机器人 / 具身智能

PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation

PALM：通过具身理由推理进行长时间 horizon 肢体操作的进展感知策略学习

Yuanzhe Liu, Jingyuan Zhu, Yuchen Mo, Gen Li, Xu Cao, Jin Jin, Yifan Shen, Zhengyuan Li, Tianjiao Yu, Wenzhen Yuan, Fangqiang Ding, Ismini Lourentzou

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nanyang Technological University（南洋理工大学） ； University of Oxford（牛津大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 机器人学习 ：manipulation(title,abstract)；robotic(title,abstract)；分类 cs.RO

AI总结 PALM通过具身理由推理和子任务进展线索，改进长horizon机器人操作的策略学习，实现91.8%的成功率和更长的任务长度。

Comments CVPR 2026

Robots Need Some Education: On the complexity of learning in evolutionary robotics

机器人需要一些教育：关于在进化机器人学中学习复杂性的研究

Fuda van Diggelen

机构 * University of Oslo（奥斯陆大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Leiden University（莱顿大学） ； Edinburgh Napier University（爱丁堡龙比亚大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） 纠错

专题命中 机器人学习 ：robotics(title,abstract)；robot learning(abstract)；分类 cs.RO、cs.AI

AI总结 本文探讨了在进化机器人学中整合学习技术的复杂性，提出并分析了多种学习算法以优化机器人控制器设计。

Comments PhD thesis

Optimizing Neurorobot Policy under Limited Demonstration Data through Preference Regret

通过偏好遗憾优化有限示范数据下的神经机器人策略

Viet Dung Nguyen, Yuhang Song, Anh Nguyen, Jamison Heard, Reynold Bailey, Alexander Ororbia

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； Advanced Micro Devices, Inc.（超威半导体公司） ； University of Liverpool（利物浦大学） 纠错

专题命中 机器人学习 ：robot policy(title)；robotic(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 本文提出MYOE框架，通过可查询的偏好混合状态空间模型估计每一步的目标，利用偏好遗憾优化机器人控制策略，实验显示其鲁棒性、适应性和泛化能力优于其他RLfD方法。

Comments 10 pages, 4 figures, 4 tables

Learning Additively Compositional Latent Actions for Embodied AI

学习可加性组合的潜在动作以实现具身AI

Hangxing Wei, Xiaoyu Chen, Chuheng Zhang, Tim Pearce, Jianyu Chen, Alex Lamb, Li Zhao, Jiang Bian

机构 * Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院） 纠错

专题命中 机器人学习 ：embodied AI(title,abstract)；分类 cs.AI、cs.CV

AI总结 本文提出AC-LAM模型，通过强制潜在动作空间上的可加性组合结构，提升动作表示的结构性和准确性，优于现有方法。

Learning from Imperfect Demonstrations via Temporal Behavior Tree-Guided Trajectory Repair

通过时间行为树引导轨迹修复学习不完美的示范

Aniruddh G. Puranic, Sebastian Schirmer, John S. Baras, Calin Belta

专题命中 机器人学习 ：robot learning(abstract)；navigation(abstract)；分类 cs.RO、cs.AI、cs.LG

AI总结 本文提出利用时间行为树修复不完美示范轨迹，以提升机器人控制策略的学习效果，通过生成逻辑一致且可解释的数据集，指导强化学习 agent 向任务一致的 state space 区域发展。

Comments 12 pages, 4 figures. This work has been submitted to the IEEE for possible publication