HC2Robot:用于多地形人形机器人跑酷的超连接 Transformer 与预测前瞻方法
该论文针对人形机器人在不连续地形上的运动控制问题,提出 HC2Robot 框架以解决感知驱动策略中训练端拥有仿真特权信号而部署端仅依赖车载感知的信息不对称。
该论文针对人形机器人在不连续地形上的运动控制问题,提出 HC2Robot 框架以解决感知驱动策略中训练端拥有仿真特权信号而部署端仅依赖车载感知的信息不对称。
论文提出 TAPESTRY 方法,通过 Tokenizing Actions as Video Patches in a Shared Transformer Policy,将预训练视频扩散模型复用于机器人控制策略,无需在推理时进行资源密集的视频生成。
推荐理由:该工作将预训练视频扩散模型复用于机器人策略,无需推理时生成视频即可输出动作序列。
该研究为 2027 年 NASA 人类探索漫游车挑战赛高中组开发了一套集成设计评估方案,结合商业差速控制与树莓派子系统执行成像及测距指令。在估算质量 10.919 kg 条件下,理论滚动速度达 8.105 km/h,需至少 1.255 N·m/轮扭矩以应对 20 度爬坡。通过合成基准测试验证了颜色几何规则与线性支持向量分类器在 2,400 张生成板上的表现,但未报告物理漫游车实测结果。
针对生物启发式磁导航(BIMN)中地磁场坐标无法一一对应地理位置的模糊性挑战,研究提出将 BIMN 建模为梯度流控制问题。实验表明,在地球预定义区域内,利用磁倾角和强度的梯度流可充当引导电流,控制系统经中间航点被导向目标目的地。该框架提供了无 GPS 导航机制,适用于工程建立地磁基础设施及生物学分析迁徙路线。
这篇论文介绍了一种名为 Torch-Hand 的全自由度人形灵巧手,拥有 21 个自由度,其中拇指具有 5 个自由度以提供广泛的对指能力。该设计采用完全基于连杆的传动架构和螺杆连杆驱动,实现了高抓握力和负载容量,同时保持了紧凑的人体形态。
论文介绍了在 MetaFine Open Competition 中排名第一的视觉语言动作策略 MAI。研究从官方演示出发,针对抓取、推搡和插入等局部失败,通过修订运动轨迹并添加专家续写进行优化,同时保留原始演示用于训练。所有检查点均按指令比较,确保单一指令的收益不会掩盖其他指令的损失。最终提交以 96.66 分获得综合第一。
推荐理由:作者针对 MetaFine 竞赛中的抓取与插入失败,通过局部评估指导演示修正并加入专家续写策略,最终提交 MAI 以 96.66 分获第一。
论文提出一种可审计的自驱动实验室(SDL)统一框架,包含四个核心组件:LAM 用于生成连续机器人轨迹和仪器 API 调用;OpenSDL 作为执行底层映射异构设备并记录因果事件;Safe-SDL 运行时门控结合预调度检查与信号时序逻辑监控;L3-Bench 定义涵盖物理结果、安全性及故障恢复的评估协议。该框架旨在解决 SDL 工作流中的协调性与可追溯性挑战,目前为 arXiv 预印本状态。
该研究提出一种让两辆个人移动车辆(PMV)进行侧向协同自主运动的方法。系统基于全局路径规划合作队形以方便乘客交谈,同时确保安全平稳。每辆车运行独立的采样模型预测规划器,仅交换观测到的里程计信息,联合决策通过公共规则解析效用矩阵。
该论文通过砂光案例研究,结合仿真与两台轻量级无驱动轮式测试床实验,揭示了持续接触下非刚性底盘行为对任务执行的影响。在低底盘 - 地面阻力条件下,仅能实现 100 N 指令力的 54%-70%,工具中心点误差高达 100 mm;增加阻力可改善力实现并抑制位移,但底盘振动与力跟踪误差无一致关联。研究强调了联合考察力、运动与振动以表征轻量级移动操作的重要性。
该论文提出 TOPS(Task-Oriented Priors and Schedules)方法,针对语言条件化的多任务机器人操纵问题,通过构建多模态任务源并调整去噪过程中的插值调度来适应不同运动需求。
推荐理由:TOPS 方法通过调整流源先验与插值调度,在无需修改网络架构下提升多任务机器人操作的成功率与推理效率。
针对双臂机器人操作演示采集成本高且单臂数据难以直接迁移的问题,论文提出 RoboSTD 方法。该方法首先对观测、本体感知及动作进行矢状面镜像处理以构建可执行的伪双侧演示,随后利用大语言模型生成结构化的时空协调约束,指导在工作空间区域与任务阶段的重建监督信号。
该论文提出一种基于学习的实机 - 仿真 - 实机框架,旨在将多样化的生物形态(如鳗鱼游泳、尺蠖拱形运动)转化为可行的软体模块化机器人构型。针对现有方法依赖昂贵物理建模和组合搜索的问题,该方法结合学习到的逆向预测与目标候选探索,利用快速前向代理模型评估设计。
推荐理由:提出基于代理的逆向设计框架,将生物曲线转化为机器人构型,在未见过的穿线模式下实现 93% 的形状重构成功率。
论文提出 Motion-Guided Asymmetric Prediction (MoGAP) 方法,旨在通过联合预测未来视觉观测和动作来适配预训练视频生成模型以用于机器人控制。
论文提出HumiTransfer框架,旨在保留人类互动中的空间、语义及接触关系(如拥抱、握手),并将这些关系迁移至不同形态的人形机器人上。该方法先重建3D人体运动,再通过加权关节相对方向和解剖偏移优化接触关键关系,最后通过后重定向优化确保平衡与避障。
论文提出了 OpenJaws,这是一个完全开源的硬件和软件框架,旨在改进 Universal Manipulation Interface (UMI) 的定位精度并简化部署。
Unitree G1 人形机器人通过 REACH 框架,结合双向切换策略与激光雷达规划器,在 1.27-0.50m 双足及 0.50-0.20m 爬行模式下实现受限空间自主穿越。该 RL 分层架构利用本体感知构建条件潜变量表示,解决了富接触动力学难题并扩展了蹲伏行走的通行极限。真实实验验证了高度速度跟踪精度、地形鲁棒性及模式切换可靠性,代码与视频已公开。
CARD 是一个无需物体的仿真与重定向框架,通过显式保留接触力目标将人类演示转化为机器人动作。该框架在视频、手套及运动捕捉数据上,将接触保持率从传统方法的不足 10% 提升至 43%-78%,并将 GRAB 数据集上的严格任务成功率由 12% 提高至 32%。其引入的触觉追踪控制器对硬件开环回放中复现演示力至关重要,确立了通过接触保持将人类灵巧性转移给机器人的可扩展接口。
论文提出了 CPG-ENN 框架,结合基于对称性的八神经元中央模式生成器与预训练执行神经网络,实现四足机器人跨行走、小跑等多种步态的平滑切换。仿真结果显示所有 20 个定向步态对的过渡成功率达 99.39%,消融实验表明无需特定步态暴露即可实现高可行性跨步态切换。Unitree Go2 实体实验验证了五种步态及其过渡的有效性,证明了该框架在真实机器人上的部署能力。
针对骨骼肌形态差异导致策略复用困难的问题,本文提出了 MyoAcross 框架,结合个体模型构建、形态条件策略学习与虚拟模型增强,实现了无需微调的肌肉驱动参考动作跟踪。
推荐理由:该框架通过形态条件策略学习,在无需微调的情况下实现了跨个体肌肉驱动控制,显著降低了跟踪误差并提升了完成度。
针对 LLM 驱动机器人程序搜索缺乏物理理解的问题,本文提出 RoboAuto 框架,通过分层知识库、场景 grounding 及多阶段自我实验显式处理物体、场景与交互层面的物理约束。
GRAFT 是一种针对人形行为基础模型(BFM)的几何感知残差适应框架,旨在解决其缺乏对局部地形(如台阶、间隙和平台)自适应机制的问题。该方案保留 BFM 参数与运动参考接口,仅通过轻量级适配器在下肢执行目标上添加地形条件修正。
该方法通过高层控制器生成简洁的运动表示,直接馈入追踪策略以支持 Unitree G1 执行长达 35 秒的格斗转舞蹈等复杂动作。在同等容量下,其基于随机运动分词器的重建效果优于有限标量量化(FSQ)和向量量化自编码器(VQ-VAE)。该工作已获准参加 2026 IEEE-RAS Humanoids 会议。
论文提出 HIDRA 方法,通过分层双注意力机制解耦指令级专家检索与上下文依赖的细化,并引入关键几何正则化以稳定表示漂移下的路由选择。该方法在 LIBERO 基准套件上评估,相比无回放和有回放基线均表现更好,在高干扰和语言变化场景下提升显著。材料为 NeurIPS 2026 会议接收的预印本版本,代码已开源。
针对导航 VLA 策略重复调用昂贵语义推理的问题,作者提出 ASPEN 事件触发调度器,利用轻量多模态预测器结合时序观测、语言指令、执行历史和缓存置信度来估计冻结基线策略是否会重发旧指令。
推荐理由:该工作提出基于指令持久性预测的事件触发调度器,在冻结基线策略下实现指令复用,显著降低推理成本并保持导航性能。
针对复杂长视界全身移动操作任务,本文扩展近端策略优化(PPO),利用先验任务结构训练单一策略以支持多种硬件平台。方法采用阶段条件化评论家、阶段门控奖励函数及多阶段重置课程来引导探索,并解耦底层平衡动力学与高层相位执行。作者在 Unitree G1 和配备操作臂的 Boston Dynamics Spot 上验证了该方法能获取复杂的移动 - 操作技能,且无需依赖人类运动数据。
arXiv 论文介绍 cuArms,这是一种专为多臂操作设计的冲突基规划器。该方法利用 GPU 并行性高效分解搜索空间,通过可复用的多模态路线图支持个体机器人,并采用惰性搜索解决冲突与死锁。
该研究提出无需模型微调的编程级对抗共适应自博弈框架,利用代码智能体基于对手代码与任务反馈生成攻防策略。案例显示自动驾驶防御者引入直驱恢复、人形机器人防御者修订状态验证,但仅实现局部任务恢复而未建立持续鲁棒性。结果通过可执行工件与任务证据进行观测,涵盖自动驾驶 SDK 级防御与人形运动控制接口。
该论文提出 E0.5,这是一个以 3D 几何为原生基础的机器人世界 - 动作(WAM)模型,将 3D 几何作为世界建模与动作预测的核心表示。E0.5 在 RoboTwin 2.0 基准上无需具身数据预训练即可达到 89.90%(干净设置)和 50.09%(随机化设置)的成功率,并显式联合预测未来 3D 状态与动作。
推荐理由:该工作提出以 3D 几何为原生基础的 E0.5 模型,在 RoboTwin 2.0 上实现高成功率,并通过具身预训练显著提升真实机器人操作表现。
针对现有图像质量评估方法仅对齐静态基准且忽略下游任务的不足,本文提出一种基于多模态大语言模型(MLLM)的具身图像质量评估框架。该框架通过推理任务需求、定位质量证据并生成面向决策的评估,将 IQA 从分数回归转向由具身任务效用定义的目标条件判断。
江苏具身智能公司艾利特机器人今日宣布完成由建信股权领投的 2 亿元新一轮融资,资金将用于开拓光通信、AI服务器等场景及扩充产能。该公司自研元启Primo工业大模型并融合视觉 - 语言 - 动作能力,协作机器人系列覆盖 5/6 轴构型且负载达 3~30kg。其产品已进入全球 50 多个国家和地区,2025 年出口销量占比达 33%,上半年海外增幅约 170%。
文章分析2026年触觉传感器融资热潮与产线落地的差距,指出从视觉主导转向触觉闭环是进厂干活的刚需。国产厂商通过芯片化、阵列化及视触觉等路线将成本压至百元级,但规模化拐点预计要等到2027年以后,核心变量在于人形整机的实际出货节奏。
SO-101 Bench 是首个针对低成本 SO-101 机械臂构建的仿真基准,支持语言条件约束的空间操作任务。该基准在包含 138 个物体的模拟环境中评估了九种 VLA 及世界动作模型,发现最佳策略成功率近 61%,而结合代码生成与抓取策略的智能体可达 83.2%。尽管仿真成功率高估真实表现,但五类无实机数据训练的策略在物理臂上排名完全一致(Spearman rho = 1.00)。
小米于10月27日公布新一代仿生手核心信息,包括21个自由度、26个电机混合驱动及1500点全掌触觉。该规格并非单纯参数堆砌,而是基于对汽车工厂1827个标准作业程序(SOP)的动作捕捉与仿真分析得出:数据显示人手关节在实际作业中利用率高且存在天然耦合,21个自由度在抓握成功率上优于低自由度方案但边际收益递减。
推荐理由:小米公布新一代仿生手,其21个自由度规格源自对自家工厂1827个SOP的动作数据与仿真分析。
VicOne LAB R7 研究显示,当输入数据被恶意篡改时,原本依赖传感器读数的机器人安全决策可能失效。实验证实,在基于 Gemma 4 E4B 的机器狗测试中,海报文字可被误判为指令;而在搭载 NVIDIA Jetson AGX Orin 运行 Nemotron 的仿真环境中,人类听不见的音频也能改变机器人行为。该研究强调需重新评估针对服务机器人的信息安全性及现有防护机制的有效性。
清研精准正式发布车规级 Tsing-Ego PRO 第一视角数据采集方案,首创 RIL(Robot-in-the-Loop)机器人在环中试系统。该方案采用头部与双腕共 8 目视觉采集,端到端同步精度≤1ms,设备重量控制在 200g 以内且内置 80TOPS 端侧算力。
星尘智能举办全国最大规模机器人App黑客松总决赛,47支队伍中16个作品在36小时内完成从仿真到真机的跨越,上机率高达94%。星尘具身操作系统AOS通过封装感知、移动、操作等能力为Meta包和Skill,支持开发者利用GPT-6等大模型快速编排应用。参赛团队展示了3D打印收料、摄影跟拍、老年护理等多种场景的机器人App,验证了全栈思路中模型、系统与本体协同的有效性。
在ThunderWorld 2026大会上,中科创达发布具身智能全栈解决方案,核心定位为“机器人大脑+Agent AIOS”,不造本体与通用大脑,而是通过投资星尘智能等厂商及合作地平线、英伟达等芯片平台提供底层支撑。
Xpanner 正式发布 X1 Piling R6 全自动打桩机器人,专为公用事业规模的光伏和电池储能电站设计。该系统由单一操作员远程监督,利用高精度 GNSS 和本板传感器自主完成每根桩的精准安装,解决熟练工短缺问题。
本文介绍 JRDB-AVR 基准和参考方法 JRDB-AVR-Agent,旨在解决当前视觉推理评测忽视主动证据获取的问题。该基准基于真实世界 JRDB 机器人数据构建,要求智能体接收问题后主动请求特定时间戳和视角的观测,并评估最终答案与支撑证据的一致性。实验显示现有基线存在答案准确但缺乏依据的现象,表明需要引入主动感知评估。代码与基准已开源。
ActECC 通过运动学引导的可用范围评估与延迟感知重规划调度,解决了边缘 - 云协作中动作分块的时序挑战。实验表明该方法将单步动作延迟降低最多 27.4%,云端调用减少最多 45.1%,并降低了平均执行误差。该研究为具身智能 VLA 模型的实时部署提供了关键优化方案。