跳到正文
11月11日周三
  1. arXiv · 机器人与计算机视觉78

    矩形物体协同推进行动力的力闭锁条件研究

    Duy Anh Nguyen 和 Trung Dung Ngo 提出了一种用于矩形物体协同推行的平面力闭锁条件的解析公式。该条件独立于质心,仅取决于四个无摩擦接触点的位置,可用于验证接触构型的几何可行性并指导调整。

    推荐理由:该研究推导了矩形物体在四接触点下的平面力闭锁充要条件,并将其集成到轨迹跟踪框架中,仿真显示显著降低了位置与姿态误差。

  2. arXiv · 机器人与计算机视觉63

    Curie's Jarvis:基于打印协议的自主机器人化学实验系统

    该研究提出了 Curie's Jarvis 系统,使机械臂能在为人类设计的普通实验台上执行化学实验。系统通过读取打印协议照片、在无固定位置或标记的台面上识别容器、利用四视角摄像头区分外观相同的容器并读取标签,且在每步操作前重新定位目标。

  3. arXiv · 机器人与计算机视觉73

    Latent Barrier Steering:面向生成式规划的层级安全方法

    论文介绍 Latent Barrier Steering (LBS),这是一种用于安全流匹配生成式规划的分层语义到路径框架。现有控制屏障函数滤波器仅局部修复样本,难以应对全局约束阻塞;LBS 先引导生成器潜在变量向更大安全余量的 rollout 演化,再解码并仅对剩余违规应用路径空间二次规划。实验表明该方法在导航和机器人末端执行器规划任务中,既保持安全性又提升目标达成率并减少修正负担。

  4. arXiv · 机器人与计算机视觉58

    基于地面反作用力的欠驱动直立物理辅助模型预测控制

    本文提出了一种名为 GRF-MPC 的控制框架,将实时地面反作用力(GRF)和质心压力(CoP)测量值直接整合到人体质心动力学模型中,以优化辅助力和力矩。研究在 Robotic Upright Stand Trainer (RobUST) 平台上进行了部署,采用欠驱动的 4 缆配置,并在近 300 次试验中与全驱动 8 缆笛卡尔阻抗基线进行了对比评估。

  5. arXiv · 机器人与计算机视觉73

    你的 VLA 有多少是 kNN:无需策略训练的检索演示复用与一致性评估

    论文针对视觉语言动作模型在 LIBERO 基准上表现优异但泛化来源不明的问题,提出通过检索邻近演示并复用动作片段即可在无策略训练下达到 91.7% 成功率。研究对比九种公开 VLA 发现微调主要优化了视觉语言骨干作为检索键的效果,且动作仍接近演示。

  6. arXiv · 机器人与计算机视觉43

    Robo-MLT:双系统框架实现长视界医疗实验室任务操作

    Robo-MLT 提出一种结合显式工作流监控与学习动作生成的双系统框架,用于处理血液气体分析及试管排序等长视界医疗实验室任务。该模型在包含 50 种标准及 20 种样本移除配置的实验中,任务成功率分别达到 82% 和 70%,比π0.5基线高出 30 和 22 个百分点。系统能在操作员移除正在处理的样本后自动修订计划并继续处理其余样本,显著提升了长视界操作的可恢复性。

  7. arXiv · 机器人与计算机视觉73

    RoboACE:基于对抗共进化的机器人自我改进框架

    该论文提出了 RoboACE(Robot Adversarial Co-Evolution)框架,旨在解决固定训练源无法发现新弱点的问题。该方法联合演化课程选择与执行策略,围绕冻结的基础模型进行交替更新:课程模块利用积累的能力证据提出信息丰富的挑战,执行模块则通过可复用的修订扩展能力。

  8. Hugging Face Daily Papers75

    ExRL:通过执行长度控制实现长片段策略的样本高效在线自适应

    论文 ExRL 指出利用现有强化学习方法适配高维度的长动作片段策略往往需要大量在线交互数据,难以在实际机器人场景中应用。作者提出将适应过程从优化动作本身转向优化每个预测动作片段的执行时长,从而在保持低维度优化空间的同时提升表达力。该方法通过轻量级适配器结合离线强化学习算法训练,在仿真基准和真实机器人任务中实现了多样化的长片段策略的样本高效自适应,且仅需极少的任务特定超参数调整。

  9. MIT CSAIL News72

    Workspace Models:一种新型记忆架构帮助机器人快速掌握复杂技能

    MIT CSAIL 和卡内基梅隆大学研究人员提出了名为 Workspace Models 的新方法,旨在解决现有基于 AI Agent 的机器人在处理长历史视觉数据时存在的延迟高、计算成本大及反应慢的问题。

    推荐理由:MIT CSAIL 与卡内基梅隆大学提出 Workspace Models,通过离线大模型蒸馏轻量化模块解决机器人长时记忆延迟问题。

11月10日周二
  1. arXiv · 机器人与计算机视觉58

    Latent World Models with Monotone Planning Costs for Image-Goal Navigation

    该论文针对图像目标导航任务中潜在世界模型的规划成本排序问题,提出了一种基于冻结 DINO 家族编码器的新模型架构。研究定义了预测未来嵌入与目标嵌入之间的余弦距离作为规划成本,并引入自回归展开损失和单调成本排序(MCR)损失来优化多步规划性能。

  2. arXiv · 机器人与计算机视觉75

    无需持续人工干预:一种用于机器人策略改进的智能体循环架构

    该研究提出 AgenticRobotics 架构,利用大语言模型控制器驱动一次性工作流来管理机器人策略的训练与改进过程。系统核心在于将机器人策略和硬件视为需质量度量、记录及版本失效管理的工具,以应对训练管道和数据收集的频繁失败。实验显示,在单一线程上,该机制实现了极低的人工误晋升率(0.001),具备任意时刻停止下的有效决策能力,并能通过签名验证器检测所有类型的工件篡改行为。

  3. arXiv · 机器人与计算机视觉65

    FLARE与ChromaGuard:针对VLA模型光照脆弱性与色彩感知退化的防御框架

    论文指出VLA模型常因数据增强而将颜色视为噪声,导致在真实世界颜色依赖任务中成功率大幅下降(最高仅48.8%)。作者提出FLARE框架利用光照扰动暴露此类脆弱性,并设计ChromaGuard方法保留色度进行对抗训练。实验显示,基于SmolVLA的物理6-DoF平台在使用ChromaGuard后,良性与受攻击任务的平均成功率分别达到95.0%和88.8%,显著优于未防御基线。

  4. arXiv · 机器人与计算机视觉52

    基于离线 fNIRS 引导的机器人行为强化学习方法

    本文探索了利用功能性近红外光谱(fNIRS)脑信号在仿真环境中调节机器人学习的可行性。研究对比了被动观察与主动演示任务,重点考察将神经信号用于增强轨迹优先级和状态 - 动作 Q 值目标的效果,而非替换现有参数。实验结果表明,该框架能有效提升学习性能,且支持利用离线数据进行训练,为实时脑机接口设置不切实际或数据有限的场景提供了实用替代方案。

  5. arXiv · 机器人与计算机视觉20

    ROS 2-MQTT-FIWARE 混合架构在温室多机器人协作中的验证

    针对地中海温室狭窄通道与金属干扰导致的通信瓶颈,该研究提出基于 ROS 2 边缘计算、MQTT 及 FIWARE 云平台的混合架构。系统在仿真环境及真实温室场景中验证了其在恶劣网络条件下维持持久连接与数据完整性的能力。该方法消除了信息孤岛,为低层机器人控制与高层 IoT 决策的协同提供了可扩展的去中心化解决方案。

  6. arXiv · 机器人与计算机视觉42

    Geometric Entropy:轨迹多样性在模仿学习中的双面效应与度量方法

    研究提出几何熵(H_G)这一任务无关指标,量化去除目标位姿等外在变化后的内在轨迹多样性。实验发现成功率与 H_G 呈倒 U 型关系,适度多样性提升鲁棒性但过高会导致策略模糊;随着数据增加或任务掌握度提高,最优熵值向更低水平偏移。该度量可用于演示数据集的快速预训练审计及校准指南。

  7. arXiv · 机器人与计算机视觉72

    频率感知流匹配用于连续一致的机器人动作生成

    针对现有流匹配方法依赖离散动作块导致对异质控制频率敏感及动作时序不一致的问题,本文提出频率感知流匹配(FAFM)。该方法将离散序列转换至频域进行流匹配,并通过一阶导数正则化约束提升动作平滑度。实验在合成基准、避障、LapGym 及 LIBERO 等任务上验证了其在成功率、多模态表达能力、运动平滑性及收敛速度等方面的改进,并在真实 Franka 机器人部署中表现一致。代码已开源。

  8. arXiv · 机器人与计算机视觉82

    LAFP:通过流匹配保留潜在策略学习中的潜在动作结构

    针对大规模无标签视频与有限真实交互数据训练潜在策略时,现有行为克隆方法易导致多模态动作分布坍缩的问题,本文提出 Latent Action Flow Policy(LAFP)。

    推荐理由:提出利用流匹配保持潜在动作结构的方法,在模仿学习任务中平均成功率提升 8.2%。

  9. arXiv · 机器人与计算机视觉58

    CADENCE:超越总成本的机器人多智能体路径规划执行时间预测研究

    论文提出 CADENCE 方法,针对工业仓储和共享工作空间中的机器人团队运动规划评估问题,指出标准指标如总成本(SoC)无法完全反映真实执行性能。研究在固定 7x7 工位上部署了七台差速驱动机器人,生成了涵盖空载、随机及瓶颈场景的 480 次硬件实验数据。

  10. arXiv · 机器人与计算机视觉70

    RoboWits:面向机器人创造性问题解决的新基准与发现

    arXiv 论文介绍 RoboWits 双手动机器人基准,旨在系统评估认知推理、创造性工具使用及应对意外条件的鲁棒性。作者提出多智能体协作框架自动生成种子任务并引入几何、材料等维度的突变。实验显示预训练 VLA 微调后在种子任务表现尚可,但在突变任务中显著失效;基于 GPT-6 Astra 的零样本策略虽优于所有微调模型,仍损失约五分之一成功率,表明仅靠更强基础模型无法解决鲁棒性差距。

  11. arXiv · 机器人与计算机视觉70

    OASIS:基于 SE(3)轨迹预测的观测 - 动作空间对齐方法

    论文 OASIS 提出一种视觉运动策略,通过融合视觉语言与度量深度特征的 3D 感知编码器,结合 SE(3)末端执行器轨迹预测器,使动作解码器生成符合刚体运动的动作块。该方法在仿真和真实世界实验中均优于 VLA 和世界动作模型基线,提升了成功率与分布外泛化能力。材料为 NeurIPS 2026 Spotlight 接收的预印本,项目页面已公开。

  12. arXiv · 机器人与计算机视觉82

    超越动作残差:基于瓶颈潜变量的现实机器人策略引导

    论文提出 Z-Perturbation Reinforcement Learning (ZPRL) 方法,通过冻结预训练的流匹配策略并利用奖励驱动的残差扰动在紧凑的瓶颈潜变量空间进行在线强化学习适应。

    推荐理由:提出通过瓶颈潜变量接口进行在线强化学习策略引导,在仿真与真实世界中均提升了预训练模仿策略的样本效率与成功率。

  13. arXiv · 机器人与计算机视觉78

    ALAM:一种用于视觉语言动作模型的代数一致潜在动作模型

    针对视觉语言动作模型缺乏带标注动作数据的问题,该研究提出 ALAM 模型,从无动作视频中提取物理世界变化先验。通过帧三元组学习受重建约束且符合组合与可逆一致性的潜在转换,构建局部加性转换空间。

    推荐理由:该工作提出代数一致潜在动作模型,利用无标签视频构建结构化先验,显著提升 VLA 策略在仿真及真实任务中的成功率。

  14. arXiv · 机器人与计算机视觉62

    时间分辨率对快速人类动作零样本语义理解的影响

    该论文研究了视频语言模型在无训练条件下对快速人类动作进行零样本语义理解的效能,以剑道为案例。实验评估了 10 至 120 Hz 不同采样率下的全观测原始视频,发现最近类原型(NCP)准确率在 120 Hz 时最高,且 70-120 Hz 区间的平均表现优于 10-60 Hz。

  15. arXiv · 机器人与计算机视觉68

    One Agent to Guide Them All:通过显式世界表征赋能 MLLM 进行视觉语言导航的研究

    该论文提出 GTA 框架,将低层空间状态估计与高层语义规划解耦,引入结合几何积累与导航历史的显式度量世界表征,并通过反事实分支推理修正决策。在 R2R-CE val-unseen 全量测试集上成功率为 48.8%,在 260 集英文子集上为 46.2%。研究还展示了该方法可迁移至轮式、四足及空中机器人。材料为 arXiv 预印本,未提及同行评审状态或具体部署许可。

  16. arXiv · 机器人与计算机视觉82

    超越拓扑:用于运动策略学习的形态对称图表示

    论文提出一种形态对称图表示方法(MS-PPO/MS-SAC),将机器人拓扑图与形态对称性诱导的置换及符号变化显式结合,构建等变动作均值与不变评论家网络。该方法在宇树 Go2 和 G1 上实现了最低的跟踪误差、最高的仿真回报以及零样本仿真到现实部署能力,且参数量显著减少。

    推荐理由:提出形态对称图表示方法,在宇树 Go2 和 G1 上实现更低跟踪误差与最高仿真回报,且参数量显著减少。

  17. arXiv · 机器人与计算机视觉49

    $\Sigma$-LeWM:引入反向动力学与逆动力学损失的世界模型学习新方法

    $\Sigma$-LeWM 在 LeWorldModel 基础上增加反向动力学预测器及逆动力学动作预测器,通过额外潜变量损失强化隐空间结构以提升规划效率。该方法已在标准世界模型基准及两个仿真机器人操作任务上验证了性能与效率的双重增益。研究旨在提升此类方法在真实机器人实时基于模型的控制系统中的适用性。

  18. arXiv · 机器人与计算机视觉44

    Simulation-aided Reinforcement Learning with Control Variates 提出保守仿真辅助学习方法,在 MuJoCo 基准任务上优于标准混合策略

    该方法利用控制变量法仅降低学习过程方差而非直接塑造学习目标,适用于策略评估及 Actor-Critic 框架下的策略改进与离线 RL 场景。MuJoCo 基准实验表明其性能优于标准仿真混合方法,论文已作为 NeurIPS 2026 海报被接收并开源代码。