跳到正文
11月19日周四
  1. 盖世汽车 · 汽车资讯42

    黑芝麻智能在深圳成立具身智能总部并推出 SesameX 机器人计算平台

    黑芝麻智能于 2026 年 11 月 19 日在深圳前海成立具身智能总部,依托“前海 + 香港”双总部模式聚焦端侧 AI 算力布局。公司推出 SesameX 机器人计算平台,以自研华山、武当芯片及 Kalos、Aura、Liora 产品线支撑多模态推理与实时控制。目前已锁定多家头部厂商量产订单,生态伙伴涵盖人形、四足及协作机械臂等全品类形态。

11月17日周二
  1. arXiv · 机器人与计算机视觉58

    物理 AI 中视觉语言动作模型的无线边缘自适应隐式推理研究

    针对物理 AI 中 VLA 模型在端侧计算受限场景下的实时控制挑战,本文提出一种无线边缘辅助的自适应隐式推理框架(WEALR)。该框架利用决策智能体联合选择执行位置与收敛阈值,并通过拉格朗日约束深度强化学习策略优化任务性能与资源消耗。实验基于 LIBERO 操作任务及射线追踪无线信道评估,结果显示该方法在可行性加权的任务成功率上较基准方法提升最高达 23%。

  2. arXiv · 机器人与计算机视觉78

    机器人策略中的推理计算分配:细化与重规划的权衡

    本文研究了冻结分块机器人策略在部署时如何分配推理计算资源,即在单次调用内细化预测动作还是增加调用频率进行重规划。研究未更新模型权重,使用 LIBERO 仿真环境评估了不同配置下的成功率与算术成本。实验表明,在特定参数下,增加细化次数可提升任务成功率并降低单位步骤的算术开销,但并未确立通用最优设置。

    推荐理由:该文通过冻结模型实验,量化了推理计算在动作细化与重规划间的分配对成功率与成本的影响。

11月13日周五
  1. arXiv · 机器人与计算机视觉72

    设备端机器人规划:通过消除推理冗余实现高效决策

    基于大语言与视觉语言模型的机器人策略虽具备强语义规划能力,但高推理延迟限制了实时部署。本文提出 REIS 框架,受人类认知启发,利用连续观测中动作与子目标重复的时序冗余特性,结合轻量级场景门控、KV 引导的可操作路由及深思熟虑的推理机制,在保持语义适应性的同时显著降低推理开销。实验表明该方法在 ALFRED 基准及真实世界任务中均能维持具有竞争力的性能。

11月12日周四
  1. 盖世汽车 · 汽车资讯60

    优必选联合沐曦成立曦选创智获5亿元融资,首款芯片目标对标英伟达Thor但预计2028年推出

    优必选与沐曦股份联合发起的端侧芯片公司曦选创智宣布完成5亿元天使轮融资,投后估值40亿元。该公司计划于2027年提供开发验证平台,并于2028年推出首款面向机器人的大小脑一体SoC产品及具身智能整体解决方案。目前曦选创智仍在推进自研主控架构设计,尚未完成流片。

  2. 盖世汽车 · 汽车资讯58

    优必选联合沐曦成立曦选创智获5亿融资,拟2028年推出具身智能端侧SoC

    由优必选、沐曦股份和锋龙股份共同出资成立的具身智能端侧芯片公司曦选创智,近日完成5亿元天使轮融资,投后估值达40亿人民币。本轮资金将用于核心芯片与计算平台研发、软件工具链搭建及量产交付准备。该公司首颗自研芯片定位为面向机器人的“大小脑一体”SoC,计划于2027年提供开发验证平台,并于2028年推出首款产品及整体解决方案。

11月11日周三
  1. 盖世汽车 · 汽车资讯52

    均胜电子向宇树科技交付首台机器人高算力大脑背包

    均胜电子旗下宁波超平面机器人科技公司正式向宇树科技交付了首台机器人高算力大脑背包。该产品是软硬一体方案的核心载体,搭载高算力端侧平台与高效能能源系统,可适配人形、四足及轮式等多种形态机器人,支持独立外挂部署以提供环境感知、数据采集、自主决策及动态运动控制算力支撑,并承载端侧具身模型实时推理与物理Agent自进化迭代。双方正加速推进机器人关键部件及工业场景应用共研,有望在年内取得更多积极进展。

11月10日周二
  1. arXiv · 机器人与计算机视觉72

    Zora:基于检索推测与硬件加速的高效 VLA 推理框架

    针对资源受限平台上视觉语言动作(VLA)模型的自回归生成延迟问题,本文提出了 Zora 软硬件协同设计框架。该方法利用轻量级检索增强生成(RAG)草案模型结合机器人动力学替代昂贵的神经网络草案模型,并通过运动学引导的动作接受策略与 KV-cache 共享注意力机制降低批验证开销。

11月6日周五
  1. arXiv · 机器人与计算机视觉42

    柔性压电触觉传感系统实现智能物体识别

    该系统利用分布式压电传感器在抓取早期阶段实现物体识别,实验显示增加传感单元可提升所有方法的性能。基于时空热力图与 2D-CNN 的最优配置(32 个传感器、100ms 时间窗)在嵌入式边缘平台运行,接触后约 101ms 完成端到端识别,单次推理能耗为 63.8 微焦耳,F1 分数最高达 0.9903。

11月5日周四
  1. arXiv · 机器人与计算机视觉71

    VLA 推理时间瓶颈与优化交互研究:跨 GPU 族的综合测量与 Triage 指南

    针对视觉语言动作模型(VLA)推理耗时可能超过机器人实时需求的问题,本文对七种推理优化方法进行了全面测量研究。研究在从数据中心 H100 到嵌入式 Jetson Thor 的四类 GPU 上评估了七个最先进的 VLA 模型,分析了 CPU 启动开销、内存带宽和内核效率如何共同影响优化收益,以及单一方法的改变如何影响其他方法的增益。

11月4日周三
  1. arXiv · 机器人与计算机视觉72

    面向无人机系绳建模的实时有界悬链线求解器

    Max Beffert 和 Andreas Zell 提出一种针对非静止系绳多旋翼无人机的实时求解器,将悬链线边值问题重构为单变量超越方程并证明收敛性。通过改进初值和混合求根法,平均求解时间降至 4.0 微秒,较优化后的旧方法快 68 倍且误差极小。该方法已在 ArduPilot 飞行控制器上以 Lua 实现验证,满足嵌入式调度预算。

  2. arXiv · 机器人与计算机视觉84

    在线哈密顿 -雅可比可达性:用于安全关键自主系统的实时 GPU 求解器

    论文提出一种 CUDA 实现的 WENO5+TVD-RK3+Lax-Friedrichs 水平集哈密顿 -雅可比 -伊萨科求解器,可在机器人控制回路内运行。

    推荐理由:作者提出了一种可在机器人控制回路内实时运行的 GPU 求解器,为黑盒策略提供形式化安全保证。

11月3日周二
  1. arXiv · 机器人与计算机视觉72

    ActionFlow:面向边缘设备的流水线动作加速框架

    针对视觉语言动作模型在边缘设备因自回归解码导致的低延迟问题,该研究提出 ActionFlow 系统级推理框架。其核心是跨请求流水线策略,将内存受限的解码阶段与计算受限的预填充阶段智能批处理以最大化硬件利用率;同时引入跨请求状态打包前向算子和统一 KV 环缓冲区融合碎片化内存操作。实验显示,在 OpenVLA-7B 模型上无需重训即可实现 2.55 倍 FPS 提升,支持边缘硬件上的实时动态操作。

  2. arXiv · 机器人与计算机视觉72

    SpecPrune-VLA:通过动作感知自推测剪枝加速视觉语言动作模型

    论文提出 SpecPrune-VLA,一种无需训练的、两层级的动作感知自推测剪枝方法,旨在解决现有 VLA 加速方法忽略全局上下文导致成功率下降的问题。该方法结合局部信息与全局历史静态减少视觉 token,并基于层重要性动态剪枝,同时根据末端执行器速度区分粗细粒度动作以调整剪枝强度。

  3. arXiv · 机器人与计算机视觉83

    服务代理型机器人集群:工作负载特征、KV 缓存抖动与准入控制

    该研究量化了由 GPT-6-Astra、RPent 和 pi0.5 生成的 80 个 LIBERO-PRO 任务集的工作负载,发现视觉语言大脑的长上下文 KV 缓存会挤占动作策略的执行资源。在 H800 GPU 上,静态并发上限可将吞吐量从约 2.4 提升至 5.00-5.55 任务/分钟,并满足严格的动作截止时间要求。

    推荐理由:论文量化了多机器人集群中视觉语言大脑与动作策略的并发资源冲突,提出基于工作负载特征的准入控制原则。

11月2日周一
  1. arXiv · 机器人与计算机视觉78

    RTPolicy:面向边缘设备的实时多视角机器人操作策略

    针对闭环机器人操作中低推理延迟的关键需求,本文提出了 RTPolicy,这是一种结合视图感知特征融合与视觉压缩的多视角视觉运动策略。该策略通过流匹配动作生成器降低计算成本,在 RoboTwin~2.0 单任务清洁评估的 50 个任务中平均成功率为 52.26%,优于最强基线$ ext{\pi}_0$(46.4%)。

    推荐理由:该文提出 RTPolicy,在边缘设备上实现实时多视角视觉运动策略,异步流式推理下双臂平台任务成功率达 72%。

  2. arXiv · 机器人与计算机视觉74

    SACQ:面向超低比特视觉语言动作模型的感知结构代码本量化方法

    针对视觉语言动作(VLA)模型显存占用大且传统后训练量化在超低精度下失效的问题,该研究提出 SACQ 框架。该方法结合感知结构的代码本拟合、基于动作误差增加的混合比特分配及两阶段后量化细化,在 GR00T N1.7 上实现 1.5 比特权重下的平均成功率 93.85%,显存降低 4.83 倍,同时保持推理速度提升。材料为 arXiv 预印本,未提及开源代码或商用许可状态。

10月30日周五
  1. arXiv · 机器人与计算机视觉47

    QbD-VLA:基于任务成功的视觉语言动作模型混合精度量化方法

    QbD-VLA 提出一种利用短闭环评估中任务成功率来分配权重与激活位宽的混合精度量化方案。实验覆盖四个 VLA 模型及全部 LIBERO 套件,在平均约 4 比特权重和少于 6 比特激活下保持强性能;SIMPLER 增益较小,Franka Research 3 机械臂上仿真优选策略对 X-VLA 无成功率损失但针对$\pi_{0.5}$失效。代码已开源,部署前需真实世界验证。

10月27日周二
  1. arXiv · 机器人与计算机视觉58

    VLA-HWBench:VLA 模型在边缘硬件上的时间瓶颈分析

    论文提出了 VLA-HWBench 基准,评估了 18 个开源 VLA 模型在 NVIDIA Jetson AGX Thor 和 AMD Ryzen AI Max+ PRO 395 等边缘硬件上的推理延迟。研究发现动作生成策略比模型大小更关键,长动作块生成优于逐 token 解码;4 位权重与内核融合能显著加速特定模型但兼容性有限;优化后内存带宽和 CPU 预处理成为主要瓶颈。

  2. 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。

10月22日周四
  1. arXiv · 机器人与计算机视觉58

    rMuscle:面向高效 VLA 推理的机器人肌肉记忆框架

    针对具身智能中视觉语言动作模型推理延迟高的问题,本文提出 rMuscle 框架,利用跨执行相似性构建上下文与动作双重缓存机制,复用视觉 token 输出并减少权重访问。实验显示该方案在 RTX 4090 和 Jetson Thor 上实现 1.29-1.42 倍加速,且在 LIBERO、RoboTwin 及物理操作任务中保持原有成功率。

  2. arXiv · 机器人与计算机视觉48

    Compressing Onboard Language Models for Space Robots under a Behavioral-Fidelity Requirement 如何压缩空间机器人机载语言模型

    QSelect 方法通过组合 AWQ、GPTQ 和 AutoRound 检查点,在 DeepSeek-R1-Distill-Qwen-7B 等模型上实现更低困惑度。默认模式无需标签即可降低 KL 散度,目标适配模式使 Llama 模型 3-bit 准确率提升 4.3 至 4.5 个点。所有评估均在通用领域基准和地面 GPU 上进行,空间任务与飞行硬件留待后续工作。

10月21日周三
  1. arXiv · 机器人与计算机视觉28

    传感器化壁虎仿生粘附接口如何实现接触状态识别

    针对非合作目标的自主在轨服务,该研究提出基于嵌入式电容传感的实时交互感知框架,将粘附生命周期划分为空闲、接近、接触等五种离散状态。离线测试中随机森林模型分类准确率达 95.65%,在线部署结合规则机后准确率提升至 93.14% 且推理周期为 53ms。物理一致的状态约束显著增强了实时推理鲁棒性,为未来自主在轨捕获任务奠定基础。

10月20日周二
  1. arXiv · 机器人与计算机视觉63

    SPAR:面向视觉语言动作模型的结构性剪枝与动作恢复

    为降低视觉语言动作模型在机器人端的推理成本,该方法对大语言模型骨干网络的隐藏层和前馈中间维度进行感知剪枝,随后利用强化学习恢复操作策略性能。实验基于π0.5模型,将语言骨干参数从23.4亿降至9000万、全模型从33.7亿降至11.2亿,移除约96%和67%的参数。在LIBERO基准测试中,压缩后模型的四个套件平均成功率由84.55%提升至93.45%,推理速度提升1.98倍。

10月16日周五
  1. arXiv · 机器人与计算机视觉78

    面向人机共存的无人机轻量级 LLM 推理导航方法

    针对传统感知规划栈将行人、车辆和墙壁等同处理的缺陷,该研究提出一种模块化全机载管道,利用共享 BLIP 编码器生成场景描述与分割,结合深度信息在三维空间定位障碍物。

    推荐理由:该工作提出在 Jetson Orin NX 上运行的轻量化 LLM 导航方案,通过缓存推理与检索增强实现人感知的安全避障。

  2. arXiv · 机器人与计算机视觉75

    OxyGen:面向多任务并行的 VLA 统一 KV Cache 管理方案

    针对具身智能体在端侧并行执行操作、对话与记忆构建等多任务时面临的冗余计算与资源争用问题,本文提出 OxyGen 统一 KV Cache 管理设计。该方案将 KV Cache 视为跨任务与控制周期的共享资源,通过跨任务 KV 缓存共享消除重复预填充,并利用跨帧连续批处理优化解码预算。

  3. arXiv · 机器人与计算机视觉82

    剪枝会破坏 VLA 模型但可被恢复:GLUESTICK 方法研究

    论文发现对视觉语言动作(VLA)模型进行剪枝会导致严重的性能下降和安全违规增加。基于光谱分析揭示的权重结构特性,作者提出 GLUESTICK 方法,通过在稠密与剪枝模型间插值计算一次性校正项,在推理阶段恢复被剪枝层的性能。该方法无需额外训练且对剪枝算法无关,能在保留稀疏性优势的同时,将成功率恢复至接近原始水平并提升推理速度。

    推荐理由:针对剪枝导致 VLA 模型性能骤降与安全违规的问题,提出无需额外训练的 GLUESTICK 后处理恢复方法。

10月12日周一
  1. arXiv · 机器人与计算机视觉18

    低成本肌电假手开发:基于机器学习实现五手势识别与触觉反馈

    该项目利用三个肌肉的肌电信号,通过浅层神经网络在五手势分类任务中取得时间域 94.8%、频域 93.2% 的平均准确率。系统采用双舵机提供三自由度运动控制,并集成力传感器与振动马达实现触觉反馈。该低成本设计旨在满足发展中国家截肢者的实际需求。

  2. arXiv · 机器人与计算机视觉78

    SmolWAM:面向边缘设备的潜在世界 - 动作机器人操作模型

    论文提出 SmolWAM,这是一种从 Cosmos Policy 衍生出的潜在世界 - 动作模型(latent WAM),旨在解决视频扩散 Transformer 在资源受限边缘设备上计算成本过高的问题。

    推荐理由:该工作提出 SmolWAM,通过保留预训练主干并重构推理接口,在边缘设备上实现了高效的世界 - 动作联合预测。

9月30日周三
  1. 智东西 · 机器人35

    旋玑智能发布软硬一体“智会头”VoxInsight 交互大脑,专注机器人端侧语音理解与主动澄清

    旋玑智能推出软硬一体的“智会头”产品 VoxInsight,旨在解决机器人对真实场景下用户意图的理解难题。该方案采用大模型重构交互过程,支持打断、多轮对话及主动询问以确认需求,而非单纯依赖传统模块拼接。创始人王业全表示,公司选择先聚焦交互大脑与端侧资源平衡,再向操作能力扩展,计划与本体制造伙伴合作积累数据。

9月26日周六
  1. 智东西 · 机器人35

    涂鸦智能 Doova 机器人:从“秀能力”到主动服务独居老人的家庭落地实践

    涂鸦智能在数贸会发布 AI 家庭陪伴机器人 Doova,通过"Hey Tuya, Help"指令结合 4 麦声源定位与 LDS 激光雷达,实现老人摔倒时设备主动靠近并联动视频通话。该机器人依托 AI+IoT 生态充当家庭中控枢纽,可指导电器操作、推送提醒及自主巡视生成安全报告,将分散的感知移动能力串成服务链解决独居难题。