机器人 / 具身智能

Behavioral Score Diffusion: Model-Free Trajectory Planning via Kernel-Based Score Estimation from Data

行为得分扩散：通过核基得分估计实现无模型轨迹规划

Shihao Li, Jiachen Li, Jiamin Xu, Dongmei Chen

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出行为得分扩散（BSD），通过核加权估计直接从轨迹数据中计算扩散得分函数，无需学习模型或动力学模型，在停车场景中实现高效轨迹规划。

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。

Addressing Ambiguity in Imitation Learning through Product of Experts based Negative Feedback

通过专家产品负反馈解决模仿学习中的歧义

John Bateman, Andy M. Tyrrell, Jihong Zhu

机构 * University of York（约克大学） 纠错

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

AI总结 本文提出一种利用次优示范解决歧义任务的系统，通过自身失败学习，显著提升成功率，优于传统正反馈模仿学习，且在效能和效率上更优。

COIN: Collaborative Interaction-Aware Multi-Agent Reinforcement Learning for Self-Driving Systems

COIN: 基于协作交互的多智能体强化学习用于自动驾驶系统

Yifeng Zhang, Jieming Chen, Tingguang Zhou, Tanishq Duhan, Jianghong Dong, Yuhong Cao, Guillaume Sartoretti

机构 * Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院机械工程系） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电机及电子工程学系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） 纠错

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

AI总结 本文提出COIN框架，通过改进的CIG-TD3算法和双层交互感知集中批评者架构，提升多智能体自动驾驶系统在复杂动态场景中的安全性和效率。

CROSS: A Mixture-of-Experts Reinforcement Learning Framework for Generalizable Large-Scale Traffic Signal Control

CROSS: 一种用于通用大规模交通信号控制的专家混合强化学习框架

Xibei Chen, Yifeng Zhang, Yuxiang Xiao, Mingfeng Fan, Maonan Wang, Guillaume Sartoretti

机构 * National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文提出CROSS框架，通过预测对比聚类和场景自适应MoE模块，提升交通信号控制的泛化能力，实验显示其在SUMO模拟器上表现优于现有方法。

Learning Multi-Agent Local Collision-Avoidance for Collaborative Carrying tasks with Coupled Quadrupedal Robots

学习多智能体局部避障以实现协作搬运任务 with 耦合四足机器人

Francesca Bray, Simone Tolomei, Andrei Cramariuc, Cesar Cadena, Marco Hutter

机构 * Robotic Systems Lab, ETH Zurich（埃因斯坦理工大学机器人系统实验室） 纠错

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

AI总结 本文提出基于强化学习的策略，使两台连接物体的四足机器人在未知环境中自主避障，无需预设路径或地图。

Integrated cooperative localization of heterogeneous measurement swarm: A unified data-driven method

异质测量群的集成协作定位：一种统一的数据驱动方法

Kunrui Ze, Wei Wang, Guibin Sun, Jiaqi Yan, Kexin Liu, Jinhu Lü

机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； Zhongguancun Laboratory（中关村实验室） 纠错

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

AI总结 本文提出一种统一的数据驱动方法，用于解决异质机器人系统中协作定位问题，通过改进的相对定位估计和分布式姿态耦合策略，在弱连接有向拓扑中实现高效定位。

Learning to Sample: Reinforcement Learning-Guided Sampling for Autonomous Vehicle Motion Planning

学习采样：强化学习引导的自主车辆运动规划采样

Korbinian Moller, Roland Stroop, Mattia Piccinini, Alexander Langmann, Johannes Betz

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

AI总结 本文提出一种结合强化学习的采样方法，用于提升自动驾驶车辆在复杂城市环境中的运动规划效率与可靠性。

Comments 8 pages, submitted to the IEEE for possible publication

Current state of the multi-agent multi-view experimental and digital twin rendezvous (MMEDR-Autonomous) framework

多智能体多视角实验与数字孪生会合（MMEDR-自主）框架的当前状态

Logan Banker, Michael Wozniak, Mohanad Alameer, Smriti Nandan Paul, David Meisinger, Grant Baer, Trevor Hunting, Ryan Dunham, Jay Kamdar

机构 * Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； Missouri University of Science and Technology（密苏里科技大学） ； Purdue University（普渡大学） 纠错

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

AI总结 本文提出MMEDR-自主框架，结合学习型光学导航网络、强化学习引导方法和硬件在环测试台，旨在提升空间任务的自主性和安全性。

Understanding Behavior Cloning with Action Quantization

通过动作量化理解行为克隆

Haoqun Cao, Tengyang Xie

机构 * Department of Computer Sciences, University of Wisconsin–Madison, Madison, WI, USA（威斯康星大学麦迪逊分校计算机科学系） 纠错

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

AI总结 本文研究行为克隆中动作量化的影响，分析量化误差传播与统计样本复杂度的相互作用，证明量化行为克隆在稳定动态和概率光滑性条件下可达到最优样本复杂度，提出基于模型的增强方法以改进误差界。

VAMPO: Policy Optimization for Improving Visual Dynamics in Video Action Models

VAMPO：通过改进视频动作模型的视觉动态进行策略优化

Zirui Ge, Pengxiang Ding, Baohua Yin, Qishen Wang, Zhiyong Xie, Yemin Wang, Jinbo Wang, Hengtao Li, Runze Suo, Wenxuan Song, Han Zhao, Shangke Lyu, Zhaoxin Fan, Haoang Li, Ran Cheng, Cheng Chi, Huibin Ge, Yaozhi Luo, Donglin Wang

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Xiamen University（厦门大学） ； University of Sussex（Sussex大学） ； Tianjin University（天津大学） ； Wuhan University（武汉大学） ； Hebei University of Technology（河北工业大学） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 VAMPO通过策略优化直接提升视频动作模型的视觉动态，结合GRPO和非对抗性奖励，在多种模拟和真实任务中提升任务相关视觉动态，增强下游动作生成和泛化能力。

ViTac-Tracing: Visual-Tactile Imitation Learning of Deformable Object Tracing

ViTac-Tracing：变形物体追踪的视觉-触觉模仿学习

Yongqiang Zhao, Haining Luo, Yupeng Wang, Emmanouil Spyrakos Papastavridis, Yiannis Demiris, Shan Luo

机构 * Robot Perception Laboratory, Department of Engineering, King’s College London（机器人感知实验室，工程系，伦敦国王学院） ； Personal Robotics Laboratory, Department of Electrical and Electronic Engineering, Imperial College London（个人机器人实验室，电子与电气工程系，伦敦帝国学院） 纠错

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

AI总结 本文提出一种视觉-触觉模仿学习方法，实现变形物体的一维和二维追踪。通过局部和全局视角结合视觉与触觉感知，提升细粒度调整并优化任务进度，实验表明在多种变形物体上达到80%和65%的成功率。

Comments The paper has been accepted by ICRA2026

Thinking with Constructions: A Benchmark and Policy Optimization for Visual-Text Interleaved Geometric Reasoning

通过构造进行思考：一种用于视觉-文本交错几何推理的基准和策略优化

Haokun Zhao, Wanshi Xu, Haidong Yuan, Songjun Cao, Long Ma, Yanghua Xiao

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； School of ECE, Peking University（北京大学电子工程学院） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

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

AI总结 本文提出GeoAux-Bench基准和A2PO策略优化框架，通过交错视觉-文本辅助工具提升几何推理性能，实验表明有效构造能降低推理困惑度，使MLLMs在选择性辅助构造上获得3.51%的提升。

SLowRL: Safe Low-Rank Adaptation Reinforcement Learning for Locomotion

SLowRL: 安全低秩适应强化学习用于运动控制

Elham Daneshmand, Shafeef Omar, Glen Berseth, Majid Khadiv, Hsiu-Chin Lin

机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出SLowRL框架，结合低秩适应与安全约束，实现动态运动任务的高效安全强化学习调优，实验显示在真实机器人上细调时间减少46.5%且安全违规接近零。

ViSA: Visited-State Augmentation for Generalized Goal-Space Contrastive Reinforcement Learning

ViSA：基于已访问状态的通用目标空间对比强化学习增强

Issa Nakamura, Tomoya Yamanokuchi, Yuki Kadokawa, Jia Qu, Shun Otsub, Ken Miyamoto, Shotaro Miwa, Takamitsu Matsubara

机构 * Graduate School of Information Science, Nara Institute of Science and Technology (NAIST)（信息科学研究生院，奈良科学与技术研究所） ； Advanced Technology R&D Center, Mitsubishi Electric Corporation（三菱电机先进技术研发中心） 纠错

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

AI总结 本文提出ViSA方法，通过生成增强状态样本和学习一致嵌入空间，提升目标空间泛化能力，实现对难访问目标的准确估值。

Comments 8 pages, 7 figures, under Review

System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot

超机动车辆的系统设计：一种能骑行、平衡和跳跃的自行车机器人

Benjamin Bokser, Daniel Gonzalez, Aaron Preston, Alex Bahner, Annika Wollschläger, Arianna Ilvonen, Asa Eckert-Erdheim, Ashwin Khadke, Bilal Hammoud, Dean Molinaro, Fabian Jenelten, Henry Mayne, Howie Choset, Igor Bogoslavskyi, Itic Tinman, James Tigue, Jan Preisig, Kaiyu Zheng, Kenny Sharma, Kim Ang, Laura Lee, Liana Margolese, Nicole Lin, Oscar Frias, Paul Drews, Ravi Boggavarapu, Rick Burnham, Samuel Zapolsky, Sangbae Kim, Scott Biddlestone, Sean Mayorga, Shamel Fahmi, Surya Singh, Tyler McCollum, Velin Dimitrov, William Moyne, Yu-Ming Chen, Farbod Farshidian, Marco Hutter, David Perry, Al Rizzi, Gabe Nelson

机构 * Robotics and AI Institute (RAI)（机器人与人工智能研究所） ； Robotics Institute（机器人研究所） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出了一种结合自行车和反冲质量的超机动车辆，通过仿真驱动设计优化实现动态移动，展示零样本迁移的多样化运动行为，如站立、跳跃、轮跳和前翻。

Comments 17 Pages, 11 figures, 3 movies, 2 tables

Humanoid Goalkeeper: Learning from Position Conditioned Task-Motion Constraints

人形守门员：从位置条件任务-运动约束中学习

Junli Ren, Junfeng Long, Tao Huang, Huayi Wang, Zirui Wang, Feiyu Jia, Wentao Zhang, Jingbo Wang, Ping Luo, Jiangmiao Pang

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

AI总结 本文提出一种强化学习框架，用于人形机器人在真实环境中自主守门。通过整合感知输入的多个人类动作先验，学习端到端RL策略，实现自然、动态的机器人与物体交互。

Cross-Domain Policy Optimization via Bellman Consistency and Hybrid Critics

跨领域策略优化 via 域间Bellman一致性与混合批评者

Ming-Hong Chen, Kuan-Chen Pan, You-De Huang, Xi Liu, Ping-Chun Hsieh

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

AI总结 本文提出QAvatar方法，通过域间Bellman一致性与混合批评者解决跨领域RL中的可转移性问题，实现可靠的知识迁移。

Comments Accepted at ICLR 2026

Adversarial Reinforcement Learning for Detecting False Data Injection Attacks in Vehicular Routing

对抗性强化学习用于检测车联网中的虚假数据注入攻击

Taha Eghtesad, Yevgeniy Vorobeychik, Aron Laszka

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

AI总结 本文提出基于对抗性强化学习的方法，用于检测车联网中的虚假数据注入攻击，通过纳什均衡策略优化检测效果，提升交通网络的鲁棒性。

MAVEN: A Meta-Reinforcement Learning Framework for Varying-Dynamics Expertise in Agile Quadrotor Maneuvers

MAVEN：一种用于敏捷四旋翼机动中动态变化专家技能的元强化学习框架

Jin Zhou, Dongcheng Cao, Xian Wang, Shuo Li

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

AI总结 MAVEN通过元强化学习框架实现四旋翼无人机在动态变化中的稳健导航，具备快速适应和零样本仿真到现实的转移能力。

Safety-critical Control Under Partial Observability: Reach-Avoid POMDP meets Belief Space Control

安全关键控制在部分可观测性下：可达-避免POMDP与信念空间控制

Matti Vahs, Joris Verhagen, Jana Tumova

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

AI总结 本文提出了一种基于信念空间的分层控制架构，通过信念控制李雅普诺夫函数和屏障函数实现安全关键控制，提升机器人在部分可观测环境中的任务成功率和安全性。

COHORT: Hybrid RL for Collaborative Large DNN Inference on Multi-Robot Systems Under Real-Time Constraints

COHORT: 基于混合强化学习的多机器人系统实时协同大规模深度神经网络推理

Mohammad Saeid Anwar, Anuradha Ravi, Indrajeet Ghosh, Gaurav Shinde, Carl Busart, Nirmalya Roy

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

AI总结 COHORT通过混合强化学习策略，优化多机器人系统在实时约束下的大规模DNN推理，降低能耗并提升GPU利用率。

Comments Recently accepted at 27th IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks ( IEEE WoWMoM 2026)

Actor-Accelerated Policy Dual Averaging for Reinforcement Learning in Continuous Action Spaces

策略双平均加速器在连续动作空间强化学习中的应用

Ji Gao, Caleb Ju, Guanghui Lan, Zhaohui Tong

机构 * School of Chemical and Biomolecular Engineering, Georgia Institute of Technology, GA, USA（化学与生物分子工程学院，佐治亚理工学院，美国加利福尼亚州） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, GA, USA（H.米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院，美国加利福尼亚州） 纠错

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

AI总结 本文提出加速器PDA，通过学习策略网络加速连续动作空间中的强化学习，提升性能并保持收敛保证。

Reward-Zero: Language Embedding Driven Implicit Reward Mechanisms for Reinforcement Learning

Reward-Zero: 语言嵌入驱动的隐式奖励机制用于强化学习

Heng Zhang, Haddy Alchaer, Arash Ajoudani, Yu She

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

AI总结 Reward-Zero通过语言嵌入驱动的隐式奖励机制，提升强化学习的样本效率、泛化能力和可扩展性。

Comments under review

Residual Control for Fast Recovery from Dynamics Shifts

残差控制用于快速恢复动态偏移

Nethmi Jayasinghe, Diana Gontero, Francesco Migliarba, Spencer T. Brown, Vinod K. Sangwan, Mark C. Hersam, Amit Ranjan Trivedi

机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； Northwestern University（西北大学） 纠错

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

AI总结 该研究提出了一种基于残差控制的稳定性对齐方法，通过约束扰动塑造实现快速恢复，无需重新训练即可应对动态偏移，显著减少恢复时间。

HiconAgent: History Context-aware Policy Optimization for GUI Agents

HiconAgent: 历史上下文感知的GUI代理策略优化

Xurui Zhou, Gongwei Chen, Yuquan Xie, Zaijing Li, Kaiwen Zhou, Shuai Wang, Shuo Yang, Zhuotao Tian, Rui Shao

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 HiconAgent通过历史上下文感知策略优化，高效利用历史信息，在GUI导航任务中实现更高的准确率和效率。

Learning From Failures: Efficient Reinforcement Learning Control with Episodic Memory

从失败中学习：利用片段记忆的高效强化学习控制

Chenyang Miao

机构 * Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 本文提出FEMA技术，通过存储失败经验防止机器人陷入不稳定状态，提升强化学习的样本效率和长期探索能力。

CDE: Concept-Driven Exploration for Reinforcement Learning

CDE：基于概念的强化学习探索

Le Mao, Andrew H. Liu, Renos Zabounidis, Yanan Niu, Zachary Kingston, Joseph Campbell

机构 * Department of Electrical and Computer Engineering, Purdue University（电子工程系，普渡大学） ； Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） ； Department of Management of Technology, EPFL（技术管理系，瑞士联邦理工学院） 纠错

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

AI总结 CDE通过利用预训练视觉-语言模型生成任务相关的视觉概念，提升强化学习中视觉任务的探索效率和鲁棒性。

Comments Preprint

Open-World Reinforcement Learning over Long Short-Term Imagination

开放世界长期短期想象强化学习

Jiajian Li, Qi Wang, Yunbo Wang, Xin Jin, Yang Li, Wenjun Zeng, Xiaokang Yang

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能大模型关键实验室、人工智能研究院、上海交通大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院、技术东院） ； School of Computer Science and Technology, East China Normal University（计算机科学与技术学院、华东师范大学） 纠错

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

AI总结 本文提出LS-Imagine方法，通过扩展想象 horizon 提高开放世界强化学习中长期收益的探索效率。

Comments Accepted by ICLR 2025 Oral. Project page: https://qiwang067.github.io/ls-imagine

Human-Object Interaction via Automatically Designed VLM-Guided Motion Policy

通过自动设计的VLM引导运动策略实现人-物交互

Zekai Deng, Ye Shi, Kaiyang Ji, Lan Xu, Shaoli Huang, Jingya Wang

机构 * ShanghaiTech University（上海科技大学） ； AgiBot 纠错

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

AI总结 本文提出了一种基于VLMs的统一物理框架，通过自动设计的RMD方法实现人-物交互合成，提升了运动生成的自然性和通用性。

Comments iclr camera ready