跳到正文
11月18日周三
  1. arXiv · 机器人与计算机视觉68

    Arboreus:一种支持地形与卫星信息的北方针叶林现实感仿真器

    本文提出了 Arboreus,这是一个用于北方针叶林环境的逼真森林仿真器,旨在支持机器人自主算法的统计验证。该方法利用北欧生长研究参数化生成桦树、云杉和松树等主导树种,并结合 Copernicus 卫星数据集指导树木分布密度与种类,同时利用瑞典地籍局的地形数据生成真实感地面。

  2. arXiv · 机器人与计算机视觉68

    Fly as Instructed:面向无人机视觉语言导航的世界 - 动作策略优化研究

    该论文针对现有世界模型主要关注动作预测而缺乏可靠指令遵循、任务进度追踪及安全避障的局限,提出一种融合三种互补机制的世界 - 动作学习框架。具体包括:具备针对性后训练的语言条件化动作接口以响应指令运动;循环指令消耗预测以跟踪任务进度并确定终止时机;以及高斯场景后训练通过轨迹模仿和可微几何反馈增强障碍规避能力。

  3. arXiv · 机器人与计算机视觉35

    SkiNet-Sim:用数据模拟 Petri Net 以验证自主系统控制器

    SkiNet-Sim 提出一种融合数据感知转换与令牌的解释 Petri Net 形式化模型,旨在解决传统形式在工业应用中因语义简单或过度专业化而难以落地的难题。该研究通过机器人执行层建模及完整工业巡检任务案例,对比了经典形式与新形式在仿真及模型检测中的结果,并提供了轻量级工具以支持通用应用的数据感知状态空间探索。

  4. arXiv · 机器人与计算机视觉77

    当世界即测试套件:面向物理世界的智能体智力综述

    该文是一篇关于“面向物理世界的智能体智力”的综述论文,探讨了语言模型如何为机器人编写程序(如策略生成、奖励函数设计),以及如何利用物理仿真、形式化检查等手段进行低成本且可靠的验证。文章分析了从软件测试到物理测试的范式转移,讨论了经验留存机制及当前面临的基准评测挑战,指出未来进展依赖于建立类似持续集成的物理验证流程。

    推荐理由:本文提出将物理世界视为测试套件,探讨智能体在机器人编程中的写作、测试与学习机制。

11月17日周二
  1. 量子位72

    光轮智能推出RoboFinals RL Envs强化学习仿真环境

    光轮智能发布RoboFinals RL Envs强化学习仿真环境,依托自研SimFoundry底座实现刚体、柔体与关节体的协同交互,支持时长超8分钟的长程任务如汽车修理。产品包含资产重建、物理建模与任务定义的生成链路,提供RL Ready标准以承载策略试错与迭代,并配套独立评测基准。

  2. arXiv · 机器人与计算机视觉70

    3D-MoE:面向空间智能的混合专家 3D 视觉语言动作模型

    该论文提出 3D-MoE,一种利用混合专家架构和模态感知概率路由的高效 3D 视觉语言模型。研究集成基于扩散的动作头 Pose-DiT,将模型转化为能生成精确 6D 姿态的 3D 视觉语言动作(VLA)模型,支持机器人操作任务。实验表明该模型在多个基准上表现优异,激活参数大幅减少且推理实时,已接受 EMNLP 2026。代码开源。

  3. arXiv · 机器人与计算机视觉70

    线性循环记忆足以蒸馏空气曲棍球世界的策略

    该论文研究了模拟空气曲棍球防守任务,发现即使在没有追踪冰球的临时情况下,控制仍需依赖记忆。研究将 DreamerV3 教师模型蒸馏为具有 64 维状态的紧凑循环策略,结合对角线线性循环与可选的秩 k 非线性创新,而观测编码器和动作头保持非线性。

  4. arXiv · 机器人与计算机视觉72

    Flying on Imagination: DreamerV3-Style World Models under Environment Distribution Shift for Quadrotor Navigation

    该论文研究了基于潜变量动态重建的世界模型在四旋翼飞行器导航中的应用,特别是在训练环境分布发生偏移时的表现。研究对比了四种不同的深度感知训练环境设置,并评估了强化学习微调前后的重建质量及策略性能。

11月16日周一
  1. 量子位42

    通芯智能发布面向 AGI 的推理芯片方案,规划 Vector/Tensor/AGI Core 三类单元以加速图结构与因果推断计算

    由朱松纯教授发起、北京通用人工智能研究院孵化的通芯智能成立半年完成数亿元融资,正设计兼容主流模型并支持逻辑因果推理的新型 AGI 推理芯片。该公司规划 Vector、Tensor 与 AGI Core 三类单元,其中 AGI Core 专门加速图结构存储处理及概率计算,旨在解决智能体在真实物理世界行动时的效率瓶颈。

  2. arXiv · 机器人与计算机视觉30

    Foundation Model Driven Robotics:基于基础模型的机器人技术综述与未来路线图

    该综述系统梳理了大语言模型和视觉语言模型在感知、规划及人机交互领域的进展,将应用划分为仿真驱动、开放世界操作等四个方向。文章重点分析了程序化场景生成与策略泛化等关键趋势,同时指出了具身数据匮乏、安全风险及算力限制等核心瓶颈。最后提出了通过构建更鲁棒的可解释模型来弥合语义推理与物理智能差距的未来研究路线图。

  3. arXiv · 机器人与计算机视觉23

    遥操作干预提升自驱动实验室韧性研究

    针对自驱动实验室(SDL)自动化流程故障,该研究开发了基于 UR3e 机械臂与 3Dconnexion SpaceMouse Pro 的遥操作接口。对比测试表明解耦控制器模式缩短了任务完成时间并减少旋转运动,且无参考路径引导时用户更具目标导向性。工作验证了人机回环机制在 SDL 故障恢复中的可行性,为未来共享自主性研究奠定基础。

  4. 上海人工智能实验室 · 科研动态78

    上海AI实验室发布开源书生科学多模态大模型S2.1 Flash

    上海AI实验室发布并开源书生科学多模态大模型S2.1 Flash(简称书生-S2.1 Flash),依托统一表征架构支持分子、光谱等多类科学数据输入,融合视觉感知操控科研软件能力。模型在递归式自我改进模式下持续迭代优化,已在CT切片恢复、遥感水域变化量化、航空发动机装配建模检查及脑电伪迹剔除四项任务中验证闭环执行能力,推理成本显著降低且交付可复核的工程文件。

    推荐理由:上海AI实验室发布书生-S2.1 Flash,融合科学多模态理解与通用智能体能力,支持在专业软件中执行复杂科研任务并交付可复核的工程文件。

11月14日周六
11月13日周五
  1. arXiv · 机器人与计算机视觉48

    PCM-PPO 方法实现土星探测器自主任务规划

    针对土星探测极端环境,该方法提出物理约束掩蔽近端策略优化(PCM-PPO)以实现自主任务规划。研究建立土星特定离散马尔可夫决策过程并融入系统动力学与几何模型,通过物理约束动作掩码构建可行决策域以规避不可行探索。对比、消融及不确定性实验验证了该方案在资源受限下的有效性,为深空探测提供了可行且可解释的自主规划路径。

  2. arXiv · 机器人与计算机视觉82

    AFTER:一种用于错误驱动保留的具有自适应快慢时间尺度的世界模型

    针对机器人交互中动力学突然且持久变化的适应难题,论文提出了 AFTER-WM 世界模型。该模型受人类大脑预测编码启发,利用预测误差驱动快速修正(衰减)与慢速修正(持久),并动态调整预训练专家的组合权重而不改变其本身,以平衡响应性、稳定性与持续性。

    推荐理由:提出 AFTER-WM,利用快慢时间尺度自适应机制解决动力学突变下的预测误差累积问题。

  3. arXiv · 机器人与计算机视觉75

    基于高斯过程的信息路径规划:误差界、算法与基准

    本文针对环境监控中的信息路径规划(IPP)问题,指出当前方法受限于启发式约束且缺乏同时满足最坏情况估计误差和逼近质量的理论保证。研究通过评估重构误差的概率与确定性界限,证明预测方差是 GP 基 IPP 的理论理想优化目标;分析表明 GreedyCover 算法的近似保证匹配了该问题的根本性近似硬度极限。

  4. arXiv · 机器人与计算机视觉65

    不完美检测下的主动物体搜索需要何种世界模型?一项研究

    针对不完美检测如何影响机器人“看哪里”和“何时停”的决策问题,该研究提出了贝叶斯主动漏检感知物体搜索(BAMOS)方法,在 Isaac Sim 仿真环境中系统考察了目标信念、占用信念及检测误差对搜索策略的影响。实验表明,维持并更新目标信念对于在不确定观测下实现可靠搜索至关重要,且其贡献度随检测误差增加而提升。该工作已被 CoRL 2026 Workshop 接收,代码已开源。

11月12日周四
  1. 上海人工智能实验室 · 科研动态41

    上海 AI 实验室书生·端砚平台签约东方美谷,以干湿闭环科学智能赋能美妆研发降本增效

    上海 AI 实验室与奉贤区携手推出国内领先科学智能基座“书生·端砚”,聚焦美丽健康产业挖掘线索、生成候选及预测配方三大能力。该平台打通干实验与湿实验形成自迭代闭环,内置可信溯源机制,将助力入驻企业如自然堂、尚美压缩研发周期并降低试错成本。

  2. Hugging Face Daily Papers36

    Evidence-Governed Adoption of Self-Generated Updates in Autonomous AI Agents:提出 EGE 框架治理自主智能体更新

    针对自主智能体候选修改可能隐藏性能退化问题,研究提出 Evidence-Governed Evolution (EGE) 框架,将生成与确认采纳分离。该框架通过冻结候选体的新鲜配对审计、要求预定义目标显著改进及参考相对非劣性测试来保护声明能力。蒙特卡洛压力测试仅作为统计实验演示校准效果,未验证部署智能体安全或任意分布偏移下的鲁棒性。

11月11日周三
  1. Hugging Face Daily Papers74

    WM-PPO:通过评估未来状态提升世界模型下的动作学习能力

    针对稀疏终端奖励导致信息缺失的问题,本文提出 WM-PPO 方法,利用训练于真实交互的世界模型预测动作后的观测,由价值网络对预测后继状态进行估值以指导策略优化。该方法在无需教师信号或特权信息的情况下,仅在推理阶段使用策略网络,在 ALFWorld 和 ScienceWorld 基准上将成功率分别从 63.5% 提升至 87.5%,从 39.3% 提升至 52.9%。

  2. arXiv · 机器人与计算机视觉53

    将世界模型纳入决策以优化主动传感中的下一最佳视角选择

    论文提出一种部署适配方法论,用于在主动传感中选择贡献新表面测量的视角。该方法通过从有限本地校准数据中学习传感器返回适配器,在保持预训练预测器固定的情况下估计每个预测表面的测量丢失率,从而优先选择能填补重建间隙的视角。

11月10日周二
  1. arXiv · 机器人与计算机视觉82

    MineXplore:面向无 GPS 地下环境的强化学习探索开源基准

    论文提出了 MineXplore,这是一个基于 MuJoCo 的开源导航基准,数据源自智利铜矿实地测绘。环境重构了 104,423 平方米的隧道网络,包含八边形截面、LiDAR 来源的锯齿状几何、三种地形摩擦区及周期性照明。

    推荐理由:该基准提供基于真实矿场几何的地下导航环境,支持 GPU 加速学习流程,并验证了策略在 GNSS 拒止条件下的稳定性。

  2. arXiv · 机器人与计算机视觉38

    Swim2Real:视觉语言模型用于软体机器人鱼仿真校准

    Swim2Real 利用视觉语言模型(VLM)对比真实与模拟视频,通过回溯线搜索优化 16 个仿真参数以匹配软体水下机器人的变形与推进。独立预注册的五十种子实验显示,该方法在 40 次评估中将平均最佳误差较随机方向降低 63.4 mm、较置换方向降低 53.2 mm(p<10^-5)。

  3. arXiv · 机器人与计算机视觉49

    物理实验室自驱动测试床对比贝叶斯与智能体优化算法

    该研究开发了一套集成商用仪器的物理测试床,实现了连续 24 小时无人值守的闭环自主实验。系统在四小时内完成六次独立任务,利用智能体优化器将匹配目标吸光度光谱所需的迭代次数较传统贝叶斯优化减少最多 52%,并成功解决后者在 48 次内未收敛的目标。该平台可作为参考基准,用于评估包括大语言模型指导在内的新兴 AI 策略,以应对真实世界中昂贵且耗时的实验部署挑战。

  4. arXiv · 机器人与计算机视觉74

    ObjectWorld:基于大规模 3D 全物体流数据的世界模型

    该论文提出全物体流(3D full-object flow)表示,将稠密 3D 轨迹分配至目标物体完整表面(含遮挡区域),统一适用于刚性与柔性物体。作者构建了一个包含 1210 小时视频与物理仿真的数据集,并训练了接收图像与任务描述、预测全物体流的世界模型。实验显示该表示具有可靠的标注质量、可扩展的流预测能力,并在新型场景与机器人本体上实现了有效的下游操作。

  5. arXiv · 机器人与计算机视觉58

    面向目标条件化潜在规划的动态感知动作学习

    论文提出 Dynamics-Informed Action Learning (DIAL) 框架,旨在弥合潜在世界模型中动态学习与规划应用之间的差距。该方法在训练阶段通过 rollout alignment 让前向模型接触自回归预测的潜在状态,并利用多步逆动力学监督训练轻量级逆动力学头;测试时利用该头构建动态感知的动作序列以初始化交叉熵方法(CEM)搜索分布。

  6. arXiv · 机器人与计算机视觉45

    部署后多目标适应:关于世界模型在远程机器人团队中的立场

    针对远程非结构化环境中硬件或任务变更导致策略失效的问题,文章提出利用世界模型预测更新后的环境条件以评估现有策略,避免物理执行候选方案带来的风险。研究明确了基于模型的策略重评估、验证预测与实测性能一致性以及融合共享信息支持团队协同适应等关键优先事项。该观点旨在推动世界模型在部署后多目标适应领域的进一步调查与应用。

  7. Hugging Face Daily Papers38

    多模态智能体跨场景自进化机制综述与分析

    该综述调查了多模态推理、生成、GUI/Web 导航及具身操作四种场景下,无需人工标注的自进化机制在跨场景转移时的不对称性来源。研究将自进化定义为包含经验生成、反馈获取与更新整合三阶段的循环,并分析稀缺因素组合如何限制不同方向的能力迁移。文章提出通过匹配预算测量来推翻当前未验证的结论,共 44 页含 15 张表格和 4 幅图表。

11月9日周一
  1. arXiv · 机器人与计算机视觉70

    CLAW:基于对抗正则化的连续潜在动作世界模型

    论文介绍 CLAW,这是一个端到端的自监督框架,能从无动作标注的视频中联合学习世界模型与连续潜在动作表示。方法利用对抗性潜在正则化防止潜在变量编码未来观测,使其捕捉动作结构;扩散式世界模型将环境动态建模为未来观测的分布而非确定性 rollout。

  2. arXiv · 机器人与计算机视觉53

    FATHOM:面向稀疏标记 AUV 跟踪的世界模型引导扩散动作轨迹选择

    针对非线性动力学与退化水下视觉条件下的相对跟踪难题,本文提出 FATHOM 框架。该框架整合结构化标记观测、惯性测量及历史动作,利用多模态任务监督的递归状态空间模型构建预测跟踪信念;通过扩散动作先验生成多条专家级推进器轨迹,并基于学习到的潜在动力学预测未来后果;最终在显式移动视界目标下选择最优候选方案。

11月7日周六
11月6日周五