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。
FailBank 是一个四阶段自进化框架，将运行时 CBF 屏蔽的修正建议转化为学习记录，用于持续更新视觉-语言-动作模型，而无需在部署时使用屏蔽。在 VLA-Arena 静态障碍套件上，FailBank 在两个骨干模型上分别将任务成功率提高 8.5 和 6.9 个百分点，同时将策略诱导累积成本降低 35.6% 和 23.8%。与运行时屏蔽 AEGIS 相比，成功率分别提高 25.4 和 9.5 个百分点。本文为预印本，尚未经过同行评审。
GGSD 是一套预印本框架，利用 1v1 竞技游戏中的自博弈发现少量离散、可解释的电机技能；训练后人类可替换高层策略直接操控机器人。在 Ant、Franka 和 Unitree G1 环境中，技能语义多样性超过 DIAYN、DADS、METRA 基线，人类可组合技能完成未见过的 Maze 和 CubePush 任务，成功率 84% 至 100%。这为高自由度机器人的直观人机交互提供了一条轻量路径，但全部实验在仿真中完成，尚未经过同行评审。
这是一项预印本研究，尚未经同行评审。研究团队推出 AssemblyWorld 交互式三维装配环境和 AssemblyWorldBench 基准，覆盖家具、工业装配和断裂重组共 100 个任务。在 8 个智能体系统中，GPT-6 Astra 取得 80.9% 的部件准确率和 59.4% 的完整装配成功率，开源系统在可靠性和精度上大幅落后。
这篇未经同行评审的预印本在仿真中部署无人机巡逻路口，检测并预测交通拥堵，并触发自适应信号控制。研究显示当无人机数量接近路口数量时检测与预测性能趋于平台，而基于预测触发信号调整可使拥堵时长降幅约为检测触发的两倍。这说明提升预测能力可能比单纯增加无人机更有效。
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。
这是一篇预印本。作者提出 PhasePlan，一种有序未来阶段规划方法，让机器人脑模型为未来每个动作位置预测任务阶段，并用该阶段信息调节对应动作。在传送带操作任务上，PhasePlan 将离线关节动作误差相对原始 π0.5 降低 22.5%，相对 future-skill histogram 基线降低 12.7%，真机部署也显示连贯执行。
预印本论文提出NEUPRO，一个神经符号框架，将安全规范表示为一阶逻辑规则，并通过可微分推理器从图像中学习安全谓词。在真实机器人数据集REASON上，NEUPRO在七个任务的安全分类准确率达到0.92±0.02，显著优于VLM基线，并能解释安全违规原因。该工作为机器人安全提供了可解释且可迁移的表示，但尚未经同行评审。
TacEx是一个预印本框架，通过将模型认知不确定性按视觉、触觉和潜变量分解并加权触觉项，让机器人在无任务奖励的探索阶段主动寻求接触。在仿真中，纯触觉探索实现了零奖励涌现抓取，采集的接触密集数据支持离线训练抓放策略；在LIBERO-90八个接触丰富任务上，用触觉不确定性引导冻结VLA的扩散后训练，成功率高于DSRL-SAC基线。该工作表明触觉不仅是观测模态，也是高效的探索信号。
这项预印本尚未经同行评审。SplineWAM把世界动作模型（WAM）的固定长度动作块替换为固定参数量的三次B样条窗口，用自适应节点拟合轨迹，令一次预测覆盖可变时长和动作分辨率。在LIBERO-Plus和RoboCasa上成功率较动作分块WAM提升8.2和4.4个百分点，策略调用次数分别减少22%和26%；三项双臂真机任务中解码执行动作量为基准的1.2到1.6倍。
这篇预印本提出 MAGIC 框架，将空间相关的未知障碍表示为高斯马尔可夫随机场，通过高斯信念传播在线更新共享信念，并把推断结果转化为考虑绕行成本的边代价供标准 MAPF 规划器使用。在标准 MAPF 基准上，与既有方法相比，MAGIC 在 96.3% 的实例上降低了实际执行的总代价，并扩展到最多 800 个智能体。该工作表明空间推断能以较小计算代价改善多机器人在未知变化环境中的协调。
本文为预印本，未经同行评审。研究团队开发了名为 dronar 的无人水面艇声呐系统，在不排干水道的情况下检测混凝土运河床沉积。在亚利桑那运河实地测试中，沉积段深度剖面比清洁后浅最多 15 厘米，清洁段重复测量最大偏差 7 厘米，证明系统可重复且能发现沉积物。
DiffWAM 是 arXiv 预印本提出的导航世界动作模型，它从冻结视频模型的中间预测表征中直接生成连续相机轨迹，部署时无需完成未来视频生成和几何重建。在自建 DiffWAM-1000 基准上，DiffWAM 轨迹 RMSE 为 0.3492 米，端点成功率为 74.40%；机载 DiffWAM-Flash 在 NVIDIA Jetson AGX Thor 上模型管道延迟为 1.08 秒。该工作表明预测视频表征可被高效地落地为连续三维运动，为生成再重建的导航管线提供了直接替代方案。
这篇预印本论文诊断了视觉-语言-动作（VLA）模型的一种特定失败模式：指令-动作绑定，即模型能对语言和视觉作出反应，却无法将二者结合起来选择当前任务所需动作。作者提出 Equivariant Counterfactual Training（ECT），通过补充同指令、不同场景、不同动作的成对演示并按对训练，在 LIBERO-PRO 上将 π0.5 的平均 Swap 成功率从 36% 提升至 59%，在真实 UR5e 上将未见位置成功率从 3/40 提高到 35/40。该工作解释了现有数据为何允许这种捷径，并为改进机器人指令跟随提供了训练原则。
这篇arXiv预印本通过两项各45人的真机走廊实验，比较了机器人可读性运动的不同意图表征。结果显示，动态自适应的通行侧可读性（DPL和SM）比目标可读性（GL）和非可读性基线（NL）带来更平滑的人类运动和更高的能力评分；在行人分心时，可读性运动仍能降低人类平均加速度，但主观评分无显著差异。这表明面向交互的意图表征和自适应机制对受限空间协调很重要。
这是一篇arXiv预印本。作者提出Sub-ID方法，用时空核相关性作为子运动分解的可辨识性判据，在合成数据上恢复地面真值参数分布，并扩展到真实三维长时程运动。该方法首次提供可计算的失效诊断，有望用于运动控制研究和机器人模仿学习。
Ego4WAM 是一篇预印本，在统一的 World-Action Model 框架下系统研究自我中心人类数据对机器人学习的作用。论文发现，机器对齐的人类演示可显著提升分布外泛化并减少机器人数据需求；数据时长和任务多样性是不同扩展轴；无动作标签的纯视频预训练能提供强动力学先验。在 RoboDojo 闭环评估中，仅用约 0.1K 小时机器人数据和 15K 小时人类数据，联合注意力机制达到平均得分 20.29、成功率 14.35%。
卡内基梅隆大学团队在预印本中提出一种完全嵌入式的磁惯融合感知框架，用于模块化软体连续体机器人姿态估计。该系统以16.7 Hz实时重建三维骨干，在四个场景共20次试验中平均骨干RMSE为10.0 mm，末端RMSE为14.9 mm，相当于臂长5.5%。该方法还在遮挡和500 g负载扰动下支持闭环节高度控制，展示了无外部视觉的柔性操作潜力。
Dream4ACT 提出 action views，把目标关节构型渲染为四路固定虚拟相机图像，让不同关节空间机器人共享同一视频生成接口，并通过无训练的 URDF 约束匹配还原可执行关节目标。模型在 RoboTwin2.0 仿真平均成功率为 88.98%，TriWorldBench 总分 65.66，真机四平台两项常见任务成功率分别为 87.5%、85.0%、87.5%、90.0%。本文为预印本，尚未经过同行评审。
该预印本提出一种基于拓扑优化的多向软气动执行器（mdiSPA）系统设计方法，采用三场鲁棒公式和达西定律建模压力载荷，并用MMA求解。优化得到的非传统气腔在Abaqus仿真中表现出多方向弯曲，由三臂构成的夹持器可沿不同方向自适应抓取。研究基于数值模拟，尚未进行实物制造或实验验证。
这篇预印本提出一种融合前视声纳与相机的主动水下垃圾建图方法，利用贝叶斯占用栅格和下一步最佳视角规划，在MARUS仿真中比固定割草机模式更快找到全部11个目标，并且双传感器优于任一单独传感器。该方法使用Mask R-CNN进行实例分割，通过数据驱动的传感器模型处理不确定性，有望提升自主水下机器人垃圾调查效率，但尚未经过实地验证。
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。