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

    AdaDexTrack:面向语言指令的自适应灵巧操作跟踪新框架

    论文提出了 AdaDexTrack 框架,通过引入循环调制器解决语言指令转化为长程接触丰富手物交互时的噪声与偏差问题。该框架包含蒸馏后的通用跟踪器作为技能载体,以及执行参考调制、物体潜变量调制和位置目标调制三种反馈修正机制。研究在大规模数据集上训练并验证了该方法在未见轨迹和物体上的鲁棒性与泛化能力,同时在真实硬件上实现了零样本仿真到现实的迁移,显著提升了纯跟踪器变体的性能。

  2. arXiv · 机器人与计算机视觉70

    RoboWorM:评估具身视频世界模型的移动真实性、一致性与加速效应

    针对现有基准缺乏严格三维空间与运动学推理的问题,本文提出 RoboWorM 基准,涵盖单臂、双臂及人形机器人共 1605 个任务集。通过利用机器人先验知识,定义 KIVA(内视角运动学稳定性)和 RIGIS(多视角几何一致性)两个确定性指标,在无 VLM 情况下将幻觉检测对齐度提升 25.8%、与人类偏好相关性提升 130%。

  3. arXiv · 机器人与计算机视觉82

    一次扫描即够:无需演示的语言引导导航自适应方法

    针对语言引导导航在新环境中部署失败的问题,该方法利用单次 iPhone 扫描构建训练环境并合成可执行导航片段,通过解析重建场景的帕累托效用直接适配策略,无需人工标签或模仿学习。在五个真实环境中,RealNav 系统达到 85% 的成功率,显著优于依赖人工演示基线的 49%,且在未扫描区域也保持 82% 的性能。

    推荐理由:提出用单次手机扫描替代人工演示,通过解析重建场景实现免标签策略适配,在真实机器人上导航成功率提升至 85%。

  4. arXiv · 机器人与计算机视觉78

    POD-RoPE:面向具身智能的物理观测分布旋转位置编码

    该论文提出 POD-RoPE,一种将 Token 观测足迹表示为相机中心、视角与采样时间分布的旋转位置编码方法。在独立采样下,期望旋转可编码分布间的相对关系;当分布坍缩为单点时退化为标准 RoPE。

    推荐理由:该工作提出 POD-RoPE,将观测表示为相机中心、视角与时间的分布统计,在 RoboTwin 2.0 仿真任务中将 Fast-WAM 成功率提升约 1%,并在 H20 基准上实现比 P-RoPE 快 1.91 倍的推理速度。

  5. arXiv · 机器人与计算机视觉78

    基于机器人轮胎 - 表面交互的地面摩擦评估

    该论文研究了如何利用轮式移动机器人的车载测量来表征室内地面的摩擦特性并改善定位精度。研究通过控制速度剖面诱导车轮打滑,利用惯性传感与里程计的速度差异、响应延迟及频域特征对五种不同地面进行分类。

    推荐理由:原文提出利用轮体速度失配特征评估地面摩擦,在五种表面测试中达到 97.1% 分类准确率。

  6. arXiv · 机器人与计算机视觉82

    RoboJev:一个开放的视觉语言机器人成功检测模型

    arXiv 发布了一个名为 RoboJev-27B 的开源视觉语言模型,用于判断机器人操作任务是否成功完成。该模型基于 JEV-27B-VL 变体训练,在 SO-101 机器人上达到 95.2% 平衡准确率,并支持跨实验室与未见过机器人的泛化。材料提供了推理代码、20,628 条预测结果及透明评测基准,同时对比了基于 API 的前沿视觉语言模型。

    推荐理由:该预印本公开了用于机器人任务成功检测的视觉语言模型 RoboJev-27B,提供了推理代码与基准评测数据。

  7. arXiv · 机器人与计算机视觉35

    量子闭环逆运动学:通过希尔伯特空间编码机器人运动学

    该研究提出一种结构保持的量子表示法,将刚体变换与串联操作器运动学映射到参数化量子电路。框架利用布洛赫球表示和泡利期望值重建末端执行器位姿,并通过参数移位规则重构几何雅可比矩阵。提出的混合闭环方法在理想读出下实现与经典对应物的解析等价,为开发机器人运动学与运动的量子及混合计算方法奠定了几何可解释基础。

  8. arXiv · 机器人与计算机视觉65

    Open-World Law-to-Action:融合视觉语言先验与触觉的未知物理部件操作研究

    该研究提出了 Open-World Law-to-Action 框架,旨在解决机器人在未见过的家庭场景中操作具有隐藏物理属性(如门锁、阻力)的可动部件问题。系统利用视觉语言模型生成运动学约束作为先验,并通过贝叶斯线性回归在线识别部件的物理规律,同时保留触觉推翻假设的能力。实验在仿真环境中进行,结果显示该方法能显著提升对需要新物理项物体的任务成功率,并在未知场景中保持较高的完成比例。

  9. arXiv · 机器人与计算机视觉72

    EXE:基于因子化潜在动作的以自我为中心跨具身预训练框架

    该论文提出 EXE 框架,旨在解决机器人数据稀缺问题。方法上,利用第一人称人类操作视频作为替代数据,通过分解潜在动作表示将共享的操作先验与人体特定运动模式分离,使 VLA 模型能学习可迁移的技能而不受人体运动学偏差影响。实验表明,该方法在 RoboTwin 2.0、RoboCasa GR1 及真实世界任务中均优于未预训练的基线,且能同时受益于平行夹爪和灵巧手两种执行器。

  10. arXiv · 机器人与计算机视觉18

    SHAPE-CWT 框架实现无动态观测器的机械系统故障诊断

    该研究提出基于能量的诊断框架,利用谱哈密顿代数功率评估(SHAPE)与连续小波变换(CWT)在无需专用动态观测器下区分正常操作、作动器失效等故障。在模拟六自由度 Kinova 机械臂及模型预测控制条件下,该方法跨五个训练种子和 3000 次测试运行达到 84.69% 平均准确率,优于扭矩残差(81.67%)与广义动量观测器(97.17%)。

  11. arXiv · 机器人与计算机视觉82

    MimicAll:面向跨人形机器人全身运动追踪的结构化本体条件化方法

    论文提出 MimicAll 强化学习框架,旨在解决共享策略在结构、形态和动力学各异的人形机器人间的通用问题。该方法将结构化本体描述编码为全局与关节对齐的条件,结合观测历史与身体匹配的运动参考来预测关节目标偏移。

    推荐理由:提出强化学习框架 MimicAll,通过结构化本体描述实现跨异构人形机器人的全身运动追踪。

  12. arXiv · 机器人与计算机视觉72

    ReSight:面向具身智能的任务驱动型自改进记忆系统

    论文介绍 ReSight 系统,该系统为具身智能体提供任务驱动的自改进记忆机制,通过保留关键帧及其时空关联,将观测证据与可扩展的衍生字段分离以支持按需重处理。系统包含执行代理和编码代理,前者在有限在线预算内调用注册工具,后者利用可编程工作空间探索、编写程序并获取模型。

  13. arXiv · 机器人与计算机视觉31

    灵巧操作学习综述:手、仿真器、训练与评估

    该综述调研了 113 种基于学习的灵巧操作方法,涵盖其运行的手部硬件、训练的 GPU 仿真器及结果报告方式。研究发现近半数方法采用强化学习在单一仿真器中训练并蒸馏至视觉学生模型,而另一半则通过遥操作演示利用视觉语言动作模型学习。自 2022 年以来相关发表工作已增长三倍,且几乎所有实验均基于四种手部硬件进行。

  14. arXiv · 机器人与计算机视觉75

    MDPO:一种用于安全灵巧操作的多约束强化学习策略优化方法

    针对灵巧操作中需同时满足关节限位、手指安全及物体交互稳定等多重异构约束的挑战,本文提出多约束灵巧策略优化(MDPO)框架。该方法将任务建模为包含累积成本与状态级成本的双约束优化问题,并通过特定于约束的策略投影技术,将最大化任务性能的策略映射至可行域。

  15. arXiv · 机器人与计算机视觉67

    MOTIO:面向现实锚定的人形机器人大型化操作技能工程系统

    论文介绍 MOTIO 系统,该系统将普通人类动作视频、现实锚定的 3D 资产及可复用技能转化为可执行的人形机器人运动与操作程序。通过上下文任务推理与接触感知,智能体构建分阶段交互并利用物理执行优化,无需特定任务的遥操作或机器人示教收集。

  16. arXiv · 机器人与计算机视觉78

    面向人形机器人可恢复性监测的主动可达性学习方法

    部署人形机器人任务策略需要可靠的运行时监测器以预判不可恢复的跌倒并触发回退。该方法将任务定义为学习给定回退策略的随机有限视界可恢复包,通过统一框架在价值学习与主动探索间迭代,将数据探索重构为避障问题,利用不确定性引导探索未知状态同时避开确信不可恢复区域。

    推荐理由:提出主动可达性学习框架,解决接触丰富系统的恢复包数据获取瓶颈,实现零样本迁移至真实硬件。

  17. arXiv · 机器人与计算机视觉78

    Tiny Recursive Policy:用于视觉运动控制的递归潜在精炼方法

    针对现有行为克隆策略依赖固定观测窗口而缺乏持续上下文的问题,本文提出 Tiny Recursive Policy(TRP),通过共享计算模块在每一步控制中反复更新高、低层潜在状态并解码动作序列。

    推荐理由:提出结合持久时序状态与递归潜在精度的行为克隆策略,在长程任务上显著优于大生成式基线且参数量更少。

  18. arXiv · 机器人与计算机视觉72

    拥挤环境下的无死锁安全导航:神经形态决策动力学

    该论文介绍了一种名为神经形态决策动力学(NDD)的去中心化事件驱动控制器,旨在解决拥挤环境中的安全导航与协同通行问题。该方法通过耦合内部决策状态与物理状态变化,使智能体无需通信或预设优先级即可自组织形成局部冲突组并自主化解死锁。研究推导了确保有限时间内无死锁的显式条件(如感知范围、反馈增益等),并通过大规模仿真和硬件实验验证了其在复杂场景下的可扩展性。

  19. arXiv · 机器人与计算机视觉68

    ORBIT:一种具备旋转指节重构能力的模块化多指机械手平台

    针对多指机械手缺乏系统性比较平台的现状,本文提出了 ORBIT 平台,其核心是旋转指节机制,允许手指沿圆柱形手掌通过皮带驱动快速重构布局(<1 秒)。实验展示了三指实例在十一类不同物体上的抓取能力,并验证了非人体工学轨道自由度在立方体面重定向、盖子旋拧及亚厘米级物体精密捏取等任务中的优势。

  20. arXiv · 机器人与计算机视觉48

    因果方法解释与学习自扩展——综述

    该综述指出深度学习虽赋予机器人感知能力,但缺乏对行为背后原因的内在理解,限制了其可靠性。文章呼吁构建基于深层推理的架构,使机器人能生成可共享的解释并据此改进未来行为。研究聚焦于开发具备自我意识与自我进化能力的机器人,旨在通过提供必要解释来增强功能并赢得人类信任。

  21. arXiv · 机器人与计算机视觉58

    RAIWAY:一种配备 20 英寸车轮的接触感知盲式双足机器人

    该研究介绍了 RAIWAY,一款由团队自主研发的大轮双足机器人,其核心在于提出了一种基于接触信息的控制方法,用于在不规则和不连续地形上的滚动运动。该方法利用仿真中的接触信息蒸馏出潜变量表示,部署时控制器仅需本体感知即可在线推断该表示,无需直接安装接触传感器。

  22. arXiv · 机器人与计算机视觉73

    AGQ:面向视觉语言动作模型的行动引导超低比特量化

    针对视觉语言动作模型(VLA)部署于内存受限车载平台的挑战,本文提出 AGQ 方法,结合动作敏感性与权重恢复成本代理来分配矩阵位宽。该方法通过通道校准补偿量化误差、保持矩阵内统一位宽以维持布局规则性,并利用基于位的分组无损编码减少驻留存储及块级恢复限制临时缓冲区。

  23. 盖世汽车 · 汽车资讯35

    原力无限获浙创投近亿元投资,聚焦因果世界模型与具身大脑AtomBrain研发

    浙江省创业投资集团近日完成对原力无限近亿元投资,支持其具身大脑 AtomBrain、因果世界模型及全栈 AI Infra 等核心技术研发。该公司坚持“一脑多身”路线,利用第一人称原生数据构建因果世界模型以解决复杂环境决策难题。目前技术已落地杭州即时配送仓并进入全国近 30 座城市近百个真实场景验证。

  24. 智元 AGIBOT · Newsroom78

    智元发布 Genie Studio 2.0 具身智能开发运营平台

    智元发布 Genie Studio 2.0 集成平台,连接机器人模型、任务工作流与现场系统,支持新任务环境七天验证。平台包含 Flywheel 模块用于数据收集、模型训练及仿真测试,Agent 模块用于拖拽式任务编排,Monitor 模块用于车队监控与远程干预。

    推荐理由:平台整合数据、模型与现场系统,支持新任务环境七天验证,已在制造与轨交项目完成闭环。

  25. 盖世汽车 · 汽车资讯68

    FFR完成收购FFAI机器人业务并上市

    FFR于10月23日完成对FFAI机器人业务的合并交易,贾跃亭任CEO。公司发布“FF OmniMind”统一AI大脑品牌,预计10月出货量突破300台、累计超1100台且持续正毛利交付。FFR给出2026年指引:本体销量约2000台;五年展望预计2027年营收约4520万美元、累计销量约13.3万台,预测以必要融资为前提存在不确定性。

10月26日周一
  1. 盖世汽车 · 汽车资讯78

    智元正式发布安规级重载具身机器人精灵G2 Max

    10月26日,智元正式推出面向拆码垛、物料转运等场景的安规级重载具身机器人精灵G2 Max。该产品单臂负载20kg、双臂额定负载40kg,具备7自由度力控与视觉引导能力,可兼容多种工业物料且无需大量重新示教。

    推荐理由:智元发布安规级重载机器人精灵G2 Max,集成力控与视觉融合方案以解决搬运精度难题,并适配既有产线布局。

  2. The Decoder · Robotics42

    丰田计划每年投入 64 亿美元布局人形机器人与工厂自动化,拟部署 40 万台机器人

    丰田拟将自身转型为全球机器人公司,计划每年投入 64 亿美元并部署 40 万台机器人以推进工厂自动化。其 AI 机器人子公司 Walden Robotics 已于今年 7 月上市,估值达 11 亿美元且获 3 亿美元融资。尽管高盛预测丰田到 2035 年可能占据人形机器人市场 3% 至 8%,但投资者对其过往氢能汽车及固态电池项目未达预期持谨慎态度。

  3. 量子位70

    特斯拉擎天柱首批量产下线并启动‘Optimus Academy’训练计划

    特斯拉确认位于美国弗里蒙特的 Optimus 擎天柱人形机器人产线已启动初期生产(Early Ramp),首批达到量产标准的机器人正式下线。尽管双手等硬件仍在迭代,马斯克计划先制造约 1 万至 2 万台机器人送入专用设施进行自主练习以积累训练数据,形成持续迭代循环。

  4. 盖世汽车 · 汽车资讯42

    模感科技完成亿元级天使+轮融资,推出基于电磁超构力学的MoSkin全身电子皮肤以解决Sim-to-Real触觉鸿沟

    10月26日,由港科大冠军队孵化的模感科技宣布完成亿元级天使+轮融资,资金将用于全身触觉产品研发及量产测试体系建设。其核心产品MoSkin基于电磁超构力学技术,覆盖手部至足底,旨在通过高频多维反馈修正低频决策以缩小仿真到现实的差距。目前公司仍处于量产测试体系建设阶段,尚未披露营收与客户名单。

  5. arXiv · 机器人与计算机视觉62

    非线性并联机构耦合动态人形腿的设计与分析

    针对人形机器人对轻量化、敏捷且节能的腿部机制需求,本文提出了一种新型串联 - 并联腿部设计,结合膝部并联机构、踝部并联机构及非线性膝踝耦合结构,将所有执行器置于髋部附近。该设计利用耦合机构被动辅助踝关节运动以分担负载,并通过仿真与硬件验证了非线性传动模型。实验表明,共享传动机制使双关节能互借执行器容量,在 6kg 腿部重量下将足部有效反射质量降至 0.37kg,显著降低了动态人形机器人的远端惯性。

  6. arXiv · 机器人与计算机视觉72

    PartialBiGrasp:基于部分视图的双臂抓取隐藏局部几何推理

    论文提出了 PartialBiGrasp 框架,旨在解决双臂机器人抓取大型复杂物体时因无法获取完整点云而导致的几何信息缺失问题。该方法利用卷积占用网络从稀疏的部分观测中隐式学习厚度、边缘结构等局部几何特征,进而生成满足力闭合约束的抓取对,并通过基于采样的优化消除不完整几何带来的歧义。研究在分析指标、大规模仿真及真实机器人上针对新型物体的噪声部分点云进行了评估,证明了其在物理稳定性上的鲁棒性。

  7. arXiv · 机器人与计算机视觉72

    RAPAC-DP:面向延迟执行的响应对齐待执行动作补偿扩散策略

    针对云侧推理导致的预测与执行不匹配问题,本文提出 RAPAC-DP 框架,通过轻量级编码器学习补偿机制,使扩散策略生成的动作序列与调度交接时间对齐。该方法无需显式动力学模型或额外延迟数据,仅在仿真基准和 Franka Panda 机械臂的 450 次物理实验中验证了有效性,将高延迟下的平均成功率从 28.9% 提升至 60.0%,并在 Kinetix 上保留了 81.4% 的无延迟性能。

  8. arXiv · 机器人与计算机视觉39

    Motion Generation With Environmental Constraints:ECE 方法简化机器人规划并提升鲁棒性

    针对高维空间与不确定环境下的机器人运动规划难题,研究提出利用环境约束(ECE)策略,通过主动接触降低维度复杂度。该方法结合 RRT 基线算法在真实场景中验证了其在任务相关区域探索及执行鲁棒性上的优势。工作整合并扩展了既有研究,展示了 ECE 在复杂环境中简化规划流程的有效性。