超越动作预测：在潜在空间中学习无搜索规划
Guanchen Du提出HIJP框架，通过逆向模型和潜在预测模型的交替应用，在视觉控制任务中实现了86.8%的整体成功率，并比基于搜索的规划速度提升1.9-16.5倍。该方法通过重标记未来观察作为目标，提供跨时间范围的动作监督，并确保动作转换一致性。
#仿真
arXiv · cs.ROAI 评分5555 arXiv · cs.RO精选AI 评分6565 LIBERO-PeRM: 个性化机器人操作基准测试
Zhixu Li等人提出LIBERO-PeRM基准测试，专注于具身智能体的偏好学习，包含312个任务和五个研究问题，评估当前VLA策略在零样本个性化、偏好学习和冲突处理等方面的表现。
推荐理由：论文提出了首个针对个性化机器人操作的基准测试LIBERO-PeRM，填补了该领域评估空白。
arXiv · cs.RO精选AI 评分7070 T2-z: 机器人世界模型的环境隐变量测试时优化
Chenyuan Zhou等人提出T2-Z方法，通过测试时优化环境隐变量来增强机器人世界模型。该方法在7个模拟环境和4个真实机器人任务中，将物体预测误差从15.20降至7.00，动作成功率从33.73%提升至72.96%。T2-Z能够从单次测试交互轨迹中高效推断环境隐变量，捕捉多样化视觉场景中个体和复合因素的结构化表示。
推荐理由：T2-Z通过测试时优化环境隐变量，显著提升了机器人在新环境中的预测准确性和任务成功率。
arXiv · cs.RO精选AI 评分7070 CoDA: 数据引擎与行动策略的协同进化
Tianjiao Yu提出CoDA框架，让模拟数据引擎和行动策略通过共享异构记忆协同进化，在四个操作任务家族中，将分布外成功率从5.3%提升至27.6%，超过最强闭环基线9.5个百分点。在LIBERO-Pro上，15轮生成和训练使位置扰动下的成功率从25%提升到84%，指令扰动下从1%提升到76%。
推荐理由：CoDA框架通过数据引擎与行动策略协同进化，显著提升了机器人在分布外任务中的成功率。
arXiv · cs.ROAI 评分4545 GeoState: 学习视图解耦几何状态用于 3D 世界建模
GeoState 提出视图解耦的几何表示，分离场景状态与相机依赖观测，在 Waymo 上超越现有 3D 世界模型，支持跨视图几何一致性查询，并零样本泛化至 KITTI 和 nuScenes。
arXiv · cs.RO精选AI 评分7575 Dexterity from Supervised Play：通过监督学习实现机器人灵巧操作
Botao He提出DSP框架，机器人通过行为克隆从人类游戏中学习策略，然后自主收集交互数据训练世界模型。在真实实验中，该方法比回顾性行为克隆成功率提高69.6%，且比强化学习减少490倍的交互数据量。
推荐理由：论文提出了一种通过监督学习让机器人自主收集灵巧操作经验的新方法，显著减少了交互数据需求。
arXiv · cs.RO精选AI 评分7575 基于强化学习的温室生菜采摘机器人路径安全目标 reaching 方法
研究提出PSA-PPO方法，用于温室水培生菜采摘，在物理实验中达到94.7%的目标到达率，比传统规划方法表现更好。该方法结合了目标条件观测、走廊感知空间约束和基于轨迹历史的安全编码，无需真实世界微调即可成功迁移到UR10e机械臂。
推荐理由：研究提出了PSA-PPO方法，解决了机器人采摘中的路径安全问题，实现了94.7%的高成功率。
arXiv · cs.ROAI 评分4040 照明感知的航天器主动感知框架
该研究提出基于分类变分自编码器的航天器检测规划框架，通过图像隐方差替代几何可见性检查。在物理仿真中，该方法平均亮度达0.57，81.6%观测值高于0.25，显著优于几何规划方案。
arXiv · cs.RO精选AI 评分6565 Mem4Act: 学习用于长期机器人操作的有效潜在记忆
Mem4Act框架引入了一种固定大小的潜在记忆表示，通过多粒度时间聚合、互补语义和感知信息保留以及记忆优先的两阶段训练，解决了长期机器人操作中的记忆挑战。在RoboMME、RMBench和四个真实世界操作任务中，分别取得了49.88%、61.0%和81.5%的成功率，达到了最先进的性能。
推荐理由：Mem4Act框架解决了机器人长期操作中的记忆挑战，通过多粒度时间聚合和互补记忆监督实现了SOTA性能。
arXiv · cs.ROAI 评分4545 月球推进式无人机安全高效运动规划框架
研究提出自主运动规划框架，通过视觉引导最优控制策略实现月球表面安全高效的站点间跳跃。该框架使用自定义语义分割模型识别障碍物，结合模型预测控制（MPC）快速跟踪跳跃轨迹，在月球高保真仿真环境中验证了燃料效率与安全性。
Latent Space精选AI 评分8585 Dyna Robotics发布Dyna-2物理智能体机器人
Dyna Robotics发布了Dyna-2物理智能体机器人，该机器人基于预训练超过一百万小时人类视频的世界行动模型，已在酒店和餐厅实现实际部署，能够执行长达一小时的自主工作流程，如折叠餐巾和切菜。机器人采用半人形设计，结合轮式底盘与类人上身，通过扩散变压器架构实现连续动作预测，并能通过少量演示数据快速适应新任务。
推荐理由：从百万小时人类视频预训练到酒店餐厅实际部署，Dyna Robotics展示了物理智能体从实验室到生产环境的跨越。
Genesis ReleasesAI 评分1515 Genesis v1.4.4 发布：GPU 刚体模拟提速，多接触鲁棒性优化
Genesis v1.4.4 版本提升 GPU 刚体模拟速度，显著增强基于扰动的多接触鲁棒性且无额外运行时成本。新功能支持异构实体差异化缩放、固定基座姿态和关节参数，修复凸接触深度、非确定性 GPU 模拟等多项问题。
Genesis ReleasesAI 评分1515 Genesis v1.4.3 发布
Genesis v1.4.3 提升非批量至中等批量场景（约4000）的GPU模拟速度，降低内存占用，Windows编译速度提升最高3倍。修复glTF解析、轨迹回复、MJCF文件解析等多处边缘问题，优化GPU内存使用和物理模拟性能。