跳到正文
11月3日周二
  1. arXiv · 机器人与计算机视觉78

    Learning from an Imitable Teacher: Competition Solution for the MetaFine Challenge

    该论文介绍了 Team Friday 在 MetaFine Open Competition(CoRL 2026)中的二名解决方案。团队未微调大模型,而是为每个任务训练了独立的 19M 参数策略与指令分类器,数据由模拟器中的特权脚本化教师生成。

    推荐理由:报告提出通过设计可模仿的虚拟教师来纠正学生策略,在 MetaFine 挑战赛中实现分数翻倍。

  2. arXiv · 机器人与计算机视觉58

    SaddleSense:利用单轴商用弯折传感器的马鞍形模块实现三维形状感知

    论文提出 SaddleSense 架构,采用 3D 打印的 TPU 马鞍形晶格集成单轴弯折传感器,将多轴变形解耦为曲率参数。原型在 430mm 连续体机器人上实现了 29.9mm 至 15.8mm 的尖端位置均方根误差(RMSE),混合校准模型结合数据驱动与物理回退机制处理分布外输入。

  3. arXiv · 机器人与计算机视觉48

    控制器限时内重定时演示实现更快模仿学习

    该方法通过贪心合并指令确保每一步位移在低层控制器能力范围内,解决了传统重定时导致成功率崩溃的机械成因。实验显示,在四个 Robomimic 仿真任务中,合并上限为二的策略成功率最高,Square 任务较冻结策略提升 14 个百分点; humanoid 全身追踪器在 2.3 倍速下成功率为 71%,优于均匀重定时的 51%。该研究已提交至 ICRA 2027,代码与数据暂未开放。

  4. arXiv · 机器人与计算机视觉74

    Reflex:通过复用和修正过去动作实现快速机器人策略服务

    论文提出 Reflex 框架,解决现代机器人策略因昂贵推理导致的实时控制延迟与多机吞吐量瓶颈。不同于仅缓存中间状态的方法,Reflex 缓存完整动作块以绕过昂贵的策略主干网络,并通过两级缓存修正机制处理相似观测需不同动作及误差累积问题。实验显示该方法在代表性负载和真实机器人上,将推理延迟提升 1.4 至 11 倍,吞吐量提升 2.0 至 2.2 倍,同时保持任务成功率相当。

  5. arXiv · 机器人与计算机视觉84

    低参数 regime 下视觉语言动作模型的行為引导

    论文研究了如何用极低容量(8 至 384 个可训练参数)的 TinyLoRA 适配器对预训练的 OpenVLA-OFT 7B 策略进行行为引导,使其在保持预训练能力的同时适应如“举高物体”等风格偏好。

    推荐理由:该文展示了仅用 256 个可训练参数即可通过微调改变 VLA 执行风格,同时保留大部分预训练能力。

  6. arXiv · 机器人与计算机视觉81

    WorldSketch:用于零样本移动操作的草图化世界模型

    论文提出 WorldSketch 新范式,让视觉语言模型作为智能体主动查询感知工具构建并验证最小运动学世界模型,仅捕捉任务相关对象及其交互几何与可能运动,再由几何规划器联合优化接触与全身运动。

    推荐理由:提出由 VLM 构建最小运动学世界模型的范式,在 RoboCasa 等基准实现零样本成功率达 91%,显著优于现有基线。

  7. arXiv · 机器人与计算机视觉48

    MESSPa:一种用于可拆卸机械臂的多模态具身刺激肩垫,保留代理感

    针对可穿戴机器人分离时代理感下降问题,研究提出结合运动传递与肩部气动触觉反馈的MESSPa系统。实验显示,在双任务负载下,该设备相比键盘控制显著缩短完成时间并提升分离状态下的代理感,同时缩小了附着与分离状态间的性能差距。该系统设计已接受IEEE-RAS Humanoids 2026会议录用,相关代码与数据暂未开放。

  8. arXiv · 机器人与计算机视觉56

    通过时空语义融合实现交互式物体搜索:一种结合 VLM 可信度与几何占位证据的三维信念场方法

    本文提出了一种将语义直觉与几何感知融合至显式三维信念场的交互物体搜索系统,旨在解决现有方法仅依赖单一模态(纯几何或语言模型)的局限。系统通过贝叶斯对数几率滤波累积每个物体的 VLM 可信度分数和几何占位证据,形成统一的高维信念场以驱动行动选择,包括从不同视角观察、导航至未探索区域或与封闭柜体进行物理交互。研究在双足移动机器人上进行了端到端部署,结果表明该方法优于仅基于几何或语言模型的规划方法。

  9. arXiv · 机器人与计算机视觉48

    TacMind:机器人触觉交互状态基准与预测世界模型研究

    TacMind 构建包含 128 个任务的仿真基准,涵盖 Precise、Recognition 及 Dynamic 三种评估 regime 并引入视觉物理扰动。该工作提出动作条件潜变量预测世界模型,通过整合触觉历史与未来预测来学习交互状态以优化候选动作。实验表明,在各类评估 regime 下融入触觉信息均能带来一致的性能提升。

  10. arXiv · 机器人与计算机视觉78

    行为图:用于解读机器人部署数据的无监督图结构

    针对机器人部署产生海量高维数据难以分析的痛点,本文提出行为图方法,通过识别相似行为模式、连接时序并关联结果,将策略 rollout 压缩为可解释的有向图。用户研究显示该方法比视频更易分析且能预测任务进度。

    推荐理由:提出行为图方法压缩机器人部署数据,用户测试显示其比视频更易分析且能预测任务进度。

  11. arXiv · 机器人与计算机视觉78

    基于路径积分与视觉罗盘误差的机制在真实机器人上的验证

    论文提出并测试了一种模型,证明简单的误差驱动机制能在真实世界条件下生成沙漠蚂蚁学习行走的关键特征。研究团队将模型部署在一台配备全景相机、IMU 和轮速编码器的四轮物理机器人上,并在户外复现了沙漠蚂蚁实验设置。

    推荐理由:该研究在真实四轮机器人上验证了基于路径积分与视觉罗盘误差的机制,成功复现沙漠蚂蚁学习行走的特征。

  12. arXiv · 机器人与计算机视觉78

    SPARK:基于物理重观察的自纠正具身记忆

    针对现有具身检索增强生成(RAG)系统易累积语义标签、物体位置及空间关系错误的局限,论文提出 SPARK 框架。该框架在首个任务集后利用语义批评标记知识库错误区域,通过规划器生成针对性重访,并基于新观察结果选择性合并信息以修正记忆。

    推荐理由:提出 SPARK 框架,通过语义批评与目标重访修正具身记忆错误,在 AirSim 仿真环境中显著降低存储开销并提升问答性能。

  13. arXiv · 机器人与计算机视觉47

    Teach-Abstract-Apply 框架实现协作机器人对话驱动任务学习与技能抽象

    Teach-Abstract-Apply(TAA)框架允许操作员通过自然语言向协作机器人教授新工作流,并将其抽象为可复用的技能。该框架在结构搭建任务中利用 Qwen3-Coder 和 GPT5.2-Codex 模型评估显示,技能抽象提升了任务成功率并降低了交互成本。初步人机闭环研究证实该流程也能响应人类指令,支持未来生产环境的通用化应用。

  14. arXiv · 机器人与计算机视觉58

    监督式双机械臂自动吸除与电凝止血:低度脾脏创伤的可行性研究

    该论文提出了一种用于低度脾脏创伤的监督自主双机械臂框架,系统整合了实时出血分割、无标记工具关键点追踪及深度工具 - 组织接触检测,以协调双臂进行同步吸除和电凝。在新型管状离体脾脏出血模型上评估显示,该系统在七处不同损伤中实现了平均 82.9% 的出血表面焦痂覆盖。材料为 arXiv 预印本,展示了监督自主系统在靶向凝血方面的可行性,未报告真实临床部署结果。

  15. arXiv · 机器人与计算机视觉82

    Anchor 1:用于全身精准稳定操控的人形机器人控制器

    Archon Robotics 发布 Anchor 1,一种面向人形机器人全身精准稳定操控的控制器及基准测试集。该方法采用校准后的稀疏运动参考以保留任务相关的人体运动结构,无需在线关节空间重定向;通过离线整理机器人运动数据塑造训练分布,并引入与运动编码解耦的显式误差反馈以提升控制精度。

    推荐理由:该工作提出 Anchor 1 控制器与基准,在仿真和硬件上均实现更优的全身操控精度与稳定性。

  16. arXiv · 机器人与计算机视觉75

    Scaling Trusted Autonomy: Towards Generally Capable Verifiable Robots

    该论文提出 Scaling Trusted Autonomy 框架,旨在解决基础模型驱动机器人缺乏内部状态可验证性的问题。研究通过神经符号方法融合学习模型的通用性与显式结构:LIMP 利用空间推理将自然语言指令映射为任务约束与语义地图以支持规划;REALM 维护可编辑的光照逼真 3D 高斯场景并预测操作后果以实现局部修正;PACTS 联合生成动作轨迹及其符号效应预测。

  17. arXiv · 机器人与计算机视觉48

    从概念到实际成因:弥合机器人基础模型的概念 - 故障差距

    该位置论文指出,现有机械可解释性方法因假设固定情境且仅读取即时效应,导致无法识别特定事故的实际成因。作者通过形式化故障隔离查询框架,揭示了当前方法在玩具示例中可能引发相互冲突的判决结论。基于此,文章提出了四项开放研究任务以填补概念编码与实际故障之间的差距。

  18. 量子位65

    小米获世界互联网大会双奖并披露机器人最新落地进展

    2026年11月3日,小米集团获得2026世界互联网大会“杰出贡献奖”,其具身基座模型关键技术获“领先科技奖”。峰会期间,小米披露两项落地进展:工业场景下人形机器人在汽车工厂中控台侧盖板排序工站完成8小时作业任务,实现异常自主纠偏与产线协同;家庭场景下基于Xiaomi-Robotics-1预训练模型的Agent系统在青年公寓启动试运营,完成覆盖3个房间、50+任务的连续超30分钟长程验证。

  19. 盖世汽车 · 汽车资讯54

    小米披露机器人双线进展:工业实现8小时长时作业、家庭启动试运营

    小米获颁互联网大会奖项,同时披露两项最新进展:在工业制造场景,新一代机器人在汽车工厂中控台侧盖板排序工站首次挑战8小时长时作业,满足全天生产需求并实现异常自主纠偏与产线协同;在家庭场景,基于Xiaomi-Robotics-1预训练模型搭建的Agent闭环系统已在小米青年公寓启动试运营,可完成连续超30分钟、覆盖3个房间、包含50余项任务的长时多房间复杂任务链。

  20. 盖世汽车 · 汽车资讯33

    机本智能连续完成两轮融资近千万美元,聚焦强化学习路线打造软硬一体灵巧手解决方案

    机本智能于近日连续完成由 Alphaist Partners、耀途资本领投的两轮融资,累计金额近千万美元。公司成立于 2026 年 9 月,CEO 李浦豪与 CTO 陈泽源分别来自清华自动化系和北大,长期研究灵巧操作底层交互算法。团队选择强化学习路线,正探索将仿真、真人演示与生成轨迹结合构建数据体系,推进模型从仿真向真实硬件迁移验证。

  21. 盖世汽车 · 汽车资讯38

    灵枢智肤完成超千万融资,推出“离子皮肤”柔性触觉传感材料用于机器人送样验证

    上海灵枢智肤电子科技有限公司近日连续完成种子轮与天使轮融资合计超千万元,资金将用于搭建中试线及向客户送样。该公司由复旦团队创立,主打“离子皮肤”路线,其材料与器件已通过双 85 测试及千万次机械验证,支持点触、滑移等感应功能。目前产品正为人形机器人、智能穿戴等领域客户进行送样验证,尚未规模量产。

  22. 量子位12

    B 站举办 2026 超级科学晚,脑机接口、具身智能与世界模型等前沿科技齐亮相

    2026 年 10 月 31 日,B 站超级科学晚在北京举行,新增飞行汽车、具身智能、脑机接口等议题并展开 15 场对谈。神舞科技现场演示多人脑电互动实验;梅卡曼德预测三到五年内具身智能将在制造物流落地;松延动力指出世界模型可降低具身智能试错成本,将人力与折旧转化为算力成本。

  23. 盖世汽车 · 汽车资讯67

    第一批具身智能公司倒在热钱翻涌中:复盘融资驱动型企业的生存困境与行业洗牌

    文章复盘了国内具身智能赛道在资本热潮下多家企业停摆或破产的现象,指出其核心症结在于现金流依赖下一轮融资而非产品交付,且真实需求尚未成熟。随着大额融资减少和监管趋严,资本定价逻辑正从为“可能性”转向为“确定性”,行业将进入洗牌期,最终只有上游核心零部件和具备稳定商业价值的头部企业能存活。

  24. The Robot Report45

    AWS 开源物理 AI 工具链整合 NVIDIA 软件栈,Agility Digit 获 AGCO 与 GXO 部署,Boston Dynamics 发布新灵巧手及 CEO 任命,Gecko Robotics 获海军追加合同

    AWS 推出开源物理 AI 工具链,将自身服务与 NVIDIA 物理 AI 软件栈整合以支持机器人从数据采集到模型部署的全流程。Agility Robotics 宣布与 AGCO、GXO Logistics 签署协议,计划于 2027 年起在美国堪萨斯州及北卡罗来纳等地部署 Digit 人形机器人。

11月2日周一
  1. 智东西 · 机器人42

    RoboScience机器科学完成A2轮数亿融资,360战投领投

    RoboScience机器科学宣布完成A2轮融资,由琥珀资本、鸿瑞达投资及上海半导体产投联合领投,360战投跟投。资金将用于迭代Visics通用具身大模型与REX G1机器人,推进物流等场景POC验证。公司发布多模态物理仿真引擎RoboMirage,视频训练数据规模从2026年初的100万小时增至400万小时。

  2. 智东西 · 机器人42

    机本智能完成近千万美元融资,打造聚焦灵巧操作的机器人“小脑”强化学习平台

    北京具身公司机本智能宣布连续完成两轮融资,累计金额近千万美元(约合人民币0.67亿元)。该公司由两位"00后”研究员创立,聚焦机器人灵巧操作,致力于构建将仿真、真人演示与生成轨迹结合的训练数据体系。团队采用强化学习路线,旨在打造适配不同硬件的“小脑”,实现从仿真环境向真实硬件的迁移验证。

  3. 智东西 · 机器人42

    上海具身触觉创企灵枢智肤融资超千万,华为哈勃参投

    上海柔性触觉传感企业灵枢智肤宣布连续完成两轮融资,种子轮与天使轮均由元禾控股参与,其中种子轮由华为哈勃参投,总融资金额超千万元。该公司成立于2025年,产品面向具身智能领域,推出了具备多点压力感知能力的指尖及掌心传感器模组,已完成双85测试等可靠性验证及1000万次以上重复机械测试。目前企业正搭建材料中试线并向客户送样推进落地验证。

  4. arXiv · 机器人与计算机视觉62

    面向通用形态控制的上下文 MDP 中共享模块化循环研究

    论文提出一种利用上下文信息并利用深度强化学习智能体模块化结构的通用控制器架构。针对机器人形态高度不相似且部分上下文特征不可用的挑战,该方法通过模块化交互恢复特征,旨在提升多机器人控制及对新环境的泛化能力。作者在 MuJoCo 大型机器人集上评估了基于 Transformer 的共享模块化循环架构,结果显示其在未见动力学、运动学和拓扑结构的机器人上实现了显著的零样本泛化性能提升。

  5. arXiv · 机器人与计算机视觉70

    I3L:面向全身移动操作的迭代交互式模仿学习

    针对离线训练的遥操作演示在长视界全身移动操作中泛化性差的问题,本文提出 I3S 系统,结合低成本的 JoyLo+ 接口与策略追踪机制实现全身协同修正及迭代重训练。实验显示,四轮 HG-DAgger 协议下该系统在所有任务中成功率均超 90%,平均提升自主成功率 68.3 个百分点,显著优于仅基于演示的训练方法。

  6. arXiv · 机器人与计算机视觉82

    Decompose and Reorganize:基于演示学习的原语与视觉运动策略规划

    论文提出 DR-LfD 框架,将人类演示分解为原子技能并重组到 TAMP 决策系统中,解决接触丰富操作中的泛化问题。在 DexMimicGen 任务中,该框架仅需 100 次演示即可超越基于扩散的模仿学习策略(需 1000 次)。材料为预印本论文,已接受至 IEEE Transactions on Robotics。

    推荐理由:该框架将演示分解为原子技能并重组,在 DexMimicGen 任务中以 100 次演示优于扩散基线。

  7. arXiv · 机器人与计算机视觉78

    超越单纯操作:为自由浮动航天器规划无燃料姿态机动

    本文研究利用机械臂运动进行无燃料姿态控制的可行性,将其视为执行机构而非仅作为干扰源。通过构建包含关键关节和避撞约束的轨迹优化问题,使用内点法求解非线性程序,计算了多种航天器 - 机械臂系统的复杂变轨与去旋轨迹。

    推荐理由:提出利用机械臂运动实现无燃料姿态控制,通过轨迹优化解决关节与碰撞约束,为在轨组装提供新方案。