CoRL 2025 Oral 论文 X-Sim 提出真实—仿真—真实框架，用人类视频中被跟踪的物体运动当作稠密奖励，在照片级仿真中训练强化学习策略并蒸馏成图像扩散策略，全程零机器人遥操作数据；5 个任务平均任务进度达 83.3%，标定后 90.7%，比手部跟踪基线高出 30 个百分点以上，并以 10 倍更少的采集时间媲美行为克隆。

AAWR（NeurIPS 2025）训练时让价值网络多看几个特权传感器、部署时全部撤掉，让机器人在 8 个任务上学会主动搜索：真机抓取率从 47% 提到 94%，时间归一化后比穷举搜索快 2–8 倍。

arXiv 2026 的 ActiveArena 把机器人主动感知拆成「主动获取」与「记忆维持」两条轴：35 个任务、581.2k 帧训练数据、13 种 VLA 配置。最强配置同分布 62.97%、分布外 47.60%，而去掉主动视角动作维度后只剩 0.34%。

IROS 2026 论文 SHM-POMDP：把规划树的分支对象从原始高维观测换成推断物理属性，15×15 网格 50 维观测上回报 +18.6%、每步计算时间 -32.9%，真实高光谱数据信息增益是最强基线的 2.5 倍。

RSS 2024 的 Explore-EQA 用外部语义地图补上 VLM 的空间记忆，再用共形预测校准置信度：达到 58% 成功率时它只用 71% 的最大步数，而相关度阈值基线要 85%。

ICML 2026 的 SC²-WM 用世界模型的前瞻差当内部反馈，R2R-CE 单目成功率 43.8%→50.9%，轨迹长度 26.16→17.65 米，真机成功率 70%→85%

CrossMaps 把几何、语义、时序 3 类置信度直接写进栅格地图的融合权重，并用 STM/LTM 双记忆把瞬时噪声与长期地标分开；在 Jetson Orin 巡视器上与 RTAB-Map 同机实时运行，支持自然语言查询。含 7 张论文配图、3 张流程图与 B 站讲解视频。

ICLR 2026 论文 ToS 用文本 + 视觉双世界测了 6 个主流多模态模型：GPT-5.2 被动答题 57.1 分，改成自己探索只剩 46.0 分；位置感知 72.4% 的模型终局地图正确率只有 32.2%；视觉侧朝向「信念惯性」高达 68.9%。

把「视觉遮挡」重新定义为「任务所需信息缺失」——不必加装 6/7 自由度主动颈，改用闲置的那条手臂架起相机。EFM-10 基准含 10 个任务，BAPData 有 1850 条真机示范；执行器入镜后敲钉成功率 6.67% → 43.3%，接入力觉后插 USB 灯 20% → 36.7%。

【arXiv 2026】TurboVLA：<1 GB 显存、RTX 4090 上 32 Hz 实时运行的视觉-语言-动作模型