论文

ω-0：人形机器人协同移动操作的潜空间预测世界动作模型

提出ω-0，面向真实人形机器人协同移动操作的全身世界动作模型：给定语言指令、视觉观测与本体状态，直接预测控制器可执行的全身动作潜变量；以轻量未来观测嵌入预测替代视频重建，耦合潜空间视觉预见与扩散式全身动作生成；并采集40+小时真机数据集ω-HOME，在11项家庭任务上稳定超越IL/VLA/人形/WAM基线。

世界动作模型人形机器人移动操作Zhe Li, Zhenzhe Zhang, Yangyang Wei·2026年8月6日

足式机器人力位统一控制策略

本文提出首个足式机器人力位统一控制策略，无需力传感器，通过RL从历史状态估计外力并补偿位置速度，支持位置/力跟踪与柔顺交互，并在四足与双足机器人上验证。

宇树CoRL 2025足式机器人Peiyuan Zhi, Peiyang Li, Jianqin Yin·2025年5月27日

PhyLatent：JEPA世界模型的动力学相关表征

本文提出PhyLatent，用SVIC、PSG、FRA、CASC和LD约束JEPA潜空间，解决物理不变性、可辨识性与反事实动力学塌缩；Cube MPC成功率从70.0%升至78.1%。

联合嵌入预测架构世界模型模型预测控制Xi Zeng, Haojie Ren, Ziying Song·2026年8月6日

动作分块为何能提升机器人行为克隆性能？

通过仿真与真机实验证明：动作分块的收益并非来自时间一致性、视界缩减或表征学习，而是来自非马尔可夫表达能力、基于延迟观测降低复合误差，以及隐式集成效应；并据此提出随机延迟集成与显式集成策略，可在无需动作分块的情况下匹敌甚至超越其性能。

Franka动作分块行为克隆Filippo Lazzati, Kyle Stachowicz, William Chen·2026年8月3日

Robust-WAM：桥接世界-动作模型的生成式预训练与语义前瞻

提出视频生成式世界-动作模型的通用后训练方法，保留 VAE 潜空间的生成路径并添加轻量语义前瞻对齐目标，用可学习查询 token 将未来场景语义引入动作流，使动作基于外观不变的动态表示，在 OOD 泛化仿真和真机上持续提升多种 WAM 基线成功率。

VAERobust-WAM世界模型Haodong Yan, Junfeng Li, Junjie He·2026年8月6日

RL2-VLA：VLA 模型自适应 RL 潜空间组合引导与测试时扩展

提出 RL2 自适应推理时引导框架，在 VLA 动作专家潜空间上训练轻量离线 RL 策略，推理时将其流速度与冻结 VLA 组合，仅在预测失败时激活引导，在 SIMPLER 和 PolaRiS 基准上 OOD 场景成功率提升达 17.3%，真机实验验证迁移有效。

视觉语言动作模型RL2-VLA强化学习Derek Ming Siang Tan, Shailesh Shailesh, Srikrishna Iyer·2026年7月29日

TRACE：主动场景重建的遍历轨迹优化

将主动重建建模为遍历覆盖问题，使传感器轨迹的时空统计匹配由地图不确定性和可见性导出的目标信息分布，通过核遍历视界规划器与梯度流和足迹耗散计算轨迹，闭合建图与轨迹优化环路，在 Replica 数据集上 PSNR 提升 1.5dB。

3D高斯泼溅NBVTRACEZiyue Zheng, Linli Shi, Bingkun He·2026年8月3日

Ego2Robot：从第一人称人类视频合成可扩展机器人数据

将第一人称人类操作视频通过动作重定向、机械臂视觉合成、多级质量筛选转化为机器人训练数据，产出 18,561 小时跨 15 种机器人形态的数据，提升 VLA 模型 OOD 泛化，并在真机验证。

视觉语言动作模型RoboTwinEgo2RobotYe Wang, Pei Lin, Xiong-Hui Chen·2026年8月3日

πR²：反应式实时流策略

将扩散流操作策略变为反应式实时控制：快速本体感知通道+异步视觉通道+延迟自适应流调度，单步去噪每帧重规划，在真实机械臂上达 25Hz，成功率提升 30%。

视觉语言动作模型reactivediffusionSungjae Park, Shubham Tulsiani·2026年7月28日

Light-Loco-Parkour：基于多技能蒸馏的通感知全身运动

人形机器人全身感知运动控制系统，仅需深度图像和速度指令即可自主决定行走、平衡、攀爬、跳下或跨越，单策略覆盖开阔地形与障碍物穿越。

强化学习人形机器人全身Hongming Chen, Zhuoran Li, Hongxi Wang·2026年8月1日

StreamSplat：流式前馈三维高斯溅射

前馈三维高斯溅射（3DGS）无需逐场景优化即可高效合成新视角，但现有方法多假设固定视角集合并联合处理。我们提出StreamSplat，一个流式前馈3DGS框架，增量维护持久的几何锚定场景状态，并在每个输入块后解码为可渲染的三维高斯。其核心是体素对齐因果缓存（VACC），将历史三维令牌存储在内存有界的体素结构中，使内存随探索的场景几何而非流长度增长。为在因果预测中更好复用历史，引入历史投影深度锚定（HPDA）和缓存引导特征注入（CGFI）。在DL3DV、RealEstate10K和ScanNet上的实验表明，StreamSplat在稀疏因果输入下与前馈3DGS方法竞争力强，并扩展到256、512和1024视角的长流。

3D高斯泼溅3D重建流式推理Changhao Song, Yuxuan Wang, Qibiao Li·2026年8月3日

SLAMFormer-∞：面向无界前端与后端处理的无限SLAM变换器

我们提出无限SLAM变换器（SLAMFormer-∞），首个能同时支持长程前端和后端处理且无需显式距离边界的几何变换器。SLAMFormer-∞采用记忆条件定义灵活的坐标系和尺度，而非依赖首帧锚定。基于此，前端保持高效局部计算，后端联合优化长程轨迹和场景几何，实现全局一致性。实验表明SLAMFormer-∞在大规模数据集上的轨迹估计和场景重建均取得优越或极具竞争力的性能，并能泛化到超过17公里的极长轨迹。

同步定位与建图3D重建变换器Zhijian Fang, Weicheng Zheng, Yijun Yuan·2026年8月4日

[●●●]LOADING