跳到正文
11月9日周一
  1. arXiv · 机器人与计算机视觉72

    RoboFQE:一种基于离线轨迹且无需 Rollout 的机器人策略评估方法

    论文介绍 RoboFQE,这是一种用于评估机器人策略的工具,能从离线轨迹中估计折扣期望回报而无需生成新轨迹或行为策略密度。该方法结合拟合 Q 评估、预训练视觉基础模型和学习的终端成功标注,旨在弥补标准 OPE 基准与连续控制视觉操作之间的差距。

  2. arXiv · 机器人与计算机视觉65

    CompVLA:一种面向接触丰富操作的变柔顺视觉语言动作模型

    论文介绍 CompVLA 框架,旨在解决现有 VLA 模型仅输出运动学指令而在接触丰富任务中表现不佳的问题。该方法在常规架构基础上增加专用柔顺专家模块,基于 RGB 和语言输入联合预测运动及随时间变化的刚度矩阵与虚拟位移轮廓,并通过几何阻抗控制执行。

  3. arXiv · 机器人与计算机视觉58

    通过几何先验预训练提升模仿学习效率

    针对新操纵任务需重新收集演示和训练的样本效率问题,该研究构建了一个仅包含平面、物体和手的几何视觉预训练数据集,轨迹自动生成且不含纹理背景,并将手表示为立方体以适配不同机器人形态。在 ACT 框架下,该方法在三个仿真机器人五个任务及三个真实世界任务中评估显示,相比从头训练,使用少量任务演示微调时能实现更高的早期成功率,表明简化几何场景可作为跨机器人与真实任务的有用初始化。

  4. arXiv · 机器人与计算机视觉58

    基于优化主动技巧的多反弹鼓点软体机器人研究

    该论文提出一种软体机器人鼓手设计,旨在通过高频率鼓点中的“多反弹技术”提升演奏效率。针对软体非线性复杂性,设计了两种主动控制技巧:i) Tap-Pull (TP) 技巧在撞击后增加拉拽动作以增加反弹次数;ii) Micro-Pulse (MP) 技巧在击打过程中注入微小振荡以保持音量。

  5. arXiv · 机器人与计算机视觉75

    MATE:异步多速率扩散策略组合方法

    该论文针对机器人模仿学习中多模态信息内容、感知率与推理延迟不一致的问题,提出 LAG-Fusion 框架以支持异步多模态扩散策略组合。该方法允许各模态策略在其原生推理率下运行并贡献去噪引导,通过推导相对动作表示下的参考帧重基准规则实现延迟引导对齐。实验在接触丰富操作任务中组合低频视觉策略与高频力控策略,结果显示 LAG-Fusion 相比同步融合及专门设计的力感知基线提升了策略响应性与任务性能。

  6. arXiv · 机器人与计算机视觉75

    EvoPlan:具备时空保证的进化式神经符号机器人规划

    针对大语言模型规划器缺乏执行与安全保证的问题,本文提出 EvoPlan 框架。该框架包含三部分:首先离线挖掘信号时序逻辑(STL)移动约束以屏蔽策略;其次利用进化式 PDDL 规划器结合程序验证迭代修复计划;最后通过闭环执行循环将 Nav2 生成的路径与约束对齐并动态重规划。

  7. arXiv · 机器人与计算机视觉62

    NoContactNoWorries:基于视觉和本体感知的手部灵巧操作接触估计

    论文 NoContactNoWorries 提出一种基于 Transformer 的多模态框架,融合 RGB-D 视觉与机器人本体感知来推断手部交互中的二元接触状态,以此作为伪触觉信号。研究在多个物体上训练单一预测模型,并在仿真及真实机器人实验中验证了该推断出的接触信号对下游强化学习智能体进行手内物体重定向的支持能力,且能泛化至新物体。材料已接受 IEEE/RSJ IROS 2026 会议。

  8. arXiv · 机器人与计算机视觉62

    DexTeleop-0:面向共享自主的双手灵巧遥操作触觉驱动自适应策略

    针对细粒度双手灵巧操作中的运动学映射误差与视觉跟踪无法调节接触力的问题,提出触觉驱动的自适应策略并实例化为 DexTeleop-0 框架。该系统引入实时优化循环,利用指尖反馈在机器人侧添加接触修正,结合接触刚度近似与运动学雅可比矩阵计算局部化修正,实现每接触点向量力跟踪、软预测接触矩正则化及有界手关节残差。

  9. arXiv · 机器人与计算机视觉65

    CoRL 2026:自回归策略如何实现 VLA 模型的实时执行

    针对大规模视觉语言动作模型(VLA)部署中实时执行的挑战,该研究指出当前工作多聚焦于扩散策略,而自回归策略因同步推理速度慢同样面临瓶颈。论文提出通过调整分词视域和应用约束解码技术,使自回归策略在保持严格延迟边界的同时实现多轨迹解码,从而最大化性能。

  10. arXiv · 机器人与计算机视觉65

    非抓握式机器人操作的闭环物体感知控制方法

    针对非抓握式机器人操作中接触不连续及长视界规划难的问题,论文提出一种将问题拆分为物体级规划与机器人级规划的闭环物体感知(CLOI)方法。该方法利用模型预测路径积分(MPPI)求解子问题,并通过交替方向乘子法耦合两者解。在带障碍物的平面推物任务中,使用 xArm6 机械臂的实验显示,相比标准 MPPI,该方法在仿真和硬件上的成功率分别提升 35% 和 43%。

  11. arXiv · 机器人与计算机视觉76

    学习增强的机器人自动化用于现实世界制造

    这篇论文提出了一种混合系统,将学习任务控制器和神经 3D 安全监控器集成到传统工业工作流中。研究团队在电机生产线上部署该系统,自动执行变形电缆插入和焊接任务。系统在少于 20 分钟的真实数据下连续运行了 5 小时 10 分钟,完成了 108 个电机的组装,无需物理围栏且产品质检通过率高达 99.4%。

    推荐理由:该预印本展示了学习增强型自动化在真实电机产线的应用,实现了无围栏连续作业与高质量焊接。

  12. arXiv · 机器人与计算机视觉58

    BLaFA:面向灵巧机器人工具使用的从语言到三维功能 affordance 的桥接框架

    论文提出了 BLaFA 框架,旨在解决现有方法缺乏从开放词汇指令到三维功能接触结构显式映射的问题。该框架包含知识引导的语言解析模块、基于3D高斯泼溅的分层语义表示及三角功能点定位模块,以及将关键点与约束映射为可执行腕部姿态和手指级关节力命令的变换矩阵。

  13. arXiv · 机器人与计算机视觉65

    XIT:面向未知环境的主动气体分布建图探索与利用信息树

    论文提出 XIT(Exploration and Exploitation Informed Trees)算法,将主动气体分布建图建模为下一最佳轨迹信息路径规划问题。该方法构建共享树以同时处理未解析区域的探索与信息采样,引入气体前沿概念及 WGFD 算法识别高浓度邻域区域。仿真与缩放的真实世界实验验证了其在建图质量、效率及实用性上的优势,适用于其他面临探索 - 利用权衡的机器人信息收集任务。

  14. arXiv · 机器人与计算机视觉12

    Modular magnetic soft robotic catheter 实现胰腺胆道树的可视化介入

    Modular magnetic soft robotic catheter 在活体猪体内完成无括约肌切开术的自主插管,并在车载视觉辅助下深入胰管 75mm。该 1.47mm 模块化磁软机器人通过合规夹持器、磁性锚定球囊及微米级超声触发释放壳,将 8mT 磁场下的尖端偏角从 70°降至 64°且握力提升约三倍。

  15. arXiv · 机器人与计算机视觉82

    基于流式第一人称 3D 手部动作预测的操纵表征学习方法 SFHand

    论文提出 SFHand,这是一种首个通过流式第一人称 3D 手部动作预测进行表征学习的方法。该方法利用自回归架构从视频和语言指令中连续预测未来手部状态(包括手部类型、2D 边界框、3D 姿态及轨迹),并配备 ROI 增强记忆层以捕捉时间上下文。

    推荐理由:提出通过流式第一人称手部动作预测进行表征学习,开源了配套数据集与模型,在仿真及真实世界操作中均取得领先性能。

  16. arXiv · 机器人与计算机视觉65

    ManiTaskGen:一种用于评估与改进具身决策视觉语言代理的综合任务生成器

    ManiTaskGen 是一个自动为任意给定场景生成全面、多样且可行移动操作任务的系统,涵盖基于过程的具体指令和基于结果的抽象指令。该系统在仿真与现实场景中验证了有效性,并利用生成的任务构建基准以评估基于现有视觉语言模型(VLM)的代理的高层具身决策能力,同时提出利用这些任务增强具身决策的方法。代码已开源。

  17. arXiv · 机器人与计算机视觉80

    进化无人机形态以增强敏捷飞行

    该研究通过进化算法探索多旋翼无人机的最优身体形态,旨在解决传统设计在特定任务中非最优的问题。实验表明,演化出的无人机在机动性、推重比和尺寸三个目标上均优于标准四旋翼,其中机动性提升 489.2%,推重比提升 23%,体积减小 4.8%。性能提升归因于电机倾角和多旋翼数量。真实世界实验进一步证实,演化无人机在竞速任务中通过门数、飞行速度和圈速均优于标准无人机。

    推荐理由:论文利用进化算法设计了优于标准构型的多旋翼无人机,在机动性、推重比和尺寸上取得显著改进,并在真实竞速任务中验证了性能迁移。

  18. arXiv · 机器人与计算机视觉54

    计算机使用代理是具身通用主义者:通过屏幕渲染物理环境视图并利用键盘鼠标操作完成具身任务的框架研究

    本文论证具身智能可转向类似通用模型的范式,核心是将具身任务构建为与数字软件的交互。作者开发了软件以在屏幕上渲染物理环境视图并提供控制接口,使计算机使用代理(CUA)能通过截图、点击等常规软件操作执行具身任务。

  19. arXiv · 机器人与计算机视觉72

    Augmentron:用于机器人学习的可扩展多视图视觉增强方法

    论文介绍了一种名为 Augmentron 的几何感知数据增强流水线,旨在解决现有生成式方法计算成本高及跨相机时间戳不一致的问题。该方法通过生成可复用的场景表示并渲染至录制相机位姿,在保持机器人、任务对象、动作和标注不变的前提下,产生时间和多视角一致的环境与工作空间变化。

  20. arXiv · 机器人与计算机视觉73

    有序策略优化:一种针对重要性比率分布可靠性的自适应裁剪方法

    论文提出了有序策略优化(Ordered Policy Optimization, OPO),该方法在每个小批量中对重要性比率进行排序,识别并针对具有最大更新影响的极端比率分配自适应样本级裁剪半径,而非使用固定范围。实验在 MuJoCo 和 Atari 基准上验证了该简单修改相对于现有基线的强性能。材料为 NeurIPS 2026 录用论文,包含完整正文与代码链接。

  21. arXiv · 机器人与计算机视觉78

    On Agentic Manipulation Policies:通用 AI 代理策略实现机器人操作新基准

    论文提出通用 AI 模型可直接控制机械臂的代理操纵策略(AMPs),无需演示或特定训练即可在 RoboLab-120 和 CaP-Gym 基准上达到最先进结果。AMP1 参考框架支持单臂、双臂及移动操作,在真实世界实验中零样本成功率达 85.6%,显著优于现有 VLA 和 WAM 策略。研究还展示了通过持久化记忆提升经验学习能力的潜力,相关代码与视频已公开。

    推荐理由:该文提出通用 AI 代理策略在零样本任务中优于专用 VLA/WAM,并开源参考框架 AMP1。

  22. arXiv · 机器人与计算机视觉72

    通过腱测量单独定位腱驱动连续体机器人接触点:一种约束移动视界估计方法

    针对腱驱动连续体机器人在受限空间内运动时,沿机身接触力对电机传感器不可见的结构性难题,本文提出了一种基于约束移动视界估计器(MHE)的方法。该方法利用已知的障碍物几何条件与非穿透互补性原理,证明了系统在未知接触输入下的局部指数强可检测性。

  23. arXiv · 机器人与计算机视觉73

    Grasp-TAGS:基于评论家蒸馏的任务感知抓取选择用于 prehensile 位姿的 locomotion-manipulation

    论文提出了 Grasp-TAGS 框架,旨在解决移动操作器在长时序任务中协调运动与操作的挑战。该方法训练统一的 PPO 强化学习策略,并将学到的评论家蒸馏为轻量级抓取效用网络,仅凭候选抓取配置和目标信息即可对候选抓取进行排序。

  24. arXiv · 机器人与计算机视觉52

    利用蛇形机器人进行自主全身运动操控

    针对蛇形机器人全身同时作为推进机制和操控工具的挑战,作者提出了无需区分功能的闭环全身运动操控方案。研究开发了统一处理机器人 - 地面、机器人 - 物体及物体 - 地面相互作用的接触隐式动力学模型,并在 Moreau-Jean 时间步进框架下构建了基于几何规划器和名义比例控制器的轨迹优化方法。该方法在硬件上验证了侧行推物任务的能力,并提供了简化轨迹优化的仿真结果以解析相关接触问题。

  25. arXiv · 机器人与计算机视觉78

    可穿戴输入输出接口学习个性化触觉感知模型

    该研究开发了一种集成 36 通道电触觉阵列与电容触摸感应的可穿戴触觉输入输出设备,在 24 名参与者中揭示了显著的个体间感知变异性。基于此,作者提出了一个人机环校准框架,通过前向预测策略为每个用户生成个性化感知模型,并实现了针对特定用户的逆渲染。该平台已在机器人遥操作、视觉到触觉的感官替代、人际触觉通信及虚拟现实等场景中演示了个性化的触觉渲染能力。

    推荐理由:原文提出了基于人体在环的校准框架,利用可穿戴设备生成个性化触觉感知模型以支持逆渲染。

  26. arXiv · 机器人与计算机视觉82

    SURE:用于高效视觉语言动作学习的时空不确定性表征

    论文提出SURE框架,旨在解决视觉语言动作(VLA)策略对大量演示数据的依赖问题。该方法通过引入轻量级转置卷积概率动作解码器来捕捉空间不确定性,并利用Soft-DTW对齐监督来处理预测与演示之间的局部时序差异。实验在LIBERO、RoboTwin 2.0及真实操作任务上验证,结果显示即使仅使用10%的演示数据或20%的训练步数,SURE的操作成功率也能匹配或超越基线VLA模型。

    推荐理由:SURE通过显式建模动作空间的空间与时间不确定性,在仅用10%演示数据或20%训练步数下即可达到基线水平。

  27. arXiv · 机器人与计算机视觉82

    Goodhart in the Planner:基于采样的控制利用从人类偏好学习的奖励

    论文发现机器人通过搜索对抗从人类偏好学习的奖励模型时,真实目标回报会受损;在 HalfCheetah 和 Hopper 等任务中,更难的 MPPI 搜索使真实回报下降最高达 76%,且人类标签在某些场景下仍被利用。研究证明经校准的χ²正则化 MPPI 是测试中最安全的修复方案,能从预训练策略中恢复 86-94% 的真实回报。

    推荐理由:研究揭示基于人类偏好的奖励模型在规划搜索中易被利用,并提出经校准的采样控制方法以恢复真实目标回报。

  28. arXiv · 机器人与计算机视觉78

    LACART:一种用于安全关键机器人的前瞻增强型碰撞避免与参考跟踪策略

    arXiv 预印本论文 LACART 提出了一种结合前瞻控制屏障函数、松弛控制李雅普诺夫函数和二次规划的方法,旨在解决自动驾驶赛车场景下的碰撞避免与参考跟踪问题。该方法在仿真中显示具有更低的计算耗时,并展示了基于摄像头的估计与无线执行机构在小型车辆上的演示。论文还分析了前瞻点清除与车身清除之间的关联条件及硬件限制。

    推荐理由:原文介绍了结合前瞻控制与二次规划的碰撞避免方法,并在仿真中验证了计算效率提升。

  29. arXiv · 机器人与计算机视觉78

    DKWBC:解耦运动跟踪与平衡的人形机器人全身控制方法

    该论文提出了 DKWBC 框架,通过结合基于模型的逆动力学前馈学习与关节 PD 反馈来提供跟踪力矩,同时利用残差策略学习额外的关节力矩修正以维持平衡。实验表明,该方法在仿真和真实硬件上均能实现单一策略对多种运动数据集的泛化,并在地面支撑、附加负载及物理交互场景下保持准确的运动跟踪与平衡稳定性。

    推荐理由:提出 DKWBC 框架,将运动跟踪与平衡解耦,在仿真和真机上验证了单一策略在多任务下的泛化能力。

  30. arXiv · 机器人与计算机视觉42

    轻量级路径感知前沿重排序方法提升激光雷达无人机探索效率

    该方法针对激光雷达无人机自主三维探索,在保留少量候选目标后利用时间受限的 RRT* 规划估算可行路径成本进行重排序。实验显示其在三个仓库类环境中探索轨迹缩短最多 14.1%,两场景下探索时间减少最多 9.5%。同时保持了与 OctoMap 基线相当的地图细节,实现了效率与建图质量的平衡。

  31. arXiv · 机器人与计算机视觉78

    基于光电软吸盘的机器人奇异果处理中的机械交互感知

    该论文介绍了一种专为奇异果设计的二组分光电软吸盘,旨在实现柔顺接触并定量感知末端执行器处的机械交互。研究在已知接触间隔内,利用光电信号对训练集之外的真实果实进行了准确的力估计:最佳浅层网络在分组留一折池化下的 R-squared 为 0.968(MAE=0.138 N),单均值光学响应映射的 R-squared 达 0.925。

    推荐理由:该研究提出了一种针对奇异果的机电软吸盘,通过光电信号在未见过的真实果实上实现了高精度的接触力估计与软硬分级。

  32. arXiv · 机器人与计算机视觉78

    HiMEM:面向三维场景的视觉语言动作模型的类海马体记忆巩固、剪枝与组合方法

    针对视觉语言动作(VLA)模型在复杂三维场景中执行长程任务时面临的记忆噪声问题,该研究提出了一种受海马体启发的记忆机制。该方法首先通过语义整合将大量情景经验压缩为关键语义记忆;其次利用剪枝机制移除被语义记忆覆盖的冗余情景记忆以释放容量;最后通过灵活的记忆组合增强跨场景泛化能力。

    推荐理由:该工作提出海马体启发的记忆机制,通过语义整合与冗余剪枝提升 VLA 模型在复杂三维场景中的长程任务成功率。