PDF-HR: Pose Distance Fields for Humanoid Robots
PDF-HR：人形机器人姿态距离场
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO、cs.CV
AI总结 PDF-HR通过构建姿态距离场，为人类机器人提供轻量级先验，提升姿态优化与控制性能。
Comments \href{https://gaoyukang33.github.io/PDF-HR/}{Project page}
视觉与机器人
机器人 / 具身智能
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
1. 模仿学习与强化学习 4126 篇
Reparameterization Flow Policy Optimization
重参数化流策略优化
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出重参数化流策略优化方法，通过联合反向传播流生成过程和系统动力学，提升模型驱动强化学习的样本效率和探索能力。
Task-Centric Policy Optimization from Misaligned Motion Priors
以任务为导向的策略优化从不一致的运动先验
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出任务导向的运动先验框架，通过将模仿视为条件正则化器，提升任务性能并抑制有害模仿，验证了在嘈杂示范下的鲁棒性。
Comments Work requires further details and not complete yet
HumanX: Toward Agile and Generalizable Humanoid Interaction Skills from Human Videos
HumanX: 向通过人类视频实现敏捷且可推广的人形交互技能迈进
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO、cs.LG
AI总结 HumanX通过人类视频实现敏捷且可推广的人形交互技能，无需任务特定奖励，展示出高泛化能力。
VLM-Guided Experience Replay
基于VLM的经验回放
机构 * Nvidia Research（英伟达研究）
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出利用VLMs指导经验回放，提升强化学习中样本效率和成功率。
Effective Online 3D Bin Packing with Lookahead Parcels Using Monte Carlo Tree Search
有效在线三维装箱使用蒙特卡洛树搜索和前瞻性包裹
机构 * Key Lab of High Confidence Software Technologies (Peking University), Ministry of Education China（高可信软件技术重点实验室（北京大学）） ； Faculty of Computing, Harbin Institute of Technology, Harbin, China（计算机学院，哈尔滨工业大学，哈尔滨，中国） ； JD Logistic, Beijing, China（京东物流，北京，中国） ； School of Computer Science, Peking University, Beijing, China（计算机科学学院，北京大学，北京，中国）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出了一种基于蒙特卡洛树搜索和前瞻性包裹的在线三维装箱方法，通过动态探索先验平衡强化学习策略与稳健随机策略，有效应对物流中的短期分布变化，实现显著的装箱效率提升。
1000 Layer Networks for Self-Supervised RL: Scaling Depth Can Enable New Goal-Reaching Capabilities
1000层网络用于自监督强化学习：增加深度可以启用新的目标到达能力
机构 * Princeton University（普林斯顿大学） ； Warsaw University of Technology（华沙理工大学） ； Tooploox ； IDEAS Research Institute（IDEAS研究所）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出通过增加网络深度至1024层，显著提升自监督强化学习的目标到达能力，实验显示性能提升达2-50倍。
Comments Link to project website: https://wang-kevin3290.github.io/scaling-crl/
ZEST: Zero-shot Embodied Skill Transfer for Athletic Robot Control
ZEST：零样本具身技能迁移用于竞技机器人控制
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.AI
AI总结 ZEST通过强化学习从多种数据源训练策略，实现零样本具身技能迁移，使机器人能执行复杂动态行为。
IRL-DAL: Safe and Adaptive Trajectory Planning for Autonomous Driving via Energy-Guided Diffusion Models
IRL-DAL：通过能量引导扩散模型实现自动驾驶的安全自适应轨迹规划
机构 * Department of Electrical Engineering, Amirkabir University of Technology (Tehran Polytechnic)（电气工程系，阿米尔卡比尔技术大学（德黑兰理工大学））
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出IRL-DAL框架，通过能量引导扩散模型实现自动驾驶的安全自适应轨迹规划，结合模仿学习与强化学习，提升行驶安全性和鲁棒性。
Training slow silicon neurons to control extremely fast robots with spiking reinforcement learning
训练慢硅神经元以通过脉冲强化学习控制极快的机器人
机构 * Institute of Neuroinformatics, UZH and ETH Zurich（神经信息研究所，苏黎世联邦理工学院和苏黎世联邦理工学院） ； Istituto Italiano di Tecnologia（意大利技术研究所） ； Technical University of Munich（慕尼黑技术大学） ； Natl. Center for Radiation Protection and Computational Physics, Istituto Superiore di Sanità（辐射防护与计算物理国家中心，意大利卫生超级研究所） ； Digital Society Initiative, University of Zurich（数字社会倡议，苏黎世大学）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.AI
AI总结 通过脉冲强化学习训练慢硅神经元，实现高速机器人控制，展示脑启发方法在快速互动任务中的有效性。
Scaling Offline Model-Based RL via Jointly-Optimized World-Action Model Pretraining
通过联合优化的世界-动作模型扩展离线模型基于的强化学习
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Alibaba Group（阿里巴巴集团）
专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 JOWA通过联合优化的世界-动作模型扩展离线RL，实现高效泛化和高性能
Comments Accepted by ICLR 2025
Bayes Adaptive Monte Carlo Tree Search for Offline Model-based Reinforcement Learning
贝叶斯自适应蒙特卡洛树搜索用于离线模型驱动强化学习
机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出贝叶斯自适应蒙特卡洛树搜索算法，用于提升离线模型驱动强化学习的性能，显著优于现有方法。
Comments This paper is accepted in ICLR 2026
Trust, Don't Trust, or Flip: Robust Preference-Based Reinforcement Learning with Multi-Expert Feedback
信任、不信任或翻转：基于多专家反馈的鲁棒偏好基于强化学习
机构 * K. N. Toosi University of Technology（K. N. Toosi大学） ； Amirkabir University of Technology（阿美尔卡比尔技术大学） ； The University of Tokyo（东京大学）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.AI、cs.LG
AI总结 TriTrust-PBRL通过多专家反馈联合学习奖励模型和信任参数，实现对抗性偏好下的鲁棒偏好强化学习。
Comments Equal contribution: Seyed Amir Hosseini and Maryam Abdolali. Corresponding author: Maryam Abdolali (maryam.abdolali@kntu.ac.ir)
Reinforcement Learning-Based Energy-Aware Coverage Path Planning for Precision Agriculture
基于强化学习的能源感知覆盖路径规划用于精准农业
机构 * EECS Department, South Dakota State University（南达科他州立大学电子工程与计算机科学系）
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出基于SAC强化学习的能源感知覆盖路径规划方法，通过CNN和LSTM优化覆盖效率与能耗，实验显示其在精准农业中覆盖效率和能耗控制优于传统算法。
Comments Accepted by RACS '25: International Conference on Research in Adaptive and Convergent Systems, November 16-19, 2025, Ho Chi Minh, Vietnam. 10 pages, 5 figures
Journal ref Proceedings of the 2025 International Conference on Research in Adaptive and Convergent Systems.(2025)
UACER: An Uncertainty-Adaptive Critic Ensemble Framework for Robust Adversarial Reinforcement Learning
UACER：一种用于鲁棒对抗强化学习的不确定性自适应批评者集合框架
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.AI、cs.LG
AI总结 UACER通过多样化批评者集合和时间变化衰减不确定性机制，提升鲁棒对抗强化学习的稳定性与性能。
Object-Centric Latent Action Learning
基于对象的潜在动作学习
专题命中 模仿学习与强化学习 ：embodied AI(abstract)；分类 cs.AI、cs.CV
AI总结 本文提出了一种基于对象的潜在动作学习框架，通过自监督对象中心预训练解耦代理与干扰背景动态，提升动作标签的鲁棒性，从而改善模仿学习和代理适应效率。
Comments Accepted by AAAI 2026 (Oral). Source code: https://github.com/dunnolab/object-centric-lapo
MimicKit: A Reinforcement Learning Framework for Motion Imitation and Control
MimicKit：一种用于运动模仿与控制的强化学习框架
机构 * Simon Fraser University（西蒙弗雷泽大学） ； NVIDIA（英伟达）
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO、cs.LG
AI总结 MimicKit 通过运动模仿和强化学习结合，提供统一的运动控制训练框架，支持计算机图形学和机器人学的研究与应用。
Robust Single-Agent Reinforcement Learning for Regional Traffic Signal Control Under Demand Fluctuations
鲁棒的单智能体强化学习用于应对需求波动的区域交通信号控制
专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种鲁棒的单智能体强化学习框架，用于应对交通需求波动的区域交通信号控制，通过集中决策和高效学习模型有效减少交通队列长度。
Comments A critical error in the methodology. The reported congestion control effects were not caused by the proposed signal timing optimization, but by an incorrect traffic volume scaling factor during evaluation. The traffic demand was not properly amplified, resulting in misleading performance gains. Due to the substantial nature of the error, completion of revisions is not feasible in the short term
Thermodynamic Focusing for Inference-Time Search: Practical Methods for Target-Conditioned Sampling and Prompted Inference
推理时间搜索的热力学聚焦：目标条件采样和提示推理的实用方法
机构 * Zhan Zhang（张湛）
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出ICFA算法，通过目标条件重新加权提升推理时间搜索效率，结合结构化提示与混合架构实现更高效的样本利用。
Comments 4 pages
Planning as Descent: Goal-Conditioned Latent Trajectory Synthesis in Learned Energy Landscapes
规划作为下降：在学习的能量景观中进行目标条件化潜在轨迹合成
机构 * University of Alicante（阿利坎特大学）
专题命中 模仿学习与强化学习 ：manipulation(abstract)；分类 cs.RO、cs.AI
AI总结 PaD通过学习目标条件化能量函数实现离线无奖励规划，以验证为基础进行轨迹合成，取得95%的成功率并优于现有方法。
Coordinated Anti-Jamming Resilience in Swarm Networks via Multi-Agent Reinforcement Learning
通过多智能体强化学习实现蜂群网络中的协同抗干扰韧性
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出基于QMIX算法的多智能体强化学习框架，用于提升蜂群网络在反应式干扰下的通信韧性，通过仿真验证其在对抗环境中的有效性。
Automatic Reward Shaping from Multi-Objective Human Heuristics
多目标人类启发式自动奖励塑造
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.AI、cs.LG
AI总结 MORSE通过双层优化框架自动整合多目标人类启发式奖励，提升机器人任务性能。
Meta Policy Switching for Secure UAV Deconfliction in Adversarial Airspace
元策略切换用于对抗性空域中的安全无人机脱困
机构 * Faculty of Engineering and Applied Sciences, Cranfield University（工程与应用科学学院，克兰菲尔德大学）
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.AI、cs.LG
AI总结 本研究提出元策略切换框架，通过动态选择稳健策略提升无人机在对抗性空域中的安全导航能力。
Generalizable Collaborative Search-and-Capture in Cluttered Environments via Path-Guided MAPPO and Directional Frontier Allocation
在 cluttered 环境中通过路径引导的 MAPPO 和方向性前沿分配实现可泛化的协作搜索与捕获
机构 * Department of Automation, Central South University, Changsha, China（自动化系，中南大学，长沙，中国）
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出 PGF-MAPPO 方法，通过路径引导的 MAPPO 和方向性前沿分配，在 cluttered 环境中实现高效的协作搜索与捕获，展示了出色的泛化能力和性能优势。
Comments 7 pages, 7 figures
Prediction-aware and Reinforcement Learning based Altruistic Cooperative Driving
具有预测意识和强化学习的利他性协作驾驶
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出一种基于预测意识和强化学习的自动驾驶方法，通过混合预测网络和社交优化框架提升安全性和鲁棒性。
Quantization-Free Autoregressive Action Transformer
无量化自回归动作变压器
机构 * University of Tübingen（图宾根大学） ； Google DeepMind（谷歌DeepMind） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
专题命中 模仿学习与强化学习 ：robotics(abstract)；分类 cs.RO、cs.LG
AI总结 无量化自回归动作变压器通过生成无限词汇变换器直接参数化连续策略，简化流程并提升在模拟机器人任务中的性能。
Journal ref 39th Conference on Neural Information Processing Systems, 2025
Momentum-constrained Hybrid Heuristic Trajectory Optimization Framework with Residual-enhanced DRL for Visually Impaired Scenarios
具有残差增强深度强化学习的动量约束混合启发式轨迹优化框架用于视障场景
专题命中 模仿学习与强化学习 ：navigation(abstract)；分类 cs.RO、cs.AI
AI总结 本文提出一种结合残差增强深度强化学习的动量约束混合启发式轨迹优化框架，用于提升视障场景下的导航鲁棒性与安全性。
Comments Upon further internal evaluation, we found that the current version does not adequately represent the clarity and completeness that we intend for this work. To avoid possible misunderstanding caused by this preliminary form, we request withdrawal. A refined version will be prepared privately before any further dissemination
medDreamer: Model-Based Reinforcement Learning with Latent Imagination on Complex EHRs for Clinical Decision Support
medDreamer：基于复杂电子病历的潜在想象的模型驱动强化学习用于临床决策支持
机构 * National University of Singapore（新加坡国立大学）
专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 medDreamer通过结合潜在想象和自适应特征集成模块，实现基于复杂电子病历的模型驱动强化学习，以提升个性化治疗推荐的性能。
Deep RL Needs Deep Behavior Analysis: Exploring Implicit Planning by Model-Free Agents in Open-Ended Environments
深度强化学习需要深度行为分析：通过无模型智能体在开放性环境中探索隐式规划
机构 * Department of Neurobiology, Harvard Medical School（哈佛医学院神经生物学系） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究学院） ； Department of Mathematics, NTNU（NTNU数学系） ； School of Computer Science, McGill University & Mila（麦吉尔大学计算机科学学院及Mila） ； Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Biophysics Graduate Program, Harvard University（哈佛大学生物物理学研究生项目）
专题命中 模仿学习与强化学习 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过ForageWorld环境研究DRL智能体的行为，发现无模型智能体可通过涌现动态展现规划行为，提出通用分析框架用于研究复杂智能体的学习动态。
Comments Published at NeurIPS 2025
Periodic Skill Discovery
周期性技能发现
专题命中 模仿学习与强化学习 ：robotic(abstract)；分类 cs.RO、cs.LG
AI总结 周期性技能发现（PSD）通过无监督学习发现具有不同周期的技能，提升复杂机器人任务中的表现和多样性。
Comments NeurIPS 2025
