RSS

RLinf-VLA: A Unified and Efficient Framework for Reinforcement Learning of Vision-Language-Action Models

RLinf-VLA: 一种用于视觉-语言-动作模型强化学习的统一高效框架

Hongzhi Zang, Mingjie Wei, Si Xu, Yongji Wu, Zhen Guo, Yuanqing Wang, Hao Lin, Peihong Wang, Liangzhi Shi, Yuqing Xie, Zhexuan Xu, Zhihao Liu, Kang Chen, Wenhao Tang, Quanlu Zhang, Weinan Zhang, Chao Yu, Yu Wang

机构 * Tsinghua University（清华大学） ； Zhongguancun Academy（中关村学院） ； Infinigence AI ； Peking University（北京大学） ； UC Berkeley（加州大学伯克利分校） ； Harbin Institute of Technology（哈尔滨工程学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 RLinf-VLA是一种统一高效的框架，用于提升视觉-语言-动作模型在具身环境中的强化学习性能，通过统一接口和高效资源分配实现统一和可扩展的训练。

Comments Accepted to RSS 2026. This is the technical report of the RLinf Team, focusing on the algorithm side. For the system-level design, please refer to arXiv:2509.15965. The open-sourced code link: https://github.com/RLinf/RLinf

Aerial Layouting: Design and Control of a Compliant and Actuated End-Effector for Precise In-flight Marking on Ceilings

空中布局：用于天花板精确飞行中标记的柔顺驱动末端执行器的设计与控制

Christian Lanegger, Marco Ruggia, Marco Tognon, Lionel Ott, Roland Siegwart

机构 * Autonomous Systems Lab, ETH Zurich（苏黎世联邦理工学院自主系统实验室） 纠错

AI总结 该研究针对空中机器人毫米级定位精度需求，设计采用Gough-Stewart机构的柔顺驱动末端执行器，实现天花板上的精确标记，无需复杂建模或控制。

Comments C. Lanegger and M. Ruggia contributed equally. Accepted to Robotics: Science and Systems (RSS) 2022

High Fidelity Capture, Reconstruction, and Transfer of Human Demonstrations for Robot-Assisted Bathing

面向机器人辅助洗澡任务的人类演示的高保真捕捉、重建与迁移

Arjun S. Lakshmipathy, Jonathan P. King, Ethan Zuo, Rohit Satishkumar, Hongyi Chen, Jeffrey Ichnowski, Dan Ding, Zackory Erickson, Nancy S. Pollard

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； School of Health and Rehabilitation Sciences, University of Pittsburgh（匹兹堡大学健康与康复科学学院） 纠错

AI总结 针对机器人辅助洗澡任务中人类演示难以迁移的问题，提出以接触区域为核心的高保真处理框架，构建含多维度同步数据的数据集，实现灵巧软手完成洗澡任务，相关材料将公开以推动pHRI研究。

Comments Accepted to Robotics: Science and Systems (RSS) 2026. Official conference page: https://www.roboticsproceedings.org/rss22/p094.pdf

Journal ref Proceedings of Robotics: Science and Systems (RSS), 2026

$\mathcal{P}^3$: Toward Versatile Embodied Agents

$\mathcal{P}^3$：迈向通用具身智能体

Shengli Zhou, Xiangchen Wang, Jinrui Zhang, Ruozai Tian, Jianzheng Huang, Rongtao Xu, Guanhua Chen, Feng Zheng

机构 * Southern University of Science and Technology（南方科技大学） ； Spatialtemporal AI（时空AI） ； MBZUAI 纠错

AI总结 研究针对具身智能体面临的动态环境感知、工具使用和多任务规划挑战，提出$\mathcal{P}^3$统一框架，集成实时感知与动态调度，经实验验证能打造高迁移性通用具身智能体。

Comments Accepted by RSS 2026 Workshop ExWBC

Representation Handoffs for OpenArm-Based Laboratory Mobile Manipulation

基于OpenArm的实验室移动操作的表示交接

Yang Shen, Chonghao Cheng, Ziyi Zhao, Jialuo Zhu, Zhenyi Yi, Qi Zhao, Jian Yang, Yuhui Shi, Chin-Teng Lin

AI总结 本研究提出基于OpenArm的实验室移动操作原型，通过表示交接整合多模块，可暴露部署阻碍并为具身系统整合提供调试接口。

Comments Robotics: Science and Systems (RSS) Workshop 2026

Tactile-WAM: Touch-Aware World Action Model with Tactile Asymmetric Attention

Tactile-WAM：具有触觉非对称注意力的触觉感知世界动作模型

Siyu Wu, Linjing You, Junjie Zhu, Yaozu Liu, Huang Kaixiang, Chen Yonghang, Jituo Li, Changhao Zhang, Jian Liu, Zhu Hengshuo, Qi Li, Hengshuang Zhao

机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 针对接触丰富操作中视觉预测不完整的问题，提出Tactile-WAM，通过触觉非对称注意力机制（TAAM）在保护视觉预测的同时利用触觉信息生成动作，整体成功率提升38.9%。

Comments Submitted to RSS2026 WorkShop Tactile for FM

GS-Playground: A High-Throughput Photorealistic Simulator for Vision-Informed Robot Learning

GS-Playground：一种高吞吐量的视觉真实模拟器用于基于视觉的机器人学习

Yufei Jia, Heng Zhang, Ziheng Zhang, Junzhe Wu, Mingrui Yu, Zifan Wang, Dixuan Jiang, Zheng Li, Chenyu Cao, Zhuoyuan Yu, Xun Yang, Haizhou Ge, Yuchi Zhang, Jiayuan Zhang, Zhenbiao Huang, Tianle Liu, Shenyu Chen, Jiacheng Wang, Bin Xie, Xuran Yao, Xiwa Deng, Guangyu Wang, Jinzhi Zhang, Lei Hao, Zhixing Chen, Yuxiang Chen, Anqi Wang, Hongyun Tian, Yiyi Yan, Zhanxiang Cao, Yizhou Jiang, Hanyang Shao, Yue Li, Lu Shi, Bokui Chen, Wei Sui, Hanqing Cui, Yusen Qin, Ruqi Huang, Lei Han, Tiancai Wang, Guyue Zhou

机构 * THU（清华大学） ； Motphys ； Dexmal ； DISCOVER Robotics ； HKUST(GZ)（香港科技大学（广州）） ； BIT（北京理工大学） ； NUS（新加坡国立大学） ； HITSZ（哈尔滨工业大学） ； XJTU（西安交通大学） ； NJU（南京大学） ； SJTU（上海交通大学） ； D-Robotics 纠错

AI总结 GS-Playground通过高吞吐量的多模态模拟框架，结合高效物理引擎和3DGS渲染管道，提升视觉强化学习的效率，降低大规模视觉RL的门槛，实现感知与物理的无缝衔接。

Comments Robotics: Science and Systems 2026

Optimal Measurement of Drone Swarm in RSS-based Passive Localization with Region Constraints

区域约束下基于RSS的无源定位中无人机集群的最优测量

Xin Cheng, Feng Shu, Yifan Li, Zhihong Zhuang, Di Wu, Jiangzhou Wang

AI总结 本文针对区域约束下无人机无法任意部署的问题，采用D最优准则构建优化问题，推导并提出不同飞行状态下无人机的最优闭式构型，通过仿真验证其有效性与实用性。

Journal ref Cheng X, Shu F, Li Y, et al. Optimal measurement of drone swarm in RSS-based passive localization with region constraints[J]. IEEE Open Journal of Vehicular Technology, 2022, 4: 1-11

Communication-efficient Coordinated RSS-based Distributed Passive Localization via Drone Cluster

基于RSS的无人机集群通信高效协同分布式无源定位

Xin Cheng, Weiping Shi, Wenlong Cai, Weiqiang Zhu, Tong Shen, Feng Shu, Jiangzhou Wang

AI总结 该研究针对无源辐射源定位问题，提出DMM和DEF方法，仿真显示DMM在低通信开销下RMSE优于DGN，DEF的RMSE优于MM但复杂度更高。

Journal ref Cheng X, Shi W, Cai W, et al. Communication-efficient coordinated RSS-based distributed passive localization via drone cluster[J]. IEEE Transactions on Vehicular Technology, 2021, 71(1): 1072-1076

It's Not Just More Demos: Counterfactual Action Sensitivity Coverage for Data-Efficient Robust Robot Imitation

不仅仅是更多演示：用于数据高效的鲁棒机器人模仿的反事实动作敏感性覆盖

Giovanni D'urso, Kaushik Roy, Nicholas Lawrance, Brendan Tidd

机构 * CSIRO Robotics, CSIRO, Australia（澳大利亚联邦科学与工业研究组织机器人学部，澳大利亚联邦科学与工业研究组织） 纠错

AI总结 针对视觉运动模仿策略对干扰项脆弱的问题，提出CFNBC框架，通过测量动作漂移选择紧凑修复集，在机器人任务中20-30个候选的修复性能优于随机选择。

Comments Workshop paper accepted at the RSS 2026 Workshop on Data-Centric Robotics: What Data Do Robots Really Need?

Picasso: Holistic Scene Reconstruction with Physics-Constrained Sampling

Picasso: 基于物理约束采样的整体场景重建

Xihang Yu, Rajat Talak, Lorenzo Shaikewitz, Luca Carlone

机构 * Massachusetts Institute of Technology（麻省理工学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 提出Picasso，一种通过快速拒绝采样推理多物体交互并考虑几何、非穿透和物理约束的整体场景重建方法，在物理合理性和重建精度上显著优于现有技术。

Comments 15 pages, accepted to Robotics: Science and Systems (RSS) 2026

Agentic coding without the cloud: evaluating open-weight large language models on longitudinal data preparation tasks

无需云端的智能编码：在纵向数据准备任务中评估开放权重的大语言模型

Mack Nixon, Liam Wright, Yevgeniya Kovalchuk, Alison Fang-Wei Wu, Martin Danka, Andy Boyd, David Bann

AI总结 研究在纵向数据准备任务中评估开放权重的大语言模型，介绍开源框架，含真实数据集、任务定义和评估程序，通过基准测试发现当前先进模型表现良好，为治理受限研究中的AI辅助数据准备提供可行路径。

Comments Presented at SLLS 2026; accepted at CLS 2026 and RSS 2026

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

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

Counterfactual Reasoning and Environment Design for Active Preference Learning

主动偏好学习的反事实推理与环境设计

Yi-Shiuan Tung, Bradley Hayes, Alessandro Roncone

AI总结 研究机器人主动偏好学习中现有方法的不足，提出CRED方法，通过联合优化环境设计和轨迹选择，利用反事实推理生成轨迹，经实验验证该方法能改善奖励学习并在不同环境有效泛化。

Comments RSS 2025 Workshop on Human-in-the-Loop Robot Learning: Teaching, Correcting, and Adapting

Exploring the Intrinsic Geometry of Diffusion Models with Constrained Inverse Kinematics

探索扩散模型在约束逆运动学中的内在几何结构

Miguel Angel Rogel Garcia, Phone Thiha Kyaw, Jonathan Kelly

机构 * Institute for Aerospace Studies, University of Toronto（航空航天研究所以及多伦多大学） 纠错

AI总结 通过约束逆运动学问题，研究扩散模型能否恢复数据流形的内在几何结构，实验表明模型得分函数恢复的内在维度与解析自由度匹配，且潜在空间线性插值保持约束流形结构。

Comments In Proceedings of the Robotics: Science and Systems (RSS) 2026 Workshop on Diffusion for Robot Learning, Sydney, Australia, July 17, 2026

Learning When to Jump for Off-road Navigation

在越野导航中学习何时跳跃

Zhipeng Zhao, Taimeng Fu, Shaoshu Su, Qiwei Du, Ehsan Tarkesh Esfahani, Karthik Dantu, Souma Chowdhury, Chen Wang

机构 * University at Buffalo（布法罗大学） 纠错

AI总结 本文提出Motion-aware Traversability方法，通过建模实际机器人运动动态，提升越野导航的实时性和安全性，减少75%的路径绕行。

Journal ref Robotics: Science and Systems (RSS), 2026

Motion-aware Event Suppression for Event Cameras

面向事件相机的运动感知事件抑制

Roberto Pellerito, Nico Messikommer, Giovanni Cioffi, Marco Cannici, Davide Scaramuzza

机构 * Robotics and Perception Group, University of Zurich, Switzerland（苏黎世大学机器人与感知组，瑞士） 纠错

AI总结 提出首个运动感知事件抑制框架，通过联合分割当前事件流中的独立运动物体并预测其未来运动，实现动态事件的预期抑制，在EVIMO基准上分割精度提升67%，推理速度提高53%。

Comments Robotics: Science and Systems (RSS) 2026

IMBench: A Benchmark for Intuitive Robotic Manipulation

IMBench：直观机器人操作的基准测试

Anurag Maurya, Sukhvansh Jain, Prajwal Avhad, Gautham Balachandran, Ziyi Zhou, Atharva Kshirsagar, Satyam Singh, Bowen Li. Rishabh Mukund, Ritul Singh, Jatin Vira, Suvonil Chatterjee, Devesh K. Jha

AI总结 IMBench旨在评估直观机器人操作这一综合能力，其任务含物理结构推断与动作序列生成。通过35个任务等进行实验，发现视觉语言模型和视觉 - 语言 - 动作模型的不足，为评估和发展物理智能提供基准。

Comments Accepted to SemRob Workshop, RSS 2026. Project Website: https://imbench.org/

NeuralActuator: Neural Actuation Modeling for Robot Dynamics and External Force Perception

神经执行器：用于机器人动力学和外力感知的神经驱动建模

Zhiyang Dou, John U. Onyemelukwe, Hangxing Zhang, Heng Zhang, Minghao Guo, Yunsheng Tian, Michal Piotr Lipiec, Joshua Jacob, Chao Liu, Peter Yichen Chen, Yuri Ivanov, Wojciech Matusik

机构 * MIT（麻省理工学院） ； Amazon（亚马逊） 纠错

AI总结 研究针对低成本平台执行器动力学致模拟到现实误差问题，提出NeuralActuator模型，能联合预测多种内容，引入NAD数据集，通过可微模拟训练，经多平台实验验证其在电机状态估计等方面有应用价值。

Comments RSS 2026. Outstanding Systems Paper Award. Project Page: https://people.csail.mit.edu/frankzydou/projects/NeuralActuator/index.html Code: https://github.com/Frank-ZY-Dou/Dynamics-Modeling/tree/main/NeuralActuator

ConFlow: Constraints-Guided Learning with Flow Matching for Motion Generation

ConFlow：基于流匹配的约束引导学习用于运动生成

Nutan Chen, Jianxiang Feng, Marvin Alles, Botond Cseke

机构 * LS Wiiri Robot Innovation Center（LS维里机器人创新中心） ； Technical University of Munich（慕尼黑工业大学） ； Volkswagen Group（大众集团） 纠错

AI总结 研究针对机器人运动生成中约束与数据不匹配问题，提出ConFlow框架，将约束信息纳入训练目标，用条件高斯过程解决设计规范，用不可行演示作负监督，实验表明其能降低碰撞率、提高轨迹质量，弥合训练与推理差距。

Comments RSS 2026 Workshop on Diffusion for Robot Learning

MEMORA: Embodied Action Memory from Egocentric Videos for Reasoning and Planning

MEMORA：基于自我中心视频的具身动作记忆用于推理与规划

Zihao Yu, Xiu Yuan, Chongjie Zhang

AI总结 研究针对长期机器人规划中对具身经验记忆的需求，提出MEMORA方法，通过形成-巩固-检索生命周期及四种类型存储实现具身动作记忆，经实验评估取得良好结果，能为机器人规划提供记忆上下文。

Comments 43 pages, 9 figures. Oral presentation at the Robotics: Science and Systems 2026 Workshop on Foundation Models for Robot Planning (FM4RoboPlan)

Topology-Agnostic Mesh Reconstruction of Deformable Objects from Sparse Touch

从稀疏触摸中对可变形物体进行与拓扑无关的网格重建

Everest Yang

AI总结 研究在视觉不可用场景下从稀疏触摸重建可变形物体完整网格的问题，提出用排列不变交叉注意力架构的估计器，相比其他方法大幅降低重建误差，还能利用其不确定性指导下次触摸位置，进一步降错。

Comments Accepted to the RSS 2026 DAROMA Workshop

TFP: Temporally Conditioned Memory-Fusion Policies for Visuomotor Learning

TFP：用于视觉运动学习的时间条件记忆融合策略

Yushen Liang, Yue Peng, Baosheng Jin, Tianluo Zhang, Xinyu Zhang, Shuyi Zhou, Zhuoran Chen, Xinqi Liu, Shenji Wan

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Beijing Institute of Technology（北京理工大学） 纠错

AI总结 研究针对视觉运动学习中阶段依赖操作问题，提出时间条件记忆融合策略（TFP），通过维护任务进展信念并注入动作解码器来改进VLA策略，在多个任务上提升成功率，证明紧凑且对事件敏感的记忆动态可优化VLA策略。

Comments Accepted to the SemRob 2026 Workshop at Robotics: Science and Systems (RSS 2026)

Initiation Safety: A Missing Dimension in Generalist-Robot Safety

启动安全：通用机器人安全中缺失的维度

Zhijin Meng, Francisco Cruz

AI总结 探讨通用机器人安全中缺失的启动授权维度，通过在人形机器人上实施PAS等方法进行研究，并提出包含三个条件的用户研究，涉及多方面开放性问题。

Comments 4 pages, 2 figures. Accepted to RSS 2026 Workshop on Rethinking Safety for Generalist Robots

Diagnosing Semantic Handoff Failures in Agent-Orchestrated Vision-Language-Action Skill Composition

诊断智能体编排的视觉-语言-动作技能组合中的语义切换失败

Ke Rui, Yushen Zuo, Jiawei Wang, Haoran Jia, Jinming Ma, Weitao Zhou, Minglei Li

机构 * SimpleAI 纠错

AI总结 研究智能体编排的视觉-语言-动作技能组合中的语义切换失败问题，通过智能体编排执行框架，调用基于π0.5的技能检查点，在两种初始状态分布下评估，发现单技能与长期任务成功率差距大，为未来技能库改进提供诊断依据。

Journal ref RSS SemRob Workshop 2026

Automated Synthesis of Facial Mechanisms for Conversational Animatronic Robots

用于对话式仿人机器人的面部机构自动合成

Zongzheng Zhang, Zi Lin, Jiawen Yang, Ziqiao Peng, Junyan Lao, Lin Cheng, Huazhe Xu, Hang Zhao, Hao Zhao

AI总结 研究旨在实现对话式仿人机器人面部机构自动合成，提出参数化模板及分层算法，开发对话面部运动合成框架，经多方面实验验证，可快速生成可物理实现的面部机构，推动大规模个性化发展。

Comments Accepted by RSS 2026. Project page: https://zzongzheng0918.github.io/automated-facial-mechanisms-synthesis/

Is Energy Guidance All You Need? Training-Free Norm Injection for Driving World Models

你所需要的只是能量引导吗？用于驱动世界模型的无训练规范注入

Xiyan Su, Frank Diermeyer, Markus Lienkamp

机构 * Institute of Automotive Technology, Technical University of Munich（慕尼黑工业大学汽车技术研究所） 纠错

AI总结 研究基于大型视频扩散主干的驾驶世界模型难以控制的问题，提出通过可微能量函数在采样时操控规划轨迹，无需重新训练主干，以Open-Sora 2.0 MM-DiT主干模型为例验证，指出跨流耦合是端到端可控关键。

Comments Accepted to Robotics: Science and Systems 2026 Robot World Models Workshop

TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation

用于全臂操作的触觉和视觉条件下的以接触为中心的控制

Rishabh Madan, Angchen Xie, Samantha Saak, Andres Blanco, Dohyeok Lee, Sarah Grace Brown, Yunting Yan, Mark Zolotas, Jose Barreiros, Tapomayukh Bhattacharjee

机构 * Cornell University（康奈尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Toyota Research Institute（丰田研究机构） 纠错

AI总结 研究全臂操作问题，提出TACTIC控制器，它采用以接触为中心的混合预测模型，结合多种传感，通过接触雅可比矩阵耦合动力学与运动学，集成到MPC规划器，在模拟和实际任务中表现出色，优于其他方法。

Comments RSS 2026

Distributionally Robust Control via Stein Variational Inference for Contact-Rich Manipulation

通过Stein变分推断进行分布鲁棒控制的接触丰富操作

Hrishikesh Sathyanarayan, Victor Vantilborgh, Harish Ravichandar, Tom Lefebvre, Ian Abraham

机构 * Department of Mechanical Engineering, Yale University（耶鲁大学机械工程系） ； Department of Electromechanical, Systems and Metal Engineering, Ghent University（根特大学机电系统与金属工程系） ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； Department of Electrical Engineering, University of Sydney（悉尼大学电子工程系） 纠错

AI总结 本文提出了一种基于Stein变分推断的分布鲁棒控制方法，用于提升接触丰富操作中的不确定性建模能力，通过更灵活的不确定性建模在保持性能的同时精确适应不确定性，实验结果表明在广泛参数不确定性下，鲁棒性提高了3倍。

Comments In Proceedings of Robotics: Science and Systems, Sydney, Australia, July 2026

DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting

DemoBridge：用于单视图人类演示重定向的循环内仿真工具包

Zehao Wang, Fabien Despinoy, Sergey Zakharov, Tinne Tuytelaars, Rahaf Aljundi

机构 * KU Leuven（库勒万大学） ； Toyota Motor Europe（丰田欧洲公司） ； Toyota Research Institute（丰田研究院） 纠错

AI总结 DemoBridge工具包可将单视图人类手部演示转化为机器人手臂轨迹，核心是碰撞感知规划器，能综合考虑多种因素优化轨迹，经物理模拟器验证，还可用于策略学习，在实际任务和基准测试中评估了其性能。

Comments RSS 2026 RoboData Workshop