# papers 频道文章列表 · 具身开发者社区

> 来源：https://robotics.hellobike.com/papers/

- [2026-10-27] [ThinkWorld框架以动态链推理强化VLA模型跨具身泛化能力](https://robotics.hellobike.com/papers/2026-10-27-2610-37666-5d886422)：针对VLA模型受限于机器人演示数据多样性的问题，ThinkWorld框架提出Chain-of-Dynamics动作表征，利用世界想象强化学习从无标注人类视频中提取状态转移监督，实现人机经验统一推理空间，在仿真与真机验证了跨任务泛化效果。
- [2026-10-27] [LongChang框架评测LLM物理定律自主发现能力，GPT-6-Astra成功率16.7%](https://robotics.hellobike.com/papers/2026-10-27-2610-37649-bd1ea37c)：研究提出LongChang自动化仿真框架，评测LLM在无提示下通过自由探索发现异常物理定律的能力。测试显示GPT-6-Astra发现率为16.7%，其余11个模型均为0%，揭示了当前大模型在具身科学推理与主动实验设计上的显著瓶颈。
- [2026-10-27] [PDRVLA引入物理动态模块，VLA模型仿真成功率达99.3%](https://robotics.hellobike.com/papers/2026-10-27-2610-37381-c8b05bda)：针对VLA模型物理理解弱及视频生成延迟高痛点，提出PDRVLA。通过轻量物理动态模块提取特征替代在线视频生成，在LIBERO等四项仿真基准中最高成功率达99.3%，验证了无视频生成下的高效动作决策能力。
- [2026-10-27] [JAM框架解耦VLA与WAM：推理零生成且训练FLOPs降73%](https://robotics.hellobike.com/papers/2026-10-27-2610-37219-25b688d7)：研究提出Just Action Model（JAM）统一VLA与WAM范式，通过前瞻损失替代视觉生成。在LIBERO等基准上成功率优于FastWAM，训练FLOPs降低73%，验证无需推理期图像生成即可实现高效具身控制。
- [2026-10-27] [MLE-World世界模型预测ML实验结果，Agent性能提升22.1%](https://robotics.hellobike.com/papers/2026-10-27-2610-37175-eb7c22fd)：基于Qwen3.5-4B微调的MLE-World世界模型，无需执行即可预测代码终端输出与验证分数。在MLE-bench Lite任务中预测准确率达77.9%，引导测试时缩放策略使AI Agent平均性能提升22.1%，大幅降低真实训练开销。
- [2026-10-27] [ZwZ2框架通过证据连接数据合成提升具身空间感知与长上下文理解](https://robotics.hellobike.com/papers/2026-10-27-2610-37037-7893b708)：研究提出EvidenceConnect数据合成框架与ZwZ2模型，通过单图缩放视图生成需比对或链式推理的问答对，结合VLM共识与区域消融验证质量。经RLVR训练后，模型在具身空间推理、多模态长上下文及Agent任务上实现泛化提升。
- [2026-10-27] [RynnWorld-Latent：基于通用潜在动作的跨具身视频世界模型](https://robotics.hellobike.com/papers/2026-10-27-2610-36791-af755191)：提出RynnWorld-Latent跨具身世界模型，利用3D锚定潜在动作统一异构数据接口。在5.53亿帧数据预训练，支持数字遥操与潜在动作合成双路径，显著提升LIBERO策略成功率及真机任务执行效果。
- [2026-10-27] [Hy-Nomas发布8B交互式世界模型，支持多轮指令与连续相机控制](https://robotics.hellobike.com/papers/2026-10-27-2610-36729-12c711c6)：提出基于8B扩散骨干的Hy-Nomas视频世界模型，通过动作感知因果注意力与提示增强器实现多轮自由文本交互及连续相机控制。开源权重、代码及基准，提供轻量化适配流程以支持具身智能交互式世界生成研究。
- [2026-10-27] [SO-101 Bench发布：仿真与真机策略排名完全一致](https://robotics.hellobike.com/papers/2026-10-27-2610-36420-41c37558)：面向低成本机械臂SO-101推出Isaac Lab仿真基准，含4类任务与3629条演示。验证显示5种策略在虚实环境排名Spearman相关系数达1.00，LLM代码生成代理以83.2%成功率显著优于纯VLA模型。
- [2026-10-26] [The Trinity框架实现具身智能递归自改进，实测任务性能提升34点](https://robotics.hellobike.com/papers/2026-10-26-2610-36077-5876e7a1)：针对多模态智能体环境构建成本高与迭代慢痛点，提出The Trinity递归自改进框架。通过能力驱动Real2Sim2Real机制重构任务树，在28个训练基准均分提升34点，18个未见基准提升26点，并验证于真实具身任务。
- [2026-10-26] [Rollback：世界模型反事实回溯提升机器人策略成功率超10%](https://robotics.hellobike.com/papers/2026-10-26-2610-36068-009ec69f)：提出Rollback范式将世界模型转为反事实引擎，通过回溯决策点探索替代动作生成细粒度监督。结合异步真机执行与LoRA动态修正，在三项真实任务中成功率较基线提升超10%，8小时训练超越人类水平。
- [2026-10-26] [EmbodiedLab评测具身智能Act-to-Know能力，最强模型原生控制成功率不足50%](https://robotics.hellobike.com/papers/2026-10-26-2610-35385-27a6015c)：新基准EmbodiedLab聚焦机器人“以动求知”能力，覆盖5学科30个实验与14种装置。评测显示前沿模型原生控制成功率低于50%，失败主因是装置交互而非感知规划，操作技能蒸馏对弱模型提升显著优于感知增强。
- [2026-10-26] [PhysEvolve框架：仿真验证驱动VLM物理推理自进化](https://robotics.hellobike.com/papers/2026-10-26-2610-34921-cdae277e)：针对VLM物理因果推理短板，提出PhysEvolve自进化框架。基于Qwen3-VL-8B，利用物理引擎生成反事实数据与精确验证反馈，在PhysBench等基准实现最高24.4分提升，零样本迁移至流体软体等复杂动力学场景。
- [2026-10-26] [OSMA-Bench评测揭示VLM/VLA家庭导航语义安全到运动控制映射失效](https://robotics.hellobike.com/papers/2026-10-26-2610-34674-4e6d8be2)：研究发布OSMA-Bench基准与SSI指标，测试发现VLM及VLA策略虽能识别障碍物语义，却无法将其转化为匹配的避障速度与距离参数。增加显式参数推理步骤可改善VLM策略的运动适应性，暴露了语义理解与底层运动控制间的接地鸿沟。
- [2026-10-25] [果蝇全脑记录验证DIAYN层级内在动机算法复现自主探索](https://robotics.hellobike.com/papers/2026-10-25-2610-34638-7c2f5760)：研究结合果蝇全脑记录与神经机械数字孪生，验证DIAYN算法在无外奖励下最优复现生物自主探索。该算法通过离散运动基元库最大化行为熵，精准匹配果蝇10秒前决策编码及半球间运动学表征，为具身智能内生驱动提供生物学基准。
- [2026-10-25] [RynnVLA-Latent：4B参数VLA模型利用3D隐动作预训练实现多平台高成功率操作](https://robotics.hellobike.com/papers/2026-10-25-2610-34356-5e111bd1)：提出RynnVLA-Latent框架，通过3D隐动作将3万小时异构视频转化为7.45亿监督信号。4B参数策略在LIBERO达98.8%成功率，RoboTwin 2.0双臂基准88.6%，并在真实灵巧手与移动抓取任务中取得最优表现。
- [2026-10-25] [InteractiveWorld：首个面向具身AI助手的可验证人机闭环仿真与评测基准](https://robotics.hellobike.com/papers/2026-10-25-2610-33966-c1644131)：提出InteractiveWorld仿真环境与InteractiveBench基准，支持AI指导人类Agent的闭环交互验证。评测显示12个前沿MLLM在长程引导与规划任务中最高成功率仅25%，揭示当前模型在物理世界辅助能力上的显著短板。
- [2026-10-24] [RoboJev-27B开源：机器人操作成功检测达95.2%准确率](https://robotics.hellobike.com/papers/2026-10-24-2610-33718-5281aaa6)：开源视觉语言模型RoboJev-27B专用于机器人操作任务成功判定，在SO-101测试集平衡准确率达95.2%，AUROC为0.993。模型基于JEV-27B-VL微调，单H100推理耗时0.26秒，支持跨实验室泛化，配套代码与评测数据集已开源。
- [2026-10-24] [AV-FABLE基准与NFSR方法突破长视频音视频篡改时序定位](https://robotics.hellobike.com/papers/2026-10-24-2610-33413-00e8d3a2)：针对长视频稀疏篡改检测难题，发布含16650对样本的AV-FABLE双时间线基准。提出NFSR方法，通过分离解码器读取冻结AV-LLM特征，在域内及三个分布外设置中实现最优音视频篡改时序定位性能。
- [2026-10-23] [World-in-Context：5B模型通过上下文条件化实现93.8%视角切换成功率](https://robotics.hellobike.com/papers/2026-10-23-2610-33169-d9b29877)：提出World-in-Context交互视频世界模型框架，利用In-Context Conditioning将视角、动作与相机控制统一为显式Token。5B参数模型在WBench导航性能持平22B EchoWM，视角切换成功率达93.8%，显著优于同尺寸基线。
- [2026-10-23] [RynnUnify 16B统一具身模型实现视觉规划与机器人控制闭环](https://robotics.hellobike.com/papers/2026-10-23-2610-32965-ec10673b)：RynnUnify 16B模型通过交错视频-语言推理融合理解与长程规划，强化学习扩展提升预测推理6.0分，真机任务成功率达46.7%，构建统一具身大脑基座。
- [2026-10-23] [HoloBoxing：单GPU训练7分钟实现人形机器人拳击技能迁移](https://robotics.hellobike.com/papers/2026-10-23-2610-32909-9db30709)：提出基于预训练全身控制器的人形机器人拳击学习范式，通过解耦运动技能与任务决策，仅需单GPU额外训练7分钟即可掌握复杂交互。利用32维动作解码器与模仿学习初始化，在复用底层控制的同时高效优化上层策略。
- [2026-10-23] [Ψ-0.6统一世界模型：自适应思维流实现零样本空间推理与反事实仿真](https://robotics.hellobike.com/papers/2026-10-23-2610-32177-160c614b)：Ψ-0.6提出统一视觉语言世界模型，通过自适应思维流交织图像、文本与几何运动表征。该模型在多视角空间推理上零样本超越主流开源模型，支持反事实仿真，并经任务反馈强化学习优化中间表征选择，提升具身物理推理能力。
- [2026-10-23] [DiscoDemo：RL生成多样化演示数据提升模仿学习真机成功率至78%](https://robotics.hellobike.com/papers/2026-10-23-2610-32093-f0e3d45e)：针对机器人操作模仿学习数据覆盖难题，DiscoDemo利用强化学习作为多样化轨迹生成器。该方法在四项任务中将下游视觉运动策略真机成功率从39%提升至78%，仿真成功率从40%升至62%，验证了多模态解对预训练VLA的增强效果。
- [2026-10-22] [Flora开源机器人数据引擎：日标20万小时，成本降125倍](https://robotics.hellobike.com/papers/2026-10-22-2610-31779-496530d5)：面向GR00T训练的工业级数据引擎Flora正式开源，集成结果奖励、过程奖励及时间戳描述生成能力。系统在WGO-Bench等基准达SOTA，实测日处理20万小时数据，推理成本较GPT-6 Astra降低125倍，支持物理自研与人机迁移。
- [2026-10-22] [视频基础模型综述：以世界建模统一读写交互与状态预测](https://robotics.hellobike.com/papers/2026-10-22-2610-31668-c2479b40)：该综述提出以世界建模为统一视角审视视频基础模型，将视频视为潜在时序世界的有损投影。研究梳理了读、写、共享、交互四类核心操作，指出领域重心正从片段级感知向持久状态预测、物理因果有效性及具身决策评估迁移。
- [2026-10-22] [F2G-Pose：单次前向RGB-D类别级位姿估计达28FPS](https://robotics.hellobike.com/papers/2026-10-22-2610-31623-5d2cc977)：提出F2G-Pose框架，通过几何感知基础特征提升实现单次前向类别级6D位姿、尺寸及形状补全。在SOPE/ROPE数据集达SOTA，纯位姿推理28 FPS，代码与预训练模型已开源，验证了真实操作场景部署潜力。
- [2026-10-22] [Echo框架：VLA模型耦合动作与状态信号去噪提升操作性能](https://robotics.hellobike.com/papers/2026-10-22-2610-31569-864b0161)：针对VLA模型任务状态识别难题，Echo框架将停止与失败信号嵌入动作块维度并联合去噪。无需帧级标注即可学习状态，通过差异化去噪速率引导动作生成，在真实操作实验中显著提升策略执行成功率与鲁棒性。
- [2026-10-22] [AgentVQA基准发布：22个VLM在具身场景最高准确率仅58.5%](https://robotics.hellobike.com/papers/2026-10-22-2610-31494-4ccadb47)：针对具身智能体视觉理解评测难题，AgentVQA基准整合机器人等五领域1000条真实样本。22个模型测试显示最优准确率仅58.5%，瓶颈在于视觉状态接地与3D空间推理，而非逻辑能力。
- [2026-10-22] [SkeLAM：骨架引导潜在动作模型提升机器人世界模型可控性](https://robotics.hellobike.com/papers/2026-10-22-2610-31474-3bbd86c4)：针对潜在动作模型难以解耦机器人运动与场景变化的问题，提出SkeLAM框架。通过骨架监督分解运动学分量，在DROID数据集上末端执行器ADE降低19.5%，LPIPS降低11.1%，并实现零样本人机动作迁移与真实策略评估对齐。
- [2026-10-22] [FocusVLA：意图引导动态视图路由提升操作成功率13.3%](https://robotics.hellobike.com/papers/2026-10-22-2610-31423-1318998d)：针对VLA模型多视图利用率低的问题，提出FocusVLA框架。通过历史动作预测未来交互意图并动态路由全局/局部视图，在RoboTwin 2.0及真机测试中成功率分别提升10.1pp和13.3%，且无需修改核心架构即可集成。
- [2026-10-22] [HiSTEVE：分层VLA架构实现Minecraft原生键鼠操控与长程任务](https://robotics.hellobike.com/papers/2026-10-22-2610-31162-ae4b88c3)：提出分层VLA智能体HiSTEVE，通过能力感知编排器与策略耦合检测器解决开放世界长程自主难题。在MineStudio Bench获85.0%原子任务得分，OpenHA平均成功率37.4%，实现纯视觉原生键鼠操控下的铁镐制作等复杂任务。
- [2026-10-22] [Dual Exam评测揭示多模态智能体与世界模型耦合训练失效](https://robotics.hellobike.com/papers/2026-10-22-2610-31066-3f8ec6c1)：论文提出Dual Exam基准，在物理及数字等四大领域独立评估多模态智能体与世界模型。GPT-6 Astra与GPT-Image-2分项领先，但150例耦合测试成功率为零，证实当前组件级能力无法直接转化为联合系统的互惠学习效能。
- [2026-10-22] [UserArena发布6.4万真实电商轨迹基准与OPTD蒸馏算法](https://robotics.hellobike.com/papers/2026-10-22-2610-30932-c5add34a)：针对长程交互智能体评估难题，发布包含6.4万条真实用户轨迹的UserArena基准及OPTD算法。该方案支持五级评估体系与生产环境A/B测试离线验证，显著提升模拟器在长时序决策中的保真度与策略复现能力。
- [2026-10-22] [Raw-RAG在对话记忆评测中超越复杂智能体记忆系统](https://robotics.hellobike.com/papers/2026-10-22-2610-30755-4903ec6a)：研究显示基于原始历史的朴素RAG在LoCoMo等四大基准测试中六项排名第一，超最强智能体记忆0.13-5.53分。证实高证据覆盖率可弥补利用率不足，挑战了复杂记忆架构在对话任务中的必要性。
- [2026-10-21] [面向具身训练视频存储优化：DDRA编码实现1.45倍加载吞吐提升](https://robotics.hellobike.com/papers/2026-10-21-2610-33079-f916c67e)：针对AI训练随机采样痛点，提出依赖感知稀疏解码与DDRA编码方案。在机器人数据集上实测，同等质量下加载吞吐达LeRobot v3的1.45倍，媒体负载降低58.7%，有效破解视频存储跨帧依赖瓶颈。
- [2026-10-21] [FRED框架通过自蒸馏优化WAM单步表征，零样本人类视频迁移成功率达50%](https://robotics.hellobike.com/papers/2026-10-21-2610-30320-48e666ed)：针对世界动作模型推理瓶颈，FRED框架利用自蒸馏与历史时序上下文提升单步去噪下的未来视频表征质量。在零样本环境泛化及人类视频技能迁移任务中，该方法将机器人执行成功率从19.4%提升至50.0%，显著优于现有竞争方案。
- [2026-10-21] [AW-0框架融合代码规划与世界模型提升双臂操作性能](https://robotics.hellobike.com/papers/2026-10-21-2610-30136-8974797e)：AW-0框架采用混合Transformer架构联合生成代码、视频与动作，解决世界模型技能复用难题。在RoboTwin 2.0及物理双臂任务中，其任务成功率、语义推理及鲁棒性均优于VLA与WAM基线。
- [2026-10-21] [ALPS视觉状态编码器统一预测指令与检视，LIBERO策略成功率达85.5%](https://robotics.hellobike.com/papers/2026-10-21-2610-30120-59f16f8b)：ALPS通过联合预训练统一物理状态、语言对齐与像素重建能力。在LIBERO基准中，其ViT-B/16模型状态探测误差最低，冻结token配合文本塔实现85.5%策略成功率，并支持未来token直接解码为像素以供视觉检视。
- [2026-10-21] [PAPAV框架统一多模态具身智能体五维能力评估体系](https://robotics.hellobike.com/papers/2026-10-21-2610-30108-eb525f48)：针对多模态智能体从计算机操作向机器人物理交互迁移的挑战，提出PAPAV统一能力框架。分析64个基准发现仅5个评估预测、3个评估验证，揭示物理约束下感知与执行评测失衡现状。
- [2026-10-21] [TARSphere全栈框架发布：支持长程具身智能体物理社会交互评测](https://robotics.hellobike.com/papers/2026-10-21-2610-30043-a809332e)：提出面向机器人的全栈框架TARSphere，含仿真基础设施、MLLM决策中枢及360条基准数据。评测8款多模态大模型显示通用模型优于专用具身模型，但在任务更新与人机协作上仍存瓶颈，强调执行安全评估必要性。
- [2026-10-21] [DONIC双臂灵巧跟踪策略发布，零样本泛化成功率达86.79%](https://robotics.hellobike.com/papers/2026-10-21-2610-29997-49eba9cd)：研究提出通用双臂灵巧跟踪框架DONIC及包含1575序列的BiHOI数据集。通过PPO与行为克隆反馈闭环及物体中心奖励机制，单策略在未见轨迹上实现86.79%成功率，大幅超越现有双臂基线模型。
- [2026-10-21] [FCP辅助目标优化自回归视频生成，提升物理合理性与世界模型潜力](https://robotics.hellobike.com/papers/2026-10-21-2610-29989-538d4dd8)：针对自回归视频扩散模型物理演化建模不足问题，提出Future Chunk Prediction辅助训练目标。该方法无需额外预训练编码器，在更低算力预算下实现优于标准Teacher Forcing的物理合理性，并构建出更具结构化的表征空间。
- [2026-10-21] [FrontierCS 2基准发布：评估LLM智能体在机器人等13领域科研研发能力](https://robotics.hellobike.com/papers/2026-10-21-2610-29932-0c0d4266)：FrontierCS 2基准包含48个开放式任务，覆盖机器人等13个计算机科学领域。评测显示Claude Opus 5.5通过率仅58%，16项任务零通过，揭示当前最强模型在复杂科研代码重构与系统级研发中仍面临显著瓶颈。
- [2026-10-21] [CausalAlign框架提升视频生成自运动一致性，具身任务成功率增10%](https://robotics.hellobike.com/papers/2026-10-21-2610-29915-a29043ee)：针对扩散模型自运动漂移问题，CausalAlign通过Delta-Token空间对齐3D基础模型，使Wan2.2几何一致性提升超20%，RoboCasa365移动操作任务成功率提高10个百分点。
- [2026-10-21] [物理AI递归自改进综述：确立机器人安全迭代与增益评估原则](https://robotics.hellobike.com/papers/2026-10-21-2610-29677-e0b3f193)：针对物理AI递归自改进难题，综述梳理从行为优化到生成过程优化的路径。提出反馈有效性、组件适配性、跨任务迁移及安全成本四大增益传递条件，指出当前研究虽证实操作任务行为提升，但尚未隔离出递归机制本身的独立收益。
- [2026-10-21] [SERA框架通过自进化Harness提升VLA长程操作成功率至51.38%](https://robotics.hellobike.com/papers/2026-10-21-2610-29560-3db8013c)：针对VLA模型在长程任务中缺乏历史依赖问题，提出SERA自进化机器人代理框架。该方法通过可编辑Harness维护任务上下文，利用环境Rollout自主优化规划配置。在RoboMME基准测试中，SERA整体成功率达51.38%，较无自进化基线提升7个百分点。
- [2026-10-21] [PAWM世界模型通过陷阱预判提升黑盒LLM智能体任务成功率](https://robotics.hellobike.com/papers/2026-10-21-2610-29139-a040d6c7)：针对黑盒LLM智能体缺乏环境先验问题，提出陷阱预判世界模型PAWM。该模型仅在潜在失败点介入预测，经SFT与GRPO两阶段训练，使Claude Sonnet 4.5在ScienceWorld和WebArena-Lite基准上分别提升24.3%和7.7%。
- [2026-10-21] [LaLa-World语言条件潜世界模型规划提速13.9倍训练降本6倍](https://robotics.hellobike.com/papers/2026-10-21-2610-27851-7c70fd1b)：论文提出LaLa-World语言条件潜世界模型，通过自然语言统一数值动作与视觉变化接口，实现跨域联合训练。其MPC规划性能优于现有LWM，训练成本降低6倍、推理提速13.9倍；下游策略LaLa-Policy在LIBERO等基准推理速度提升5.5倍。
- [2026-10-20] [WorldStream：分层规划与持久状态实现开放式3D世界流式生成](https://robotics.hellobike.com/papers/2026-10-20-2610-28827-0c93b530)：提出WorldStream开放式3D世界模型，通过宏微观分层规划器与确定性编译机制，实现超地图边界扩展、自然语言交互及编辑状态持久化。该架构在有限算力预算下支持 tiles 独立规划与无缝连接，为具身智能提供可交互的无限仿真环境。
- [2026-10-20] [具身智能CPT研究：数据多样性优于模型规模提升跨世界泛化](https://robotics.hellobike.com/papers/2026-10-20-2610-28698-4327a145)：研究通过120组配置验证具身智能持续预训练缩放规律，发现数据多样性显著提升相关世界迁移能力，而单纯扩大模型规模在远距离世界中泛化反而下降，揭示了构建通用具身智能体需超越单一CPT阶段。
- [2026-10-20] [AgenticRoboRL框架：9B机器人规划器后训练成功率达71%](https://robotics.hellobike.com/papers/2026-10-20-2610-28589-4b94bfe1)：研究提出AgenticRoboRL框架，通过SFT与多轮强化学习后训练优化机器人规划器。在LIBERO-PRO基准上，9B参数模型任务成功率从18.1%提升至71.0%，逼近GPT-5.5水平，验证了开源小模型经后训练替代闭源大模型的可行性。
- [2026-10-20] [ConfigWM：任务条件感知世界模型规划成功率提升22.3%](https://robotics.hellobike.com/papers/2026-10-20-2610-27914-09e9dad2)：针对噪声干扰问题，ConfigWM通过语言引导的任务条件状态提取实现可配置感知。在多变干扰环境中，其规划成功率平均超最强基线22.3%，物理量探测Pearson r提升0.365，验证了任务相关状态表征的鲁棒性。
- [2026-10-20] [RoboCasa-Shift基准发布：VLA策略长程任务鲁棒性阶段感知评测](https://robotics.hellobike.com/papers/2026-10-20-2610-27861-328e6a30)：针对VLA模型聚合指标掩盖失败细节的问题，提出RoboCasa-Shift诊断基准。基于1040次GR00T N1.5实测揭示非单调退化规律，证实相同端到端性能损失对应不同执行阶段故障分布，代码已开源。
- [2026-10-20] [RoboJudge-9B发布：具身视频生成评测基准与对齐人类判断的专用模型](https://robotics.hellobike.com/papers/2026-10-20-2610-27782-02472909)：研究推出RoboJudge-Bench评测基准与12K视频训练集，微调9B MLLM实现具身视频物理与指令对齐评估。该模型与人类评分Pearson相关性达0.719，显著优于Gemini-3.7-Flash等通用大模型，填补了具身世界模型自动化评测缺口。
- [2026-10-20] [VLA模型机制研究揭示pi0.5动作专家绑定绝对坐标致泛化失效](https://robotics.hellobike.com/papers/2026-10-20-2603-19233-c92a61ac)：研究通过可解释性管线发现pi0.5等VLA模型动作专家绑定绝对坐标，导致场景微扰即失败。在UR10e实机验证中，激活注入使99.6%回合执行错误轨迹，目标位移10-15cm后抓取完全失效，开源Action Atlas平台含520+个SAE与79个概念。
- [2026-10-19] [Omni-Woodpecker免训练框架修正全模态LLM跨模态幻觉](https://robotics.hellobike.com/papers/2026-10-19-2610-27103-8c078e50)：针对全模态大模型跨模态幻觉难题，提出免训练框架Omni-Woodpecker。通过正交分解与冲突条件重平衡机制，在Qwen2.5-Omni-7B上使CMM和AVHBench基准分别提升12.9和8.6分，代码已开源。
- [2026-10-19] [ACE-Brain-0.6发布：150万样本微调9B模型空间感知超GPT-6 Astra](https://robotics.hellobike.com/papers/2026-10-19-2610-27040-7abc072f)：研究团队发布ACE-Brain-0.6，通过统一数据管线整合机器人操作与多源视觉数据，构建150万可验证空间接地监督样本。基于Qwen3.5-9B微调后，该模型在7项公共基准中4项超越GPT-6 Astra，均分达75.41，证实规模化接地数据可显著提升开源小参数模型的具身空间感知能力。
- [2026-10-19] [WildAWM开源：纯开源模型合成GUI/CLI混合环境训练通用计算机代理](https://robotics.hellobike.com/papers/2026-10-19-2610-26828-f17ce893)：提出WildAWM流水线，利用开源模型合成支持GUI、MCP及CLI的341个长程任务环境。经执行质量门控验证，GPT-6-Astra解决率仅60%。Qwen模型在该合成数据上训练后，在8个OOD基准中实现泛化提升，代码已开源。
- [2026-10-19] [与语言模型交谈](https://robotics.hellobike.com/papers/2026-10-19-2610-09064)：本文质疑将LLM交互视为对话的预设，提出artifactual stance框架，重释AI生成文本的解释、承诺与责任问题。
- [2026-10-19] [AIMS 微服务架构主控系统的设计与实现](https://robotics.hellobike.com/papers/2026-10-19-2607-13561)：面向 AIMS 高自主观测需求，论文设计微服务主控系统，并在三台望远镜不同自动化等级上验证稳定性。
- [2026-10-19] [智能主动粒子感知和致动的非平衡能量学](https://robotics.hellobike.com/papers/2026-10-19-2603-15602)：该文针对智能主动体能量分配问题，提出自转向粒子最小模型，并在不同任务几何中揭示热力学权衡。
- [2026-10-19] [MORPHIT：面向表示驱动适应的机器人形态灵活球形近似](https://robotics.hellobike.com/papers/2026-10-19-2507-14061)：MORPHIT通过梯度优化自动调节机器人形态的球形近似，并在定量评估和机器人基础设施集成中验证。
- [2026-10-18] [BiDex-100发布：含8080条遥操作数据的双手灵巧操作仿真基准](https://robotics.hellobike.com/papers/2026-10-18-2610-25459-b67d7f48)：针对双手灵巧操作评测缺失痛点，BiDex-100提供106项仿真任务与8080条验证过的遥操作演示（625万帧），覆盖泛化、指令遵循等五大能力轴，并为7款主流VLA模型建立统一性能基线。
- [2026-10-18] [TILDE框架实现具身基础模型蒸馏，真实任务性能提升4.1倍](https://robotics.hellobike.com/papers/2026-10-18-2610-25376-96028146)：针对具身基础模型复现成本高的问题，提出TILDE蒸馏框架与AutoDAgger自主数据聚合管线。该方法融合在策略蒸馏与教师恢复轨迹学习，无需人工监控即可收集纠错数据，在三项真实机器人任务中性能较行为克隆提升最高4.1倍。
- [2026-10-17] [LayerEditor框架实现指令编辑与可复用RGBA图层生成统一](https://robotics.hellobike.com/papers/2026-10-17-2610-24738-70174ddf)：提出LayerEditor统一框架，通过上下文RGB-Alpha令牌建模与组合编辑先验蒸馏，实现指令驱动编辑与可控RGBA图层生成解耦。配套发布LayerEditor-100K数据集及评测基准，支持具身场景分层操作与资产复用。
- [2026-10-17] [蜂群思维是单个强化学习智能体](https://robotics.hellobike.com/papers/2026-10-17-2410-17517)：论文证明局部模仿规则产生的群体认知等价于单个在线RL智能体，并在蜜蜂摇摆舞加权投票模型中分析。
- [2026-10-16] [盲精密装配：面向多样零件的本体感知 Sim-to-Real 插销入孔](https://robotics.hellobike.com/papers/2026-10-16-2610-23849)：研究仅凭关节本体感知的盲装配策略，用仿真强化学习训练，并在多类装配仿真和真机插销中验证。
- [2026-10-16] [自构建实验室](https://robotics.hellobike.com/papers/2026-10-16-2610-23826)：为缓解SDL适配新实验需大量人工工程的问题，提出能按高层目标自设计、配置并运行的SBL，并在不同机器人和量子点合成中验证。
- [2026-10-16] [MOSS：多模态折纸沼泽机器人系统](https://robotics.hellobike.com/papers/2026-10-16-2610-23813)：MOSS用3D打印折纸轮和曲柄变形机制解决湿地水陆多地形适应问题，并在土壤、沙、泥和水中验证。
- [2026-10-16] [并非所有动作贡献相同：从不精确示范中学习精确进度估计](https://robotics.hellobike.com/papers/2026-10-16-2610-23769)：针对示范中动作贡献不均的问题，PRIME用跨轨迹图和最短路学习进度估计，并在仿真与真实精密操作中验证。
- [2026-10-16] [学习机器人元推理：面向实时控制的自适应计算预算](https://robotics.hellobike.com/papers/2026-10-16-2610-23662)：该论文将实时控制中的计算预算选择建模为SMDP，并用强化学习策略在多类机器人任务上自适应分配规划时间。
- [2026-10-16] [用于移动操作的基础模型驱动3D场景图](https://robotics.hellobike.com/papers/2026-10-16-2610-23622)：将FOUND-IT集成到移动操作平台，以基础模型驱动3D场景图作为空间记忆，并在实机实验中验证多种移动操作能力。
- [2026-10-16] [通过闭环优化增强针对 VLA 模型的视觉任务重定向攻击](https://robotics.hellobike.com/papers/2026-10-16-2610-23566)：提出 TRACO 以闭环优化增强定向视觉攻击，并在多个 VLA 模型和仿真环境中提升任务重定向成功率。
- [2026-10-16] [面向异构双臂操作的具身感知规划](https://robotics.hellobike.com/papers/2026-10-16-2610-23551)：针对单一简单夹爪难覆盖复杂操作约束的问题，提出具身感知有限时域优化规划，并在异构双臂平台验证。
- [2026-10-16] [基于强化学习的四足机械臂多地形自适应全身控制](https://robotics.hellobike.com/papers/2026-10-16-2610-23548)：针对复杂地形下四足机械臂末端任务一致性难题，提出强化学习全身控制框架，并在小型平台实地验证。
- [2026-10-16] [HexaShell：用于探索 VLM 智能体作为机器人编码智能体极限的轻量框架](https://robotics.hellobike.com/papers/2026-10-16-2610-23479)：HexaShell以轻量框架让VLM编码智能体通过命令行控制双臂机器人，并在RoboDojo 42项任务上验证能力边界。
- [2026-10-16] [没有眼睛也没问题：触觉对盲式保定球操控有何贡献？](https://robotics.hellobike.com/papers/2026-10-16-2610-23438)：研究无视觉持续保定球操控，结合传感器对齐仿真、触觉校准和域随机化，在Shadow Dexterous Hand Lite真机上验证零样本迁移并分析触觉作用。
- [2026-10-16] [AWAM：用于稳健机器人操作的主动轨迹条件视角想象](https://robotics.hellobike.com/papers/2026-10-16-2610-23396)：AWAM通过主动规划观察并沿轨迹想象视图，结合世界模型与扩散动作预测，在仿真基准和真机试验验证稳健操作。
- [2026-10-16] [行动前先观察：通过观察对齐数据适配连接主动感知与视觉-语言-动作模型](https://robotics.hellobike.com/papers/2026-10-16-2610-23378)：提出ActiveAlign，使VLA在主动感知终止状态上训练，并在LIBERO任务和真实遮挡场景验证成功率提升。