论文速览

本文联合整理 ICRA 2025、IROS 2025 与 ICRA 2026 的数据扩展工作。ICRA 2025 Proceedings 收录 1,604 篇论文并补全 1,602 篇摘要，自动召回 279 篇候选并初审 32 篇；IROS 2025 Proceedings 收录 1,985 篇论文并补全 1,983 篇摘要，从 309 篇候选初审 31 篇。ICRA 2026 则依据官方 PaperCept 程序的 ICRA 2026 peer-reviewed conference presentations：2,951 条程序行中排除 131 条非同行评议、非出版物的 Late Breaking Results，保留 2,820 条展示（2,604 个 interactive、216 个 oral）；其中 2,639 条提供官方关键词与摘要。复审把官方摘要纳入生命周期匹配、将 5 分项纳入人工复核带，当前快照自动召回 451 篇候选并人工审计 35 篇。随后以同一“数据–下游 Policy/控制”门槛复核渲染与光照方向，额外补入 ICRA 2025 的 2 篇与 IROS 2025 的 3 篇；正文当前分别覆盖 34、34、35 篇。三部分合计审计 6,409 条正式论文或同行评议展示，在同一主题框架下比较机器人数据如何被采集、转换、合成、筛选和复用。 ...

本文使用 AI 工具整理 CoRL 2025 Oral 的 42 篇论文。为了避免把列表写成摘要搬运，下面按研究问题重新分为六组，并分别概括方法、主要结果与值得留意的边界。 需要说明的是，这是一份基于 OpenReview 标题与摘要的“地图式速览”，适合用来筛选待读论文，不等价于逐篇精读或实验复现。文中的“提升”“达到”等结果均指作者报告的结果。 总览：Oral 在解决什么问题 这 42 篇论文呈现出一条很清楚的主线：机器人学习的瓶颈正在从“能否学会一个任务”转向“能否低成本地扩展到新任务、新环境和新本体”。对应地，工作重点也从单纯设计更大的 Policy，转向数据生产、跨本体迁移、推理效率、真实世界评测与失败恢复等完整系统问题。 其中有四个趋势尤其明显。第一，真实机器人示教不再是唯一的数据来源：人类视频、手机扫描、生成模型、仿真与低成本外骨骼都在被转化为训练数据。第二，Diffusion Policy 与 VLA 已成为基础组件，研究开始优化其执行速度、在线适应与推理机制。第三，触觉、音频、力与 LiDAR 等模态被纳入闭环控制，而不只是作为附加观测。第四，研究者开始正面处理评测偏差、分布外失败和开放世界泛化，说明领域正在从 Demo 走向可部署系统。 1. 通用策略、推理、评测与安全 这一组关注的不是某项具体技能，而是通用机器人策略如何获得开放世界泛化能力，以及我们如何可信地评价和保护这些策略。 1. : a Vision-Language-Action Model with Open-World Generalization [OpenReview] 在 的基础上联合训练多机器人数据、Web 数据、高层语义预测与低层动作。训练样本混合图像、语言、目标检测、子任务预测和动作，使语义知识能够迁移到控制中。作者展示了模型在全新住宅内完成清理厨房、卧室等长时序灵巧任务的能力。它的重要性不只在模型规模，而在于说明异构数据与中间语义任务可以共同支撑端到端 VLA 的开放世界泛化；代价则是系统对数据覆盖、模型规模和推理基础设施的依赖很强。 ...