机器人 / 具身智能

SLowRL: Safe Low-Rank Adaptation Reinforcement Learning for Locomotion

SLowRL: 安全低秩适应强化学习用于运动控制

Elham Daneshmand, Shafeef Omar, Glen Berseth, Majid Khadiv, Hsiu-Chin Lin

机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出SLowRL框架，结合低秩适应与安全约束，实现动态运动任务的高效安全强化学习调优，实验显示在真实机器人上细调时间减少46.5%且安全违规接近零。

ViSA: Visited-State Augmentation for Generalized Goal-Space Contrastive Reinforcement Learning

ViSA：基于已访问状态的通用目标空间对比强化学习增强

Issa Nakamura, Tomoya Yamanokuchi, Yuki Kadokawa, Jia Qu, Shun Otsub, Ken Miyamoto, Shotaro Miwa, Takamitsu Matsubara

机构 * Graduate School of Information Science, Nara Institute of Science and Technology (NAIST)（信息科学研究生院，奈良科学与技术研究所） ； Advanced Technology R&D Center, Mitsubishi Electric Corporation（三菱电机先进技术研发中心） 纠错

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出ViSA方法，通过生成增强状态样本和学习一致嵌入空间，提升目标空间泛化能力，实现对难访问目标的准确估值。

Comments 8 pages, 7 figures, under Review

System Design of the Ultra Mobility Vehicle: A Driving, Balancing, and Jumping Bicycle Robot

超机动车辆的系统设计：一种能骑行、平衡和跳跃的自行车机器人

Benjamin Bokser, Daniel Gonzalez, Aaron Preston, Alex Bahner, Annika Wollschläger, Arianna Ilvonen, Asa Eckert-Erdheim, Ashwin Khadke, Bilal Hammoud, Dean Molinaro, Fabian Jenelten, Henry Mayne, Howie Choset, Igor Bogoslavskyi, Itic Tinman, James Tigue, Jan Preisig, Kaiyu Zheng, Kenny Sharma, Kim Ang, Laura Lee, Liana Margolese, Nicole Lin, Oscar Frias, Paul Drews, Ravi Boggavarapu, Rick Burnham, Samuel Zapolsky, Sangbae Kim, Scott Biddlestone, Sean Mayorga, Shamel Fahmi, Surya Singh, Tyler McCollum, Velin Dimitrov, William Moyne, Yu-Ming Chen, Farbod Farshidian, Marco Hutter, David Perry, Al Rizzi, Gabe Nelson

机构 * Robotics and AI Institute (RAI)（机器人与人工智能研究所） ； Robotics Institute（机器人研究所） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出了一种结合自行车和反冲质量的超机动车辆，通过仿真驱动设计优化实现动态移动，展示零样本迁移的多样化运动行为，如站立、跳跃、轮跳和前翻。

Comments 17 Pages, 11 figures, 3 movies, 2 tables

Humanoid Goalkeeper: Learning from Position Conditioned Task-Motion Constraints

人形守门员：从位置条件任务-运动约束中学习

Junli Ren, Junfeng Long, Tao Huang, Huayi Wang, Zirui Wang, Feiyu Jia, Wentao Zhang, Jingbo Wang, Ping Luo, Jiangmiao Pang

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出一种强化学习框架，用于人形机器人在真实环境中自主守门。通过整合感知输入的多个人类动作先验，学习端到端RL策略，实现自然、动态的机器人与物体交互。

Cross-Domain Policy Optimization via Bellman Consistency and Hybrid Critics

跨领域策略优化 via 域间Bellman一致性与混合批评者

Ming-Hong Chen, Kuan-Chen Pan, You-De Huang, Xi Liu, Ping-Chun Hsieh

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.LG

AI总结 本文提出QAvatar方法，通过域间Bellman一致性与混合批评者解决跨领域RL中的可转移性问题，实现可靠的知识迁移。

Comments Accepted at ICLR 2026

Adversarial Reinforcement Learning for Detecting False Data Injection Attacks in Vehicular Routing

对抗性强化学习用于检测车联网中的虚假数据注入攻击

Taha Eghtesad, Yevgeniy Vorobeychik, Aron Laszka

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.AI

AI总结 本文提出基于对抗性强化学习的方法，用于检测车联网中的虚假数据注入攻击，通过纳什均衡策略优化检测效果，提升交通网络的鲁棒性。

MAVEN: A Meta-Reinforcement Learning Framework for Varying-Dynamics Expertise in Agile Quadrotor Maneuvers

MAVEN：一种用于敏捷四旋翼机动中动态变化专家技能的元强化学习框架

Jin Zhou, Dongcheng Cao, Xian Wang, Shuo Li

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.RO

AI总结 MAVEN通过元强化学习框架实现四旋翼无人机在动态变化中的稳健导航，具备快速适应和零样本仿真到现实的转移能力。

Safety-critical Control Under Partial Observability: Reach-Avoid POMDP meets Belief Space Control

安全关键控制在部分可观测性下：可达-避免POMDP与信念空间控制

Matti Vahs, Joris Verhagen, Jana Tumova

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO

AI总结 本文提出了一种基于信念空间的分层控制架构，通过信念控制李雅普诺夫函数和屏障函数实现安全关键控制，提升机器人在部分可观测环境中的任务成功率和安全性。

COHORT: Hybrid RL for Collaborative Large DNN Inference on Multi-Robot Systems Under Real-Time Constraints

COHORT: 基于混合强化学习的多机器人系统实时协同大规模深度神经网络推理

Mohammad Saeid Anwar, Anuradha Ravi, Indrajeet Ghosh, Gaurav Shinde, Carl Busart, Nirmalya Roy

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO

AI总结 COHORT通过混合强化学习策略，优化多机器人系统在实时约束下的大规模DNN推理，降低能耗并提升GPU利用率。

Comments Recently accepted at 27th IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks ( IEEE WoWMoM 2026)

Actor-Accelerated Policy Dual Averaging for Reinforcement Learning in Continuous Action Spaces

策略双平均加速器在连续动作空间强化学习中的应用

Ji Gao, Caleb Ju, Guanghui Lan, Zhaohui Tong

机构 * School of Chemical and Biomolecular Engineering, Georgia Institute of Technology, GA, USA（化学与生物分子工程学院，佐治亚理工学院，美国加利福尼亚州） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, GA, USA（H.米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院，美国加利福尼亚州） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.LG

AI总结 本文提出加速器PDA，通过学习策略网络加速连续动作空间中的强化学习，提升性能并保持收敛保证。

Reward-Zero: Language Embedding Driven Implicit Reward Mechanisms for Reinforcement Learning

Reward-Zero: 语言嵌入驱动的隐式奖励机制用于强化学习

Heng Zhang, Haddy Alchaer, Arash Ajoudani, Yu She

专题命中 模仿学习与强化学习 ：embodied agent(abstract)；分类 cs.LG

AI总结 Reward-Zero通过语言嵌入驱动的隐式奖励机制，提升强化学习的样本效率、泛化能力和可扩展性。

Comments under review

Residual Control for Fast Recovery from Dynamics Shifts

残差控制用于快速恢复动态偏移

Nethmi Jayasinghe, Diana Gontero, Francesco Migliarba, Spencer T. Brown, Vinod K. Sangwan, Mark C. Hersam, Amit Ranjan Trivedi

机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； Northwestern University（西北大学） 纠错

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO

AI总结 该研究提出了一种基于残差控制的稳定性对齐方法，通过约束扰动塑造实现快速恢复，无需重新训练即可应对动态偏移，显著减少恢复时间。

HiconAgent: History Context-aware Policy Optimization for GUI Agents

HiconAgent: 历史上下文感知的GUI代理策略优化

Xurui Zhou, Gongwei Chen, Yuquan Xie, Zaijing Li, Kaiwen Zhou, Shuai Wang, Shuo Yang, Zhuotao Tian, Rui Shao

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.CV

AI总结 HiconAgent通过历史上下文感知策略优化，高效利用历史信息，在GUI导航任务中实现更高的准确率和效率。

Learning From Failures: Efficient Reinforcement Learning Control with Episodic Memory

从失败中学习：利用片段记忆的高效强化学习控制

Chenyang Miao

机构 * Xi’an Jiaotong University（西安交通大学） 纠错

专题命中 模仿学习与强化学习 ：robot learning(abstract)；分类 cs.RO

AI总结 本文提出FEMA技术，通过存储失败经验防止机器人陷入不稳定状态，提升强化学习的样本效率和长期探索能力。

CDE: Concept-Driven Exploration for Reinforcement Learning

CDE：基于概念的强化学习探索

Le Mao, Andrew H. Liu, Renos Zabounidis, Yanan Niu, Zachary Kingston, Joseph Campbell

机构 * Department of Electrical and Computer Engineering, Purdue University（电子工程系，普渡大学） ； Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） ； Department of Management of Technology, EPFL（技术管理系，瑞士联邦理工学院） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO

AI总结 CDE通过利用预训练视觉-语言模型生成任务相关的视觉概念，提升强化学习中视觉任务的探索效率和鲁棒性。

Comments Preprint

Open-World Reinforcement Learning over Long Short-Term Imagination

开放世界长期短期想象强化学习

Jiajian Li, Qi Wang, Yunbo Wang, Xin Jin, Yang Li, Wenjun Zeng, Xiaokang Yang

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能大模型关键实验室、人工智能研究院、上海交通大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院、技术东院） ； School of Computer Science and Technology, East China Normal University（计算机科学与技术学院、华东师范大学） 纠错

专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.LG

AI总结 本文提出LS-Imagine方法，通过扩展想象 horizon 提高开放世界强化学习中长期收益的探索效率。

Comments Accepted by ICLR 2025 Oral. Project page: https://qiwang067.github.io/ls-imagine

Human-Object Interaction via Automatically Designed VLM-Guided Motion Policy

通过自动设计的VLM引导运动策略实现人-物交互

Zekai Deng, Ye Shi, Kaiyang Ji, Lan Xu, Shaoli Huang, Jingya Wang

机构 * ShanghaiTech University（上海科技大学） ； AgiBot 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.CV

AI总结 本文提出了一种基于VLMs的统一物理框架，通过自动设计的RMD方法实现人-物交互合成，提升了运动生成的自然性和通用性。

Comments iclr camera ready

Distributional value gradients for stochastic environments

分布价值梯度用于随机环境

Baptiste Debes, Tinne Tuytelaars

机构 * PSI KU Leuven（KU莱顿心理学研究所） 纠错

专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.LG

AI总结 本文提出分布式Sobolev训练方法，通过建模价值函数及其梯度的分布，提升在随机环境中的样本效率和稳定性。

Combinatorial Rising Bandits

组合上升老虎机

Seockbean Song, Youngsik Yoon, Siwei Wang, Wei Chen, Jungseul Ok

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.LG

AI总结 本文提出组合上升老虎机框架和CRUCB算法，解决组合老虎机中因基础臂增强传播导致的依赖问题，通过理论分析和实验验证其高效性和有效性。

Leveraging Discrete Function Decomposability for Scientific Design

利用离散函数分解进行科学设计

James C. Bowden, Sergey Levine, Jennifer Listgarten

专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.LG

AI总结 本文提出DADO算法，通过利用设计变量的分解结构，提升离散空间优化效率，用于科学设计问题。

Multi-Objective Reinforcement Learning for Large-Scale Tote Allocation in Human-Robot Collaborative Fulfillment Centers

大规模人机协作分拣中心中的多目标强化学习用于托盘分配

Sikata Sengupta, Guangyi Liu, Omer Gottesman, Joseph W Durham, Michael Kearns, Aaron Roth, Michael Caldara

机构 * Department of Computer and Information Science, University of Pennsylvania, Philadelphia, PA, USA（计算机与信息科学系，宾夕法尼亚大学，费城，PA，USA） ； Amazon（亚马逊） 纠错

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.LG

AI总结 本文提出了一种多目标强化学习方法，用于解决大规模人机协作分拣中心中的托盘分配问题，通过权衡处理速度、资源使用和空间利用等目标，实现了高效且满足约束的策略学习。

Imagine a City: CityGenAgent for Procedural 3D City Generation

想象一座城市：CityGenAgent用于程序化3D城市生成

Zishan Liu, Zecong Tang, RuoCheng Wu, Xinzhe Zheng, Jingyu Hu, Ka-Hei Hui, Haoran Xie, Bo Dai, Zhengzhe Liu

机构 * Lingnan University, Hong Kong SAR, China（岭南大学） ； Zhejiang University, Hangzhou, China（浙江大学） ； The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Autodesk AI Lab, Canada（Autodesk AI实验室） ； The University of Hong Kong, Hong Kong SAR, China（香港大学） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.CV

AI总结 CityGenAgent通过自然语言驱动的分层程序化生成方法，实现了高质量3D城市生成，提升了语义对齐、视觉质量和可控性。

PanoEnv: Exploring 3D Spatial Intelligence in Panoramic Environments with Reinforcement Learning

PanoEnv：探索基于强化学习的全景环境中3D空间智能

Zekai Lin, Xu Zheng

机构 * University of Glasgow（格拉斯哥大学） ； HKUST(GZ)（香港科技大学（广州）） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.CV

AI总结 PanoEnv通过强化学习框架提升VLMs在全景环境中3D空间推理能力，实现更高准确率和语义评分。

Gauss-Newton accelerated MPPI Control

Gauss-Newton加速的MPPI控制

Hannes Homburger, Katrin Baumgärtner, Moritz Diehl, Johannes Reuter

机构 * Institute of System Dynamics, HTWG Konstanz - University of Applied Sciences（系统动力学研究所，霍特廷根应用科学大学） ； Department of Microsystems Engineering (IMTEK), University of Freiburg（微系统工程系（IMTEK），弗赖堡大学） ； Department of Microsystems Engineering (IMTEK)（微系统工程系（IMTEK）） ； Department of Mathematics, University of Freiburg（数学系，弗赖堡大学） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO

AI总结 本文提出Gauss-Newton加速的MPPI方法，通过结合雅可比重构和二次广义高斯-牛顿方法，提升MPPI在高维问题中的可扩展性和计算效率。

Comments 6 pages, 3 figures, submitted to the IFAC World Congress 2026, parts of this preprint are directly taken from Chapter 3 of the main author's PhD thesis with title "Optimal Control for Efficient Vessel Operation: From Theory to Real-World Applications"

Effective Reinforcement Learning Control using Conservative Soft Actor-Critic

通过保守的软演员-评论家实现有效的强化学习控制

Zhiwei Shang, Xinyi Yuan, Wenjun Huang, Yunduan Cui, Di Chen, Meixin Zhu

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）数据科学学院） ； Graduate School of Engineering Science, Osaka University, Japan（大阪大学工学研究科） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, China（中国科学院深圳先进技术研究院） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University, Hong Kong SAR, China（香港理工大学电子与电气工程系） ； School of Transportation, Southeast University, China（东南大学交通运输学院） 纠错

专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出保守的软演员-评论家算法，通过熵和相对熵正则化提升强化学习控制的稳定性与效率。

Comments 8 pages, 9 figures

Towards Bridging the Gap between Large-Scale Pretraining and Efficient Finetuning for Humanoid Control

迈向大规模预训练与高效微调之间的人形机器人控制的桥梁

Weidong Huang, Zhehan Li, Hangxin Liu, Biao Hou, Yao Su, Jingwen Zhang

机构 * State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； School of Artificial Intelligence, Xidian University（人工智能学院，西安电子科技大学） 纠错

专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.RO

AI总结 本文提出了一种结合大规模预训练与高效微调的方法，利用SAC实现人形机器人零样本部署，并通过基于模型的方法提升适应效率。

Comments ICLR 2026

Near-Optimal Sample Complexity for Online Constrained MDPs

在线约束马尔可夫决策过程的近最优样本复杂度

Chang Liu, Yunfan Li, Lin F. Yang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.LG

AI总结 本文提出了一种基于模型的对偶算法，解决了在线约束马尔可夫决策过程的安全性问题，证明了在允许小规模违规的情况下，算法能以近最优样本复杂度生成安全策略。

Journal ref NeurIPS 2025

MoRL: Reinforced Reasoning for Unified Motion Understanding and Generation

MoRL: 用于统一运动理解与生成的强化推理

Hongpeng Wang, Zeyu Zhang, Wenhao Li, Hao Tang

机构 * The University of Sydney（悉尼大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.CV

AI总结 MoRL通过结合监督微调和强化学习，提升运动理解与生成的推理能力和现实感，并引入链式运动方法和大规模CoT数据集以增强推理效果。

How Swarms Differ: Challenges in Collective Behaviour Comparison

群集行为的差异：集体行为比较中的挑战

André Fialho Jesus, Jonas Kuckling

机构 * Department of Computer and Information Science（计算机与信息科学系） ； Centre for the Advanced Study of Collective Behaviour（集体行为高级研究中心） ； Zukunftskolleg（未来学院） 纠错

专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO

AI总结 本文研究了群集行为比较中的挑战，提出了一种基于自组织映射的方法来识别特征空间中难以区分行为的区域。

Comments Accepted for publication in the proceeding of ANTS 2026 - 15th International Conference on Swarm Intelligence

Scaling Single Human Demonstrations for Imitation Learning using Generative Foundational Models

通过生成基础模型扩展单人示范用于模仿学习

Nick Heppert, Minh Quang Nguyen, Abhinav Valada

机构 * Computer Science, University of Freiburg（弗赖堡大学计算机科学系） ； Zuse School ELIZA（泽乌斯学校ELIZA） 纠错

专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO

AI总结 通过生成基础模型扩展单人示范用于模仿学习，实现从单人示范到机器人任务的高效训练与泛化

Comments ICRA 2026, 8 pages, 6 figures, 4 tables