Planning for Partially-Observable Stochastic Games

SkyNet：基于信念的规划用于部分可观测随机博弈

Adam Haile

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

AI总结 SkyNet通过引入自我条件辅助头，改进了MuZero在部分可观测随机博弈中的规划能力，其在Skyjo游戏中实现了显著的胜率提升。

DRASTIC: A Dynamic Resource Allocation Framework over 6G Network Slicing in Task-aware Closed-Loop Tactile Internet Applications

DRASTIC：一种面向6G网络切片的动态资源分配框架，用于任务感知闭环触觉互联网应用

Narges Golmohammadi, Madan Mohan Rayguru, Sabur Baidya

专题命中 模仿学习与强化学习 ：robotic(abstract)

AI总结 本文提出DRASTIC框架，通过强化学习动态分配资源，满足延迟要求并提高吞吐量，适用于eMBB和HRLLC用户。