面向多物体多目标抛掷的快速规划框架
研究团队提出多物体多目标抛掷（MOMT）规划框架，通过离线构建可行集模型、在线快速匹配与过滤，可在 5 ms 内生成多次抛掷序列。在 7 自由度机械臂配多指手上验证：仿真中双物体协同抛掷执行时间最多减少 46%，三物体仍保持该提升；真实实验双物体减少 29%。目标位置中途随机改变时，系统可在 100 ms 内重新规划并命中新目标，无需停机。
#机械臂
arXiv cs.RO 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 PhysEvo：让冻结的 Astra 模型通过物理递归自我改进学会操作
PhysEvo 提出一种围绕单一冻结模型的物理递归自我改进框架，由任务智能体执行机器人任务、元智能体依据轨迹诊断失败并修订工具与技能，无需更新模型权重或单独训练动作策略。
arXiv cs.RO Ariadne：无需轨迹数据的流形引导轨迹规划方法
研究者提出 Ariadne，通过学习状态空间流形并利用其几何结构进行轨迹规划，训练仅需状态观测、无需专家轨迹数据。在 Maze2D 与机器人运动规划基准上，该方法能从纯状态监督中构建可行路径，并泛化到未见过的起点-终点组合。在高维双臂规划任务中，Ariadne 无需轨迹数据训练即可与轨迹监督方法和经典规划器保持竞争力，论文已被 NeurIPS 2026 接收。
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 SAFE：用低成本声学感知统一检测机器人抓取中的滑动与破碎
SAFE 用两个被动 PVDF 声学传感器加电机本体感知，无需视觉和先验材料知识即可实时检测滑动与破碎，在留一抓取交叉验证下取得 0.884 的 Alert-F1，且几乎不混淆滑动与破碎。基于该检测层的自适应抓取控制器在 Jetson Orin Nano 上以 104 Hz 运行，46 次闭环机器人试验成功率达 91.3%，对训练中未见的新物体成功率为 82.4%。