机器人与具身智能领域的最新论文，以及每篇对产业的意义。
这是一篇预印本。研究者提出 ManiPhysicsZoo 物体库和基于物理求解器的评估方法，据此构建 ManiPhysicsBench，在 LIBERO 和 SimplerEnv 上评估 VLA 模型的物体保全。结果显示公共 VLA 检查点任务成功率高但安全成功率低，安全成功率平均仅为 13.5%（SimplerEnv）和 1.9%（LIBERO）。重训练使用物体特定连续夹爪标签后安全成功率提高，但任务成功率下降。
MixVLA是arXiv预印本提出的模型无关训练框架，通过信息瓶颈提取不变表征，并用权重减法得到非不变分支，再对非不变嵌入做自适应混合后与不变表征融合。在LIBERO-Plus和RoboTwin等基准上，该方法提升了零样本分布外任务成功率，且在真实机器人光照扰动下优于π0.5。该框架无需额外数据或改动模型架构，但尚未经过同行评审。
SARI是一种相位分割的仿真-真实协同训练框架，利用仿真生成自由空间接近轨迹、真实数据教接触交互，在灯任务上实现未见放置位置27.5%的任务完成率，而所有全任务仿真-真实基线均为0%，同时减少真实数据采集时间34.3%。该论文为预印本，尚未经同行评审。
这篇预印本提出 DuoMind，一个分布式分层框架，让每台机器人同时运行 VLM 推理器和 VLA 动作模型，通过自然语言消息协调双机器人操作。在自建 RoboPoly 和 RoboTwin 任务上，DuoMind 多数任务成功率超过仅用 π0.5 或 π0 的基线，其中 RoboPoly 任务提升明显。研究展示了在部分可观测条件下，显式语义通信对多机器人长程协同的重要性。
这是一篇预印本，未经同行评审。作者将8通道EMG包络或视觉分割标注作为连续条件，替换VLA模型中固定的描述性语言提示，分别微调SmolVLA与π0.5。在SO-101真机方块抓取和RoboCasa仿真16项任务中，两种模型在杂乱分布外场景均显著超越语言基线，其中EC-VLA杂乱场景成功率从30%升至50%，VA-VLA从11%升至20%。结果表明非语言模态可作为VLA任务条件的有效补充。
这篇预印本提出了一个与基准无关的行为鲁棒性评估框架，在LIBERO和LIBERO-Plus上补充任务成功率之外的轨迹行为指标。研究发现，输入扰动会改变成功轨迹的执行行为，即使不同模型的成功率相近，其行为退化程度也可能差异很大。因此仅用任务成功率评估鲁棒性会掩盖部署相关的行为变化。
这是一篇预印本。研究者为预训练 VLA 策略加装无需训练的多连杆安全过滤，用五个椭球覆盖夹爪、手腕和前臂，并通过稀疏光流追踪移动障碍物。在六个仿真移动障碍条件下，碰撞率从 65.62% 降到 27.27%，安全成功率从 29.35% 升到 50.43%；边缘 CPU 上屏障求解 p99 仅 2.2 毫秒，真机测试触碰次数从 11/16 降至 3/16。
本文提出预印本方法Optimus-R，一个记忆中心的视觉语言动作模型框架，将机器人适应任务转化为显式的查询技能记忆调优，而非反复更新模型参数。在LIBERO、CALVIN、RoboTwin 2.0仿真基准及真实机器人上，Optimus-R在低数据适应、跨域迁移和终身学习中均优于基线π0.5，显著缓解灾难性遗忘。该框架通过内联记忆接口、查询技能记忆库和轻量桥接适配机制，为机器人持续学习提供了高效路径。
机器人AI模型每次预测一段未来动作，执行多少步之后再重新观察环境，过去大多由工程师手动设为固定值。清华大学、北京智源人工智能研究院（BAAI）等机构发布的这篇预印本提出一个即插即用模块，在运行中自动决定这一步数，无需重新训练，就提升了Physical Intelligence和英伟达现有模型在仿真和真实双臂机器人上的成功率。
A slow VLM planner (7–9 Hz) and a fast visuomotor policy (200 Hz) control a full humanoid upper body from language.
论文来自 arXiv 机器人领域。尚未生成摘要的论文，显示摘要开头部分。