S-Rolling：可转向滚动步态用于可扭转蛇机器人在低空间环境中的移动
Qingling Fan提出S-rolling步态，通过S形平面曲线设计结合低扫掠高度移动与平面机动性，使蛇机器人在10cm间隙环境中实现90°和180°精确转向。该研究推导了关节空间步态方程，开发了准静态运动学模型，并通过实物实验验证了各种运动模式。
推荐理由：S-rolling通过S形平面曲线设计解决了蛇机器人在低空间环境中的转向难题，实现了90°和180°的精确转向。
#论文/研究
arXiv · cs.RO精选AI 评分6565 arXiv · cs.RO同事件AI 评分6565 从VLM规划器到机器人智能体：面向历史依赖操作的自进化harness
本文提出SERA（Self-Evolving Robotic Agent）方法，通过可编辑的harness将视觉语言动作模型转化为机器人智能体，在RoboMME基准测试中实现了51.38%的自主选择成功率，比无自我进化提高了7个百分点。该方法利用环境rollouts来提议和评估harness修订，解决了长时程任务中的非马尔可夫依赖问题。
同一件事，精选收录的是《从视觉语言模型规划器到机器人智能体：面向历史依赖操作的自进化框架》
arXiv · cs.ROAI 评分4040 操作意图约束下的遥操作方法：耦合传动机械臂的协同控制
研究提出一种感知执行器约束的主从遥操作方法，通过协调电机饱和与重力补偿，在腕部差分控制中保持操作者运动方向，实验证明其轨迹平滑性优于直接映射。
arXiv · cs.RO精选AI 评分6565 基于本体感觉的在线接触估计：流匹配与粒子滤波混合方法
本文提出ContactFlowFilter方法，结合流匹配模型与粒子滤波框架，用于机器人接触估计。该方法在单接触和双接触场景下分别实现0.36厘米和0.88厘米的误差，处理时间仅需0.69毫秒和2.69毫秒。研究通过仿真和真实实验验证了该方法的有效性。
推荐理由：将流匹配与粒子滤波结合，解决了机器人本体感觉接触估计中的多模态和离散事件难题，误差低至0.36厘米。
arXiv · cs.ROAI 评分3535 串联机械臂雅可比性能指标的关节角不变性研究
该研究提出串联机械臂雅可比性能指标（如可操作性和刚度）在特定运动学条件下对首末关节角具有不变性，可降低配置空间维度并简化性能评估。通过工作空间性能图谱构建和任务布局优化验证，该策略在保持有效性的同时减少了计算和存储需求。
arXiv · cs.RO精选AI 评分7575 端到端强化学习实现四足机器人在月球重力下的跳跃
Levin Müller 等人提出一种多阶段强化学习方法，为四足机器人生成端到端控制策略，实现在月球重力下的精准点对点跳跃。该方法在模拟中实现了小于机器人机身尺寸的着陆误差，并在硬件转移实验中成功执行了月球重力减载下的垂直跳跃。
推荐理由：端到端强化学习让四足机器人在月球重力下实现精准跳跃，为行星探索提供新可能。
Google新闻·Humanoid+Embodied(英)AI 评分3030 具身 AI 提出显式意图框架综述
研究综述提出具身 AI 的显式意图框架，旨在提升人形机器人的任务执行能力。该框架通过明确目标导向行为，优化机器人在复杂环境中的决策效率。
HuggingFace Daily PapersAI 评分3535 T2Quant：扩散语言模型的任务与时间感知量化框架
T2Quant 通过任务和时间敏感的混合精度量化，在固定比特预算下提升扩散语言模型平均精度达6.7个百分点。该框架无需真实标签或任务特定评估指标即可预测量化敏感模式，在三个DLM和六个基准测试中优于现有方法。
HuggingFace Daily PapersAI 评分4545 ConfigWM：可配置感知的世界模型实现任务条件化状态提取
ConfigWM 通过任务条件化状态提取实现可配置感知，在噪声环境中保持稳定的规划成功率，平均领先最强竞争方法 22.3%。物理量探测提升 Pearson r 0.365，分心环境到干净环境的检索准确率提升 75.5%。
HuggingFace Daily Papers精选AI 评分6565 训练整个智能体，而非仅训练模型
研究人员提出HarnessAdapt-RL方法，在强化学习过程中同时训练智能体策略并适应其工具链。在9B基础模型上，该方法在SWE-bench Verified、Multilingual和Pro基准上分别比GRPO提高9.8、12.6和6.4个百分点，优于人工设计的OpenHands工具链。机制级技能的提升在评估后移除仍能保持，但部署时移除工具和 hooks 会损失最多7.7个百分点性能。
推荐理由：训练智能体时同时优化模型与工具链，比单独训练模型提升近10个百分点，但部署时需移除部分技能以保持性能。
Microsoft ResearchAI 评分4545 Microsoft 研究者与协作方结合新数学思想与人类引导的 AI 解决 KLS 猜想
Microsoft 研究者与协作方证明 KLS 猜想，为高维几何和概率论建立普适几何原理，表明对数凹分布的最窄瓶颈可被平面切割以固定因子捕获。研究通过人类引导的智能体协作完成，AI 探索数学可能性，研究人员评估并优化搜索路径。该成果已获多位独立研究者验证，并完成机器形式化验证。
HuggingFace Daily PapersAI 评分5555 Self-Credit: 通过组内重缩放为长时程智能体RL分配信用
研究人员提出Self-Credit方法，通过组内重缩放机制为长时程智能体强化学习分配信用。该方法在BrowseComp-Plus上比基线模型提升37.0和36.2分，在GAIA和xBench-DeepSearch上也分别超越最强基线4.9和4.7分。
量子位AI 评分7070 生数科技Motubrain团队将直播Physical AI训练全流程
生数科技世界模型团队开启Motubrain 2.0训练全流程公开直播，计划持续半个月，向公众展示具身模型的训练过程及研究进展。此次直播将涵盖预训练、后训练、Agent任务执行和RSI探索四个环节，旨在打开具身模型训练的'黑盒'，让外界看到模型如何逐步形成能力。
雷锋网AI 评分3535 王友清教授团队论文被ACM MM 2026录用
王友清教授团队提出GLCMoE框架，通过局部混合专家、全局混合专家和双重对比学习模块解决深度多视图聚类中的跨视图异质性和语义对齐问题。该研究设计门控路由均衡正则项缓解专家坍塌，实现判别性跨视图表征融合。论文被ACM MM 2026录用，标志着团队在计算机多媒体领域取得突破性进展。
HuggingFace Daily PapersAI 评分3535 HRoPE: Homography Relative Positional Encoding
HRoPE 通过将图像块表示为倾斜 3D 平面，将平面诱导的单应性注入注意力机制，为多视图 transformer 提供几何先验以校正透视失真。在 RealEstate10K、CO3Dv2 和 DL3DV 数据集上，HRoPE 在新视图合成任务中优于现有几何位置编码。该方法无需真实几何数据，平面参数可通过视图合成目标端到端预测或基础模型推导。
HuggingFace Daily PapersAI 评分3535 Slot-JEPA: 面向潜在世界模型的对象结构化预测接口
Slot-JEPA 将密集表示分解为稳定语义槽和时变空间掩码，提供可重用的对象结构化接口。其 Transition Memory Predictor 存储视觉转换为紧凑掩码，通过槽统计检索上下文；Unbalanced Optimal Transport 监督掩码预测并评估候选计划。在七个视觉理解基准和 REALM-JEPA 的六项平面环境及四项机械臂规划任务中表现提升。
IEEE Spectrum · AIAI 评分4545 维基百科编辑开发工具检测 AI 生成内容
WikiProject AI Cleanup 项目志愿者开发工具检测机器生成内容，2025 年底约 20% 新文章被标记为 AI 生成，2026 年初降至 15-16%。维基基金会开发 Paste Check 工具标记直接粘贴的 AI 聊天机器人文本，编辑正辩论 AI 在百科中的角色。
HuggingFace Daily PapersAI 评分4545 OverSeer: 多智能体世界模型通过辅助视图提升一致性
OverSeer 引入固定辅助视图增强多智能体世界模型的一致性，在 Minecraft 和 Doom 实验中显著改善世界与智能体状态同步，并通过 delta-VAE 压缩技术降低计算开销。
HuggingFace Daily PapersAI 评分6565 Joints, Camera, Action! 协同生成任意骨骼结构的3D运动与视频
研究人员提出了一种新模型，能够直接协同生成任意骨骼结构的3D运动和视频，同时定位关节位置并恢复相机姿态。该模型通过分离运动模型与视频模型，使用交叉注意力层连接，支持从文本生成多样化骨骼动画，并能将视频转换为骨骼运动，实现关键帧控制。研究团队使用生成式视频编辑器创建了近20万训练对，评估显示该方法比视频优先管道更忠实于原始动作。
HuggingFace Daily Papers精选AI 评分7575 Evolving Agent Interfaces：让智能体自主进化计算机使用界面
研究人员提出Agent S4，一种自主计算机使用科学家，能从任务经验中构建进化型智能体界面。在OSWorld V2测试中，使用Qwen3.8-27B和进化界面的Agent S4达到21.3%二进制分数，是相同模型固定界面的3.8倍，性能超越GPT-5.5(13.0%)和Claude Opus 4.8(20.6%)，且成本仅为两者的4.3%和1.5%。
推荐理由：让智能体自主进化界面设计，比固定接口提升3.8倍性能，且成本仅为GPT-5.5的4.3%
HuggingFace Daily PapersAI 评分4040 多模态重排序是系统一决策
研究提出通用视觉语言模型可通过系统一决策实现多模态重排序，零样本Qwen3.8-27B在MMEB-V2图像检索中超越监督模型Qwen3-VL-Reranker-2B，匹配Reranker-8B性能且延迟更低。
HuggingFace Daily PapersAI 评分4545 Specter: 通过量化驱动的多步推测卸载实现快速 MoE 推理
Specter 系统结合量化与推测解码，在单 GPU 上实现 MoE 模型专家卸载，平均输出令牌时间（TPOT）提速 1.50 倍（最高 1.88 倍）。该方案通过轻量量化草稿模型预测专家使用模式，优化通信与执行效率，使内存受限的 MoE 推理在消费级硬件上更可行。代码已开源。
HuggingFace Daily PapersAI 评分4545 RiseHarness：通过自进化提升长时程终端代理的可靠性
RiseHarness 框架通过迭代优化代理 harness 提升长时程任务可靠性，结合成功与失败运行轨迹分析模型行为，并整合跨框架机制改进执行稳定性。该框架在多模型测试中验证了任务成功率与可靠性提升，且可迁移至未见基准测试。
钛媒体AI 评分6565 研究：AI通过人脸照片预测癌症患者死亡风险
美国麻省总医院开发FAHR-Face模型，仅凭人脸照片即可区分癌症患者死亡风险差异。研究使用3820名患者测试，极高风险组90天死亡率达52.5%，是低风险组的25倍以上。模型通过4000万张人脸照片训练，关注眼睛下方和鼻梁周围特征，与面部年龄预测模型关注区域不同。
arXiv · cs.RO精选AI 评分7676 Fast Motion Retargeting Pipeline for Scalable Humanoid Robot Learning
研究人员提出 FRDV 框架，用于人形机器人学习的快速运动重定向，其运动学阶段处理速度可达每秒 9,156 帧，比现有方法快约 136 倍。该框架包含快速约束运动学重定向和动力学验证管道，可在 Unitree G1 人形机器人上实现模拟到现实的迁移。
推荐理由：将人类运动数据快速迁移到人形机器人仍面临挑战，FRDV 框架通过动力学验证将处理速度提升 136 倍。
arXiv · cs.RO精选AI 评分6565 CLOSER: 基于证据感知的主动视觉验证具身物体目标导航
Pengying Wu提出CLOSER框架，通过视觉语言模型验证与主动感知结合，在物体目标导航任务中提升成功率3.6个百分点，路径长度加权成功率提高2.0个百分点。该框架可在本地运行并集成到现有系统中无需重新训练。
推荐理由：通过主动验证减少具身导航中的误判，CLOSER框架在提升成功率的同时降低了路径长度。
arXiv · cs.RO精选AI 评分8585 SuperMimic: 通过单一可微分世界模型扩展人形机器人全身控制
SuperMimic提出了一种新方法，使用单一可微分世界模型拟合共享动力学，与跟踪策略共同训练，在3小时内超越传统方法7天训练效果，将GPU训练时间减少1000倍以上。该方法在129,514个基准动作中仅失败25个，9.8小时后实现零失败，并能成功迁移到宇树G1物理机器人上。
推荐理由：用单一可微分世界模型替代传统强化学习，将训练成本降低千倍，为机器人控制研究开辟新路径。
arXiv · cs.RO精选AI 评分7575 VLM引导的接触重定向与生成式伙伴建模用于人形-人交互
研究人员提出REACT框架，用于从人-人演示中学习可部署的人形-人交互策略。该框架利用VLM引导的接触建模和重定向管道识别语义上有意义的接触，并将其转移到人形-人几何结构上，同时通过生成式伙伴状态建模预测遮挡视图中的伙伴运动。在模拟和宇树G1人形机器人上的测试表明，该方法在五个接触丰富的交互中表现良好，且完全依靠机载传感器工作。
推荐理由：通过VLM引导的接触重定向和生成式伙伴建模，解决了人形机器人在与人交互时的部分可观察性问题，实现了完全依靠机载传感器的接触丰富交互。
arXiv · cs.ROAI 评分4545 CoGaussian: 基于高斯的开放词汇协同3D场景理解框架
CoGaussian 提出开放词汇协同语义占用预测框架，通过基础模型对齐的稀疏3D高斯表示多智能体几何与语义信息融合。在 Semantic-OPV2V 基准上超越现有开放词汇单智能体方法，提升多机器人系统场景理解能力。
arXiv · cs.RO精选AI 评分6565 MAPLE: Mondrian锚定的无学习室内探索先验
Kelvin Aladum提出MAPLE方法，一种无需训练的室内探索预测方法，通过将Mondrian过程适应为基于观察几何线索的在线生成先验，在KTH平面图和真实SLAM环境中表现优于非预测方法，与学习型预测方法相当，且计算资源需求低。实验表明更准确的地图预测不一定带来更好的探索效果。
推荐理由：无需训练的预测方法MAPLE在室内探索中表现优于非预测方法，与学习型预测方法相当，挑战了'更准确预测必然带来更好探索'的假设。
arXiv · cs.RO精选AI 评分7575 SceneRig: 从单张图像重建仿真就绪3D场景的智能体系统
SceneRig是一个智能体系统，可将单张图像转换为可编辑、仿真就绪的3D场景。该系统结合几何、视觉和物理工具重建3D场景，并通过智能体在物理仿真器中执行编辑-验证循环实现物理稳定性。相比基线方法，SceneRig能改进实例分割、以对象为中心的外观和3D放置，同时保持场景物理稳定，且其场景能更准确地预测真实机器人策略结果。
推荐理由：从单张图像重建物理稳定的3D场景，解决了视觉相似与物理行为之间的矛盾，为机器人仿真提供了新工具。
arXiv · cs.RO精选AI 评分7070 AgenticRoboRL: 将编码智能体后训练引入具身机器人
研究人员提出AgenticRoboRL框架，通过监督微调和多轮强化学习对机器人规划器进行后训练，在LIBERO-PRO基准测试中，9B参数模型的成功率从18.1%提升至71.0%，接近Codex(GPT-5.5)的水平。该框架通过适配器连接规划器交互与任务结果，支持不同执行机制。
推荐理由：9B参数模型成功率从18.1%提升至71.0%，接近GPT-5.5水平，证明后训练对机器人规划器有效。
arXiv · cs.RO精选AI 评分7575 PhysCanvas：面向机器人策略评估与学习的视觉触觉世界模型
研究人员提出PhysCanvas，一种统一多模态的视觉触觉世界模型，用于接触密集型机器人操作。该模型整合多视角RGB、触觉图像、标记位移、任务状态和动作，通过一致性感知后训练将世界模型与真实世界成功率的相关性从0.602提升至0.885，并将策略在真实世界中的成功率从59.1%提升至70.8%。
推荐理由：通过统一视觉与触觉模态建模，PhysCanvas将机器人策略评估与学习的成功率相关性提升至88.5%，解决了仿真与真实世界接触动力学不一致的难题。
arXiv · cs.RO精选AI 评分6565 Planning under Noise with Neural Operators：在噪声环境下使用神经算子进行规划
作者提出Planning Under Noise (PUN)神经算子，用于在不确定控制执行噪声下进行规划。该方法通过学习噪声感知的价值场，解决了传统方法在复杂几何环境中导航的挑战。
推荐理由：通过神经算子解决控制噪声下的规划问题，在4D场景下实现95-100%成功率且速度领先。
arXiv · cs.RO精选AI 评分8080 UniWALM: 统一世界-动作-语言模型用于具身机器人控制
研究人员提出 UniWALM，一种统一的世界-动作-语言模型，在单一共享表征中学习视频、动作和语言。该模型在组合式抓取放置任务中表现优于基线模型，在真实世界的找物品任务中成功率从 11.1% 提升至 61.1%。
推荐理由：通过语言-感知-动作的统一表征，UniWALM 在机器人控制任务中实现了记忆依赖行为，无需外部规划器。
arXiv · cs.RO精选AI 评分6565 Joints, Camera, Action! 协同生成任意骨骼结构的3D运动与视频
Noam Rotstein提出了一种新模型，能够协同生成任意骨骼结构的3D运动与视频，并自动定位相机位置将运动放置到3D场景中。该模型通过分离运动模型与视频模型，使用交叉注意力层连接，支持从文本生成多样化骨骼动画，并能将视频转换为骨骼运动，实现关键帧控制。研究团队使用生成式视频编辑器创建了近20万训练对，评估显示该方法比视频优先管道更忠实于文本描述，且运动能响应周围场景。
推荐理由：通过分离运动模型与视频模型，实现了任意骨骼结构的3D运动与视频的协同生成，解决了现有方法仅支持人类骨骼或参数量过大的问题。
HuggingFace Daily PapersAI 评分4545 EvaOmni: 面向视听推理的证据基准测试
EvaOmni 包含 392 个视频和 1,027 个人工标注的问答对，覆盖 15 项能力，要求模型同时返回答案和证据区间。Gemini3.7-Flash 在 7 个开源和 17 个闭源 Omni LLM 中表现最佳，整体准确率 79.4%，但证据定位能力仍有提升空间。
HuggingFace Daily PapersAI 评分4040 DecisionPivot: LLM 系统决策模型的诊断基准
DecisionPivot 包含 48 项任务和 40,033 个样本，覆盖七种决策角色，通过对比组准确率、概率排序和校准等指标评估 40 个决策模型和 14 个通用模型。
HuggingFace Daily PapersAI 评分3535 PAR：Qwen2.5-0.5B 模型在状态跟踪任务中实现 16 倍长度泛化
Qwen2.5-0.5B 模型通过 Progress-Aligned Recurrence (PAR) 方法，在 swap-S5 任务上将训练长度从 32 moves 扩展到 512 moves，达到 95.5% 平均全状态准确率，比 RLT 方法高 39.8 个百分点。
HuggingFace Daily PapersAI 评分5555 S-Agent 2.0：通用编码代理实现空间推理
研究人员提出S-Agent 2.0，一种通过命令行感知工具增强通用编码代理空间推理能力的方法。该方法在MMSI-Bench和ReVSI评测中显著提升了Qwen3.8-27B和Gemini-3.8-Flash的性能，分别达到66.5和82.3分，以及74.1和90.5分，超过了专用系统SpatialClaw的性能。