跳到正文
11月3日周二
  1. arXiv · 机器人与计算机视觉80

    ForceLDM:一种面向接触丰富操作的力感知潜在动力学模型

    论文提出 ForceLDM 模型,旨在解决视觉策略在接触丰富操作任务中难以推断接触状态与交互力的问题。该方法通过知识蒸馏,利用拥有未来力和光流信号的教师网络提取动态特征,并将其迁移至仅依赖当前观测的学生网络,使部署时无需未来感官输入即可推理后续接触与物理动力学。此外,引入课程渐进噪声注入策略以提升鲁棒性。实验在五个真实世界任务上验证了其在性能、泛化性及抗扰动方面的优势。

    推荐理由:提出 ForceLDM,通过知识蒸馏将含未来力信号的教师网络特征迁移至仅用当前观测的学生网络,解决接触丰富任务中的动力学建模难题。

  2. arXiv · 机器人与计算机视觉78

    VerifLM:面向机器人操作的物理验证图像编辑引导目标位姿生成

    VerifLM 是一个将图像编辑生成的目标配置转换为经物理验证的六自由度物体位姿的框架。该方法利用编辑后的图像恢复主动与被动物体间的初始相对位姿,提示视觉语言模型生成分轴采样约束和任务特定验证程序,并在物理模拟器中评估候选位姿。

    推荐理由:该框架将图像编辑目标转化为经物理验证的位姿,在无需预定义网格的情况下实现高成功率。

  3. arXiv · 机器人与计算机视觉78

    面向单次可打印任务专用软体机器人的端到端协同设计研究

    论文提出一种基于仿真的协同设计框架,联合优化材料分布、气动执行器位置与朝向及控制策略,生成可直接通过熔融沉积建模单体 3D 打印的软体机器人设计。该方法采用可微分二维平面应力质点法模拟器,结合实验验证的材料模型和充气执行器的经验代理模型,实现了从任务级目标到物理可实现软体机器人的路径。研究展示了基于梯度的优化生成的软体机械臂能复现仿真预测的行为,且无需后组装即可直接转移至单次单体打印制造。

    推荐理由:该工作提出基于仿真的协同设计框架,联合优化材料分布与气动执行器布局,实现单体 3D 打印软体机械臂并复现仿真行为。

  4. arXiv · 机器人与计算机视觉78

    FineCraft:面向细粒度操作的 VLA 模型增强框架

    论文提出了 FineCraft 框架,通过任务路由混合策略独立适配 DINOv2-DiT 或预训练 pi_0.5 策略,利用局部视觉特征识别指令对象部分,结合演示与专家续写教学动作,并在执行中根据新观测进行重规划。该框架在 MetaFine Challenge 中综合得分 0.878,排名第四且五项任务均超越官方参考基准。代码已开源。

    推荐理由:该框架在 MetaFine Challenge 中排名第四,展示了预训练模型在细粒度操作任务上的适配效果。

  5. arXiv · 机器人与计算机视觉82

    KlaskTron:一个用于物理对抗多智能体强化学习的开源平台

    KlaskTron 是一个基于动态桌面游戏 KLASK 的低成本(<2500 美元)桌面级机器人测试床,旨在解决物理多智能体强化学习基准稀缺的问题。该平台配备双 CoreXY 龙门架和高扭矩无刷电机,支持高速精确操作。项目完整开源了硬件 CAD/BOM、NVIDIA Isaac Lab 数字孪生仿真环境以及经过验证的零样本策略迁移基线(使用学习到的神经执行器模型),所有资产均公开以确保证据可复现。

    推荐理由:开源低成本桌面级对抗多智能体强化学习平台,含硬件设计、数字孪生及零样本策略迁移基线。

  6. arXiv · 机器人与计算机视觉58

    VLALagBench:理解 VLA 推理延迟何时及为何重要

    本文介绍 VLALagBench 基准,用于研究视觉语言动作(VLA)模型的推理延迟敏感性。研究发现即使仅 100 ms 的延迟也能使移动目标任务成功率减半,且异步执行虽能部分恢复成功率但会增加请求频率。作者构建了经验模型,利用有限校准数据预测任务成功率,均方根误差仅为 5.7-7.8%,旨在指导算法与系统的协同设计。

  7. arXiv · 机器人与计算机视觉78

    KlaskTron-IL:一种具有验证过的仿真到现实桥接的富接触对抗模仿学习基准

    作者构建了 KlaskTron-IL 基准,包含 80k 物理机器人采集的人类演示、320k 对称增强数据及由零样本验证策略生成的合成轨迹。该基准揭示了标准模仿学习方法在富接触对抗动力学下的三种典型失效模式:行为克隆的数据扩展瓶颈、GAIL 判别器梯度弱以及行为克隆先验与奖励密度的非对称交互。由于策略接口与硬件执行器模型一致,在此范围内训练的强基线策略可直接迁移至物理机器人运行。

    推荐理由:作者构建了含接触对抗的模仿学习基准,提供零样本仿真到现实迁移策略与诊断基线,揭示标准方法在复杂动力学下的失效模式。

  8. arXiv · 机器人与计算机视觉82

    BeyondContact:一种用于气流非接触操作的强化学习框架

    针对接触式机器人操作受末端执行器可达性和物体机械性质限制的问题,本文提出了一种基于气流的非接触式操作强化学习框架。作者开发了适用于 Isaac Lab 的通用气流扩展模块,利用实验识别的气流模型计算对物体的力和力矩,支持大规模并行训练。

    推荐理由:作者提出基于气流的非接触式操作强化学习框架,在 Isaac Lab 中实现并行训练,并在真实世界零样本部署中验证了混合推吹策略与矩形重定向策略的有效性。

  9. arXiv · 机器人与计算机视觉54

    SyncHeC:基于可微渲染的无标记时空手眼标定方法

    SyncHeC 是一种针对连续运动的无标记手眼标定框架,通过单条机器人轨迹联合估计相机几何与时序偏移。该方法利用连续时间前向运动学使延迟可微分,结合度量深度与掩膜轮廓,并采用离线规划器融合空间敏感性与时间激励,支持 Eye-to-Hand、Eye-in-Hand 及多相机标定。

  10. arXiv · 机器人与计算机视觉48

    MS-DOTT:面向非道路通过性估计的多模态数据集发布

    MS-DOTT 是一个包含长距三维传感、短距精细感知及 4D 雷达测速的非道路多模态数据集,覆盖正常光照、低照度与无光条件。研究团队利用该数据适配了最先进多传感器融合方法以进行通过性估计,旨在推动非结构化环境下的机器人感知与多传感器融合研发。

  11. arXiv · 机器人与计算机视觉72

    ReContact:基于视频重构与重定向人体接触以支持富接触的人形机器人操作

    论文提出 ReContact 方法,通过物体中心接触规划解决人形机器人在遮挡场景下的位姿重建与力对齐问题。该方法在仿真中于股骨支撑的重抓任务上达到 83.5% 的成功率,并将工作空间内的管状物体转移成功率从 20.4% 提升至 97.8%。实物实验在宇树 G1 机器人上执行了七项富接触操作和两项移动操作任务。材料为 arXiv 预印本版本,尚未通过同行评审。

  12. arXiv · 机器人与计算机视觉48

    人工势场奖励增强实现部分观测下的尺寸鲁棒避障

    针对障碍物几何未观测场景,研究者在模拟 Franka Emika Panda 抓取任务中引入水平人工势场奖励项。该方法在半径 0.03m 至 0.055m 范围内将安全成功率维持在 88% 以上,最小间隙达 47.9mm,且消除训练碰撞时间提前至少八倍。该优势在三强化学习求解器及全观测条件下均显著成立,路径长度仅增加约 19%。

  13. arXiv · 机器人与计算机视觉78

    RESONATE:一种用于自主服务机器人的真实社会导航测试床

    针对自主服务机器人在人类环境中社会导航进展受限的问题,该工作提出了 RESONATE 基准,基于统一机器人平台和共享 ROS 2 软件栈,提供精确轨迹真值和结构化社交交互场景。

    推荐理由:该工作提供了基于统一平台的社会导航基准,包含可复用的基线、数据及评测协议,支持社区开展人类感知导航研究。

  14. arXiv · 机器人与计算机视觉63

    PointPilot:通过物体中心 3D 点流预测实现统一机器人操作

    针对机器人泛化难题,本文提出了 PointPilot 框架,该框架基于 3D 空间点流预测构建任务导向的操作策略。不同于全局场景建模,它仅表示与任务相关的物体(含机械手),在统一坐标系下支持闭环全自动执行,无需单独训练动作头或依赖特定单臂模式。模型端到端联合学习子任务规划、物体定位及 3D 点流预测,能吸收异构数据演示并实现零样本本体泛化,即单个策略可部署于未见过的机器人上完成任务且无需微调。

  15. arXiv · 机器人与计算机视觉43

    卫星自主巡检算法研究:世界模型与燃料效率的权衡

    该研究论证在卫星自主巡检任务中,算法选择并非设计核心,关键在于是否允许智能体漂移、记录漂移状态及规划视界长度。移除任一要素会使燃料消耗翻倍,而基于忽略燃料的世界模型代理会浪费数倍燃料。此外,决策层下的控制屏障函数滤波器成功消除了两千年评估回合中的所有禁飞区违规。

  16. arXiv · 机器人与计算机视觉72

    TailorRig:面向复杂服装角色的可控结构化辅助骨骼生成框架

    针对现代角色复杂服装的绑定难题,本文提出TailorRig框架,将自动恢复改为艺术家驱动的受控生成。该框架支持用户指定身体模板以兼容现有骨架,并利用语义标签驱动自回归生成器合成特定类别的辅助骨骼链;同时引入分层链到骨骼的配重机制以减少权重渗漏。研究构建了包含超3.8万个模型的大规模数据集Human-Mix用于评估,实验表明该方法在骨架精度、变形稳定性和可控性上优于现有技术。

  17. arXiv · 机器人与计算机视觉45

    CHERI 月球微型漫游车分离与部署系统的设计与实验验证

    CHERI 月球微型漫游车采用铝制底板、非爆炸释放机构及四弹簧阵列实现分离,经拓扑优化将固有频率提升至 84 Hz 以满足 70 Hz 要求。最终构型通过正弦振动、随机振动及冲击测试,光学运动捕捉验证了着陆器清除效果并确认俯仰角速度为关键可控参数。

  18. arXiv · 机器人与计算机视觉72

    ReGATE:面向人形机器人与物体交互的循环门控视觉融合方法

    论文提出了 ReGATE,一种结合以自我为中心的深度、本体感知及在线移动与接触命令的全局控制器。该方法基于教师 - 学生框架,利用循环适配器预测物体几何与物理接触,无需外部姿态估计器;通过头部级和全局门控调节视觉更新路径。研究在仿真中实现了静态与动态物体的高成功率获取,并在宇树 G1 硬件上演示了抓取、搬运及释放序列,验证了在初始观察后相机被遮挡情况下的成功交互能力。

  19. arXiv · 机器人与计算机视觉75

    超越策略补丁:将强化学习专家蒸馏为视觉语言动作策略

    针对 VLA 策略在短周期高精度操作阶段失效的问题,本文提出 REPAIR 框架,通过离线初始化与在线优化结合的方式,将轻量级 RL 专家的能力蒸馏至单一流匹配 VLA。该方法利用 RL 专家的监督分布训练 VLA,最终移除专家控制器实现独立部署。实验显示,REPAIR 在六项真实机器人任务中均达到 100% 成功率,且末端执行器抖动低于专家辅助执行水平。

  20. arXiv · 机器人与计算机视觉58

    源解析集体认知:机器人与多模态估计的数学基础及其在认知循环中的作用

    Juergen Graf 发布了一篇关于广义奇异值分解(GSVD)在机器人学中应用的预印本论文,系统推导了线性代数与统计估计所需的完整理论框架。该研究将 GSVD 应用于多模态和集体估计问题,分析了信息归因、子空间几何及决策判别等核心要素,并提供了经过数值验证的参考实现代码。

  21. arXiv · 机器人与计算机视觉82

    CUE:通过自主交互填补动力学差距的机器人系统

    该论文提出了 CUE 系统,旨在解决仅凭相机观测无法捕捉摩擦和恢复系数等接触丰富动力学的“动力学差距”问题。该系统在无需重置的情况下,根据高层指令自主构建感知、识别物理参数并针对仿真误差最大的区域进行交互。实验显示,CUE 在模拟环境中将台球位置预测误差降低了 72%,并已部署到真实台球桌上。该工作已接受为 CoRL 2026 晚些时候的突破性成果。

    推荐理由:提出 CUE 系统,通过自主交互填补仿真与真实世界的动力学差距,在台球任务中将误差降低 72%。

  22. arXiv · 机器人与计算机视觉62

    Visuo-tactile Diffusion Policy for Robotic Manipulation with Auxiliary Tactile Dynamics Prediction

    该研究针对长周期机器人装配任务,提出了结合视觉与触觉信息的扩散策略模型。模型利用四步历史数据整合双摄像头视图与指尖触觉图像,并通过辅助目标预测未来两步的触觉变化以捕捉接触状态演变,该目标仅在训练阶段使用。在 MuJoCo 平台进行的三次独立实验显示,全模型平均成功率为 59.0%,较仅视觉基线提升 16.3 个百分点。

  23. arXiv · 机器人与计算机视觉85

    HeLM:面向非马尔可夫操作的层次化显式语言记忆

    针对现有视觉 - 语言 - 动作(VLA)模型依赖马尔可夫假设导致长程任务失败的问题,本文提出 HeLM 框架,通过分层事件检测与触发式记忆更新维护任务相关历史。

    推荐理由:提出分层显式语言记忆框架,在非马尔可夫任务中显著降低显存并提升成功率。

  24. arXiv · 机器人与计算机视觉82

    Neural Integral Control Barrier Functions for Agile Collision Avoidance

    该论文提出一种基于数据学习的神经积分控制屏障函数方法,利用神经 ODE 学习动力学、模仿学习获取名义控制器、监督回归构建屏障函数,从而在无需几何标签的情况下确保状态安全。

    推荐理由:提出用神经 ODE 学习动力学、模仿学习控制器与回归屏障函数,构建无需几何标签的积分控制屏障函数,在敏捷避障任务中消除不安全样本并优于基线。

  25. arXiv · 机器人与计算机视觉78

    MAPO:一种用于通用类人运动跟踪的混合专家交替策略优化方法

    针对混合专家(MoE)策略在政策梯度更新中因动态路由导致旧版与新版策略发散误估的问题,本文提出 MAPO 方法,通过交替优化路由器与专家网络来避免该误估。实验显示,MAPO 能持续跟踪 PPO with MoE 失败的 182 个运动样本,而后者仅能跟踪 MAPO 失败的 1 个样本。该方法在对比方法中取得了最高的跟踪成功率及最低的跟踪误差。

    推荐理由:提出 MAPO 方法解决 MoE 策略梯度更新中的发散误估问题,在通用类人运动跟踪任务上显著优于 PPO with MoE。

  26. arXiv · 机器人与计算机视觉82

    W2A:将世界先验蒸馏进动作模型以实现实时机器人控制

    针对现有世界动作模型(WAMs)因需显式想象未来状态而导致计算开销大、难以满足实时控制的痛点,本文提出 W2A 框架。该方法在训练阶段将视频扩散模型的中间去噪表示蒸馏至动作模型,测试时完全丢弃视频模型,假设压缩的低维子空间足以提供有效监督。实验表明,W2A 在 LIBERO 基准上平均成功率达 95.9%,推理速度比代表性 WAM 基线快约 21 倍,兼顾了高成功率与高效率。

    推荐理由:提出将视频扩散模型的中间去噪表示蒸馏至动作模型,测试时完全丢弃视频模型,在保持高成功率的同时显著降低推理延迟。

  27. arXiv · 机器人与计算机视觉83

    带躯干的弹簧质量体附肢跑步者的中心支点控制:周期步态、稳定化与模板嵌入

    针对传统 SLIP 模型无法描述躯干运动的问题,该研究提出一种中心支点(CPP)控制律,通过髋关节力矩引导地面反作用力穿过质心,将三维问题解耦为平面中心力问题。

    推荐理由:该研究提出中心支点控制律,使带躯干的双足奔跑模型可解析求解并实现稳定周期步态。

  28. arXiv · 机器人与计算机视觉43

    Sequential Recovery Updates for Learned Controllers 在成功轨迹保护下的更新机制研究

    佐治亚大学与佐治亚理工学院团队提出一种控制器更新方法,通过约束新技能入口规则而非参数来修正失败状态。该方法在两个类人机器人系统的四条数据流上运行,两次更新共增加 62 次恢复能力且未损失任何基础成功。移除约束虽能多恢复 33 种情况但会导致 8 个受保护任务无法完成,证明了该机制的有效性。

  29. arXiv · 机器人与计算机视觉83

    基于能量的策略编排:一种用于动态高维任务的模块化策略调度框架

    针对分层控制在接触、平衡或扰动快速变化时固定规划器接口失效的问题,本文提出 EPO 方法,通过为每个低层策略学习复合能量模型来实时选择最优的策略 - 目标对。该方法允许在不重新训练现有策略的情况下融入新策略,并在仿真中改善了精度与鲁棒性的权衡,同时展示了在真机人形行走操作任务上部署冻结策略与能量模型的可行性。

    推荐理由:提出基于能量的策略编排方法,在仿真与真机人形操作任务中提升模块化策略的可行性与鲁棒性。

  30. arXiv · 机器人与计算机视觉38

    手指动作对拥抱型机器人用户心理影响研究

    该研究通过实验发现,重复性及多指不同步的手指动作能增强用户对机器人的感官体验,而全指同步轻柔拥抱则引发更强的关怀感。研究同时指出,针对机器人发起的身体接触阻力方面未观察到差异。成果发表于 HAI 2026 会议相关研讨会,共 4 页含 5 幅图及 3 张表。

  31. arXiv · 机器人与计算机视觉78

    神经启发式机器人:机器人学习可从感觉运动大脑借鉴什么

    这篇 72 页的综述指出,尽管预训练数据量巨大,现有机器人策略在日常操作任务中仍频繁失败,而人类儿童仅需数年即可掌握同类能力。

    推荐理由:该综述提出从生物神经系统借鉴的设计原则,为下一代机器人模型架构提供了具体的理论假设与实现路径。

  32. arXiv · 机器人与计算机视觉82

    Gnomon4D:基于几何运动的视频 - 动作联合建模研究

    论文提出 Gnomon4D 世界动作模型,通过 GeoDelta 几何运动场显式编码物体与机器人点的跨帧位移和深度变化,结合 InSAttn 注意力机制聚焦任务相关交互区域。

    推荐理由:该工作提出 GeoDelta 几何运动场与 InSAttn 注意力机制,在仿真基准上超越最强基线,为理解物理交互提供新范式。

  33. arXiv · 机器人与计算机视觉58

    无需协调:基于强化学习的八臂软体游泳器自主游动研究

    该论文研究了多自由度软体机械臂的协同游动问题,提出在共享节律驱动下独立学习各臂激励幅度的控制策略。通过近端策略优化(PPO)对比了无相位耦合、预设相位耦合及端到端三种方法,在无相位耦合策略中,200 个随机三维速度指令任务中有 169 个满足跟踪标准,显著优于其他两种策略。研究结果表明,有效的八臂游动无需预设的臂间相位耦合,可通过学习特定幅度的调制在节律控制结构内实现。

  34. arXiv · 机器人与计算机视觉72

    学习生物启发四足机器人的目的性协同设计

    本文介绍了一种名为 Dogger 的生物启发四足机器人及其协同设计方法。作者提出将形态设计与控制策略结合的两阶段框架:利用强化学习和贝叶斯优化训练跨设计的形态条件化控制策略,并在任务特定设计中固定该策略。实验结果显示,零样本部署的设计在检查和负载携带任务中分别降低了 18.6% 和 35.7% 的运输成本,证明了扩展物理设计空间对于实现任务驱动协同设计的重要性。

  35. arXiv · 机器人与计算机视觉58

    Late Autumn:LLM 代理为单一仓库特化通用多机器人规划器

    论文 Late Autumn 探索利用 LLM 编码代理进行自主研究,将通用的多机器人规划器特化为适应特定仓库布局的方案。研究在模拟现有自动化仓库的地板上进行了六次实验,发现该方法能将吞吐量提升 22% 至 60%,且该增益在未见过的新种子数据上依然成立;代理重新发现了走廊出口优先级、局部引导等已知机制。