机器人 / 具身智能

Transformer-XL for Long Sequence Tasks in Robotic Learning from Demonstration

Transformer-XL在机器人学习从示范中的长序列任务应用

Gao Tianci

机构 * Bauman Moscow State Technical University（巴甫洛夫莫斯科国立技术大学） 纠错

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

AI总结 本文提出利用Transformer-XL处理机器人学习从示范中的长序列任务，通过多模态传感器输入提升任务成功率和计算效率。

Comments 11 pages,4 figures

Journal ref Tianci G. Transformer-xl for long sequence tasks in robotic learning from demonstrations[C]//International Conference on Intelligent Systems. Cham: Springer Nature Switzerland, 2024: 25-36

ClutterGen: A Cluttered Scene Generator for Robot Learning

Yinsen Jia, Boyuan Chen

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

Comments Accepted by 8th Annual Conference on Robot Learning

Adversarial Training is Not Ready for Robot Learning

Mathias Lechner, Ramin Hasani, Radu Grosu, Daniela Rus, Thomas A. Henzinger

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

Comments Accepted at the IEEE International Conference on Robotics and Automation (ICRA) 2021

Task-Adaptive Robot Learning from Demonstration with Gaussian Process Models under Replication

Miguel Arduengo, Adrià Colomé, Júlia Borràs, Luis Sentis, Carme Torras

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

Comments 8 pages, 9 figures

Journal ref IEEE Robotics and Automation Letters, 2021

Small Variance Asymptotics for Non-Parametric Online Robot Learning

Ajay Kumar Tanwani, Sylvain Calinon

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

Comments accepted in International Journal of Robotics and Research (IJRR)

VideoVLA: Video Generators Can Be Generalizable Robot Manipulators

VideoVLA: 视频生成器可以成为通用的机器人操作器

Yichao Shen, Fangyun Wei, Zhiying Du, Yaobo Liang, Yan Lu, Jiaolong Yang, Nanning Zheng, Baining Guo

机构 * IAIR, Xi’an Jiaotong University（人工智能研究院、西安交通大学） ； Microsoft Research Asia（微软亚洲研究院） ； Fudan University（复旦大学） 纠错

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

AI总结 VideoVLA通过将视频生成模型转化为机器人VLA操作器，实现了动作与视觉后果的双预测，提升机器人操作的泛化能力。

Comments Project page: https://videovla-nips2025.github.io

Journal ref The Thirty-ninth Annual Conference on Neural Information Processing Systems(NeurIPS2025)

MoSE: Skill-by-Skill Mixture-of-Experts Learning for Embodied Autonomous Machines

Lu Xu, Jiaqian Yu, Xiongfeng Peng, Yiwei Chen, Weiming Li, Jaewook Yoo, Sunghyun Chunag, Dongwook Lee, Daehyun Ji, Chao Zhang

机构 * Advanced Research Lab, Samsung Research China-Beijing（三星研究院中国北京先进研究实验室） ； Manufacturing/Material Handling AI Lab (DS AI Center)（制造/物料处理AI实验室（DS AI中心）） 纠错

专题命中 机器人学习 ：embodied AI(abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.AI、cs.CV、cs.LG

Learning an Actionable Discrete Diffusion Policy via Large-Scale Actionless Video Pre-Training

Haoran He, Chenjia Bai, Ling Pan, Weinan Zhang, Bin Zhao, Xuelong Li

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

Comments Accepted by NeurIPS 2024. 24 pages

Deep Movement Primitives: toward Breast Cancer Examination Robot

Oluwatoyin Sanni, Giorgio Bonvicini, Muhammad Arshad Khan, Pablo C. Lopez-Custodio, Kiyanoush Nazari, Amir M. Ghalamzan E.

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

Comments To appear in the 36th AAAI conference

Hierarchically Decoupled Imitation for Morphological Transfer

Donald J. Hejna, Pieter Abbeel, Lerrel Pinto

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

Comments International Conference on Machine Learning (ICML) 2020 camera ready submission

Temporal Policy: History-Initialized Action Generation for Robotic Learning from Demonstration

时间策略：用于机器人演示学习的历史初始化动作生成

Dylan Miller, Martin Jagersand

机构 * University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 本文提出Temporal Policy生成框架，将动作生成为时间耦合传输问题，在降低近一个数量级传输成本的同时匹配基线成功率，实现高频闭环控制。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

P3: Probabilistic Policy Propagation for Stable VAE-Based Robot Learning

P3：基于稳定变分自编码器的机器人学习的概率策略传播

Liyun Yan, Jianming Ma, Yang Zhang, Shengcheng Fu, Zhanxiang Cao, Keqi Zhu, Yizhi Chen, Yue Gao

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

AI总结 研究基于变分自编码器的机器人学习中随机潜变量与近端策略优化不匹配问题，提出P³框架，它结合概率方法与采样校准，实验表明可提高数据效率、减少收敛步数，为人形跑酷任务的基于变分自编码器的PPO奠定基础。

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

RoboSnap: One-Shot Real-to-Sim Scene Generation for Generalizable Robot Learning and Evaluation

RoboSnap：用于可泛化机器人学习与评估的一次性真实到模拟场景生成

Shujie Zhang, Jingkun Yi, Weipeng Zhong, Zirui Zhou, Yangkun Zhu, Hanqing Wang, Xudong Xu, Weinan Zhang, Chunhua Shen

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 针对构建物理稳定且视觉逼真场景缓慢昂贵的问题，提出RoboSnap框架，通过分层设计将单张RGB图像转为模拟场景，实验证明其能实现轨迹重放等，还引入DROID-Sim数据集，凸显真实到模拟方法对机器人学习评估的价值。

Comments 24 pages, 16 figures, Project page: https://robosnap.github.io

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。

DeformGen: Dynamics-Based Topology Augmentation for Deformable Manipulation Policy Learning

DeformGen: 基于动力学的拓扑增强用于可变形操作策略学习

Zili Lin, Wenyao Zhang, Yuyang Zhang, Zekun Qi, Junyan Lin, Hanxin Zhu, Jiaolong Yang, Zhibo Chen, Yao Mu, Xiaokang Yang, Xin Jin, Wenjun Zeng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Tsinghua University（清华大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Microsoft Research（微软研究院） 纠错

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

AI总结 提出DeformGen框架，通过局部物理扰动和动力学前向模拟生成拓扑一致的可变形状态，并利用变形场扭曲转移操作轨迹，联合增强状态分布与操作行为，提升可变形操作策略学习。

Neural Associative Skill Memories for safer robotics and modelling human sensorimotor repertoires

神经关联技能记忆用于更安全的机器人及建模人类传感器运动 repertoire

Pranav Mahajan, Mufeng Tang, T. Ed Li, Ioannis Havoutis, Ben Seymour

机构 * University of Oxford（牛津大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 本文提出神经关联技能记忆框架，通过自监督预测编码统一技能学习与表达，实现故障检测与上下文感知执行，提升机器人安全性和生物传感器运动学习研究。

Journal ref Neural Computation (2026) 38 (1): 1-27

Learning from Demonstration with Failure Awareness for Safe Robot Navigation

基于失败意识的学习用于安全机器人导航

Xianghui Wang, Siwei Cheng, Shanze Wang, Xinming Zhang, Dan Zhang, Wei Zhang

机构 * Department of Mechanical Engineering, The Hong Kong Polytechnic University（香港理工大学机械工程系） ； College of Information Science and Technology, Eastern Institute of Technology（东华理工大学信息科学学院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空与航空工程系） 纠错

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

AI总结 本文提出一种失败意识学习框架，通过分离成功与失败数据提升机器人导航安全性，减少碰撞并保持任务成功率。

Conservative Offline Robot Policy Learning via Posterior-Transition Reweighting

通过后过渡重加权实现保守的离线机器人策略学习

Wanpeng Zhang, Hao Luo, Sipeng Zheng, Yicheng Feng, Haiweng Xu, Ziheng Xi, Chaoyi Xu, Haoqi Yuan, Zongqing Lu

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； BeingBeyond 纠错

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

AI总结 本文提出PTR方法，通过后验过渡重加权实现保守的离线机器人策略学习，根据样本后作用后果的可归因性分配信用，提升对异质机器人数据的适应性。

Diff-Muscle: Efficient Learning for Musculoskeletal Robotic Table Tennis

Diff-Muscle: 高效学习用于肌骨骼机器人乒乓球

Wentao Zhao, Jun Guo, Kangyao Huang, Xin Liu, Huaping Liu

机构 * Department of Computer Science and Technology, Tsinghua University, China（清华大学计算机科学与技术系） 纠错

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

AI总结 Diff-Muscle通过微分平坦性将高维动作空间转化为低维关节空间，实现高效学习，使肌骨骼机器人在动态乒乓球任务中实现连续回球。

Comments 8 pages, 7 figures

Seeing the Bigger Picture: 3D Latent Mapping for Mobile Manipulation Policy Learning

看见更大的图景：用于移动操作策略学习的3D潜在映射

Sunghwan Kim, Woojeh Chung, Zhirui Dai, Dwait Bhatt, Arth Shukla, Hao Su, Yulun Tian, Nikolay Atanasov

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

AI总结 本文提出SBP方法，通过3D潜在映射提升移动操作策略的学习性能，实现更强的空间和时间推理能力。

Comments ICRA 2026, project page: https://existentialrobotics.org/sbp_page/

Interface-Aware Trajectory Reconstruction of Limited Demonstrations for Robot Learning

面向接口的有限示范轨迹重建用于机器人学习

Demiana R. Barsoum, Mahdieh Nejati Javaremi, Larisa Y. C. Loke, Brenna D. Argall

机构 * Northwestern University \& Shirley Ryan AbilityLab Chicago Illinois USA ； Northwestern University \& Shirley Ryan AbilityLab 纠错

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

AI总结 本文提出一种轨迹重建算法，通过考虑任务、环境和接口约束，将受限示范提升到完整控制空间，以提升机器人运动的效率和用户意图的实现。

Comments 13 pages, 8 figures, to appear in the proceedings of the 2026 Human-Robot Interaction (HRI) Conference

EgoAVFlow: Robot Policy Learning with Active Vision from Human Egocentric Videos via 3D Flow

EgoAVFlow：通过人类中心视频主动视觉实现机器人策略学习

Daesol Cho, Youngseok Jang, Danfei Xu, Sehoon Ha

机构 * School of Interactive Computing, Georgia Institute of Technology（交互计算学院，佐治亚理工学院） ； InnoCORE AI-Transformed Aerospace Research Center, KAIST（AI转型航空航天研究中心，韩国成均馆大学） 纠错

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

AI总结 EgoAVFlow通过共享3D流表示从人类中心视频中学习机器人策略，实现主动视觉和稳健操纵，无需机器人演示。

When Object-Centric World Models Meet Policy Learning: From Pixels to Policies, and Where It Breaks

Stefano Ferraro, Akihiro Nakano, Masahiro Suzuki, Yutaka Matsuo

机构 * IDLAB, Gent University, Gent, Belgium（根特大学IDLAB实验室，比利时根特） ； Graduate School of Engineering, The University of Tokyo, Tokyo, Japan（东京大学工学院） 纠错

专题命中 机器人学习 ：world model(title,abstract)；分类 cs.AI

Gentle Manipulation Policy Learning via Demonstrations from VLM Planned Atomic Skills

Jiayu Zhou, Qiwei Wu, Jian Li, Zhe Chen, Xiaogang Xiong, Renjing Xu

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

Comments Accepted for the 40th Annual AAAI Conference on Artificial Intelligence (2026)

Cosmos-Surg-dVRK: World Foundation Model-based Automated Online Evaluation of Surgical Robot Policy Learning

Lukas Zbinden, Nigel Nelson, Juo-Tung Chen, Xinhao Chen, Ji Woong Kim, Mahdi Azizian, Axel Krieger, Sean Huver

机构 * NVIDIA ； Johns Hopkins University（约翰霍普金斯大学） ； Stanford University（斯坦福大学） 纠错

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

Comments minor metadata and notation fixes; +3 citations

Social World Model-Augmented Mechanism Design Policy Learning

Xiaoyuan Zhang, Yizhe Huang, Chengdong Ma, Zhixun Chen, Long Ma, Yali Du, Song-Chun Zhu, Yaodong Yang, Xue Feng

机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI, Beijing, China（通用人工智能国家重点实验室，BIGAI，北京，中国） ； State Key Laboratory of General Artificial Intelligence, Peking University, Beijing, China（通用人工智能国家重点实验室，北京大学，北京，中国） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Center for Data Science, Academy for Advanced Interdisciplinary Studies, Peking University（数据科学中心，先进跨学科研究学院，北京大学） ； King’s College London（伦敦国王学院） 纠错

专题命中 机器人学习 ：world model(title,abstract)；分类 cs.AI

Stinger Robot: A Self-Bracing Robotic Platform for Autonomous Drilling in Confined Underground Environments

H. Liu, L. S. Moreu, T. S. Andersen, V. V. Puche, M. Fumagalli

机构 * Department of Electrical and Photonics Engineering, DTU（电气与光子工程系，丹麦技术大学） 纠错

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

Comments 7 pages, submitted

Exploiting Local Observations for Robust Robot Learning

Wenshuai Zhao, Eetu-Aleksi Rantala, Sahar Salimpour, Zhiyuan Li, Joni Pajarinen, Jorge Peña Queralta

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

Comments 8 pages, 8 figures