机器人 / 具身智能

Action Flow Matching for Continual Robot Learning

动作流匹配用于持续机器人学习

Alejandro Murillo-Gonzalez, Lantao Liu

机构 * Indiana University–Bloomington（印第安纳大学布卢明顿分校） 纠错

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

AI总结 通过动作流匹配方法提升机器人持续学习的效率与适应性，实现动态模型的在线对齐与高效学习。

Comments Robotics: Science and Systems 2025

Journal ref Proceedings of Robotics: Science and Systems, 2025

Safe Learning Predictive Control for Ego-World Robotic Systems

自我世界机器人系统的安全学习预测控制

Davide Valenti, Giuseppe Notarstefano

机构 * University of Bologna（博洛尼亚大学） 纠错

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

AI总结 针对自我世界机器人框架，提出SOWL-MPC策略，结合基于稀疏变分高斯过程的在线学习机制与滚动时域控制方案，依靠噪声测量推断潜在世界策略后验分布，经实验验证该策略可实现自我机器人安全机动。

Robot Learning to Communicate through Projected Visual Abstractions

机器人通过投影视觉抽象进行通信学习

Danyang Yan, Boyuan Wang, Jiaxun Liu, Boyuan Chen

机构 * Duke University（杜克大学） 纠错

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

AI总结 研究让机器人通过投影视觉抽象通信，提出含21自由度灵巧手和影子自我模型的系统，能动态表达影子。通过自我探索学习映射，依目标优化配置，经模拟获可行运动，还引入多种优化，在多场景展示影子表达，建立相关框架。

Comments Our project website is at:https://generalroboticslab.com/shadow

Progress Reward Modeling for Robotic Learning: A Comprehensive Survey

机器人学习中的进度奖励建模：全面综述

Jianshu Zhang, Keliang Wu, Haoran Lu, Anbang Liu, Ce Zhang, Weijie Yin, Chengxuan Qian, Xiyuan Yang, Zhenyu Pan, Guo Ye, Han Liu

机构 * Northwestern University（西北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California, Santa Barbara（加利福尼亚大学圣塔芭芭拉分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 该综述针对机器人学习中进度奖励建模缺乏共享框架的问题，分三步组织领域研究，包括研究进度模型接口、构建信号方法及支持数据基准，将模型相关要点联系起来，还总结了局限并探讨未来方向。

Comments Project page: https://github.com/sterzhang/Awesome-Progress-Models