机器人 / 具身智能

NavOL: Navigation Policy with Online Imitation Learning

NavOL：基于在线模仿学习的导航策略

Xiaofei Wei, Chun Gu, Li Zhang

机构 * Shanghai Innovation Institute（上海创新研究院） ； School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

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

AI总结 NavOL通过在线模仿学习在仿真环境中训练导航策略，利用预训练的扩散策略和全局规划器，提升学习效率并减少分布偏移，实现在50个场景中每小时生成2000多条轨迹。

Comments Project page: https://logosroboticsgroup.github.io/NavOL/

EvoNav: Evolutionary Reward Function Design for Robot Navigation with Large Language Models

EvoNav：基于大语言模型的机器人导航奖励函数进化设计

Zhikai Zhao, Chuanbo Hua, Federico Berto, Zihan Ma, Kanghoon Lee, Jiachen Li, Jinkyoo Park

机构 * KAIST（韩国科学技术院） ； Radical Numerics ； UC Riverside（加州大学河滨分校） ； Omelet AI4CO 纠错

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

AI总结 本文提出EvoNav框架，利用大语言模型自动设计机器人导航奖励函数，通过逐步升温-提升流程降低训练成本，实验表明其优于人工设计和现有方法。

Behavioral Mode Discovery for Fine-tuning Multimodal Generative Policies

多模态生成策略细调中的行为模式发现

Alberta Longhini, David Emukpere, Jean-Michel Renders, Seungsu Kim

机构 * Naver Labs Europe（纳维尔实验室欧洲分部） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

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

AI总结 本文提出一种无监督的行为模式发现框架，用于在强化学习细调多模态生成策略时保持行为多样性，通过互信息作为内在奖励提升任务成功率。

Journal ref International Conference on Machine Learning, 2026

Aligning Flow Map Policies with Optimal Q-Guidance

对齐流映射策略与最优Q引导

Christos Ziakas, Alessandra Russo, Avishek Joey Bose

机构 * Imperial College London（帝国理工学院伦敦分校） ； Mila 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 本文提出流映射策略，通过学习任意大小的跳跃提升动作生成速度，并引入FMQ和QGBS方法，在12个机器人任务中实现最优性能。

ACSAC: Adaptive Chunk Size Actor-Critic with Causal Transformer Q-Network

ACSAC：自适应块大小的Actor-Critic与因果TransformerQ网络

Qian Chen, Junqiao Zhao, Hongtu Zhou, Hang Yu, Yanping Zhao, Chen Ye, Guang Chen

机构 * Tongji University（同济大学） 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 针对长 horizon、稀疏奖励任务，ACSAC通过自适应块大小实现平衡反应与时间一致性，提升强化学习性能。

Rainbow Deep Q-Learning with Kinematics-Aware Design for Cooperative Delta and 3-RRS Parallel Robot Insertion

彩虹深度Q学习与运动学感知设计用于协作Delta和3-RRS平行机器人插入

Hassen Nigatu, Gaokun Shi, Jituo Li, Wang Jin, Lu Guodong

机构 * Robotics Research Center of Yuyao（余姚机器人研究中心） ； Robotics Institute of Zhejiang University（浙江大学机器人院） ； Yuyao Technology Innovation Center（余姚技术创新中心） ； Department of Electrical and Computer Engineering, University of New Brunswick（新 Brunswick大学电气与计算机工程系） 纠错

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

AI总结 本文提出基于Rainbow深度Q网络的运动学感知深度强化学习框架，用于Delta并联机器人与3-RRS并联机械臂的协作插孔任务。通过几何设计优化阶段提升运动学性能，实现六自由度可控子空间，并结合形状奖励机制和两阶段课程训练，提高插孔任务的稳定性和可靠性。

Comments 10 pages

PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments

PRISM：在模拟的具身环境中进行规划与意图推理

Yunn Kang Lim, Pengzhan Sun, Ziyi Bai, Xun Xu, Angela Yao, Xulei Yang, Shijie Li

机构 * A*STAR ； National University of Singapore（国立新加坡大学） ； BAAI（北京人工智能研究院） 纠错

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

AI总结 PRISM通过诊断性基准测试识别具身代理失败的根源，通过三个能力层级评估基本能力、推理能力和长周期能力，揭示不同模型在空间定位、意图解析和长周期协调上的性能差异。