Auriga Robotics @Work 机器人技术报告:工业环境移动操作平台设计
Auriga Robotics 团队在沙希德贝赫什提大学开发了名为@Work 的移动操作机器人,专为提升工业环境中重复或危险任务的效率而设计。该平台采用四轮麦克纳姆轮驱动与五自由度机械臂,结合 ESP32 微控制器、NVIDIA Jetson Orin NX 处理器及 Hector SLAM、YOLO 等软件栈实现自主导航与物体处理。
Auriga Robotics 团队在沙希德贝赫什提大学开发了名为@Work 的移动操作机器人,专为提升工业环境中重复或危险任务的效率而设计。该平台采用四轮麦克纳姆轮驱动与五自由度机械臂,结合 ESP32 微控制器、NVIDIA Jetson Orin NX 处理器及 Hector SLAM、YOLO 等软件栈实现自主导航与物体处理。
针对低空无特征海床导致的尺度模糊与惯性 -DVL 融合无法修正漂移的问题,该研究提出将物理交互作为几何约束的接触辅助因子图定位框架。实验在水箱、港口及仿真环境中验证,该方法相比滤波导航和无接触图方案显著降低轨迹漂移并提升物体复访精度。系统支持在线初始化,利用吸盘操作器接触事件构建高置信度因子以隐式实现闭环,无需外观识别即可稳定估计状态。
该研究将基于房间概率向量(RPV)的物体目标导航策略通过机器人无关的 ROS 2 桥接,部署于波士顿动力 Spot 和 Clearpath Robotics TurtleBot 4 平台。在包含 66 次试验的大学设施中,Spot 机器人搜索 11 类物体的原始成功率为 0.455,低于仿真环境的 0.539。分析指出未检测到的玻璃墙、进入禁区及房间词汇与物理布局不匹配是导致差距的主要原因。
Narwal 通过自研 SLAM 算法、NarMind 自主系统及 FlowWash 热水清洁等技术,构建了从深圳研发到东莞制造的完整供应链。其 DualFlow 免缠绕系统与地毯深洁模块使地毯清洁性能提升 40%-50%,解决了宠物毛发缠绕痛点。截至 2026 年 4 月,产品已覆盖全球超 30 个地区、服务逾 600 万用户,北美 Flow 2 新品在亚马逊美国站发布 24 小时内登顶销量榜。
Maze Runner 是一个开源的自主导航栈,旨在解决稀疏重复几何下的定位、狭窄走廊规划及估计或地图错误时的安全控制问题。该栈在 Gazebo 仿真环境中驱动 Husarion ROSbot XL(配备 2D LiDAR),通过 RANSAC 和总体最小二乘法从扫描中提取带不确定性的墙体线,并分别用于基于地图的扩展卡尔曼滤波定位和在线构建地图的 EKF SLAM。
推荐理由:该工作提出了基于线特征定位与控制屏障函数的自主迷宫导航栈,在仿真中实现了厘米级定位与实时规划控制。
该研究提出了一套面向轮式移动机器人的视觉自主导航开源栈,旨在有限传感与计算资源下整合感知、定位、规划与控制。系统连接了YOLOv8n检测、几何方向估计、RGB-D SLAM、轮惯状态估计及运动学感知规划,并通过行为树管理任务。
推荐理由:该研究提供了一套面向轮式移动机器人的视觉自主导航开源栈,集成了YOLOv8n检测与RGB-D SLAM,在Jetson Orin NX上实现了低延迟感知,并公开了数据集与评估日志。
UMI-Live 是一套全栈开源的双手通用操作接口(UMI)系统,旨在无需物理机器人遥操作即可采集数据。该系统集成了相机与激光雷达惯性传感、板载计算及电源,无需外部追踪设备或环境内校准。
推荐理由:开源了无需外部追踪的双手 UMI 硬件与软件栈,提供同步 SLAM 重建与 VLA 策略训练支持。
arXiv 预印本论文 Self-Supervised Doppler-Guided RF Odometry 提出 RFWalk 框架,利用射频信号进行自监督里程计估计。
该研究提出 SKiD-SLAM 系统,旨在解决未来行星探测任务中通信受限、算力有限且无中心基础设施的挑战。团队在公开数据集和 NASA JPL 开源漫游车模拟器上验证了系统模块,随后在韩国济州岛马扬熔岩管洞穴及京畿道 KICT 模拟地形进行了实地部署。
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。
该论文提出稀疏拓扑度量图作为室内环境的高效结构表示,通过节点编码局部 3D 几何、边捕获可通行连通性,利用学习到的图匹配网络在跨会话中建立稳定对应。实验显示该方法在 Gibson 数据集上达到 77.1% 的成功率,在 3D-FRONT 场景变化下为 40.0%,内存占用比点级表示减少两个数量级以上,支持跨会话对齐与目标导向导航。
推荐理由:提出稀疏拓扑度量图方法,在跨会话室内导航任务中实现高成功率并大幅降低内存消耗。
MAPLE 是一种无需离线训练的预测性探索方法,利用当前部分地图中的几何线索在线生成多个合理的地图假设以评估前沿增益。该方法在 KTH 楼层平面图及真实 SLAM 环境的多种传感器量程下,均优于非预测性探索并可与学习型方法竞争。其轻量级过程化构建支持有限算力资源下的预测探索,且实验表明更准确的地图预测未必带来更好的探索效果。
论文研究了通用模型如何通过最小接口直接引导感知、行动、验证和自纠正的决策循环,提出‘具身代理控制’概念。研究评估了十四款前沿多模态模型在六个导航及问答基准上的表现,发现最佳代理在部分子集上超越已发表分数并接近人类测试者水平。
推荐理由:该研究评估了十四款前沿多模态模型在导航与问答任务中的表现,发现最小接口代理能接近人类水平,但受限于身体感知与空间理解。
论文提出了 GOFusion 系统,这是一种用于自主机器人导航的实时视觉建图方法。该系统将高斯原素锚定到局部占用图上,既提供路径规划所需的空间感知能力,又具备支持信息驱动导航的高保真外观特征。
RAGNAROK 是首个专为粗糙地形设计的雷达 - 视觉 - 运动学 - 惯性 SLAM,集成滑移感知腿速估计与退化感知图像增强。实验表明该系统在公开及自采集数据集上表现鲁棒,优于最先进基线。源代码与数据已开源。
针对 GPS 拒止且通信受限环境下同构机器人的协作任务,该方法利用车载 UWB 测距与激光雷达获取视距内匿名物体位置,构建连接图并通过子图匹配解决识别与定位问题。
该研究针对非结构化环境中复杂动力学系统的运动规划难题,提出了一种改进的 Bidirectional Incremental Generalized Hybrid A*(Bi-IGHA*)算法。
推荐理由:论文提出双向增量广义混合 A*算法,通过分层分辨率与冻结顶点机制解决搜索耦合问题,在仿真及真实机器人系统中验证了计算效率提升。
针对第一人称操作数据稀缺的问题,作者推出了 RoboCap 平台和 Grounded API 工具集。该平台包含一个 250g 六摄像头双 IMU 头戴设备,配合厘米级精度的 3D 算法,在公共基准测试中展示了先进的 SLAM、深度估计和手追踪性能。材料为第一人称机器人数据采集提供了硬件与算法整合的参考方案。
论文提出一种分层控制架构以解决两轮倒立摆机器人在执行非对称物体操作时面临的严重动力学不稳定性与导航漂移问题。系统利用离线视觉追踪 ArUco 标记提供全局航点导航,规避里程计误差;同时通过在线低延迟控制回路抑制物理扰动。实验显示该方案使定制机器人能在颠簸路面和动态坡道上准确导航并安全携带负载而不倾倒。材料为预印本,已接受于 2026 IEEE CINS 会议展示。