机器人 / 具身智能

SIR: Structured Image Representations for Explainable Robot Learning

SIR: 用于可解释机器人学习的结构化图像表示

Paul Mattes, Jan Schwab, Jens Bosch, Nils Blank, Maximilian Xiling Li, Minh-Trung Tang, Moritz Haberland, Rudolf Lioutikov

机构 * Intuitive Robots Lab, Karlsruhe Institute of Technology, Germany（直观机器人实验室，卡尔斯鲁厄理工学院，德国） ； Robotics Institute Germany（德国机器人研究所） 纠错

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

AI总结 提出结构化图像表示（SIR），利用场景图作为中间表示，通过端到端稀疏化图结构学习任务相关子图，实现内在可解释性，在RoboCasa上平均成功率19.5%优于基线14.81%，并揭示数据集偏差。

Comments Published at CVPR 2026

Journal ref In: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2026. S. 42484-42493

X-Morph: Human Motion Priors for Scalable Robot Learning Across Morphologies

X-Morph：跨形态可扩展机器人学习的人类运动先验

Ritwik Sharma, Shivam Sood, Arhaan Jain, Shyam Charan Kesavamoorthi, Chengyang He, Guillaume Sartoretti

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出X-Morph流水线，将人类运动转化为适用于多种非人形腿式机器人（四足、六足、四足操作器）的可部署运动与操作策略，通过跨形态重定向和强化学习实现，支持视频遥操作等下游任务。

STEAM: Self-Supervised Temporal Ensemble Advantage Modeling for Real-World Robot Learning

STEAM: 面向真实世界机器人学习的自监督时间集成优势建模

Zhihao Liu, Qiuyi Gu, Yitao Wang, Dongming Qiao, Yixian Zhang, Shuaihang Chen, Liangzhi Shi, Tianxing Zhou, Zefang Huang, Kang Chen, Zhen Guo, Quanlu Zhang, Jincheng Yu, Xiaodan Liang, Guoliang Fan, Yu Wang, Feng Gao, Xinlei Chen, Chao Yu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Striding AI ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Zhongguancun Academy（中关村学院） ； Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Infinigence AI 纠错

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

AI总结 提出自监督时间集成优势建模（STEAM），利用专家轨迹中帧对的时间偏移作为自监督信号，学习帧级优势以区分进展与失败，结合CFGRL在多种真实任务中提升策略成功率。

AnyBody: Free-Form Whole-Body Humanoid Control from Arbitrary Keypoint Guidance

AnyBody: 基于任意关键点引导的自由形态全身类人控制

Shuning Li, Sikai Li, Jiachen Li, Mingyu Ding

专题命中 机器人学习 ：manipulation(abstract)；分类 cs.RO、cs.AI

AI总结 提出AnyBody，一种统一全身类人控制器，通过任意身体关键点子集实现运动跟踪与控制，利用特权教师蒸馏和掩码自注意力关键点编码器，支持灵活的下游任务学习。

Hierarchical Policy Learning via Spectral Decomposition

基于谱分解的层次化策略学习

Shuxin Cao, Liquan Wang, Walker Byrnes, Yiye Chen, Yilun Du, Animesh Garg

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

AI总结 提出Causal Spectral Policy (CSP)，利用离散余弦变换将机器人动作分解为低频全局轨迹和高频精细修正，实现因果粗到细的动作生成，在精密操作任务中优于基线方法。