跳到正文
11月16日周一
  1. arXiv · 机器人与计算机视觉72

    D-VLA:面向视觉语言动作模型的高并发分布式异步强化学习框架

    针对具身智能中大规模 VLA 模型在分布式环境下进行强化学习时面临的资源冲突与执行效率瓶颈,本文提出 D-VLA 高并发低延迟分布式 RL 框架。该框架引入“平面解耦”机制物理隔离高频训练数据与低频权重控制,消除仿真与优化的相互干扰;设计四线程异步“泳道”流水线实现采样、推理、梯度计算与参数分布的全并行重叠;采用双池显存管理与拓扑感知复制解决内存碎片并优化通信效率。

  2. arXiv · 机器人与计算机视觉70

    缺失的触感:感知与显示局部接触几何让遥操作更接近人类灵巧性

    论文提出在双自由度力反馈遥操作系统中集成基于视觉的触觉传感器和 32 像素触觉显示屏,以捕捉并渲染机器人手指上的空间接触模式。实验表明,这种空间分布的触觉信息能显著减少不必要的动作和任务步骤,降低任务完成时间,并使不同操作员的演示表现更一致;这些改进还能迁移到自主策略训练上,使基于触觉增强演示训练的模型在任务耗时和对自然人类行为的偏离度上也得到改善。

  3. arXiv · 机器人与计算机视觉72

    礼貌性预期规划:提升持久共享环境中的长周期任务规划

    论文提出 courteous anticipatory planning 方法,解决标准任务规划器缺乏对未来的预见且忽视其他机器人约束的问题。该方法通过基于模型的规划器生成候选计划,并利用独立学习的每机器人估计器联合最小化即时成本与聚合预期未来成本,避免组合式联合展开并支持模块化部署。

  4. arXiv · 机器人与计算机视觉82

    E0:通过 Tweedie 离散扩散实现表达性细粒度动作预测

    针对现有视觉语言动作(VLA)模型在多样化任务中泛化能力弱、动作输出粗糙或不稳定的问题,本文提出 E0 框架。该方法将动作生成建模为量化动作 token 的迭代去噪过程,利用 Tweedie 离散扩散机制自然对齐基于 token 的推理逻辑,支持细粒度且可执行的精细控制,并避免了掩码式离散扩散的分布失配问题。

    推荐理由:提出基于 Tweedie 离散扩散的 E0 框架,解决 VLA 模型动作生成粗糙与泛化不足问题。

  5. arXiv · 机器人与计算机视觉62

    STITCHER:利用图搜索进行复杂环境下的受限轨迹规划

    arXiv 论文介绍了一种名为 STITCHER 的无优化轨迹规划框架,通过结合短轨迹段拼接与图搜索技术,在复杂环境中实时生成满足状态或执行器约束的动态可行且无碰撞的长程轨迹。仿真测试显示该方法能在数毫秒内为跨越两个 50m x 50m 环境的全路径生成安全轨迹;硬件实验利用定制四旋翼验证了其在倾斜角和电机力等非线性约束下,以高达 63km/h 的速度实时生成可跟踪路径的能力。

  6. arXiv · 机器人与计算机视觉68

    面向软体机器人的连续时间随机状态估计框架

    针对传统软体机器人(CR)状态估计依赖复杂动力学模型或准静态方法的局限,本文引入一种基于因子图优化范式的连续时间随机状态估计框架。该方法将连续时间运动学构建为受白噪声高斯过程影响的因子,结合简单机器人模型与高频传感,实现对未建模外部力及数据丢失的适应。

  7. arXiv · 机器人与计算机视觉78

    CS-MPC:不确定性下非线性系统的收缩认证采样模型预测控制

    论文提出了针对非线性机器人系统在参数不确定性、干扰及在线揭示的安全约束下的追踪与安全方法。该方法在每个采样展开中使用收缩认证的追踪反馈以集中展开,并通过分位数收紧的离散时间控制屏障函数条件验证输入执行。

    推荐理由:提出收缩认证采样模型预测控制方法,在 rover、四旋翼及小行星着陆任务中验证了其在参数不确定性与安全约束下的有限样本稳定性与概率安全性。

  8. arXiv · 机器人与计算机视觉78

    VLAN:面向多主体的视觉语言可访问导航基准

    VLAN 是一个新的导航基准数据集,包含 1,000 个场景、20K 条导航轨迹和 160K 关键帧,涵盖多样光照与环境条件。该基准针对足式与轮式智能体(含人形机器人与四足机器人)以及视觉或行动障碍人士提供特定主体的动作与可访问性特征,并将日常障碍物分类为可通过、绕行、高风险和阻挡四类。

    推荐理由:VLAN 基准提供千人场景与二十万轨迹数据,支持足式、轮式及残障用户等多主体导航评估。

  9. arXiv · 机器人与计算机视觉76

    在仿真中训练原生使用真实机器人的推理模型

    该论文提出一种方法,利用 Post-training Engine for Agentic Robotics (PEAR) 在仿真环境中对开源 27B 推理模型进行强化学习训练,使其能够原生控制真实机器人而无需演示。

    同一新闻,精选展示《MIT韩松团队新作:基于Qwen3.8的Robot-Use RL让机械臂临摹画作与做化学实验》

  10. arXiv · 机器人与计算机视觉42

    基于线性互补问题的连续体机器人环境摩擦接触建模研究

    该研究提出一种基于库仑摩擦假设的摩擦模型,通过互补约束预测连续体机器人与环境的静摩擦、滑动摩擦及滞后效应。实验验证显示,在 287.9 mm 长的肌腱驱动连续体机器人上,该模型将无摩擦模型的末端位置最大误差从 45.4 mm 降低至 5.85 mm。论文已被国际机器人研究杂志(IJRR)接收发表,代码与数据暂未开放。

  11. arXiv · 机器人与计算机视觉42

    Disturbance-Aware Informative Planning 在时空环境中的扰动感知信息规划方法

    针对外部扰动影响机器人轨迹优化的问题,该方法提出两阶段框架,结合有信息的扰动采样与扰动感知轨迹优化。实验显示,相比全域估计,其在四个仿真场景中减少 25.0--52.3% 的学习时间并识别更优路径。论文已提交至 Learning for Dynamics and Control Conference 2027。

  12. arXiv · 机器人与计算机视觉13

    蓝船自主水面艇实现有害藻华原位监测与预测建模

    该系统集成 BlueBoat 自主水面艇、深度控制绞车及多参数水质传感器,在路易斯安那州庞恰特雷恩湖和假河开展实地部署。通过自动航点任务采集叶绿素等指标并评估机器学习分类器,验证了模块化平台重复收集多模态数据的可行性,为未来自主监测系统奠定基础。

  13. arXiv · 机器人与计算机视觉70

    隐藏启动延迟随机化提升自博弈交接的跨伙伴鲁棒性

    该研究针对合作自博弈中接收方对陌生伙伴鲁棒性差的问题,发现共享奖励下学习到的给予方总是立即开始动作导致接收方策略固化。通过引入接收方不可观测的隐藏启动延迟随机化(HSD),在 300 次额外更新后,与未见过的新脚本伙伴交接成功率从 31% 提升至 80%,且大幅降低高力接触次数,无需重新训练伙伴。

  14. arXiv · 机器人与计算机视觉13

    从 AI 赋能远程患者监护迈向代理型机器人:具身化、治理与照护整合综述

    该结构化范围综述发现,成熟的代理型医疗照护尚未出现,多数系统仍由人类主导,强化决策 - 行动耦合及具身智能主要局限于原型机与试点项目。研究提出将代理型机器人作为受监督系统的未来方向,通过可审计工作流连接 AI 智能体、机器人与临床人员,确保人类监督与明确治理。该成果已接受发表于《控制、机器人与自主系统年刊》2027 年第 10 卷。

  15. arXiv · 机器人与计算机视觉58

    视觉语言动作模型:设计与训练及部署的生命周期综述

    这篇论文回顾了 2022 年 12 月至 2026 年 10 月期间关于 VLA 模型的 88 项工作,涵盖操作、导航、人形控制及世界动作模型。文章沿七个维度分析了 22 个代表性模型的设计架构、训练数据(从遥操作到社区收集)及部署速度,指出模型参数规模出现分裂趋势,并讨论了部分模型在物体或相机轻微移动时表现脆弱的问题。

  16. arXiv · 机器人与计算机视觉84

    重型机械杂技:通过强化学习实现滑移装载机动态控制

    该论文展示了利用强化学习(RL)结合仿真到现实(sim-to-real)迁移技术,成功自动化了复杂液压驱动的重型机械——John Deere 332G 滑移装载机的极限动作。策略使机器能够自主完成两轮平衡、跨越崎岖地形、绘制指定轨迹及旋转等高难度杂技动作,此前这些操作仅由少数精英人类操作员在世界纪录级别的表演中实现。

    推荐理由:作者展示强化学习在仿真中训练的策略成功迁移至现实,实现了推土机在两轮平衡状态下跨越崎岖地形并自主完成高难度杂技动作。

  17. arXiv · 机器人与计算机视觉82

    PROOF:通过分布外回退实现腿部运动的感知鲁棒性

    论文提出 PROOF 框架,采用两阶段师生学习范式显式建模感知可靠性,使 Unitree Go2 四足机器人在严重视觉干扰下仍能维持稳定运动。方法在正常条件下支持高动态跑酷动作,并在遮挡或光照变化时抑制不可靠的外界特征输入。该工作为 CoRL 2026 投稿的预印本,评估基于搭载 RealSense D435 深度相机的真实世界设置。

    推荐理由:提出基于分布外回退的感知鲁棒性框架,在视觉退化下保持四足机器人运动稳定性。

  18. arXiv · 机器人与计算机视觉78

    Objectives as Policies:面向接触丰富操作的视觉语言模型成本程序框架

    该论文介绍 Objectives as Policies (OaP) 框架,连接预训练视觉语言模型与基于采样的模型预测控制器,利用可编辑的目标程序桥接语义推理与物理规划。系统通过真实到仿真的数字孪生生成初始程序,经 MPC 仿真迭代更新后部署至现实世界。作者在四个桌面操作任务上进行了仿真与现实评估,结果显示该框架优于强基线。

    推荐理由:提出将预训练视觉语言模型生成的目标程序作为 MPC 控制器输入,通过仿真到现实迭代实现接触丰富操作任务。

  19. arXiv · 机器人与计算机视觉58

    ESI:一种用于 LLM-VLA 智能体的具身自我改进飞轮

    ESI 是一种自动化的飞轮系统,利用环境交互来对齐大语言模型(LLM)的推理与视觉 - 语言 - 动作(VLA)策略的动作执行。该系统将模块化智能体作为后训练单元,反复优化引导 LLM 的提示词、表达意图的技能接口以及实现意图的 VLA 参数,并重新部署这些组件。

  20. arXiv · 机器人与计算机视觉48

    PoliMop:面向移动机器人的三维空间闭环策略运动规划方法

    PoliMop 提出一种利用物理仿真挖掘控制策略技能的运动规划器,通过结合预规划质点路径引导采样,将规划时间缩短最多 63%。该方法在四足、人形及轮式机器人上无需修改底层算法即可实现即插即用,并能自动识别如搭建桥梁等预设环境改造以扩展可达空间。相关代码与视频已公开,论文为 arXiv 预印本状态。

  21. arXiv · 机器人与计算机视觉48

    基于显式约束空间的通用安全感知机器人行为规划方法

    针对桌面环境安全约束依赖场景且指令未明确指定的挑战,该研究提出一种集成显式约束空间存储、任务与环境条件化适用性学习及多模态安全检查的行为规划框架。系统通过轻量级双塔模型识别适用约束,利用多模态安全检查器评估并修正初级计划,结合 LoRA 进行测试时自适应与参数高效微调以应对未知风险。该框架实现了显式安全知识表示、上下文感知选择、纠错检查及知识自适应的闭环整合,旨在提升机器人行为规划的安全性。

  22. arXiv · 机器人与计算机视觉78

    通过身体对齐虚拟关节跨人形机器人复用运动控制训练配方

    针对现有传输模型未标准化策略接口导致难以跨机器人复用的问题,本文提出在上游映射层引入身体对齐的虚拟关节空间。该方案使策略动作与观测遵循统一解剖学约定,并通过确定性运动学层将虚拟目标映射到原生坐标,保持底层控制栈不变。实验在三种不同腿部轴布局的人形机器人及宇树 G1 硬件上验证,证明该方法能准确跟踪、保持足部对齐且训练稳定,并将航向漂移降低近六倍。

    推荐理由:提出身体对齐虚拟关节空间,在三种不同构型人形机器人上复用同一强化学习策略,显著降低航向漂移。

  23. arXiv · 机器人与计算机视觉5

    Per-Agent-Safe Navigation of Globally Driven Robot Collectives via Affine Field Design 提出广播控制方案实现安全导航

    该方法通过单一空间仿射场同时调控机器人集群的运动与形变,利用控制屏障函数在单个二次规划中强制执行每机器人的避障、执行器及凝聚约束。实验表明该控制器能自适应调整集群尺寸以通过窄走廊,且两个独立驱动的集群可无需互协调地同时穿越共享路口。

  24. arXiv · 机器人与计算机视觉78

    跨视图一致性在多视图外观增强中的重要性:一项针对视觉运动策略的受控研究

    Zixuan Jiang 在 arXiv 发布了一项关于多视图视觉增强的受控研究,利用仿真状态回放解耦了跨视图关联与单相机扰动分布。实验涵盖七个 LIBERO 操作任务,结果显示全局外观、鬼影注入和目标颜色的边际匹配变化对晚期融合扩散策略的平均成本影响微小;而几何反耦合观测使成功率下降约 3.30 个百分点。

    推荐理由:该研究通过受控实验量化了多视图外观增强中不同一致性形式对下游控制策略的影响,为选择性约束提供了依据。

  25. arXiv · 机器人与计算机视觉78

    模仿策略学习本体感知锚点:感知噪声的预测定律及其闭环成本

    针对机器人操作任务中模仿策略在训练时利用本体感知信息(proprioceptive anchor)来折扣感知噪声的现象,本文给出了一个基于方差比 $eta = V/(V + s^2)$ 的解析公式。

    推荐理由:论文揭示了模仿策略如何利用本体感知锚点修正感知噪声,并在闭环部署中验证了该机制对成功率的预测能力。

  26. arXiv · 机器人与计算机视觉48

    预训练视觉表征在富接触插入任务策略学习中的效用研究

    针对富接触操作(如插入)中视觉模仿学习数据效率低且易受无关视觉干扰的问题,研究对比了主流视觉基础模型与显式以接触为中心的表征。实验通过遮挡和物理容差扰动验证发现,最佳表征存在显著任务依赖性,但空间锚定及接触中心信息在仿真与现实实验中均展现出独特价值。该工作强调了在真实视觉复杂度和传感器噪声下可靠估计此类线索的难度,并呼吁进一步研究感知与策略学习的融合。

  27. arXiv · 机器人与计算机视觉78

    欠功率双摆的自然摆动上升方法

    针对电机扭矩仅占肩关节重力矩约 6% 的欠功率直接驱动平面两连杆机器人,本文提出沿其非线性正常模态进行摆动上升的方法。该方法将输入力矩分解为功率中性的转向分量与标量泵送分量,利用基于模型的误差率约束构建线性规划以最大化能量注入,无需稳定化反馈增益。硬件实验验证了沿两种模式的摆动上升能力,并与求和截断及优先稳定化策略进行了对比。

    推荐理由:原文提出利用非线性模态控制欠功率双摆,通过线性规划分配能量注入与稳定化输入。

  28. arXiv · 机器人与计算机视觉78

    Grounding Object-to-Object Hazard Reasoning into 3D Risk Fields for Task-Conditioned Safety

    该论文提出一种基于视觉语言模型(VLM)的机器人操作安全框架,旨在处理几何约束之外的语义安全问题。系统首先通过结构化安全工具判断任务是否因可能导致不可恢复的危害而应被拒绝;若可执行,则识别物体对之间的可预防危害并指定需避免的空间关系。

    推荐理由:该框架利用 VLM 将任务语义与物体交互风险映射为连续三维风险场,结合避障模块在仿真与现实环境中验证了可预防性危害的识别能力。

  29. arXiv · 机器人与计算机视觉30

    Talk to Act:首个合成多轮对话基准助力小参数模型实现机器人意图提取与动作规划

    Talk to Act 发布了一个合成生成的多轮对话数据集,旨在评估无需特定微调的小参数语言模型(270M 至 8B)在机器人场景下的意图提取与动作规划能力。实验表明,这些紧凑模型在本地部署环境下即可实现合理的任务性能,为构建高效的人机交互系统提供了实用基线。

  30. arXiv · 机器人与计算机视觉74

    Racing the Clock:预算条件化的物体搜索教学

    该论文提出在视觉语言导航任务中引入显式时间预算约束,对比了基于全局地图的最优路径专家与基于部分可观测性的贝尔曼方程专家对智能体的监督效果。实验表明,尽管最优路径专家性能更高,但贝尔曼监督在探索未知场景时表现更优,特别是在长预算条件下能发现更多目标实例。

  31. arXiv · 机器人与计算机视觉78

    Agentic-Teacher:面向失败的 VLA 后训练智能体数据引擎

    Agentic-Teacher 是一个用于视觉语言动作(VLA)模型后训练的自主数据引擎。该引擎接收预训练检查点、任务规范及环境工具,通过分析失败执行轨迹选择干预状态,迭代开发闭环代码策略以收集成功演示。

    推荐理由:提出利用智能体自主生成失败驱动数据的引擎,结合动作噪声与流匹配过滤优化演示质量,在仿真环境中显著提升 VLA 模型成功率。

  32. 盖世汽车 · 汽车资讯5

    简智机器人在 CoRL 2026 展出 DAS 2.0 多模态数据采集产品矩阵

    简智机器人在美国奥斯汀举行的 CoRL 2026 大会上展出新一代 DAS 2.0 多模态数据采集产品矩阵,包含 Dex2.0 灵巧手套、Ego 2.0 第一视角设备及腕部相机。系统提供三种数据配置以适配不同任务需求,并将环境观察、手部交互与身体运动纳入同一时间轴和空间参考。简智机器人计划完善采集体系并推进开源建设,为物理 AI 模型训练提供底层支撑。

  33. 盖世汽车 · 汽车资讯53

    FFR 机器人完成密歇根州大学实验室首单交付并发布开发者平台 AI 模块

    FFR 向密歇根州立 Central Michigan University 交付两台 Aegis Ultra 机器人,标志着其教育科研生态及跨区域拓展取得进展。同时 FFR 开发者平台上线 Brain Blocks 的 AI 模块与动作录制回放功能,支持手势、姿势等识别以简化编程。公司计划推进百城计划并在 CES 发布 Physical AI Cloud 技术平台和生产力 Token 标准。

  34. 盖世汽车 · 汽车资讯28

    松延动力Bumi小布米推送OTA V3.2.0升级

    松延动力旗下人形机器人Bumi小布米正式推送OTA V3.2.0版本,新增喜马拉雅语音联动、舞蹈BGM伴奏及低电量自动收纳功能。云平台群控与语音开关开放,支持多机统一控制并适配安静场景需求。此次更新聚焦交互体验与设备协同,推动人形机器人在教育展示等场景的持续应用。

  35. 盖世汽车 · 汽车资讯70

    大晓机器人发布ACE-CaP-0模型,精细任务执行压缩至分钟级

    大晓机器人近日发布最新研究成果ACE-CaP-0,该研究探索通用模型通过主动获取经验自主开发、验证和优化机器人技能。ACE-CaP-0创新性地结合按需示范与按需仿真机制,AI智能体可自主判断请求人类示范或开展仿真实验,并结合真机反馈修订代码策略。