跳到正文
11月16日周一
  1. arXiv · 机器人与计算机视觉58

    ESI:一种用于 LLM-VLA 智能体的具身自我改进飞轮

    ESI 是一种自动化的飞轮系统,利用环境交互来对齐大语言模型(LLM)的推理与视觉 - 语言 - 动作(VLA)策略的动作执行。该系统将模块化智能体作为后训练单元,反复优化引导 LLM 的提示词、表达意图的技能接口以及实现意图的 VLA 参数,并重新部署这些组件。

  2. arXiv · 机器人与计算机视觉48

    PoliMop:面向移动机器人的三维空间闭环策略运动规划方法

    PoliMop 提出一种利用物理仿真挖掘控制策略技能的运动规划器,通过结合预规划质点路径引导采样,将规划时间缩短最多 63%。该方法在四足、人形及轮式机器人上无需修改底层算法即可实现即插即用,并能自动识别如搭建桥梁等预设环境改造以扩展可达空间。相关代码与视频已公开,论文为 arXiv 预印本状态。

  3. arXiv · 机器人与计算机视觉48

    基于显式约束空间的通用安全感知机器人行为规划方法

    针对桌面环境安全约束依赖场景且指令未明确指定的挑战,该研究提出一种集成显式约束空间存储、任务与环境条件化适用性学习及多模态安全检查的行为规划框架。系统通过轻量级双塔模型识别适用约束,利用多模态安全检查器评估并修正初级计划,结合 LoRA 进行测试时自适应与参数高效微调以应对未知风险。该框架实现了显式安全知识表示、上下文感知选择、纠错检查及知识自适应的闭环整合,旨在提升机器人行为规划的安全性。

  4. arXiv · 机器人与计算机视觉78

    通过身体对齐虚拟关节跨人形机器人复用运动控制训练配方

    针对现有传输模型未标准化策略接口导致难以跨机器人复用的问题,本文提出在上游映射层引入身体对齐的虚拟关节空间。该方案使策略动作与观测遵循统一解剖学约定,并通过确定性运动学层将虚拟目标映射到原生坐标,保持底层控制栈不变。实验在三种不同腿部轴布局的人形机器人及宇树 G1 硬件上验证,证明该方法能准确跟踪、保持足部对齐且训练稳定,并将航向漂移降低近六倍。

    推荐理由:提出身体对齐虚拟关节空间,在三种不同构型人形机器人上复用同一强化学习策略,显著降低航向漂移。

  5. arXiv · 机器人与计算机视觉5

    Per-Agent-Safe Navigation of Globally Driven Robot Collectives via Affine Field Design 提出广播控制方案实现安全导航

    该方法通过单一空间仿射场同时调控机器人集群的运动与形变,利用控制屏障函数在单个二次规划中强制执行每机器人的避障、执行器及凝聚约束。实验表明该控制器能自适应调整集群尺寸以通过窄走廊,且两个独立驱动的集群可无需互协调地同时穿越共享路口。

  6. arXiv · 机器人与计算机视觉78

    跨视图一致性在多视图外观增强中的重要性:一项针对视觉运动策略的受控研究

    Zixuan Jiang 在 arXiv 发布了一项关于多视图视觉增强的受控研究,利用仿真状态回放解耦了跨视图关联与单相机扰动分布。实验涵盖七个 LIBERO 操作任务,结果显示全局外观、鬼影注入和目标颜色的边际匹配变化对晚期融合扩散策略的平均成本影响微小;而几何反耦合观测使成功率下降约 3.30 个百分点。

    推荐理由:该研究通过受控实验量化了多视图外观增强中不同一致性形式对下游控制策略的影响,为选择性约束提供了依据。

  7. arXiv · 机器人与计算机视觉78

    模仿策略学习本体感知锚点:感知噪声的预测定律及其闭环成本

    针对机器人操作任务中模仿策略在训练时利用本体感知信息(proprioceptive anchor)来折扣感知噪声的现象,本文给出了一个基于方差比 $eta = V/(V + s^2)$ 的解析公式。

    推荐理由:论文揭示了模仿策略如何利用本体感知锚点修正感知噪声,并在闭环部署中验证了该机制对成功率的预测能力。

  8. arXiv · 机器人与计算机视觉48

    预训练视觉表征在富接触插入任务策略学习中的效用研究

    针对富接触操作(如插入)中视觉模仿学习数据效率低且易受无关视觉干扰的问题,研究对比了主流视觉基础模型与显式以接触为中心的表征。实验通过遮挡和物理容差扰动验证发现,最佳表征存在显著任务依赖性,但空间锚定及接触中心信息在仿真与现实实验中均展现出独特价值。该工作强调了在真实视觉复杂度和传感器噪声下可靠估计此类线索的难度,并呼吁进一步研究感知与策略学习的融合。

  9. arXiv · 机器人与计算机视觉78

    欠功率双摆的自然摆动上升方法

    针对电机扭矩仅占肩关节重力矩约 6% 的欠功率直接驱动平面两连杆机器人,本文提出沿其非线性正常模态进行摆动上升的方法。该方法将输入力矩分解为功率中性的转向分量与标量泵送分量,利用基于模型的误差率约束构建线性规划以最大化能量注入,无需稳定化反馈增益。硬件实验验证了沿两种模式的摆动上升能力,并与求和截断及优先稳定化策略进行了对比。

    推荐理由:原文提出利用非线性模态控制欠功率双摆,通过线性规划分配能量注入与稳定化输入。

  10. arXiv · 机器人与计算机视觉78

    Grounding Object-to-Object Hazard Reasoning into 3D Risk Fields for Task-Conditioned Safety

    该论文提出一种基于视觉语言模型(VLM)的机器人操作安全框架,旨在处理几何约束之外的语义安全问题。系统首先通过结构化安全工具判断任务是否因可能导致不可恢复的危害而应被拒绝;若可执行,则识别物体对之间的可预防危害并指定需避免的空间关系。

    推荐理由:该框架利用 VLM 将任务语义与物体交互风险映射为连续三维风险场,结合避障模块在仿真与现实环境中验证了可预防性危害的识别能力。

  11. arXiv · 机器人与计算机视觉30

    Talk to Act:首个合成多轮对话基准助力小参数模型实现机器人意图提取与动作规划

    Talk to Act 发布了一个合成生成的多轮对话数据集,旨在评估无需特定微调的小参数语言模型(270M 至 8B)在机器人场景下的意图提取与动作规划能力。实验表明,这些紧凑模型在本地部署环境下即可实现合理的任务性能,为构建高效的人机交互系统提供了实用基线。

  12. arXiv · 机器人与计算机视觉74

    Racing the Clock:预算条件化的物体搜索教学

    该论文提出在视觉语言导航任务中引入显式时间预算约束,对比了基于全局地图的最优路径专家与基于部分可观测性的贝尔曼方程专家对智能体的监督效果。实验表明,尽管最优路径专家性能更高,但贝尔曼监督在探索未知场景时表现更优,特别是在长预算条件下能发现更多目标实例。

  13. arXiv · 机器人与计算机视觉78

    Agentic-Teacher:面向失败的 VLA 后训练智能体数据引擎

    Agentic-Teacher 是一个用于视觉语言动作(VLA)模型后训练的自主数据引擎。该引擎接收预训练检查点、任务规范及环境工具,通过分析失败执行轨迹选择干预状态,迭代开发闭环代码策略以收集成功演示。

    推荐理由:提出利用智能体自主生成失败驱动数据的引擎,结合动作噪声与流匹配过滤优化演示质量,在仿真环境中显著提升 VLA 模型成功率。

  14. 盖世汽车 · 汽车资讯5

    简智机器人在 CoRL 2026 展出 DAS 2.0 多模态数据采集产品矩阵

    简智机器人在美国奥斯汀举行的 CoRL 2026 大会上展出新一代 DAS 2.0 多模态数据采集产品矩阵,包含 Dex2.0 灵巧手套、Ego 2.0 第一视角设备及腕部相机。系统提供三种数据配置以适配不同任务需求,并将环境观察、手部交互与身体运动纳入同一时间轴和空间参考。简智机器人计划完善采集体系并推进开源建设,为物理 AI 模型训练提供底层支撑。

  15. 盖世汽车 · 汽车资讯53

    FFR 机器人完成密歇根州大学实验室首单交付并发布开发者平台 AI 模块

    FFR 向密歇根州立 Central Michigan University 交付两台 Aegis Ultra 机器人,标志着其教育科研生态及跨区域拓展取得进展。同时 FFR 开发者平台上线 Brain Blocks 的 AI 模块与动作录制回放功能,支持手势、姿势等识别以简化编程。公司计划推进百城计划并在 CES 发布 Physical AI Cloud 技术平台和生产力 Token 标准。

  16. 盖世汽车 · 汽车资讯28

    松延动力Bumi小布米推送OTA V3.2.0升级

    松延动力旗下人形机器人Bumi小布米正式推送OTA V3.2.0版本,新增喜马拉雅语音联动、舞蹈BGM伴奏及低电量自动收纳功能。云平台群控与语音开关开放,支持多机统一控制并适配安静场景需求。此次更新聚焦交互体验与设备协同,推动人形机器人在教育展示等场景的持续应用。

  17. 盖世汽车 · 汽车资讯70

    大晓机器人发布ACE-CaP-0模型,精细任务执行压缩至分钟级

    大晓机器人近日发布最新研究成果ACE-CaP-0,该研究探索通用模型通过主动获取经验自主开发、验证和优化机器人技能。ACE-CaP-0创新性地结合按需示范与按需仿真机制,AI智能体可自主判断请求人类示范或开展仿真实验,并结合真机反馈修订代码策略。

11月15日周日
  1. 智东西 · 机器人28

    上海交大校友创办的蔚建科技完成超亿元 B 轮融资

    上海建筑机器人公司蔚建科技宣布完成由财通资本领投的超亿元 B 轮融资,资金将投入生产制造、海外市场及具身智能技术研发。该公司推出的高墙喷涂与抹灰机器人已实现无需搭架的高空作业,日均抹灰面积可达 300 至 350 平方米。预计 2026 年其产品销售订单将跨过 1 亿元大关,并与中建八局等总包方建立合作。

  2. 盖世汽车 · 汽车资讯82

    小智一周要闻|均胜电子向宇树交付大脑背包;禾赛机器人动力模组出货超3.5万套

    盖世汽车汇总了本周具身智能与物理AI领域的多项进展:均胜电子向宇树交付首台高算力大脑背包,双方推进工业场景应用共研;禾赛机器人动力模组累计出货超3.5万套,全身关节模组进入量产。

    推荐理由:原文汇总了均胜电子、禾赛等企业的交付与融资进展,以及英伟达、谷歌的模型发布和韩国政府的扶持计划,适合快速了解本周产业动态。

  3. 智东西 · 机器人42

    字节投的机器人零部件企业大寰机器人正式向深圳证监局办理辅导备案登记,拟 IPO

    大寰机器人科技股份有限公司于 11 月 14 日完成 IPO 辅导备案,其核心产品五指灵巧手 ADH-5-13 拥有 13 个主动自由度且整机抓取后最大提起负载可达 20kg。公司产品已应用于 3C、半导体等领域并服务超 5000 家客户,国内电动执行器销量位居首位。

11月14日周六
  1. The Robot Report45

    Food Robotics 2.0:从 B2C 转向 B2B,Chef Robotics、ATOMS 等企业在北美与欧洲规模化部署助餐机器人

    食品机器人行业正从直接售餐的 B2C 模式转向赋能餐饮企业的 B2B 模式,以解决劳动力短缺并提升投资回报率。Chef Robotics 机器人在北美和欧洲已规模化部署,累计完成超 1.45 亿份餐食制作;ATOMS 由 Uber 联合创始人 Travis Kalanick 领导,已融资 17 亿美元。

  2. The Decoder · Robotics42

    OpenAI 重组机器人团队,通用模型 GPT-6 Astra 在仿真任务中表现优于专用模型但真实部署仍存疑

    OpenAI 将机器人研究人员并入其他团队,认为通用大模型如 GPT-6 Astra 可能取代专用机器人 AI。Nvidia 研究显示,Astra 代理在模拟 DROID 机器人任务上成功率达 74.8%,远超专用模型的 51%;但在 StationeryBench 基准中,200 次试验仅完成 7/100 任务且平均进度分 46,低于 MolmoAct2。

  3. The Decoder · Robotics80

    Runway 开源机器人控制模型 Praxis-1

    AI 公司 Runway 正式开源其机器人控制模型 Praxis-1,该模型基于视频训练,能预测环境变化并计算机器人动作。材料提供了 Apache 2.0 许可的权重与代码下载入口,报告了其在 RoboLab-120 榜单上的表现及在真实 Franka 机械臂上的任务成功率,同时指出了对特定数据微调的需求及硬件要求。

    推荐理由:Runway 开放了基于视频训练的机器人控制模型 Praxis-1,提供 Apache 2.0 许可权重与代码,并报告了在仿真及真实机械臂上的性能数据。

  4. 智东西 · 机器人68

    智元系独角兽擎天租获数亿元融资并完成品牌升级

    擎天租宣布完成数亿元战略融资,和达投资、芒果产业投资方(厚为资本)、中联即送等共同参与。公司正式从“机器人租赁”升级为“机器人生产力服务”,资金将聚焦应用服务研发、Worken实训体系落地及全国履约网络升级。本轮融资后,投后估值达70亿元。擎天租由智元等企业联合发起,已接入近20家本体品牌,并在北京、上海等20个城市投入运营中心。

  5. 智东西 · 机器人52

    OpenAI 解散独立机器人团队并入通用模型研发

    据《财富》报道,OpenAI 已解散独立的机器人团队,将研究人员并入首席研究官 Mark Chen 领导的团队及 Applied 部门。公司表示此举旨在利用 GPT-6 Astra 等通用前沿模型直接控制机器人的能力,加速具身智能实现,而非退出该领域。此次调整发生在 OpenAI 收缩业务、削减亏损的背景下,标志着行业叙事从专用机器人转向通用模型进具身,但大规模应用的可靠性与工程化挑战依然存在。

  6. The Robot Report23

    Narwal 构建机器人吸尘器以适配区域需求

    Narwal 通过自研 SLAM 算法、NarMind 自主系统及 FlowWash 热水清洁等技术,构建了从深圳研发到东莞制造的完整供应链。其 DualFlow 免缠绕系统与地毯深洁模块使地毯清洁性能提升 40%-50%,解决了宠物毛发缠绕痛点。截至 2026 年 4 月,产品已覆盖全球超 30 个地区、服务逾 600 万用户,北美 Flow 2 新品在亚马逊美国站发布 24 小时内登顶销量榜。

  7. IEEE Spectrum · Robotics7

    NASA 推出核动力月球车 PROMISE,复用火星任务硬件执行南极探测

    NASA 将向月球南极发射名为 PROMISE(Polar Rover for Observation, Mapping, and In-Situ Exploration)的核动力漫游车。该漫游车主要利用为好奇号和毅力号火星任务开发的现有测试台架及飞行备用组件构建,作为月球基地计划的基础性任务执行观测、测绘与原位探索工作。

  8. The Robot Report60

    Rhoda AI 推出基于互联网级视频数据的通用机器人模型

    Rhoda AI 在获得 4.5 亿美元 A 轮融资后,推出了直接视频动作(DVA)模型,该模型通过在海量互联网视频上进行预训练以建立对运动、物理和交互的强先验。与仅依赖遥操作的小型数据集不同,该模型结合移动性与操作能力,通过观察 - 预测 - 转换 - 执行的闭环实现泛化,并可在少量任务特定微调后部署于真实世界场景。

11月13日周五
  1. arXiv · 机器人与计算机视觉82

    两步思考:利用自 grounding 验证缓解 MLLM 一致性偏差

    论文评估了跨 13 个模型和 28 种设计的 MLLM 验证器,发现其存在严重的‘一致性偏差’(过度认可代理行为)。作者提出 SGV 方法,通过先生成行为先验再基于此进行推理判断,显著提升了失败检测率和准确率。

    推荐理由:提出 SGV 方法缓解 MLLM 验证器的一致性偏差,在 OSWorld 等任务中提升完成率达 20pp。

  2. arXiv · 机器人与计算机视觉42

    意图表征与人类分心调节走廊导航中机器人运动的可读性效果

    研究在走廊导航场景下对比了目的地与通过侧两种意图表征,发现后者经自适应更新后能带来更流畅的人体运动且感知能力更强。即便行人处于分心状态,可读性运动仍能支持平滑交互,尽管主观评分未始终反映该优势。两项用户实验(N=45)证实基于共享模型预测控制框架的互动级意图表征对社交机器人导航有效。

  3. arXiv · 机器人与计算机视觉75

    CLASP:一种用于新鲜市场蓝莓采摘的集群级自主选择性采摘机器人

    针对传统过行收获机非选择性损伤果实、且现有选择性机器人仅针对单果效率低的问题,本文提出 CLASP 机器人系统。该系统配备软式主动滚带夹爪(SARB-Gripper),通过闭环力控将拉力控制在未成熟果实脱落阈值以下;结合眼手相机与眼在手相机的全局 - 局部感知管线实现簇定位与姿态估计。