Embodied AI Daily具身智能科研日报

具身智能早报

关注机器人研究、开源与产业的新进展

‹ ›
具身智能日报 · 2026-10-23
本期导读

本期整理机器人学习、系统与工具的研究进展;各条附来源依据与阅读边界。

9 条内容 · 2 篇重点解读 · 7 条简讯

CW-WAM: A Structured Contact-Wrench World Action Model for Force-Sensitive Manipulation:Fig. 2: CW-WAM jointly predicts video, motion, and wrench from visual observations, language, robot state, and interaction history. Paired motion–wrench tokens capture recent interactions, while long-term wrench memory retains earlier contact information. Pair-causal attention links each future wrench to its paired action and earlier pairs. The model jointly denoises the three streams using separate predictio
Fig. 2: CW-WAM jointly predicts video, motion, and wrench from visual observations, language, robot state, and interaction history. Paired motion–wrench tokens capture recent interactions, while long-term wrench memory retains earlier contact information. Pair-causal attention links each future wrench to its paired action and earlier pairs. The model jointly denoises the three streams using separa图源:论文作者 / arXiv
arXiv cs.RO精读

CW-WAM: A Structured Contact-Wrench World Action Model for Force-Sensitive Manipulation

Houzhu Ding、Xinda Qi 等 · 4 位作者

CW-WAM 在世界动作模型中联合预测视频、运动与接触力矩,采用成对因果注意力机制结构化运动-力矩依赖,并通过长固定长度力矩记忆保留历史交互信息;预测力矩作为 20Hz 外环导纳控制器的力参考,构成慢-快控制系统。 相比无力矩输入的 WAM 基线,CW-WAM 将方榫插入成功率从 25% 提升至 70%,电源适配器插入成功率从 40% 提升至 95%;在成功执行中,预测力矩反馈使榫插入力跟踪 RMSE 从 4.8N 降至 2.7N,擦白板任务从 2.0N 降至 1.3N。

模型与系统优化force_sensitive_manipulationwrench_prediction
论文
展开解读与证据

CW-WAM 在世界动作模型中联合预测视频、运动与接触力矩,采用成对因果注意力机制结构化运动-力矩依赖,并通过长固定长度力矩记忆保留历史交互信息;预测力矩作为 20Hz 外环导纳控制器的力参考,构成慢-快控制系统。 相比无力矩输入的 WAM 基线,CW-WAM 将方榫插入成功率从 25% 提升至 70%,电源适配器插入成功率从 40% 提升至 95%;在成功执行中,预测力矩反馈使榫插入力跟踪 RMSE 从 4.8N 降至 2.7N,擦白板任务从 2.0N 降至 1.3N。

为什么值得关注

CW-WAM 在世界动作模型中联合预测视频、运动与接触力矩,采用成对因果注意力机制结构化运动-力矩依赖,并通过长固定长度力矩记忆保留历史交互信息;预测力矩作为 20Hz 外环导纳控制器的力参考,构成慢-快控制系统。

研究问题

力敏感操作需要接触与负载信息,但视觉观测无法显式提供;纯视觉世界动作模型在紧密装配或负载变化任务中易因缺乏力反馈而导致卡阻或失败。

方法原理

CW-WAM 在世界动作模型中联合预测视频、运动与接触力矩,采用成对因果注意力机制结构化运动-力矩依赖,并通过长固定长度力矩记忆保留历史交互信息;预测力矩作为 20Hz 外环导纳控制器的力参考,构成慢-快控制系统。

结果与证据

相比无力矩输入的 WAM 基线,CW-WAM 将方榫插入成功率从 25% 提升至 70%,电源适配器插入成功率从 40% 提升至 95%;在成功执行中,预测力矩反馈使榫插入力跟踪 RMSE 从 4.8N 降至 2.7N,擦白板任务从 2.0N 降至 1.3N。

阅读边界
评估覆盖四个真机任务(方榫插入、电源适配器插入、白板擦拭、负重举升),使用手动调节的反馈增益与预定义顺应方向;四步模型查询耗时约 0.5–0.6 秒,导纳校正以 20Hz 运行,关节阻抗控制器以 1kHz 跟踪。 依据本次返回的正文节选整理,未核验未返回的章节、附录或独立复现。

作者:Houzhu Ding、Xinda Qi、Luqi Wang、Ming Yang

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

AtomicRL: Atomic Reinforcement Learning for Long-Horizon Robotic Manipulation:Figure 2: Overall pipeline of AtomicRL. (a) Progress–Completion Critic: PCC identifies atomic task boundaries and estimates atomic task progress from interaction histories. (b) Semantic-Aware Policy Optimization: SAPO uses these signals to regulate cross-subtask advantage propagation based on subtask execution outcomes. (c) Bottleneck-Adaptive Targeted Exploration: BATE adapts task sampling and local exploration accord
Figure 2: Overall pipeline of AtomicRL. (a) Progress–Completion Critic: PCC identifies atomic task boundaries and estimates atomic task progress from interaction histories. (b) Semantic-Aware Policy Optimization: SAPO uses these signals to regulate cross-subtask advantage propagation based on subtask execution outcomes. (c) Bottleneck-Adaptive Targeted Exploration: BATE adapts task sampling and lo图源:论文作者 / arXiv
arXiv cs.CV filtered精读

AtomicRL: Atomic Reinforcement Learning for Long-Horizon Robotic Manipulation

Likui Zhang、Zhe Zhu 等 · 10 位作者

AtomicRL 提出语义感知策略优化(SAPO),通过语义门控阻止失败原子子任务的 TD 残差跨边界传播以缓解信用污染;同时引入瓶颈自适应目标探索(BATE),根据各原子子任务掌握度动态协调任务采样与局部探索激励。 Real2Sim2Real 管线使用单条真实演示重建交互式仿真环境用于在线 RL 训练,但策略初始化仍需 100 条专家演示进行 SFT;训练后策略通过统一接口规范直接部署至物理机器人进行评估。 在 LIBERO-LONG 上,AtomicRL 相比 PPO 在两种 VLA 架构上分别取得 3.6% 和 4.0% 的绝对性能提升;在 CALVIN ABC-D 上全五子任务链完成率提升 9.5%;结合 Real2Sim2Real 管线,真机长程任务平均成功率提升 21.3%。

学习与仿真reinforcement_learninglong_horizon_manipulation
论文
展开解读与证据

AtomicRL 提出语义感知策略优化(SAPO),通过语义门控阻止失败原子子任务的 TD 残差跨边界传播以缓解信用污染;同时引入瓶颈自适应目标探索(BATE),根据各原子子任务掌握度动态协调任务采样与局部探索激励。 Real2Sim2Real 管线使用单条真实演示重建交互式仿真环境用于在线 RL 训练,但策略初始化仍需 100 条专家演示进行 SFT;训练后策略通过统一接口规范直接部署至物理机器人进行评估。 在 LIBERO-LONG 上,AtomicRL 相比 PPO 在两种 VLA 架构上分别取得 3.6% 和 4.0% 的绝对性能提升;在 CALVIN ABC-D 上全五子任务链完成率提升 9.5%;结合 Real2Sim2Real 管线,真机长程任务平均成功率提升 21.3%。

为什么值得关注

AtomicRL 提出语义感知策略优化(SAPO),通过语义门控阻止失败原子子任务的 TD 残差跨边界传播以缓解信用污染;同时引入瓶颈自适应目标探索(BATE),根据各原子子任务掌握度动态协调任务采样与局部探索激励。 Real2Sim2Real 管线使用单条真实演示重建交互式仿真环境用于在线 RL 训练,但策略初始化仍需 100 条专家演示进行 SFT;训练后策略通过统一接口规范直接部署至物理机器人进行评估。

研究问题

VLA 模型在长程操作中仅靠模仿学习难以掌握复杂技能,而现有 RL 方法因轨迹级稀疏奖励导致信用分配延迟与偏差,且子任务掌握不均衡形成瓶颈限制整体性能。

方法原理

AtomicRL 提出语义感知策略优化(SAPO),通过语义门控阻止失败原子子任务的 TD 残差跨边界传播以缓解信用污染;同时引入瓶颈自适应目标探索(BATE),根据各原子子任务掌握度动态协调任务采样与局部探索激励。 Real2Sim2Real 管线使用单条真实演示重建交互式仿真环境用于在线 RL 训练,但策略初始化仍需 100 条专家演示进行 SFT;训练后策略通过统一接口规范直接部署至物理机器人进行评估。

结果与证据

在 LIBERO-LONG 上,AtomicRL 相比 PPO 在两种 VLA 架构上分别取得 3.6% 和 4.0% 的绝对性能提升;在 CALVIN ABC-D 上全五子任务链完成率提升 9.5%;结合 Real2Sim2Real 管线,真机长程任务平均成功率提升 21.3%。

阅读边界
实验主要聚焦桌面长程操作任务且从 SFT 策略初始化 RL;在线 RL 仍需大量环境交互与训练时间,真机训练成本依然较高;在更开放动态任务及具身泛化场景下的有效性尚待验证。 依据本次返回的正文节选整理,未核验未返回的章节、附录或独立复现。

作者:Likui Zhang、Zhe Zhu、Zhihao Zhan、Yibo Bai、Hanlin Wang、Dongwei Li、Bin Wang、Tianle Zhang、Xiaodan Liang、Liang Lin

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

RangeNav 提出仅 183k 参数的 LiDAR range-image 编码器,采用各向异性卷积与循环填充处理极端宽高比与方位角接缝,通过融合距离重建、语义分割与 BEV 预测的导航对齐目标进行纯合成数据预训练后冻结用于策略学习。 依据摘要整理:在仿真中加入语义与 BEV 监督使程序生成训练环境与分布外真实测试环境的成功率分别比纯重建基线平均提升 32.03 和 23.73 个百分点;Unitree B2-W 四足机器人零样本部署可在密集人群、低光及施工区域稳健导航。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

CADRE 构建开源因果扩散表示自编码器家族,成员仅在冻结特征上的小瓶颈处不同,共享自蒸馏至一步或少步的扩散解码器;在同一世界模型上跨操作与导航两域四环境系统评估时空压缩权衡。 依据摘要整理:研究发现强压缩下扩散解码器比感知回归更清晰;操作中时间压缩在自编码器内比在世界模型内更有效;操作与导航对压缩需求相反(静止相机适合时间压缩,移动相机适合空间压缩);静止相机下粗空间 token 对运动的损害远大于图像质量。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

PhysiCalWorld 通过将测试场景中采集的探索性交图片段编码为紧凑物理描述符 token,以 in-context prompting 方式校准动作条件世界模型的实例级动力学,无需微调或解析物理建模,推理时描述符提取一次即可跨 rollout 复用。 依据摘要整理:在四个涵盖多样物理变化的环境中,该方法显著提升 rollout 预测精度与视觉规划成功率;所学描述符形成物理结构化潜空间并可泛化至训练未见过的物理参数范围。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

DONIC 是首个跨操作类别与人体动作源联合训练的通用双手灵巧跟踪策略,结合 PPO 与行为克隆并将验证成功的执行回收为训练演示;配套发布 BiHOI 多视角数据集(1,575 序列、229 物体),强调持续双手交互并将重建交互重定向为机器人参考。 依据摘要整理:无需微调,单一 checkpoint 在训练物体的未见轨迹上达 86.79% 成功率,在留出物体上达 57.32%,分别超越当时最优双手跟踪基线 77.36 和 45.73 个百分点。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

Industrial ReMEmbR 将时空记忆扩展至机器人车队,在 Jetson 端侧用 Cosmos-Embed1、Cosmos3-Edge 与 Wan2.2 VAE 将视频片段编码为检索嵌入、视觉 token 与重建潜变量而不上传原始帧;Cosmos3-Edge 在视觉-语言边界拆分,视觉编码器在机器人端,语言解码器在本地服务器按需查询缓存 token 生成描述。 依据摘要整理:该设计消除写入时的字幕生成开销,缓存 token 解码在全部 450 次测试中复现未拆分模型的输出;编码模型复用于人员检测并置零图像块以支持 GDPR 合规的个人隐私抽象。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

提出后验核方差头,从单一 VLA 策略的嵌入估计认知不确定性,每个头计算以训练演示嵌入为条件的高斯过程条件方差,拟合无需回归目标或梯度更新且不修改原策略。 依据摘要整理:在 SmolVLA + LIBERO-10 实验中,核方差头在任务级成功率相关性、主动学习演示获取及转介强监督策略方面与双策略集成得分表现相当,但将不确定性评分耗时降低约 50 倍并大幅减少部署成本。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…

依据公告摘要整理:NVIDIA 宣布扩展 Isaac 开放机器人开发平台,新增参考人形机器人、数据集与运行时,并更新机器人学习框架与仿真管线,旨在支持通用机器人研发。

更多

依据摘要或发行说明整理,未核验完整正文或独立复现。

追问 / 纠错 / 阅读偏好 · 交给 Agent

评论 · —

昵称自填。评论会展示给其他读者,请勿填写私人信息。

正在读取评论…