DOBB：面向状态不确定性与异构动力学的多智能体避碰动态定向边界框
DOBB 将状态估计、不确定性和智能体响应特性映射为动态、方向相关的安全裕度，提升学习式去中心化多智能体避碰的可靠性。其在四个评估环境中的平均总失败率最低，为 2.6%；面对执行动力学和状态估计不确定性的分布外变化，各测试条件下碰撞失败率均不高于 2.3%。
#具身智能
arXiv 机器人论文摘要 arXiv 机器人论文摘要 RoboACE：用于机器人自我改进的对抗式协同进化框架
RoboACE 围绕冻结的基础模型协同演化课程与执行框架，使机器人智能体从执行反馈中改进技能、规划和恢复策略。其冻结部署在四组 LIBERO 系列评测中表现更优，并在 LIBERO-PRO 达到 74.0% 成功率，较初始部署提高 15.0 个百分点，较 VLA 控制器直接执行提高 13.5 个百分点。
arXiv 机器人论文摘要精选 VLA 中有多少能力来自 kNN 检索
研究发现，在无需策略训练的情况下，检索相近演示并复用其动作块即可在 LIBERO 上达到 91.7% 成功率，而 VLA 模型已超过 95%。在 LIBERO-Plus 扰动下，检索方法在所有受评策略中降幅最小；对九个公开 VLA 的分析显示，微调主要让视觉语言骨干成为更好的检索键，其动作仍接近演示数据。
推荐理由：通过无策略训练的检索基线与九个公开 VLA 对照，研究呈现了 LIBERO 高分中训练演示复用的潜在比重。
arXiv 机器人论文摘要 CAFE：无需实例特定指令的闭环自主任务制定与执行
CAFE 在无需实例特定目标或动作序列的情况下，根据场景自主制定并执行清洁、安全及收纳整理任务。它通过在线记忆、Trigger-LLM 以及 Draft、Complete、Audit 环节连接任务发现、执行与结果修正；在 12 个 AI2-THOR 场景中，Tri-LLM 在三种骨干模型和各任务复杂度层级上的 GCR 均高于受评基线。
arXiv 机器人论文摘要 Robo-MLT：面向长时程医学实验室任务的双系统机器人操作框架
Robo-MLT 通过显式工作流监控与学习式动作生成协同执行长时程医学实验室任务，并在执行阶段变化时重新规划。其血气分析和血样管分拣成功率分别达 82% 和 70%，比 $\pi_{0.5}$ 高 30 和 22 个百分点；操作员移走当前样本后，系统仍可调整计划并继续处理其他样本。
arXiv 机器人论文摘要 面向欠驱动直立身体辅助的地面反作用力感知模型预测控制
GRF-MPC 将实时地面反作用力与压力中心测量纳入人体质心动力学模型，以欠驱动 4 缆配置实现直立身体辅助。近 300 次试验中，其峰值平面质心误差降低 19.6%，轨迹跟踪误差降低 24.1%，净机械功减少 28.7%，归一化自主移动面积增加 45.9%；QP 求解低于 1 ms，支持 100 Hz 重规划。
arXiv 机器人论文摘要 ASPIRE：用于迭代推理与探索的智能体系统辨识平台
ASPIRE 让大语言模型智能体选择并执行非线性系统辨识方法，基于测量数据构建闭式静态或动态模型，并支持自主及交互运行。其在3个实测系统的30次测试中均生成有效模型，每次成本为0.96至3.38美元；150项评估中132项完全满足、18项部分满足。
arXiv 机器人论文摘要 Maze Runner：基于线特征定位与控制障碍函数的自主迷宫导航
Maze Runner 是基于 C++ 和 ROS 2 的开放自主导航栈，结合线特征 EKF 定位与 SLAM、在线路径规划、NMPC 和控制障碍函数，在 Gazebo 中驱动 Husarion ROSbot XL 安全穿越迷宫。
The Decoder NVIDIA 推出机器人基础模型 GR00T 2，可从人类视频迁移动作
NVIDIA 推出机器人基础模型 GR00T 2，通过同时预测下一步动作和短期未来视频，将人类示范动作迁移到不同形态的机器人。该模型使用超过 1000 枚 GB300 芯片和约 400,000 小时第一视角人类任务视频训练，实验任务成功率为 10% 至 80%；在已具备较好表现的 50 项任务中，不到 3 分钟的传统训练将成功率从 40% 提升至 95%。
The Decoder Google DeepMind 发布 Gemini Robotics 2.5，奔驰产线试点分拣成功率达 96%
Google DeepMind 发布机器人控制模型 Gemini Robotics 2.5，并称其在奔驰实际生产线的金属零件分拣试点中达到 96% 成功率。该视觉语言动作模型接受了超过 200 项任务测试，相较其此前基线，成功率按任务类型提高 30% 至 100%，任务速度提升 20% 至 30%。
Ars Technica · AI Google DeepMind 发布 Gemini Robotics 2.5 与开放安全基准 ASIMOV-jailbreak
Google DeepMind 发布新一代 Gemini Robotics 2.5，并公布开放安全基准 ASIMOV-jailbreak，为机器人与人类协同工作做准备。
Google DeepMind精选 Google DeepMind 发布 Gemini Robotics 2.5，提升机器人通用灵巧性
Google DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5，并开始向机器人合作伙伴推送，以扩大机器人可学习的技能范围并加快学习速度。
推荐理由：原文同时给出200项任务评测、产线试点与安全数据，可用于比较模型在灵巧性、可靠性和风险控制上的进展。
Berkeley AI Research BAIR 在 CoRL 2026 展示机器人学习研究成果
BAIR 师生与博士后在 CoRL 2026 展示 33 篇主会论文、4 项后期成果，并参与 3 场口头报告和 7 场亮点报告。研究涵盖机器人控制、具身智能体、视觉语言动作模型、灵巧操作与导航，Negar Mehr 教授还将发表早期职业主题演讲。
Google DeepMind精选 Google DeepMind 发布实时交互世界模型 Genie 4
Google DeepMind 发布世界模型 Genie 4，可实时生成并操控包含画面、环境音、音乐和互动对话的多模态模拟世界。模型结合 Gemini 系列维持场景连贯性并规划多步事件，目前已向可信测试者开放研究预览，随后将提供给 Project Genie 的 Google AI Ultra 订阅者及 Gemini API、Google AI Studio 的早期合作伙伴。
推荐理由：Genie 4 展示了世界模型与 Gemini 协同生成、推理和控制的路径，并明确列出长期一致性等现阶段局限。
Berkeley AI Research GRASP：面向世界模型长时域规划的梯度规划方法
研究团队提出梯度规划器 GRASP，通过虚拟状态提升、状态噪声探索和梯度重塑，让学习型世界模型的长时域规划更实用。该方法避开脆弱的状态输入梯度，保留动作梯度，并周期性使用真实滚动梯度同步轨迹。在 Push-T 测试中，GRASP 于 H=40 至 H=80 的各个时域均取得该表最高成功率，并在 H=40 时达到 59.0% 成功率和 8.5s 中位成功时间。