机器人 / 具身智能

Batched Differentiable Rigid Body Dynamics in PyTorch for GPU-Accelerated Robot Learning

Batched Differentiable Rigid Body Dynamics in PyTorch for GPU-Accelerated Robot Learning

Yue Wang, Yanran Xu, Wenbo Wu, Chuanhang Qiu, Zhaoxing Li

机构 * University of Southampton（南安普顿大学） 纠错

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

AI总结 提出BARD，一种基于PyTorch的批处理可微刚体动力学库，通过三级缓存、无矩阵乘法的关节变换和层级并行传播，在GPU上实现高达64倍的前向运动学加速，并支持梯度计算。

RDGen: Demonstration Generation for High-Quality Robot Learning via Reinforcement Learning

RDGen: 通过强化学习生成高质量机器人学习的演示

Zijian Zhu, Menglin Zou, Zhuang Li, Yaojie Tu, Xinhai Sun

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

AI总结 提出RDGen框架，利用从仿真到真实的强化学习策略生成高质量机器人演示轨迹，用于训练视觉-语言-动作模型，相比人工遥操作产生更平滑轨迹并提升下游性能。

Comments 13 pages, 4 figures, 3 tables

HumanEgo: Zero-Shot Robot Learning from Minutes of Human Egocentric Videos

HumanEgo：从几分钟的人类自我中心视频中零样本学习机器人

Zhi Wang, Botao He, Kelin Yu, Seungjae Lee, Ruohan Gao, Furong Huang, Yiannis Aloimonos

机构 * University of Maryland（马里兰大学） 纠错

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

AI总结 提出HumanEgo框架，通过将人类演示提升为手-物体交互的实体级表示，并训练具有密集辅助目标的流匹配策略，实现从人类自我中心视频到机器人的零样本、无机器人数据、硬件无关的技能迁移。

Comments Project page: https://humanego-ai.github.io

COSMIC: Concurrent Optimization of Structure, Material, and Integrated Control for robotic systems

COSMIC: 机器人系统结构、材料与集成控制的协同优化

Qinsong Guo, Liwei Wang

机构 * Dept. of Mechanical Engineering（机械工程系） 纠错

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

AI总结 本文提出一种基于梯度的协同设计框架，同时优化桁架机器人结构、材料分布和控制策略，揭示不同设计要素对机器人性能的影响。

OmniUMI: Towards Physically Grounded Robot Learning via Human-Aligned Multimodal Interaction

OmniUMI: 通过人对齐的多模态交互实现物理基础的机器人学习

Shaqi Luo, Yuanyuan Li, Youhao Hu, Chenhao Yu, Chaoran Xu, Jiachen Zhang, Guocai Yao, Tiejun Huang, Ran He, Zhongyuan Wang

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； MAIS & NLPR, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beijing Institute of Technology（北京理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） 纠错

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

AI总结 OmniUMI通过人对齐的多模态交互实现物理基础的机器人学习，整合视觉、触觉和力觉数据，提升接触密集操作的性能。

Contact-Rich Robotic Assembly in Construction via Diffusion Policy Learning

通过扩散策略学习实现建筑中的接触密集机器人装配

Salma Mozaffari, Daniel Ruan, William van den Bogert, Nima Fazeli, Sigrid Adriaenssens, Arash Adel

机构 * Princeton University（普林斯顿大学） ； University of Michigan（密歇根大学） 纠错

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

AI总结 本文研究了在建筑施工中使用扩散策略学习提升机器人装配的鲁棒性和精度，通过紧密契合的木构接合作为案例，证明扩散策略能通过接触感知控制补偿对齐误差。

WARPED: Wrist-Aligned Rendering for Robot Policy Learning from Egocentric Human Demonstrations

WARPED：用于机器人策略学习的腕部对齐渲染

Harry Freeman, Chung Hee Kim, George Kantor

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

AI总结 WARPED通过单目RGB数据合成腕部视角观测，实现从第一人称人类示范数据中训练视觉运动策略，相比传统方法减少5-8倍的数据收集时间。

Optimizing Neurorobot Policy under Limited Demonstration Data through Preference Regret

通过偏好遗憾优化有限示范数据下的神经机器人策略

Viet Dung Nguyen, Yuhang Song, Anh Nguyen, Jamison Heard, Reynold Bailey, Alexander Ororbia

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； Advanced Micro Devices, Inc.（超威半导体公司） ； University of Liverpool（利物浦大学） 纠错

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

AI总结 本文提出MYOE框架，通过可查询的偏好混合状态空间模型估计每一步的目标，利用偏好遗憾优化机器人控制策略，实验显示其鲁棒性、适应性和泛化能力优于其他RLfD方法。

Comments 10 pages, 4 figures, 4 tables

Tune to Learn: How Controller Gains Shape Robot Policy Learning

调谐以学习：控制器增益如何塑造机器人策略学习

Antonia Bronars, Younghyo Park, Pulkit Agrawal

机构 * MIT（麻省理工学院） ； Improbable AI Lab（Improbable AI实验室） 纠错

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

AI总结 研究探讨了控制器增益对机器人策略学习的影响，发现策略克隆需合规性增益，强化学习需参数调优，仿真到现实转移受刚性增益影响。

Comments Equal contribution between first two authors; order determined by coin flip. Project website: https://younghyopark.me/tune-to-learn

VideoWeaver: Multimodal Multi-View Video-to-Video Transfer for Embodied Agents

VideoWeaver：多模态多视角视频到视频转换用于具身智能体

George Eskandar, Fengyi Shen, Mohammad Altillawi, Dong Chen, Yang Bai, Liudi Yang, Ziyuan Liu

机构 * Huawei Heisenberg Research Center（华为海森堡研究中心） ； Ludwig Maximilian University of Munich（慕尼黑大学） ； University of Freiburg（弗莱堡大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

专题命中 机器人学习 ：embodied agent(title)；robot learning(abstract)；embodied AI(abstract)；分类 cs.CV

AI总结 VideoWeaver是首个多视角视频到视频转换框架，通过共享4D潜在空间实现多视角一致性，支持动态相机运动和不同视角的自回归合成，提升具身智能体在真实环境中的迁移能力。

Beyond Binary Success: Sample-Efficient and Statistically Rigorous Robot Policy Comparison

超越二元成功：样本高效且统计严谨的机器人策略比较

David Snyder, Apurva Badithela, Nikolai Matni, George Pappas, Anirudha Majumdar, Masha Itkina, Haruki Nishimura

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Toyota Research Institute (TRI)（丰田研究院） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 本文提出一种样本高效且统计严谨的机器人策略比较框架，适用于多种评价指标，通过安全 anytime-valid 推断实现早期停止，减少评估负担并提升统计严谨性。

Comments 12 + 9 pages, 2 + 5 figures,

Time as a Control Dimension in Robot Learning

时间作为机器人学习中的控制维度

Yinsen Jia, Boyuan Chen

机构 * Department of Electrical and Computer Engineering, Duke University（杜克大学电气与计算机工程系） ； Department of Mechanical Engineering and Materials Science, Duke University（杜克大学机械工程与材料科学系） ； Department of Computer Science, Duke University（杜克大学计算机科学系） 纠错

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

AI总结 本文提出时间感知策略学习框架，将时间作为机器人行为的控制维度，通过时间信号调节策略执行策略，提升效率、鲁棒性和可控性。

LeRobot: An Open-Source Library for End-to-End Robot Learning

LeRobot：端到端机器人学习的开源库

Remi Cadene, Simon Aliberts, Francesco Capuano, Michel Aractingi, Adil Zouitine, Pepijn Kooijmans, Jade Choghari, Martino Russi, Caroline Pascal, Steven Palma, Mustafa Shukor, Jess Moss, Alexander Soare, Dana Aubakirova, Quentin Lhoest, Quentin Gallouédec, Thomas Wolf

机构 * Hugging Face 纠错

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

AI总结 LeRobot是一个开源库，整合了机器人学习的整个堆栈，支持多种前沿算法，旨在降低研究门槛并促进可重复的先进机器人学习。

Comments https://github.com/huggingface/lerobot

mjlab: A Lightweight Framework for GPU-Accelerated Robot Learning

mjlab: 一种轻量级的GPU加速机器人学习框架

Kevin Zakka, Qiayuan Liao, Brent Yi, Louis Le Lay, Koushil Sreenath, Pieter Abbeel

机构 * UC Berkeley（加州大学伯克利分校） ； Sorbonne University（索邦大学） 纠错

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

AI总结 mjlab是一种轻量级GPU加速机器人学习框架，结合可组合环境和MuJoCo Warp，提供快速安装和直接访问原生数据结构的功能，并附带三种任务的参考实现。

Comments Comments: 11 pages; Code is available at https://github.com/mujocolab/mjlab ; Expanded sensor and domain randomization sections, added references, minor edits

ArtVIP: Articulated Digital Assets of Visual Realism, Modular Interaction, and Physical Fidelity for Robot Learning

ArtVIP: 具象化数字资产、模块化交互与物理真实性的机器人学习

Zhao Jin, Zhengping Che, Tao Li, Zhen Zhao, Kun Wu, Yuheng Zhang, Yinuo Zhao, Zehui Liu, Qiang Zhang, Xiaozhu Ju, Jing Tian, Yousong Xue, Jian Tang

机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Beijing Institute of Architectural Design（北京建筑设计研究院） 纠错

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

AI总结 ArtVIP通过高真实感的数字资产和模块化交互行为，提升机器人学习的仿真与现实桥梁，推动强化学习和模仿学习实验的应用

Journal ref The International Conference on Learning Representations (ICLR) 2026

Formal Methods in Robot Policy Learning and Verification: A Survey on Current Techniques and Future Directions

机器人策略学习与验证中的形式方法：对当前技术与未来方向的综述

Anastasios Manganaris, Vittorio Giammarino, Ahmed H. Qureshi, Suresh Jagannathan

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

AI总结 本文综述了形式方法在机器人策略学习与验证中的应用，探讨了当前技术及未来发展方向，旨在提升机器人系统的安全性和正确性。

Comments 19 Pages. 6 Figures. Published in Transactions on Machine Learning Research

The Impact of VR and 2D Interfaces on Human Feedback in Preference-Based Robot Learning

Jorge de Heuvel, Daniel Marta, Simon Holk, Iolanda Leite, Maren Bennewitz

机构 * Humanoid Robots Lab, University of Bonn, Germany（波恩大学人形机器人实验室） ； Division of Robotics, Perception and Learning, KTH Royal Institute of Technology, Sweden（皇家理工学院机器人、感知与学习部门） ； Robotics Institute Germany（德国机器人研究所） ； The Lamarr Institute, Bonn, Germany（德国波恩拉玛尔研究所） ； Center for Robotics, University of Bonn, Germany（德国波恩机器人中心） 纠错

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

MagiClaw: A Dual-Use, Vision-Based Soft Gripper for Bridging the Human Demonstration to Robotic Deployment Gap

Tianyu Wu, Xudong Han, Haoran Sun, Zishang Zhang, Bangchao Huang, Chaoyang Song, Fang Wan

机构 * Design + Learning Research Group（设计+学习研究组） ； Southern University of Science and Technology（南方科技大学） 纠错

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

Comments 8 pages, 4 figures, accepted to Data@CoRL2025 Workshop

Koopman Operators in Robot Learning

Lu Shi, Masih Haseli, Giorgos Mamakoukas, Daniel Bruder, Ian Abraham, Todd Murphey, Jorge Cortes, Konstantinos Karydis

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

Comments Submitted to TRO

Consistency Matters: Defining Demonstration Data Quality Metrics in Robot Learning from Demonstration

Maram Sakr, H. F. Machiel Van der Loos, Dana Kulic, Elizabeth Croft

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Monash University（墨尔本大学） ； University of Victoria（维多利亚大学） 纠错

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

Discovering Robotic Interaction Modes with Discrete Representation Learning

Liquan Wang, Ankit Goyal, Haoping Xu, Animesh Garg

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

Robot Learning as an Empirical Science: Best Practices for Policy Evaluation

Hadas Kress-Gazit, Kunimatsu Hashimoto, Naveen Kuppuswamy, Paarth Shah, Phoebe Horgan, Gordon Richardson, Siyuan Feng, Benjamin Burchfiel

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

A Robotic Skill Learning System Built Upon Diffusion Policies and Foundation Models

Nils Ingelhag, Jesper Munkeby, Jonne van Haastregt, Anastasia Varava, Michael C. Welle, Danica Kragic

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

Comments https://roboskillframework.github.io

Gaze-based Learning from Demonstration In Surgical Robotics

A. E. Abdelaal, S. N. Zaman, P. Y Chen, T. Suzuki, J. Ingleton

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

Comments 45 pages, Lots of Figures

Fairness and Bias in Robot Learning

Laura Londoño, Juana Valeria Hurtado, Nora Hertz, Philipp Kellmeyer, Silja Voeneky, Abhinav Valada

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

Research Report -- Persistent Autonomy and Robot Learning Lab

S. Reza Ahmadzadeh

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

Comments 5 pages, 4 figures, technical report

Federated Continual Learning for Socially Aware Robotics

Luke Guerdan, Hatice Gunes

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

Comments IEEE RO-MAN 23'

Feminist Perspective on Robot Learning Processes

Juana Valeria Hurtado, Valentina Mejia

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

Wrapped Haptic Display for Communicating Physical Robot Learning

Antonio Alvarez Valdivia, Ritish Shailly, Naman Seth, Francesco Fuentes, Dylan P. Losey, Laura H. Blumenschein

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

Comments 8 pages, 8 figures, 1 table

Adversarial Skill Learning for Robust Manipulation

Pingcheng Jian, Chao Yang, Di Guo, Huaping Liu, Fuchun Sun

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

Comments 7 pages, 7 figures