跳到正文
10月27日周二
  1. arXiv · 机器人与计算机视觉72

    IndustryNav:评估具身智能体在动态工业导航中的空间推理与安全能力

    作者引入 IndustryNav 仿真环境,包含 24 个仓库场景以支持闭环导航至指定目的地。研究引入了感知碰撞和近撞警告的安全指标,实验表明现有视觉大语言模型虽能到达目标但会与移动障碍物发生碰撞。此外,策略在熟悉路线上有效却无法泛化到未见过的新布局,凸显跨场景泛化仍是开放挑战。

  2. arXiv · 机器人与计算机视觉36

    迈向物理递归自我改进:呼吁人形机器人身体控制协同设计

    该论文提出通过身体与控制的协同设计实现人形机器人的物理递归自我改进(RSI),以解决固定躯体下控制策略优化的局限。文章基于生物进化灵感,探讨了战略探索、Sim2Real迁移及元策略学习等协同设计方法,并提出了从短期创新到长期目标的开放研究问题。

  3. arXiv · 机器人与计算机视觉21

    特殊伽利略群 SGal(3) 及其在机器人问题中的应用研究

    Jonathan Kelly 提出利用 10 维特殊伽利略群 SGal(3) 统一表征空间与时间的不确定性,以支持从几何到通用自主性的机器人系统。该研究展示了其李代数结构如何为多类机器人问题提供统一表示框架。论文已在 IEEE/RSJ IROS 研讨会提交,arXiv 版本 v3 于 2026 年 10 月发布。

  4. arXiv · 机器人与计算机视觉45

    多目标强化学习使用路由集成与轨迹归因方法

    该方法引入目标冲突系数并设计路由集成策略,在 Meta-World 和 MO-Gymnasium 在线环境中平均性能较基线提升 4.3%。基于核函数的轨迹归因算法使留一法分析相关性优于现有基线 50%,且应用于轨迹选择时奖励提升 27%。该工作共 30 页,拟发表于 NeurIPS 2026(扩展版)。

  5. arXiv · 机器人与计算机视觉42

    高分辨率触觉观测使隐蔽的球拍控制机制变得可学习

    研究利用搭载 864 个节点、100-Hz 采集频率的触觉惯性手套,记录了超 70 名参与者跨越五项技能的 1.4 万次羽毛球挥拍数据。提出的力学 grounded 双层框架从触觉历史推断出物体驱动与抓握稳定控制机制,发现高熟练度对应选择性而非广泛性控制。在随机分组的实验中,机制引导的学习者技能提升达 0.72 专家评分等级,显著优于仅反馈水平的 0.05,证实了控制机制的可操作性。

  6. arXiv · 机器人与计算机视觉78

    内在目标驱动下的自主智能体:分层探索捕捉果蝇的未来意愿动作

    arXiv 论文提出结合果蝇全脑记录与神经机械数字孪生的研究框架,测试优化内在目标是否能生成与果蝇行为及内部表征相匹配的人工智能体。研究采用 DIAYN 等算法训练无外部奖励的智能体,在虚拟系留球实验中成功复现了果蝇的自发运动统计特征、内部表征编码及未来转向预测能力,表明分层内在动机框架是逆向工程动物自主性的有力工具。

    推荐理由:该研究利用果蝇全脑记录与神经机械数字孪生,验证了基于内在动机的分层策略能复现生物自主探索行为。

  7. arXiv · 机器人与计算机视觉18

    Trajectory Generation and Control for Quadrotors 项目展示四旋翼轨迹生成与控制设计

    该项目利用微分平坦性算法基于航点导航生成了最小拍平滑轨迹,并采用比例加导数(PD)控制器进行跟踪。仿真结果显示了四旋翼的位置与速度轨迹生成效果,论文包含 8 页正文及 6 张图示。该研究属于系统与控制领域的预印本提交,尚未通过同行评审或正式出版。

  8. arXiv · 机器人与计算机视觉38

    非线性气动机械臂控制:arXiv 预印本对比阻抗与自适应滑模控制器

    该研究提出两种针对搭载双自由度机械臂的四旋翼飞行器的控制器,用于在存在有界扰动时完成悬停任务。论文开发了完整动力学模型,并在相同初始条件和期望位置下对比了笛卡尔阻抗控制与自适应滑模控制的性能。目前该文为 arXiv 预印本(arXiv:2610.34454),包含 9 幅图和 2 个表格,尚未进入同行评审或正式出版阶段。

  9. arXiv · 机器人与计算机视觉78

    EAST:基于数字孪生的具身智能安全测试系统

    EAST 是一个数字孪生框架,旨在解决仅以任务成功衡量具身智能安全性不足的问题。它将文献中的安全隐患转化为涵盖感知、指令、环境、动作和时序的故障注入测试。该框架包含专家审核的安全故障分类学和八个可执行算子,通过三阶段工作流生成测试规范并验证故障实现。

    推荐理由:该框架将文献中的安全隐患转化为数字孪生环境下的故障注入测试,能独立评估任务成功背后的安全风险。

  10. arXiv · 机器人与计算机视觉78

    Replicate What Varies:面向域随机化具身仿真的资源共享系统 Patchwork

    论文提出 Patchwork 系统,旨在解决并发运行多个具身仿真环境时因独立构建场景而导致的 CPU 和 GPU 内存占用过高问题。该系统基于 E=T+Δ表示法,将共享模板(包含公共资源)与补丁(记录目标环境的变异)分离,在 robosuite 和 MuJoCo 框架上实现了资源共享运行时。

    推荐理由:提出 Patchwork 系统,通过模板与补丁分离机制共享资源,在 robosuite 和 MuJoCo 上实现多实例 CPU 内存占用降低 88-92%。

  11. arXiv · 机器人与计算机视觉48

    EBench 评测前沿智能体 GPT-6-Astra:从直接控制到策略 harness 的能力边界分析

    EBench 评估了前沿多模态大模型 GPT-6-Astra 在机器人操控任务中的表现,对比其直接生成航点与调用后训练 VLA/WAM 策略两种配置。结果显示该智能体在短时任务领先且泛化稳定,但在长时及高精度接触任务上逊于专用策略;结合 harness 虽能提升成功率并降低 token 成本,但受限于次优调用机制仍低于组件上限。

  12. arXiv · 机器人与计算机视觉85

    Pretraining Knows What, Simulation Teaches How: Compositional Generalization for Agentic Robotics

    论文介绍 Zero-real Agent Policy (ZAP) 方法,利用预训练的 27B 参数模型进行世界理解推理,再通过仿真任务监督微调与 GRPO 训练运动策略。该方法无需真实机器人数据即可在现实任务中达到 96.7% 成功率,并展现出对新物体、目标及未见物理形态的泛化能力。

    推荐理由:提出 ZAP 方法,利用预训练大模型理解任务并通过仿真学习运动策略,在无真实数据训练下实现高成功率与强泛化。

  13. arXiv · 机器人与计算机视觉58

    FISRF:一种用于机器人任务规划的灵活指令支架反思框架

    针对现有基于大语言模型的机器人任务规划方法依赖自主探索、易在早期交互中积累错误经验的问题,本文提出 FISRF 框架。该框架采用智能体 - 导师架构,估算机器人的最近发展区并自适应选择反思策略与导师指导。实验表明,该方法将平均错误修正轮次减少 37%,冗余推理减少 25.1%,整体任务成功率提升 8%。

  14. arXiv · 机器人与计算机视觉38

    FERRET:利用环境编辑作为奖励学习的修正信号

    FERRET 提出通过保持机器人运动不变而仅编辑场景,以此作为区分特征与学习偏好的互补反馈形式。该方法结合机器人与环境修正痕迹,解决了单一动作修正无法表达物体属性偏好及关系的问题。研究已接受至 CoRL 2026 Workshop on Learning from Corrections,论文编号 arXiv:2610.35659。

  15. arXiv · 机器人与计算机视觉55

    从语言到驱动:一种通过大语言模型对齐自主机器人与人类目的的跨模态框架

    该研究探索了利用大语言模型和视觉语言模型的通用与文化知识,建立跨模态交互式对齐过程,将人类自然语言表达的目的转化为机器人的任务与驱动以引导其行为。系统分为语义对齐、任务生成和驱动建模三层结构,支持双向交互循环:人类输入定义高层目的,机器人利用多模态信息将其扩展为可执行任务并维持意图对齐。在仿真和物理机器人上的实验表明该过程能产生有效任务和行为,支持交互式场景下的人机对齐。

  16. arXiv · 机器人与计算机视觉78

    面向精确抓取的机器人对齐3D高斯泼溅与腕部相机VLA策略研究

    针对电子垃圾拆解等复杂场景中视觉语言动作(VLA)策略学习的数据收集瓶颈及数字孪生建模困难,本文提出基于3D高斯泼溅(3DGS)的腕部相机数据生成管线。该方法通过重建真实工作空间并渲染机器人对齐姿态下的观测,配合平滑结构化的到达轨迹,为VLA微调提供机器人对齐的视觉 - 动作监督;同时引入指令条件到达验证器以估计目标接近度并提供可靠的物理交互前终止。

    推荐理由:针对电子垃圾拆解等复杂场景,提出基于3D高斯泼溅的腕部相机数据生成管线与指令条件到达验证器,在仅需少量遥操作演示下实现高精度抓取。

  17. arXiv · 机器人与计算机视觉78

    利用多模态基础模型进行上下文感知的表达性运动行为生成与调制

    该研究提出一种新方法,利用多模态(文本、音频、视频)上下文描述自动生成交互中复杂的全身手势序列。方法基于动态运动原型的统一数学实现,结合多模态基础模型生成参数化且高度上下文感知的动作变体。系统已集成到连续控制框架中,并通过知识蒸馏学习出更小、更高效的模型。用户研究表明,生成的运动在交互上下文中对齐度优于非调制或 API 级条件,且在不同机器人构型上展示了通用性。

    推荐理由:提出基于动态运动原型的上下文感知生成方法,在类人平台上验证了交互对齐优势并展示了跨构型通用性。

  18. arXiv · 机器人与计算机视觉48

    RoboDoctor:免训练递归自我改进机器人策略框架

    RoboDoctor 是一个免训练框架,通过连接诊断、 grounded action 与持久经验实现机器人策略的运行时自适应。在包含 54 个任务的 RoboDojo-Sim 基准上,该框架取得五维均分 57.10,原生成功率为 49.44%。记录显示其具备策略调整、选择性修正及抓握修订能力,但跨集经验贡献仍需受控实验验证。

  19. arXiv · 机器人与计算机视觉78

    受限 arena 内微型振动驱动机器人集群的分布式预测 flocking 控制研究

    该论文提出了一种分布式预测 flocking 控制器,用于在无领导者或全局地图的情况下协调大量微型机器人。研究在数字孪生环境中对比了六种屏障函数安全公式,发现离散时间 CBF 在多种任务(如趋光性、轨道运行)和不同集群规模下表现最佳,能有效平衡安全性与秩序。材料仅基于仿真结果,未涉及真实物理部署或量产数据。

    推荐理由:原文在数字孪生环境中对比了六种安全约束公式,发现离散时间 CBF 在密集集群中碰撞最少且协调性最佳。

  20. arXiv · 机器人与计算机视觉43

    PIFR 基准评测长视界具身导航的中断恢复能力

    PI FR 基准引入单级、重复及嵌套中断设置,评估智能体在原子任务完成后的插入执行与序列恢复表现。实验显示不同中断条件下恢复性能存在差异,且聚合成功率可能掩盖处理细节。研究提出轻量候选排序基线以提升中断后目标重定位效果,为长视界导航提供系统框架。

  21. arXiv · 机器人与计算机视觉43

    DEX-PHD:一款用于多模态灵巧操作数据收集的便携手持设备

    DEX-PHD 是一款结合灵巧机械手、连续指级控制与多模态日志的便携手持设备,支持无缆环境下采集本体感知、指尖接触及腕部摄像头视频。该系统通过关节级映射实现直接操控,并在物理人形机器人上以开环回放方式演示了富接触任务数据的有效性,证实能保留手指运动时序模式与关键接触特征。

  22. arXiv · 机器人与计算机视觉74

    RoKON:面向机器人操作的自适应数据驱动预测控制

    该研究提出 RoKON 框架,利用非线性高斯核构建输入输出关系并引入阻尼 Gauss-Newton 方法以实现实时控制。通过混合缓冲策略融合在线信息与离线数据以应对动力学变化。实验在 MuJoCo 仿真中验证了该方法在无先验摩擦知识条件下,对 Franka Research 3 机械臂推方块任务的跟踪性能与计算效率。

  23. arXiv · 机器人与计算机视觉68

    EmbodiedLab:一种要求智能体‘行动以认知’的具身智能基准

    论文介绍EmbodiedLab基准,旨在评估机器人能否通过改变物理状态来探索并理解环境(即‘行动以认知’)。该基准包含30个跨学科的定量科学实验,参数随机采样且结果不可预知。研究测试了六款前沿模型在原生控制、感知规划及灵巧操作增强下的表现,发现即使最强模型成功率也不足一半,主要失败源于与设备的交互,而灵巧操作技能对较弱模型的帮助大于感知与规划能力。

  24. arXiv · 机器人与计算机视觉78

    VisGeo-PipeTrack:一种用于无人机动态管道跟踪的视觉几何伺服控制框架

    针对无人机在工业环境中对动态移动管道(如振动)的跟踪难题,本文提出 VisGeo-PipeTrack 伺服控制框架。该框架利用 YOLOv5 检测管道标签并结合视觉几何约束实现精准定位,同时设计基于模型预测控制的实时修正自适应 PID(MPC-RCAPID)控制器以应对跟踪挑战。

    推荐理由:提出 VisGeo-PipeTrack 框架,结合视觉几何约束与 MPC-RCAPID 控制器实现无人机对动态管道的自主跟踪。

  25. arXiv · 机器人与计算机视觉58

    Reward-Guided RRT*:一种用于预算约束的任务与运动规划的采样框架

    论文提出 Reward-Guided RRT* 框架,通过局部联合任务选择与运动规划阶段构建预算可行的机器人任务序列,无需预计算任务转换图。该方法在连续状态空间下直接评估,并通过返回可行性程序确保每个选定任务在不违反预算的前提下可访问。

  26. arXiv · 机器人与计算机视觉62

    Labference:机器人实验室中的推理 - 动作连接基准

    作者提出 Labference 基准,旨在评估物理实验结果如何引导后续决策并转化为机器人动作。该协议通过控制证据变化测试行为适应性,独立测量操作选择、物理执行和任务完成,并利用共享检查点的 Oracle 辅助评估支持形式的影响。初步结果显示,现有 VLA 策略在物体转移成功时仍存在目标选择错误,而 GPT 驱动的控制虽能正确选择却面临执行失败和高计算成本,揭示了连接合理推理与可靠及时行动的必要性。

  27. arXiv · 机器人与计算机视觉58

    调参、参考预览与执行器建模如何改变四旋翼控制器对比:一项可复现的仿真研究

    针对四旋翼控制器对比常仅报告单一跟踪误差的问题,该研究量化了调参努力程度、参考信息、执行器预测及优化器回退策略等因素对排名结果的影响。通过主研究与确认性实验,发现匹配十二候选者的调参协议将 BL-SMC 从末位推至首位;参考预览显著降低了 MPC 跟踪误差并消除了回退活动。研究还指出命令时序与求解器迭代上限会改变系统稳定性,最终提出涵盖跟踪精度、调参投入及失败率等的报告清单以规范基准测试。

  28. arXiv · 机器人与计算机视觉53

    变形语言:作为可变形物体灵巧操作前提的语义失效分析

    针对刚性物体操作已成熟而可变形物体(如线缆、塑料片、布料)操作仍极具挑战的现状,本文提出将语义失效分析作为迈向成熟的关键步骤。不同于刚性物体的力平衡与打滑等明确目标,可变形物体涉及屈曲、塑性变形、压力变化及撕裂等多种复杂失效模式。文章定义了该方法的组件与挑战,并通过概念验证实验支持了其作为重要研究方向的有效性。

  29. arXiv · 机器人与计算机视觉78

    Zero-HLM:无需真实机器人数据的通用类人机器人行走操作框架

    论文提出 Zero-HLM 框架,旨在解决类人机器人行走与操作泛化受限于昂贵真实演示的问题。该方法通过高斯引导的智能体重建将手机捕获数据对齐至物理场景,并利用运动与环境共适应机制修正全身参考与交互几何。

    推荐理由:提出 Zero-HLM 框架,利用手机数据与仿真生成零样本迁移演示,将 Unitree G1 任务成功率从 46.7% 提升至 66.7%,无需额外真实机器人数据。

  30. arXiv · 机器人与计算机视觉58

    PushAround:一种通过物理信息引导的混合搜索实现协同清障的路径规划方法

    针对大型车辆在杂乱环境中被可移动障碍物阻挡的问题,该研究提出 PushAround 算法,这是一种结合几何连通性推理与短时仿真搜索的物理信息驱动混合搜索方法。系统通过重复查询 W-清除连通图(WCCG)来暴露需要拓宽的前端间隙并按预估下游成本排序,生成直接或递归的推挤候选方案,并选择障碍物、方向、接触点和力进行物理评估。