An Energy-Saving Snake Locomotion Gait Policy Obtained Using Deep Reinforcement Learning
Carnegie Mellon University（卡内基梅隆大学）
蛇形机器人，由顺序连接的关节驱动器，最近得到了越来越多的关注，在工业领域，如生命探测在狭窄的空间。这样的机器人可以通过位于骨干上的多个电机的合作，通过复杂的环境中导航。然而，在未知环境中控制机器人是具有挑战性的，并且传统的控制策略可能是能量效率低的，甚至无法导航到目的地。在这项工作中，通过深度强化学习（DRL）开发了一种蛇运动步态策略，用于节能控制。我们将近端策略优化（PPO）应用于由角速度参数化的每个关节电机，并且DRL代理在每个时间步学习标准蛇形曲线。机器人模拟器和任务环境是基于PyBullet构建的。与传统的控制策略相比，经过训练的PPO智能体控制的蛇形机器人可以实现更快的运动速度和更节能的运动步态。这项工作表明，DRL为机器人控制提供了一种节能的解决方案。
2021-04-21 cs.LG cs.RO
Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics
ETH Zurich（苏黎世联邦理工学院）
本文提出了一种基于神经网络的机器人世界模型，通过双自回归机制和自监督训练实现鲁棒的长周期预测，从而提升机器人策略优化的效率和适应性。
2025-12-14 cs.AI cs.LG cs.RO
A Data-Efficient Model-Based Learning Framework for the Closed-Loop Control of Continuum Robots
Imperial College London（伦敦帝国理工学院）
传统的连续体机器人动力学模型计算量大，不适合实时控制。最近使用基于学习的方法来近似连续体机器人的动态模型进行控制的方法很有前途，尽管真实数据饥饿-这可能会对机器人造成潜在的损害并且耗时-并且仅用仿真数据训练时性能较差。本文提出了一种基于模型的连续体机器人闭环控制的学习框架，通过结合仿真和真实数据，表明只需要100个真实数据，以超过一个真正的数据，只有控制器训练使用多达10000点。引入的具有三种控制策略的数据高效框架利用了高斯过程回归（GPR）和递归神经网络（RNN）。控制策略A使用GPR模型和在模拟中训练的RNN来优化模拟目标的控制输出;控制策略B使用从GPR模型生成的数据来重新训练策略A中的RNN，以适应真实的机器人物理;控制策略C利用策略A和B来形成混合策略。使用一个连续体机器人软脊椎，我们表明，我们的方法提供了一个有效的框架，以弥合基于模型的学习连续体机器人的模拟到真实的差距。
2022-04-22 cs.RO cs.SY eess.SY
ManyQuadrupeds: Learning a Single Locomotion Policy for Diverse Quadruped Robots
Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院）
该研究借鉴动物运动控制原理，通过调制中枢模式发生器并搭配可变的模式形成层，训练出可适配不同自由度、形态、质量和尺寸四足机器人的单一运动策略，且在真实机器人负载测试中表现稳健。
2024-03-08 cs.AI cs.LG cs.RO
Learning Visuomotor Policy for Multi-Robot Laser Tag Game
本文提出了一种端到端的视觉运动策略，通过多智能体强化学习训练教师策略并蒸馏知识，以提升多机器人激光对抗游戏中的命中精度和碰撞避免性能。
2026-03-12 cs.RO
Where-to-Learn: Analytical Policy Gradient Directed Exploration for On-Policy Robotic Reinforcement Learning
本文提出利用可微动力学模型的分析性策略梯度，引导机器人强化学习探索更优轨迹，提升策略学习效率和质量。
2026-04-01 cs.RO
Point Policy: Unifying Observations and Actions with Key Points for Robot Manipulation
New York University（纽约大学）
Point Policy提出仅从人类演示视频学习机器人策略的方法，利用关键点统一观测与动作，在8个真实任务上较先前工作提升75%，且对新型物体和背景杂乱鲁棒。
2025-02-27 cs.RO
Bayesian Gaussian mixture model for robotic policy imitation
Idiap Research Institute（Idiap 研究所）
学习机器人技能的一种常见方法是模仿演示策略。由于小误差和扰动的复合，这种方法可能会让机器人离开提供演示的状态。这就需要考虑额外的策略，以保证机器人在面对未知状态时表现得适当。我们建议使用贝叶斯方法来量化每个状态下的动作不确定性。所提出的贝叶斯方法是简单的设置，计算效率高，可以适应范围广泛的问题。我们的方法利用估计的不确定性融合的模仿政策与额外的政策。在一个熊猫机器人上进行了仿真实验，仿真结果表明，该方法在连续域中使用不同的控制输入/状态对完成三个操作任务。
2019-08-07 cs.RO
Coordinated Humanoid Robot Locomotion with Symmetry Equivariant Reinforcement Learning Policy
针对现有人形机器人深度强化学习方法忽略形态对称性导致动作不协调的问题，本文提出SE-Policy框架，通过嵌入对称等变/不变性提升运动协调性，在仿真和宇树G1实机上速度跟踪精度最高提升40%。
2025-11-16 cs.RO
Fully Distributed Multi-Robot Collision Avoidance via Deep Reinforcement Learning for Safe and Efficient Navigation in Complex Scenarios
City University of Hong Kong（香港城市大学）；Metoak Technology (Beijing) CO., LTD（北京梅托克科技有限公司）；Fuzhou University（福州大学）
在本文中，我们提出了一个分散的传感器级避碰策略的多机器人系统，在实际应用中显示出良好的效果。特别是，我们的政策直接映射原始传感器测量代理的转向命令的运动速度。作为缩小分散式和集中式方法之间性能差距的第一步，我们提出了一个多场景多阶段训练框架来学习最优策略。该策略是在丰富的，复杂的环境中，同时使用基于策略梯度的强化学习算法在大量的机器人上训练的。该学习算法也被集成到一个混合控制框架，以进一步提高政策的鲁棒性和有效性。我们验证了学习的传感器级避碰策略在各种模拟和真实世界的情况下，彻底的性能评估的大规模多机器人系统。在一组看不见的情况下，包括一组异构机器人的导航和一个大规模的情况下，100个机器人的学习策略的泛化进行了验证。虽然该策略仅使用模拟数据进行训练，但我们已经成功地将其部署在具有不同于模拟代理的形状和动力学特性的物理机器人上，以证明控制器对模拟到真实建模误差的鲁棒性。最后，我们表明，从多机器人导航任务中学习的避碰策略为在密集的真实人群中工作的单个机器人提供了安全有效的自主导航的优秀解决方案。我们的学习策略使机器人能够在人群中有效地前进而不会被卡住。视频可在https://sites.google.com/view/hybridmrca上获得
2018-08-11 cs.RO
Multi-Objective Policy Generation for Multi-Robot Systems Using Riemannian Motion Policies
Georgia Institute of Technology（佐治亚理工学院）
在许多应用中，需要多个机器人系统来实现多个目标。对于这些多目标任务，通常很难设计出同时满足所有目标的单个控制策略。在本文中，我们专注于多目标任务，可以分解成一组简单的子任务。这些子任务的控制器是单独设计的，然后组合成整个团队的控制策略。我们的工作的一个重要特点是，子任务控制器的设计与其底层流形。当一个控制器与其他控制器相结合时，它们的相关流形也被考虑在内。这种提法产生的多机器人系统，可以结合控制器的各种目标，同时隐式地处理机器人和子任务之间的相互作用的政策生成框架。为了描述流形上的控制器，我们采用黎曼运动策略（RMP），并提出了一个集合的RMP常见的多机器人子任务。集中式和分散式算法被设计成将这些RMP组合成最终的控制策略。理论分析表明，在控制策略下系统是稳定的。此外，我们证明，许多现有的多机器人控制器可以密切近似的框架。通过模拟任务和机器人实现所提出的算法进行验证。
2019-08-30 cs.RO
Raising Body Ownership in End-to-End Visuomotor Policy Learning via Robot-Centric Pooling
KTH Royal Institute of Technology（瑞典皇家理工学院）；Aalto University（阿尔托大学）
提出机器人中心池化方法，通过突出与本体感觉相关的图像区域，增强端到端视觉运动策略对干扰物和像素偏移的鲁棒性，无需额外数据收集。
2024-11-07 cs.RO
PolyMorph: Learning Locomotion Policy for Cross-Embodiment Adaptation
PolyMorph是一种形态条件框架，通过结合循环编码器、图Transformer等组件，实现单一运动策略在双足、三足等异构腿式机器人间的泛化，无需针对特定机器人重新训练。
2026-10-15 cs.RO
Control Your Robot: A Unified System for Robot Control and Policy Deployment
ScaleLab, Shanghai Jiao Tong University（上海交通大学ScaleLab）；University of Shanghai for Science and Technology（上海科学技术大学）
Control Your Robot提出了一种统一的机器人控制与策略部署框架，通过模块化设计和标准化流程，实现跨平台的数据收集与策略学习，提升机器人学习的可扩展性和可重复性。
2025-12-09 cs.RO
Action Chunk Scheduling for Batched Robot Policy Serving
Georgia Institute of Technology（佐治亚理工学院）
本文提出从远程GPU向多机器人提供策略服务的调度问题，构建Armory系统，提出考虑机器人异构性的调度算法，使真实场景系统吞吐量最高提升18%。
2026-08-04 cs.RO
RoboLineage: Agent-Native Data Lifecycle Governance Across Robot Policy Iterations
Transcengram；The University of Hong Kong（香港大学）；Beijing Institute of Technology（北京理工大学）
提出RoboLineage系统，通过将数据收集、审查、训练、评估等步骤表示为类型化谱系工件，实现机器人策略迭代的显式生命周期管理，提升迭代速度与可审计性。
2026-11-10 cs.RO
Graph Policy Gradients for Large Scale Robot Control
University of Pennsylvania（宾夕法尼亚大学）
在本文中，我们考虑的问题，学习政策，以控制大量的同质机器人。为此，我们提出了一种称为图策略梯度（GPG）的新算法，该算法利用机器人之间的底层图对称性。当与大量机器人一起工作时遇到的维数灾难通过采用图卷积神经（GCN）网络来参数化机器人的策略来减轻。GCN通过学习过滤器来降低问题的维度，这些过滤器在机器人之间局部地聚合信息，类似于卷积神经网络如何能够学习图像中的局部特征。通过编队飞行的实验，我们表明，我们提出的方法是能够更好地扩展比现有的加固方法，采用完全连接的网络。更重要的是，我们表明，通过使用我们的本地学习过滤器，我们能够zero-shot转移策略上训练只有三个机器人超过一百个机器人。
2019-12-01 cs.RO
When Robots Sleep: Offline Skill Consolidation for Shared-Policy Robot Learning
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
提出睡眠-觉醒框架，通过冻结技能记忆和纳什谈判梯度组合，解决多技能学习中的技能耦合崩溃问题，在Meta-World和SurgicAI上显著提升成功率和可靠性。
2026-06-17 cs.RO
Quadruped Robot Simulation Using Deep Reinforcement Learning -- A step towards locomotion policy
Asian Institute of Technology（亚洲理工学院）；RaiSim Tech Inc（RaiSim科技公司）
本文提出一种基于深度强化学习的四足机器人仿真训练方法，利用raisimGymTorch和RaiSim仿真ANYmal，通过近端策略优化算法求解MDP，在有限资源下实现有效运动策略，并为后续研究提供基础。
2025-02-23 cs.RO
Smooth and Efficient Policy Exploration for Robot Trajectory Learning
许多策略搜索算法已被提出用于机器人学习，并在实际机器人应用中被证明是实用的。然而，算法中仍然存在超参数，例如需要手动调整的探索率。现有的人工或自动设计探测率的方法可能不够通用或难以应用于实际机器人。在本文中，我们提出了一个学习模型，以更新的探索率自适应。整体算法是其他研究人员提出的方法的组合。平滑的轨迹，机器人可以产生的算法和更新的探索率最大化的期望回报的下限。我们的方法是测试在球杯问题。结果表明，我们的方法可以收到相同的学习结果，以前的方法，但迭代次数较少。
2018-08-10 cs.RO
Policy Contrastive Decoding for Robotic Foundation Models
University of Electronic Science and Technology of China（电子科学与技术大学）；Southwest Jiaotong University（西南交通大学）；Tongji University（同济大学）
本文提出Policy Contrastive Decoding方法，通过对比原始与物体遮挡的视觉输入，提升机器人策略的泛化能力，实验表明其在仿真和现实环境中均有效。
2026-04-24 cs.RO
Phase-Aware Policy Learning for Skateboard Riding of Quadruped Robots via Feature-wise Linear Modulation
本文提出相位感知策略学习框架，通过特征级线性调制层提升四足机器人滑板骑行的相位依赖行为捕捉与跨相位知识共享，验证了在仿真中的指令跟踪精度和效率。
2026-04-21 cs.RO
HaWMPO: Hallucination-Aware World Model-based Policy Optimization for Generalist Robot Policy
Joy Future Academy, JD（京东探索研究院）；School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）
HaWMPO提出幻觉感知世界模型策略优化方法，通过估计生成图像可靠性并抑制不可靠动作，提升VLA策略在长期任务中的成功率，在LIBERO和真实机器人上取得显著提升。
2026-09-10 cs.RO
Diff-DAgger: Uncertainty Estimation with Diffusion Policy for Robotic Manipulation
University of Virginia（弗吉尼亚大学）
针对现有机器人门控DAgger方法易将多模态决策点的策略分歧误判为不确定性的问题，提出利用扩散策略训练目标的Diff-DAgger算法，显著提升任务预测与完成效率，推动高表达策略在交互式机器人学习中的应用。
2025-03-24 cs.RO
Soft Soil Gait Planning and Control for Biped Robot using Deep Deterministic Policy Gradient Approach
IIT Roorkee（印度理工学院鲁尔基分校）
针对双足机器人在软土等可变形地形易下陷、难保持稳定的问题，提出基于DDPG的平足双足机器人运动控制方法，采用7连杆机器人与三角形网格软土模型，在PyChrono平台完成仿真验证。
2023-06-13 cs.RO
Learning Human-Robot Handovers Through $π$-STAM: Policy Improvement With Spatio-Temporal Affordance Maps
Sapienza University of Rome（罗马大学）
人机交互的特点是高度的不确定性和不良的问题结构，使他们成为困难的任务。虽然机器学习方法已经显示出有希望的结果，但它们在具有大状态维度的问题（例如在人形机器人的情况下）中的应用仍然有限。另外，通过使用这些方法并且在与人类操作员交互期间，不能获得关于空间约束（例如，社会规则）。在本文中，我们提出了一种新的迭代算法来学习空间启示和生成机器人行为的时空启示图- $π$ -STAM-策略改进。我们的目标是通过使用启示来生成一个适应未知动作语义的策略。通过这种方式，在学习执行人-机器人交接任务时，我们可以（1）有效地生成良好的策略，只需很少的训练片段，（2）轻松编码动作语义，如果可用，则执行先验知识。我们在仿真和真实NAO机器人上实验验证了我们的方法，其任务包括从人类手中拿走物体。实验结果表明，该算法在降低计算量和学习时间的同时，获得了较好的策略。
2016-10-15 cs.RO
Reward-Based Environment States for Robot Manipulation Policy Learning
Engineering school UPSSITECH（UPSSITECH 工程学院）；University of Toulouse III（图卢兹第三大学）；IRIT, Paul Sabatier University（保罗·萨巴捷大学 IRIT 研究所）；CNRS（法国国家科学研究中心）；School of Computer Science（计算机科学学院）；University of Lincoln（林肯大学）
机器人操作策略的训练是机器人学和人工智能领域的一个具有挑战性的开放性问题。在本文中，我们提出了一种新的和紧凑的状态表示的基础上，从基于图像的任务成功分类器预测的奖励。我们的实验使用Pepper机器人进行模拟，在抓取和提升任务上使用两种深度强化学习算法，表明我们提出的状态表示可以使用我们的最佳策略实现高达97%的任务成功率。
2021-12-10 cs.RO
OHPL: One-shot Hand-eye Policy Learner
Queen Mary University of London（伦敦玛丽女王大学）
用于操纵任务的机器人的控制通常依赖于目标检测和姿态估计。一种有吸引力的替代方案是直接从原始输入数据学习控制策略。然而，这种方法既耗时又昂贵，因为学习策略需要在物理环境中对机器人动作进行多次试验。为了降低训练成本，可以在具有大量合成图像的模拟中学习策略。这种方法的限制是仿真和机器人工作空间之间的域间隙。在本文中，我们建议学习的机器人达到运动从一个单一的图像直接在机器人工作空间从放置在末端执行器（手眼相机）的相机。所提出的策略学习器背后的想法是，从手眼相机中看到的机器人工作空间中的动作产生的视图变化类似于通过执行顺序对象定位来定位单个图像中的感兴趣区域。这种类似的视图变化使得能够使用基于重复学习的顺序对象本地化来训练对象到达策略。为了便于适应的政策，以查看机器人工作空间中的变化，我们进一步提出了一个动态过滤器，学习偏见的输入状态，以消除不相关的信息的行动决定。所提出的策略学习器可以作为一个强大的机器人任务的代表，我们验证了它的静态和移动物体到达任务。
2021-08-06 cs.RO
Survivable Robotic Control through Guided Bayesian Policy Search with Deep Reinforcement Learning
许多机器人操作技能可以用确定性特征来表示，并且存在用于学习这些技能的参数化电机计划的有效技术。然而，一个积极的研究挑战仍然是在机械故障的情况下维持操纵能力。理想情况下，像生物一样，机器人代理应该能够通过适应动态对手来重新配置其控制策略。在本文中，我们提出了一种方法，允许代理生存的情况下，机械损失，并自适应地学习操纵妥协的自由度-我们称我们的方法生存机器人学习（SRL）。我们的主要思想是利用贝叶斯策略梯度编码的知识偏见后验估计，这反过来又证明了未来的政策搜索探索，在样本效率和随机探索的政策搜索方法相比。SRL将策略先验表示为高斯过程，通过将引导偏差作为来自先前重放的代理，允许近似后验的易处理计算（当真实梯度难以处理时）。我们评估我们提出的方法对现成的无模型学习算法（DDPG），测试六足机器人平台上遇到增量故障仿真，我们的实验表明，我们的方法大大提高了样本需求和定量成功率在所有故障模式。我们实验的演示视频可以在https://sites.google.com/view/survivalrl上观看
2021-06-29 cs.RO
Diffusion Co-Policy for Synergistic Human-Robot Collaborative Tasks
Stanford University（斯坦福大学）
提出扩散协同策略，用Transformer扩散模型预测人机联合动作序列，在搬桌任务中优于现有方法，实现相互适应与领导权切换等真协作。
2023-11-13 cs.RO
Obtaining Robust Control and Navigation Policies for Multi-Robot Navigation via Deep Reinforcement Learning
Fraunhofer IML（弗劳恩霍夫物流研究院）；Westfälische Hochschule Gelsenkirchen（盖尔森基兴威斯特伐利亚应用科学大学）
多机器人导航是一个具有挑战性的任务，其中多个机器人必须同时协调动态环境中。我们应用深度强化学习（DRL）来学习一种分散的端到端策略，该策略将原始传感器数据映射到代理的命令速度。为了使策略能够泛化，在不同的环境和场景中执行训练。在常见的多机器人场景中，如切换一个地方，一个十字路口和一个瓶颈的情况下，学习的政策进行测试和评估。此策略允许代理从死胡同中恢复并在复杂环境中导航。
2022-09-07 cs.RO
Learning Generalizable Robot Policy with Human Demonstration Video as a Prompt
Tsinghua University, China（清华大学，中国）；Shanghai Qi Zhi Institute, China（上海启智研究院，中国）
提出两阶段框架，利用人类演示视频学习可泛化机器人策略，无需遥操作数据或微调即可执行新任务。
2026-05-29 cs.RO
Learning Modular Robot Visual-motor Locomotion Policies
Carnegie Mellon University（卡内基梅隆大学）
针对模块化机器人运动策略此前仅适配平坦地形且无法泛化多设计的问题，提出模块化视觉-运动策略，通过组件重组结合深度强化学习实现多设计多环境泛化，已在真实机器人爬楼梯等场景验证有效。
2023-04-29 cs.RO
Diffusion Policy: Visuomotor Policy Learning via Action Diffusion
Columbia University（哥伦比亚大学）；Toyota Research Institute（丰田研究所）；MIT（麻省理工学院）；Stanford University（斯坦福大学）
本文提出扩散策略，将视觉运动策略建模为条件去噪扩散过程，在12个机器人操作任务上平均提升46.9%，并引入滚动时域控制、视觉条件化等技术，以充分发挥扩散模型在机器人策略学习中的潜力。
2024-03-14 cs.RO
Learning Observation-Based Certifiable Safe Policy for Decentralized Multi-Robot Navigation
Zhejiang University（浙江大学）
在多机器人导航问题中，安全性是非常重要的。在本文中，我们提出了一个控制障碍函数（CBF）为基础的优化，确保机器人的安全性与高概率和灵活性，只使用传感器测量。优化器将来自策略网络的操作命令作为初始值，然后提供细化以将潜在危险的命令驱回安全区域。借助预测周围动态演变和不同行动后果的深度过渡模型，CBF模块可以在合理的时间范围内指导优化。我们还提出了一种新的联合训练框架，通过利用CBF模块的奖励反馈，提高了基于强化学习（RL）的策略和基于CBF的优化器在训练和推理过程中的合作。我们观察到，与其他方法相比，使用我们的方法的策略可以实现更高的成功率，同时在更少的事件中保持多个机器人的安全性。在仿真和现实环境中的多个场景下进行了实验，结果表明了该方法在维护多机器人导航安全方面的有效性。代码可在\url {https：github.com/YuxiangCui/MARL-OCBF
2021-09-16 cs.RO
ISS Policy : Scalable Diffusion Policy with Implicit Scene Supervision
ISS策略通过隐式场景监督模块提升机器人操作的性能和鲁棒性，实现高效、泛化能力强的3D视觉-运动扩散策略。
2026-09-16 cs.RO
Diffusion Stabilizer Policy for Automated Surgical Robot Manipulations
UM-SJTU Joint Intuitute（UM-SJTU联合学院）；Shanghai Jiao Tong University（上海交通大学）；Department of Computer Science and Engineering（计算机科学与工程系）；The Chinese University of Hong Kong（香港中文大学）；Department of Automation（自动化系）
本文提出了一种基于扩散的策略学习框架，用于提升手术机器人在不完美或失败轨迹下的操作稳定性与鲁棒性。
2026-03-07 cs.RO
GigaWorld-1: A Roadmap to Build World Models for Robot Policy Evaluation
GigaAI（极佳科技）；Tsinghua University（清华大学）
研究机器人策略评估中世界模型，介绍WMBench基准，通过分析多种模型、方案及大量模拟策略展开，得出评估器质量受长期动作忠实性影响等核心见解，推导出设计路线图并实现GigaWorld-1。
2026-07-07 cs.RO
Fairness-Sensitive Policy-Gradient Reinforcement Learning for Reducing Bias in Robotic Assistance
Kent State University（肯特州立大学）；George Washington University（乔治华盛顿大学）
针对机器人辅助服务中对不同人群的决策偏见，提出FSPGRL自反思策略梯度方法，通过检测异常梯度更新并修正策略，在餐厅服务实验中验证其可抑制偏见并提升公平性。
2023-06-07 cs.RO
Human-Human & Human-Robot Interaction Transformer (H2INT) for Robot Navigation in Dense and Uncertain Crowds
School of Automation, Beijing Institute of Technology（北京理工大学自动化学院）；State Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室）
本文提出H2INT强化学习框架，通过分层关系编码与课程学习提升密集不确定人群中机器人导航的安全性与鲁棒性，可迁移至不同人群布局，经仿真与真实机器人部署验证有效。
2026-09-07 cs.RO
Beyond Noise Steering: Dual-Latent Space Reinforcement Learning for Generative Robot Policy
Shanghai University（上海大学）
本文提出双潜空间强化学习框架，通过预测初始噪声和动作表征两个潜变量，在冻结生成器内部实现表征级控制，无需更新基础策略即可加速在线机器人策略适应。
2026-09-11 cs.RO
Steering Multirobot Behavior via Closed-Loop Affine Activation Editing
University of Southern California（南加州大学）
提出CLAE框架，在推理时通过编辑冻结策略的中间激活来引导多机器人行为，无需微调或重训练，并在多四旋翼导航任务中验证了速度控制、编队保持和规避监控等新行为。
2026-09-23 cs.RO
Shadow: Leveraging Segmentation Masks for Cross-Embodiment Policy Transfer
Stanford University（斯坦福大学）；UC Berkeley（加州大学伯克利分校）
针对跨机器人本体策略迁移问题，提出数据编辑方案Shadow，通过在训练和评估时用源与目标机器人的复合分割掩码替代机器人本体，使数据分布匹配，实现高效且鲁棒的跨本体策略迁移。
2025-03-02 cs.RO
Reference Free Platform Adaptive Locomotion for Quadrupedal Robots using a Dynamics Conditioned Policy
University of Oxford（牛津大学）；Oxford Robotics Institute（牛津机器人研究所）；Dynamic Robot Systems（动态机器人系统）；RaiLab（Rai实验室）；Department of Mechanical Engineering（机械工程系）；KAIST（韩国科学技术院）
提出统一控制方法PAL，利用深度强化学习训练单一运动策略，通过动力学条件化实现四足机器人在不同形态和动力学下的稳健零样本迁移，并证明形态感知条件化优于时间动力学编码，速度跟踪误差最多降低30%。
2025-07-10 cs.RO
A Flexible Field-Based Policy Learning Framework for Diverse Robotic Systems and Sensors
National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院）
本文提出一种灵活的基于场的策略学习框架，通过整合扩散策略控制与3D语义场景表示，实现跨机器人系统的高效泛化与任务成功率提升。
2025-12-22 cs.RO
Learning to Balance Motor Thermal Safety and Quadrupedal Locomotion Performance with Residual Policy
School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院）
提出一种两阶段训练框架，结合整机热模型和残差策略，在保持运动性能的同时防止电机过热，实现长时间负重运动。
2026-07-07 cs.RO
Learning Diffusion Policy from Primitive Skills for Robot Manipulation
Dong Xu（东旭教授）
本文提出SDP，一种基于技能的扩散策略，通过整合可解释的技能学习与条件动作规划，提升机器人操作中技能一致性与性能。
2026-01-05 cs.RO
Disturbance-Aware Adaptive Compensation in Hybrid Force-Position Locomotion Policy for Legged Robots
Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学）；Department of Computer Science, Shanghai Jiao Tong University（计算机科学系，上海交通大学）；MoE Key Lab of Artificial Intelligence and AI Institute, Shanghai Jiao Tong University（人工智能与AI研究院，上海交通大学）
本文提出HFPLP学习框架，通过结合目标关节位置与前馈力矩的动作空间快速响应载荷变化与外部扰动，并引入DAAC基于扰动估计在力矩空间提供补偿，显著提升了腿足机器人在不确定环境中的运动性能与抗扰能力。
2025-05-31 cs.RO
A Composable Framework for Policy Design, Learning, and Transfer Toward Safe and Efficient Industrial Insertion
Carnegie Mellon University（卡内基梅隆大学）
精细的工业插入任务（例如，印制电路板组装）对于工业机器人来说仍然具有挑战性。这些挑战包括低误差容限、组件的精细度以及相对于要插入的组件的大的任务变化。为了为这些插入任务提供可行的机器人解决方案，我们还需要考虑现有机器人系统的硬件限制，并最大限度地减少集成工作。本文提出了一种组合框架，有效地整合现有的机器人平台上的安全插入策略，以完成这些插入任务。该策略具有可解释的模块化设计，可以在硬件上有效地学习，并容易地转移到新的任务。特别地，该策略包括作为用于插入的基线策略的安全插入代理、作为到机器人硬件的接口的最优可配置笛卡尔跟踪器、用于处理组件种类和插入错误的概率推理模块、以及用于优化上述模块中的参数以在指定硬件上实现最佳性能的安全学习模块。UR10机器人上的实验结果表明，该框架实现了安全性（对于组件的精细度），准确性（对于低公差），鲁棒性（对感知错误和组件缺陷），适应性和可移植性（对于任务变化），以及执行期间的任务效率加上学习期间的数据和时间效率。
2022-03-06 cs.RO
Learning Locally, Communicating Globally: Reinforcement Learning of Multi-robot Task Allocation for Cooperative Transport
Toyota Motor Corporation（丰田汽车公司）；Nara Institute of Science and Technology（奈良科学技术研究所）
我们考虑任务分配多对象运输使用多机器人系统，其中每个机器人选择一个对象之间的多个对象具有不同的和未知的权重。现有的集中式方法假设机器人和任务的数量是固定的，这不适用于与学习环境不同的场景。同时，现有的分布式方法将机器人和任务的最小数量限制为恒定值，使得它们适用于各种数量的机器人和任务。然而，它们不能运输重量超过观察物体的机器人的负载能力的物体。为了使其适用于不同数量的机器人和对象的不同和未知的权重，我们提出了一个框架，使用多智能体强化学习任务分配。首先，我们介绍了一个结构化的政策模型，包括1）预先设计的动态任务优先级与全球通信和2）一个基于神经网络的分布式政策模型，确定协调的时机。分布式策略在局部观察下对高优先级对象建立共识，并选择合作或独立的行动。然后，通过试验和错误的多智能体强化学习的策略进行优化。这种局部学习和全局通信的结构化策略使我们的框架适用于不同数量的机器人和具有不同和未知权重的对象，如数值模拟所示。
2022-12-06 cs.RO
TactAlign: Human-to-Robot Policy Transfer via Tactile Alignment
Meta FAIR
TactAlign通过触觉对齐方法实现了人到机器人的政策转移，无需配对数据或人工标注，适用于多种接触丰富任务并具备良好的泛化能力。
2026-02-14 cs.RO
Formal Methods in Robot Policy Learning and Verification: A Survey on Current Techniques and Future Directions
本文综述了形式方法在机器人策略学习与验证中的应用，探讨了当前技术及未来发展方向，旨在提升机器人系统的安全性和正确性。
2026-01-09 cs.RO
Stiffness Copilot: An Impedance Policy for Contact-Rich Teleoperation
本文提出Stiffness Copilot，一种基于视觉的共享控制策略，通过在线调整机器人刚度实现安全高效的接触丰富任务远程操作。
2026-08-05 cs.RO
Dynamically Feasible Deep Reinforcement Learning Policy for Robot Navigation in Dense Mobile Crowds
我们提出了一种新的深度强化学习（DRL）为基础的政策，计算动态可行的和空间感知速度的机器人之间的移动障碍物导航。我们的方法结合了动态窗口方法（DWA）在满足机器人的动态约束方面的优势，最先进的基于DRL的导航方法，可以很好地处理移动障碍物和行人。我们的配方实现了这些目标，通过嵌入环境障碍物的运动在一个新的低维观测空间。它还使用了一种新的奖励函数来积极地加强速度，使机器人远离障碍物的前进方向，从而显著降低碰撞次数。我们评估我们的方法在现实的3-D模拟环境中，并在一个真正的差分驱动机器人在具有挑战性的密集室内场景与几个步行行人。我们将我们的方法与最先进的碰撞避免方法进行比较，并观察到成功率（增加33%），违反动力学约束的次数（减少61%）和平滑度方面的显着改善。我们还进行消融研究，以突出我们的观察空间制定和奖励结构的优势。
2020-11-26 cs.RO
