IROS 2026 大奖揭晓：LT-Mem 长期记忆研究获最佳论文，人形机器人打网球、端托盘获奖
IROS 2026 最佳论文奖颁给 LT-Mem，这项研究用 Live Memory、Delta Memory 和 Meta Memory 三层结构让机器人实现长期场景理解，应对时间性遗忘。
#世界模型
雷锋网AI 评分5050 arXiv cs.RO 预测未来还不够：为机器人操作学习可执行目标
研究者提出 Entity-Level Goal Readout，一种从 3D trace 世界模型读出可执行终端目标的学习式预测到执行接口，将物体姿态预测与基于观测深度的平移结合，输出 SE(3) 紧凑目标。
arXiv cs.RO CureWM：诊断并修复机器人世界模型的失败不敏感问题
针对机器人世界模型对动作变化不敏感、将已验证失败预测为成功的问题，CureWM 通过成功演示构建严重度网格上的反事实动作，经仿真或硬件执行验证结果后微调已发布模型。
arXiv cs.RO 基于因子图与场景图的动态环境机器人世界模型综述
这篇综述系统梳理了因子图与场景图两类机器人世界模型如何应对真实环境的动态性，围绕表示方法、构建与更新流程、下游任务利用三个维度展开，并重点关注将两者结合的混合模型。文章归纳了常见架构模式，指出不确定性传播、最小感知下动态实体运动与尺度的可观测性、可扩展的终身维护，以及缺乏将世界模型质量与动态下游任务表现挂钩的数据集和评测协议等开放挑战。
Berkeley AI ResearchAI 评分4242 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习世界模型的长时程规划变得可行。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型状态输入梯度脆弱等问题。