机器人 / 具身智能

AgenticRL: Self-Refining Agentic Reinforcement Learning for Vision-Conditioned UAV Navigation

面向视觉条件的无人机导航的自优化智能体强化学习

Roohan Ahmed Khan, Yasheerah Yaqoot, Amir Atef Habel, Muhammad Ahsan Mustafa, Dzmitry Tsetserukou

机构 * University of Science and Technology of China（中国科学技术大学） 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 提出AgenticRL框架，利用多模态GPT智能体自动设计奖励函数、通过闭环自改进优化策略，在多种无人机导航任务中提升性能并实现高成功率。

In-Context Reinforcement Learning via Communicative World Models

通过通信世界模型进行上下文强化学习

Fernando Martinez-Lopez, Tao Li, Yingdong Lu, Juntao Chen

机构 * Department of Computer and Information Sciences, Fordham University（福特汉姆大学计算机与信息科学系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； IBM Research（IBM研究院） 纠错

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

AI总结 提出CORAL框架，通过将潜在表示学习与控制分离，利用信息代理预训练世界模型并生成通信消息，使控制代理实现零样本适应和样本效率提升。

Expanding Spatial and Temporal Context for Robotic Imitation Learning With Scene Graphs

利用场景图扩展机器人模仿学习的时空上下文

Jianing Qian, Qinhe Peng, Emmanuel Panov, Leonor Fermoselle, Dinesh Jayaraman, Bernadette Bucher, Tarik Kelestemur

机构 * University of Pennsylvania（宾夕法尼亚大学） ； RAI Institute（RAI研究院） ； University of Michigan（密歇根大学） 纠错

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

AI总结 提出使用场景图作为显式结构化记忆机制，通过动态维护对象中心关系及其时间演化，解决机器人模仿学习中的部分可观测性和长时推理问题。

RealWeather: Realistic and Scene-Faithful Weather Translation with Driving World Models

RealWeather：基于驾驶世界模型的逼真且场景忠实的天气转换

Yuwei Ning, Liangzhi Wang, Yi Xiao, Zhenhua Wu, Yun Pang, Mingkun Chang, Jichang Li, Guanbin Li

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

AI总结 RealWeather是一种驾驶世界模型，通过渐进式逼真度引导和场景忠实度强化学习优化实现逼真且场景忠实的天气转换，在视觉逼真度、结构保留等方面优于现有方法，支持长尾天气场景生成与零样本泛化。

Comments Under submission

Path-conditioned Reinforcement Learning-based Local Planning for Long-Range Navigation

基于路径条件的强化学习局部规划用于远距离导航

Mateo Haro, Julia Richter, Fan Yang, Cesar Cadena, Marco Hutter

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

AI总结 本文提出一种基于强化学习的局部导航策略，利用路径信息作为上下文指导，提升远距离导航效率并保持在路径信息退化时的鲁棒性。

Where to Touch, How to Contact: A Hierarchical RL-MPC Framework for Geometry-Aware Sim-to-Real Manipulation

何处触碰，如何接触：面向几何感知的长时间灵巧操作的分层RL-MPC框架

Zhixian Xie, Yu Xiang, Michael Posa, Wanxin Jin

机构 * Arizona State University（亚利桑那州立大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 提出分层RL-MPC框架，高层RL策略预测接触意图（接触位置和子目标位姿），低层接触隐式MPC优化局部接触模式并实时重规划，实现几何泛化的非抓取操作，数据效率提升10倍且零样本迁移到真实环境。

Self-CriTeach: LLM Self-Teaching and Self-Critiquing for Improving Robotic Planning via Automated Domain Generation

Self-CriTeach: LLM 自我教学与自我批评用于通过自动领域生成提升机器人规划

Jinbang Huang, Zhiyuan Li, Yuanzhao Hu, Zhanguang Zhang, Mark Coates, Xingyue Quan, Yingxue Zhang

机构 * Huawei Noah's Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） ； University of British Columbia（不列颠哥伦比亚大学） ； McGill University（麦吉尔大学） 纠错

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

AI总结 本文提出Self-CriTeach框架，通过LLM自动生成符号规划领域，用于自我教学生成规划问题-计划对及自我批评生成结构化奖励信号，提升机器人规划性能与泛化能力。

Comments International Conference on Machine Learning (ICML) 2026

Trust, Geometry, and Rules: A Credibility-Aware Reinforcement Learning Framework for Safe USV Navigation under Uncertainty

信任、几何与规则：不确定性下安全USV导航的可信感知强化学习框架

Yuhang Zhang, Shuqi Chai, Yukang Zhang, Liusha Yang, Mingchuan Zhang, Wei Wang, Qingjiang Shi, Quanbo Ge

机构 * School of Information Engineering, Henan University of Science and Technology（河南科技大学信息工程学院） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； School of Logistics Engineering, Shanghai Maritime University（上海 Maritime University物流工程学院） ； Shenzhen Technology University（深圳科技大学） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Software Engineering, Tongji University（同济大学软件工程学院） 纠错

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

AI总结 提出一种集成可信感知学习、几何安全屏蔽和连续规则感知嵌入的强化学习框架，以解决动态海洋环境中USV导航的安全性和COLREGs合规性问题。

ARMOR: Robust Reinforcement Learning-based Control for UAVs under Physical Attacks

ARMOR：面向无人机物理攻击的鲁棒强化学习控制

Pritam Dash, Ethan Chan, Nathan P. Lawrence, Karthik Pattabiraman

机构 * University of British Columbia（不列颠哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 ARMOR是一种抗攻击的无模型强化学习控制器，通过两阶段训练框架学习鲁棒状态表示，可保障无人机在传感器受攻击时的安全运行，泛化能力更强且训练成本更低。

Comments Published at ICRA'2026

RoboGPT-R1: Enhancing Robot Task Planning with Reinforcement Learning

RoboGPT-R1: 通过强化学习增强机器人任务规划

Jinrui Liu, Bingyan Nie, Boyu Li, Yaran Chen, Yuze Wang, Shunsen He, Haoran Li

机构 * Institute of Automation, CASIA（中国科学院自动化研究所） ； School of Artificial Intelligence, UCAS（中国科学技术大学人工智能学院） ； Huawei Cloud Technology Co., Ltd（华为云技术有限公司） 纠错

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

AI总结 提出RoboGPT-R1两阶段微调框架，先监督学习获取基础知识，再通过强化学习提升视觉空间理解和推理能力，在EmbodiedBench上超越GPT-4o-mini 21.33%。

Journal ref Proceedings of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026), pp. 2827-2837, IFAAMAS, 2026

CoIRL-AD: Collaborative-Competitive Imitation-Reinforcement Learning in Latent World Models for Autonomous Driving

CoIRL-AD：面向自动驾驶的潜在世界模型中的协作-竞争模仿-强化学习

Xiaoji Zheng, Ziyuan Yang, Yanhao Chen, Yuhang Peng, Yuanrong Tang, Gengyuan Liu, Bokui Chen, Jiangtao Gong

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出CoIRL-AD框架，通过解耦模仿学习与强化学习、利用潜在世界模型进行长时程奖励估计以及引入竞争机制，在离线训练中提升自动驾驶的鲁棒性，尤其在跨城市泛化和长尾场景中表现优异。

Comments 19 pages, 22 figures, ICML 2026

VersualRL: Closed-Loop Verbal Reinforcement Learning with Visual Execution Feedback for Task-Level Robot Planning

闭环言语强化学习用于任务级机器人规划

Dmitrii Plotnikov, Iaroslav Kolomiets, Dmitrii Maliukov, Dmitrij Kosenkov, Daniia Zinniatullina, Artem Trandofilov, Georgii Gazaryan, Kirill Bogatikov, Timofei Kozlov, Mikhail Konenkov, Miguel Altamirano Cabrera, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（智能空间机器人实验室，斯克尔科夫科学与技术研究所） 纠错

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

AI总结 提出闭环言语强化学习框架，通过大语言模型与视觉语言模型交互，在符号规划层迭代优化行为树，实现可解释的任务级规划与执行不确定性下的自适应。

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

CRAFT: Coaching Reinforcement Learning Autonomously using Foundation Models for Multi-Robot Coordination Tasks

CRAFT：利用基础模型自主教练强化学习以完成多机器人协调任务

Seoyeon Choi, Kanghyun Ryu, Jonghoon Ock, Negar Mehr

机构 * Department of Mechanical Engineering, University of California Berkeley（机械工程系，加州大学伯克利分校） 纠错

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

AI总结 提出CRAFT框架，利用大语言模型分解任务、生成奖励函数，并通过视觉语言模型优化，实现多机器人协调学习，在四足导航和双臂操作任务中验证有效性。

ReinforceGen: Hybrid Skill Policies with Automated Data Generation and Reinforcement Learning

ReinforceGen：具有自动数据生成和强化学习的混合技能策略

Zihan Zhou, Animesh Garg, Ajay Mandlekar, Caelan Garrett

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA Research（NVIDIA研究） 纠错

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

AI总结 针对机器人长期操纵挑战，ReinforceGen系统结合任务分解、数据生成、模仿学习与运动规划形成初始方案，经强化学习微调，在Robosuite数据集基准测试中成功率达80%，消融研究显示微调使性能平均提升89%，实际评估也有显著改进。

SpeedTuning: Speeding Up Policy Execution with Lightweight Reinforcement Learning

SpeedTuning：用轻量强化学习加速策略执行

David D. Yuan, Tony Z. Zhao, Kaylee Burns, Chelsea Finn

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 SpeedTuning是一种轻量强化学习框架，可预测动作最优执行速度，在无需额外数据采集的情况下，将机器人操作策略加速超2.4倍且保持足够成功率，适用于多种动态精确任务。

Comments 10 pages, 12 figures. This arXiv version includes an appendix with qualitative simulation rollouts and additional ablations. Published at ICRA 2025

Journal ref 2025 IEEE International Conference on Robotics and Automation (ICRA), pp. 1184-1192, 2025

When Life Gives You BC, Make Q-functions: Extracting Q-values from Behavior Cloning for On-Robot Reinforcement Learning

当生活给你行为克隆，就做Q函数：从行为克隆中提取Q值用于机器人强化学习

Lakshita Dodeja, Ondrej Biza, Shivam Vats, Stephen Hart, Stefanie Tellex, Robin Walters, Karl Schmeckpeper, Thomas Weng

机构 * Rai-Inst 纠错

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

AI总结 提出Q2RL算法，通过从行为克隆策略中提取Q函数并利用Q门控切换策略，实现高效的离线到在线强化学习，在机器人操作任务中达到100%成功率和3.75倍提升。

Comments Robotics: Science and Systems, 2026

RLRC: Reinforcement Learning-based Recovery for Compressed Vision-Language-Action Models

RLRC：基于强化学习的压缩视觉-语言-动作模型恢复

Yuxuan Chen, Yixin Han, Yize Huang, Xiao Li

机构 * State Key Laboratory of Mechanical System and Vibration（机械系统与振动国家重点实验室） ； Shanghai Key Laboratory of Intelligent Robotics（上海智能机器人重点实验室） ； School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院） 纠错

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

AI总结 提出RLRC三阶段压缩恢复流程，通过结构化剪枝、SFT和强化学习恢复以及量化，实现8倍内存减少和2.3倍推理加速，同时保持任务成功率。

Comments 8 pages, 10 figures; accepted by RA-L 2026

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 7, pp. 8864-8871, July 2026

Self-Supervised Multisensory Pretraining for Contact-Rich Robot Reinforcement Learning

面向接触丰富机器人强化学习的自监督多感官预训练

Rickmer Krohn, Vignesh Prasad, Gabriele Tiboni, Georgia Chalvatzaki

机构 * Interactive Robot Perception & Learning (PEARL) Lab, TU Darmstadt, Germany（图腾机器人感知与学习实验室，图腾施塔德大学，德国） ； Hessian.AI（海斯堡人工智能） ； Robotics Institute Germany (RIG)（德国机器人研究所（RIG）） 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；robotics(journal_ref)

AI总结 提出MSDP框架，通过掩码自编码和跨模态预测学习多感官表示，并采用非对称架构（评论家使用交叉注意力提取动态特征，演员使用稳定池化表示）加速策略学习，在模拟和真实机器人任务中展现出鲁棒性和高效性。

Comments 8 pages, 11 figures

Journal ref IEEE Robotics and Automation Letters, 2026, Vol. 11, No. 6, pp. 6799-6806

EXPO-FT: Sample-Efficient Reinforcement Learning Finetuning for Vision-Language-Action Models

EXPO-FT：面向视觉-语言-动作模型的样本高效强化学习微调

Perry Dong, Kuo-Han Hung, Tian Gao, Dorsa Sadigh, Chelsea Finn

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 提出EXPO-FT系统，通过样本高效的强化学习微调预训练的VLA策略，在多种高精度操作任务中实现完美性能（30/30成功率），平均仅需19.1分钟在线机器人数据。

Coachable agents for interactive gameplay

可指导的交互式游戏智能体

Roberto Capobianco, Harm van Seijen, Nolan D. Bard, Neil Burch, Fatima Davelouis, Josh Davidson, Alisa Devlic, Yunshu Du, Ishan Durugkar, Siddhant Gangapurwala, Daniel Hernandez, G. Zacharias Holland, Sahil Jain, Kenta Kawamoto, Raksha Kumaraswamy, Patrick MacAlpine, Dustin R. Morrill, Declan Oller, Francesco Riccio, Akanksha Saran, Craig Sherstan, Kaushik Subramanian, Thomas J. Walsh, Samuel Barrett, Kizza N. Frisbee, Mady Govil, Johannes Günther, Varun R. Kompella, James A. MacGlashan, Maxwell Svetlik, Michael D. Thomure, Jaden B. Travnik, Kevin Waugh, Elahe Aghapour, Florian Fuchs, Andreanne Lemay, Shruti Mishra, Takuma Seno, Peter Stone, Michael Spranger, Peter R. Wurman

机构 * Sony AI, Zurich, Switzerland（索尼AI，苏黎世，瑞士） ； Sony AI, North America (various locations)（索尼AI，北美（多地）） ； Sony AI, Tokyo, Japan（索尼AI，东京，日本） 纠错

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

AI总结 提出结合通用价值函数近似器与精心选择的训练场景、学习算法和数据增强的框架，使智能体在复杂领域（如《地平线：西之绝境》、《GT赛车》和类人机器人）中实时展现不同风格，同时保持主任务性能。

Comments Source code: https://github.com/SonyResearch/coachable_agents - Videos: https://drive.google.com/drive/folders/19F5uKziT_zkDurze5sy5iMFD4BHfD3lV

Warp RL: Reshaping Base Policy Distributions for Dynamics Adaptation

Warp RL: 重塑基础策略分布以进行动力学自适应

Ethan Hirschowitz, Fabio Ramos

机构 * University of Sydney（悉尼大学） ； NVIDIA（英伟达） 纠错

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

AI总结 针对残差强化学习在动力学偏移下无法调整分布形状的问题，提出Warp RL方法，通过可逆状态条件变换重塑基础策略的动作分布，在ManiSkill3任务和真实机器人插销任务中优于残差校正。

Comments 17 pages, 7 figures

HERB: Human-augmented Efficient Reinforcement learning for Bin-packing

HERB：用于装箱的人类增强高效强化学习

Gojko Perovic, Nuno Ferreira Duarte, Atabak Dehban, Gonçalo Teixeira, Egidio Falotico, José Santos-Victor

机构 * BioRobotics Institute, Scuola Superiore Sant’Anna, Pisa, Italy, and with the Department of Excellence in Robotics and AI, Scuola Superiore Sant’Anna, Pisa, Italy（生物机器人研究所，圣安娜高等学院，意大利比萨，以及与机器人与人工智能卓越部门，圣安娜高等学院，意大利比萨） ； Institute for Systems and Robotics, Instituto Superior Técnico, Universidade de Lisboa（系统与机器人研究所，技术高等学院，里斯本大学） 纠错

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

AI总结 研究针对不规则物体装箱问题，提出HERB人类增强RL框架，结合人类示范与RL探索确定物体放置，实验表明该方法在效率、延迟上优于其他方法，且策略更稳定、似人类，还验证了现实可行性。

Comments 8 pages, 8 Figures

The HydroGym Reinforcement Learning Platform for Fluid Dynamics

HydroGym：流体动力学的强化学习平台

Christian Lagemann, Sajeda Mokbel, Miro Gondrum, Mario Rüttgers, Yuning Wang, Pol Suárez, Ludger Paehler, Deniz A. Bezgin, Aaron B. Buhendwa, Jared L. Callaham, Samuel Ahnert, Nicholas Zolman, Xiao Shao, Jean-Christophe Loiseau, Nikolaus Adams, Matthias Meinke, Wolfgang Schröder, Kai Lagemann, Esther Lagemann, Ricardo Vinuesa, Steven L. Brunton

机构 * University of Washington（华盛顿大学） ； AI Institute in Dynamic Systems, University of Washington（华盛顿大学人工智能研究所） ； RWTH Aachen University（亚琛工业大学） ； Inha University（仁荷大学） ； University of Michigan（密歇根大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Technical University of Munich（慕尼黑工业大学） ； Arts et Métiers Institute of Technology（国立高等工程技术学校） ； CNAM（法国国立工艺学院） ； DynFluid, HESAM Université（HESAM大学流体动力学实验室） ； Munich Institute of Integrated Materials, Energy and Process Engineering, Technical University of Munich（慕尼黑工业大学综合材料、能源与工艺工程研究所） ； JARA Center for Simulation and Data Science, RWTH Aachen University（亚琛工业大学JARA模拟与数据中心） ； MediaTek Research（联发科技研究中心） ； German Center for Neurodegenerative Diseases（德国神经退行性疾病中心） 纠错

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

AI总结 提出HydroGym，一个求解器无关的强化学习平台，提供61+个已验证的流场环境，支持多种后端，RL智能体发现鲁棒控制原理，并实现零样本迁移，显著降低探索成本。

OGPO: Sample Efficient Full-Finetuning of Generative Control Policies

OGPO：生成控制策略的样本高效全微调

Sarvesh Patil, Mitsuhiko Nakamoto, Manan Agarwal, Shashwat Saxena, Jesse Zhang, Giri Anantharaman, Cleah Winston, Chaoyi Pan, Douglas Chen, Nai-Chieh Huang, Zeynep Temel, Oliver Kroemer, Sergey Levine, Abhishek Gupta, Hongkai Dai, Paarth Shah, Max Simchowitz

机构 * University of California, Berkeley（加州大学伯克利分校） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出OGPO算法，通过离策略评论网络和修改的PPO目标，实现生成控制策略的样本高效微调，在多种操作任务上达到最优性能，并能在无专家数据下微调不良初始化的行为克隆策略。

Comments Website: https://simchowitzlabpublic.github.io/ogpo-site/ Code: https://github.com/simchowitzlabpublic/OGPO_public

A Primer on SO(3) Action Representations in Deep Reinforcement Learning

深度强化学习中SO(3)动作表示入门

Martin Schuck, Sherif Samy, Angela P. Schoellig

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

AI总结 针对SO(3)动作表示在强化学习中的选择问题，系统评估了多种表示在PPO、SAC、TD3算法下的效果，发现切向量表示最可靠。

Comments Published at The Fourteenth International Conference on Learning Representations (ICLR 2026)

Chain-of-Goals Hierarchical Policy for Long-Horizon Offline Goal-Conditioned RL

Chain-of-Goals 分层策略用于长视界离线目标条件强化学习

Jinwoo Choi, Sang-Hyun Lee, Seung-Woo Seo

机构 * Department of Electrical and Computer Engineering, Seoul National University, Seoul, South Korea（首尔国立大学电气与计算机工程系） ； Department of Automotive Engineering, Ajou University, Gyeonggi-do, South Korea（全州大学汽车工程系） 纠错

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

AI总结 提出 Chain-of-Goals 分层策略 (CoGHP)，通过自回归生成潜在子目标序列，利用 MLP-Mixer 统一架构建模层次决策，在长视界任务中优于离线基线方法。

Comments ICML 2026

DataMIL: Selecting Data for Robot Imitation Learning with Datamodels

DataMIL: 使用数据模型为机器人模仿学习选择数据

Shivin Dass, Alaa Khaddaj, Logan Engstrom, Aleksander Madry, Andrew Ilyas, Roberto Martín-Martín

机构 * UT Austin（得克萨斯大学） ； MIT（麻省理工学院） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出DataMIL框架，基于数据模型端到端选择对任务性能提升最大的数据点，避免基于人类质量标准的过滤，通过替代损失函数避免环境交互，在60+模拟和真实操作任务中验证了有效性。

From Digital to Physical: Digital Agents as Autonomous Coaches for Physical Intelligence

从数字到物理：数字代理作为物理智能的自主教练

Zixing Lei, Genjia Liu, Yuanshuo Zhang, Qipeng Liu, Yuzhu Cai, Sixiang Chen, Jixian Wu, Yunhong Wang, Weixin Li, Chuan Wen, Bo Zhao, Shanghang Zhang, Wenzhao Lian, Siheng Chen

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Zhongguancun Academy, Beijing, China（中关村学院） ； School of Integrated Circuits, Shanghai Jiao Tong University, Shanghai, China（上海交通大学集成电路学院） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, Beijing, China（北京大学计算机科学学院多媒体信息处理国家重点实验室） 纠错

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

AI总结 提出EmboCoach-Bench基准，评估LLM代理自主设计具身策略的能力，通过迭代调试和优化，代理在平均成功率上超越人工基线26.5%，并具备自我修正能力。

Comments 53 pages, 12 figures

ACTIVE-o3: Empowering MLLMs with Active Perception via Pure Reinforcement Learning

ACTIVE-o3：通过纯强化学习赋予多模态大语言模型主动感知能力

Muzhi Zhu, Hao Zhong, Canyu Zhao, Zongze Du, Mingyu Liu, Zheng Huang, Anzhou Li, Hao Chen, Cheng Zou, Jingdong Chen, Ming Yang, Chunhua Shen

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出ACTIVE-o3框架，基于GRPO强化学习，通过模块化感知-动作设计和双形式奖励，使MLLM自主学会高效准确的区域选择策略，在开放世界和领域特定任务中显著提升主动感知能力。

Comments Accepted to ICML 2026. Project page: https://aim-uofa.github.io/ACTIVE-o3

Multimodal Reinforcement Learning with Adaptive Verifier for AI Agents

具有自适应验证器的多模态强化学习

Reuben Tan, Baolin Peng, Zhengyuan Yang, Hao Cheng, Oier Mees, Theodore Zhao, Andrea Tupini, Isar Meijer, Qianhui Wu, Yuncong Yang, Lars Liden, Yu Gu, Sheng Zhang, Xiaodong Liu, Lijuan Wang, Marc Pollefeys, Yong Jae Lee, Jianfeng Gao

机构 * Microsoft Research（微软研究院） ； UMass Amherst（马萨诸塞大学阿默斯特分校） ； ETH Zurich（苏黎世联邦理工学院） ； UW–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出Argos验证器，通过结合SFT数据筛选与RL训练，提升多模态推理模型在空间推理、视觉幻觉及机器人任务中的性能，同时减少奖励黑客问题。