浙大聯合 TeleAI 提出 GR-BC，用圖搜尋給機器人動作重加權
浙江大學沈春華團隊聯合中國電信 TeleAI 等提出 GR-BC（圖重加權行為克隆）：把同一任務的多次不完美示範連成一張圖，從成功終點反向搜尋，算出各狀態到成功還剩多少步，並據此給動作塊加權，之後再訓練 VLA 策略；該工作已被 CoRL 2026 接收。在四孔零件裝配、顯示卡插裝、雙螺釘擰緊與記憶體模組插裝四項真機任務上，以 X-VLA 為骨幹的平均成功率約 91%，而類 DAgger 等權聚合基線為 64%。方法不改模型架構，權重直接乘在原有監督損失上；
不改架構，也不用額外訓練獎勵模型，只靠給示範動作重加權，就把四項毫米級真機裝配的平均成功率從 64% 提到約 91%。這對做 VLA 後訓練和真機資料清洗的人有直接參考價值。
原標題：CoRL 2026｜浙大联合TeleAI提出GR-BC，用图搜索从机器人试错中找出有效动作
閱讀原文
| 評分 | 62 / 62（平均 62，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
上海交大 VaM 給機器人加任務進度記憶，連續 4 小時成功率超 95%
VaM（Value as Memory）把價值模型的近期預測作為任務進度記憶輸入動作策略，機器人在紙盒裝配任務中連續自主執行 4 小時，成功率超過 95%。方法基於 π₀.₅ 建置動作專家，用 GRU 編碼歷史價值與本體狀態，價值預測與動作生成非同步計算，策略直接讀取已快取的價值。真機消融顯示，相比去掉價值快取，最終成功率提升 29.4%；線上 RL 方案相比離線方案平均成功率再提升 32.8%，每個梯度步消耗的真實世界時間降低 57.8%。
清華提出 ParallelWorld，具身任務成功率從 56% 提至 83%
清華大學與新加坡國立大學提出 ParallelWorld，讓具身智慧體在高層規劃中先預演多條候選動作的未來，把任務成功率從 56% 提升至 83%。系統會推演各分支後續觀察、剪去較差路徑，選定軌跡後只執行第一個動作再依新觀察重新規劃；在 ESI-Bench 的 28 個子任務中 26 項超過順序式主動探索，LIBERO-Pro 八個操作設定全部超過直接基線，Spatial 位置交換提升 27 個百分點。
清華髮布 HandsOn 靈巧手基準：66 項任務，最佳策略成功率 29.1%
清華大學丁寧團隊聯合北郵、北大等發布靈巧操作模擬評測基準 HandsOn，包含 66 項人工驗證任務、1.8 萬條人類遙操作示範，支援 5 種機械臂、6 種靈巧手和約 200 種物體資產。在有示範的 Core-50 上，9 種受訓方法中最佳多工策略 OpenWAM 平均成功率僅 29.1%；在無目標任務示範的 Transfer-16 上，8 種多工策略成功率均低於 1%。
復旦與南洋理工提出 SimpleVLN，不改模型主幹重新整理導航 SOTA
復旦大學、南洋理工大學等提出 SimpleVLN，在不改動多模態大模型主幹、不額外增加專用導航模組的前提下，重新整理視覺語言導航的 SOTA。該方法把每次模型呼叫都當作一次獨立決策，只輸入指令、當前畫面和篩選後的歷史觀測，其中早期幀均勻取樣，並保留最新一幀；每次推理輸出一段連續動作，也就是動作塊，使成功率從 45.6% 提升到 53.6%。訓練分三階段：SFT、DAgger 和 DAPO 強化學習。DAgger 使 R2R-CE 的成功率從 57.9% 提升到 65.4%；
UCLA 與 Adobe 提出 Tev：27B 模型長程任務追平 GPT-6 Astra
Adobe Research 與 UCLA 提出 Tev 訓練方案：27B 模型在 Agents' Last Exam 計算與數學子集上 Pass@5 達 0.28，追平 GPT-6 Astra 與 Claude Opus 5。做法是先建置含隱藏標準答案的潛在世界再用它渲染出任務環境，據此合成覆蓋 7 個領域、1,170 個環境的 Tev-Gym，單次 rollout 中位耗時 12.4 分鐘、Pass@1 僅 29%。