银河通用与清华等提出 LATENT：用不完美人类动作数据让人形机器人学会网球对打
银河通用、清华大学、北京大学、上海启智研究院和上海人工智能实验室团队在 IROS 2026 提出 LATENT，用 5 名业余球员约 5 小时的不完美人体动作数据训练人形机器人网球对打。
#运动控制
雷锋网AI 评分7171 雷锋网AI 评分5050 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。
arXiv cs.RO LACE-CRAFT：通过 Actor 继承与黑板协作实现机器人协同设计
LACE-CRAFT 提出机器人协同设计框架，通过 LACE 继承现有机器人的完整学习状态、以 actor 参数和观测统计初始化新形态策略，并由 CRAFT 协调反馈、形态、奖励与集成四类角色生成和交叉评审配对方案。
arXiv cs.RO 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。
arXiv cs.RO 基于 VLM 的农业机器人上下文感知自适应农药喷洒框架
研究提出基于 Vision-Language Models（VLMs）的上下文感知自适应喷洒框架，让机器人结合作物类型、农药类型与天气数据进行空间推理，自适应优化喷洒决策，并采用 MPPI 控制器实现精准导航与定点喷洒。
arXiv cs.RO geodex：面向黎曼流形的运动规划开源库
geodex 是一个开源 C++20 库（含 Python 绑定），把流形、黎曼度量、retraction 与采样器拆成可互换组件，通过统一的基于采样的运动规划接口调用。同一规划器无需修改即可运行在 R^n、T^n、S^n、SO(2)、SE(2)、SO(3)、SE(3) 及其乘积空间和关节型机器人构型空间上，每个空间可配用户自定义黎曼度量。该库已公开，附带文档、测试与可复现基准套件。
arXiv cs.RO 统一运动学表示实现可复用的生物关节力矩估计
研究者提出以关节运动学作为中间表示，将硬件特定传感与下游生物关节力矩估计解耦，估计器仅用开源生物力学数据训练。在髋外骨骼、膝外骨骼和 IMU 三种运动学输入下，平地、上坡和下坡行走的 RMSE 分别为 0.17、0.19、0.15 Nm/kg，R² 分别为 0.79、0.62、0.85。该框架有望减少目标设备数据采集，支持外骨骼控制与可穿戴生物力学的可迁移力矩估计。
arXiv cs.RO HULK：面向人形机器人的全身强力运动操作学习框架
HULK 是一个面向人形机器人全身强力运动操作的全身控制框架，通过 MPC 引导强化学习并蒸馏出单一策略，在仿真和宇树（Unitree）G1 上完成评估。仿真中，带捕获点控制障碍函数的教师模型在每臂 10 kg 负载下取得最低前向与侧向速度跟踪误差，并将 DCM 偏移幅度较纯 MPC 引导强化学习降低 35.7%；腕力教师可承受最高 130 N 的躯干推力扰动。
arXiv cs.RO Co²Skill：通过技能组合实现长时程人-环境交互的全身控制
Co²Skill 提出统一策略框架，将全身场景交互与灵巧物体操作整合进同一控制公式，基于预训练运动先验，用任务与阶段相关的观测掩码选择当前交互目标所需信息。该方法引入目标条件 loco-manipulation 课程与跨任务课程，支持跨任务边界保持物理状态与抓取，实现顺序任务执行及场景交互与操作同步进行。研究在坐、站、攀爬、上下楼梯及目标导向操作等任务上完成评估，并展示室内环境中的技能组合。
arXiv cs.RO 去中心化多机器人系统任务准入合并的嵌入式评估
研究评估了任务准入合并机制对去中心化多机器人任务分配器处理器负载与目标服务延迟的影响，采用 CBAA、ACBBA、PI 和 HIPC 四种 MRTA 算法，在 AGX Orin 与 Pololu 3pi+ RP2040 平台上开展实验。
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 MimicX：面向视频驱动人形机器人运动跟踪的策略在环监督精修框架
MimicX 是一个策略在环框架，利用执行反馈精修视频驱动的人形机器人运动跟踪，通过定位困难过渡与受影响身体区域，联合调整跟踪目标与重置课程。在四项核心视频任务上，其任务平均身体跟踪误差降低 25.7%，可稳健执行时长提升 255.6%。MimicX-HLoop 进一步通过异构执行加速反馈。
arXiv cs.RO FlashNeRD：面向接触密集型任务的性能优先神经机器人动力学模型
FlashNeRD 通过并行流式架构、可接受任意位置接触的编码器以及与解析求解器仿真物体的双向耦合，解决了 NeRD 速度提升有限、仅支持预定义接触点和缺乏双向耦合的三个局限。
arXiv cs.RO CERT-Replan：面向动态导航的自适应风险认证事件触发重规划
CERT-Replan 通过在线校准障碍物预测残差、以校准后的障碍风险作为重规划预警信号，在风险超出预算时切换更低风险的规划模式而非反复修正原计划。在非平稳基准中，其碰撞率较仅用安全滤波器降低 83.3%、较简单重规划触发降低 77.8%，安全滤波器平均干预减少 32.4%；配合 Trajectron++ 实现 96% 无碰撞运行，硬件实验与板载运行时分析验证了计算可行性。
arXiv cs.RO Workhorse：从人类数据学习鲁棒全身人形机器人移动操作
Workhorse 让 Unitree G1 从无机器人的人类演示中学习全身移动操作，视觉规划器预测躯干、双腕和双脚五链路目标，强化学习全身跟踪器在机器人上执行，两条策略分别基于同一批人类姿态数据训练且无需重定向。
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。