跳到正文
10月12日周一
  1. arXiv · 机器人与计算机视觉49

    MemReg:基于混合记忆缓冲的流式户外激光雷达点云配准网络

    MemReg 提出一种增强姿态相关记忆缓冲的多帧户外点云配准网络,利用长时序全局信息解决稀疏测量与低重叠问题。在 KITTI、nuScenes 和 Apollo-Southbay 数据集上超越所有成对方法及多帧 SLAM 系统,并在 3DMatch 等室内场景表现优异。代码将在发布时开放。

10月10日周六
10月9日周五
  1. arXiv · 机器人与计算机视觉58

    低纹理与动态场景下的 ORB-SLAM2 前端动态点过滤控制研究

    Zekui Xue 在 arXiv 发布了一项针对 ORB-SLAM2 前端的控制研究,旨在评估动态点过滤在低纹理合成室内场景中的有效性。研究通过因子设计渲染了具有不同纹理密度和动态水平的序列,对比了无过滤、光流/极线残差过滤(FLOW)和多视图深度一致性过滤(GEOM)。

10月8日周四
  1. arXiv · 机器人与计算机视觉25

    FlightMagNav:面向近地飞行器的户外磁场定位开源数据集与概率地图学习验证框架发布

    FlightMagNav 发布了一个包含无人机采集数据的开源集,涵盖双光泵磁力计、GNSS/惯导及用于地图学习与验证的测量。配套的概率框架演示了如何利用该数据构建并校验基于磁场的定位图。研究还规划了利用此数据集探索未来方向的路径。

  2. arXiv · 机器人与计算机视觉68

    Argos:适应丰富几何先验以实现可泛化的在线场景变化检测

    论文提出 Argos 框架,利用几何基础模型(GFM)的隐式 3D 知识解决现有方法在视角变化和遮挡下的局限性,实现联合场景变化检测与 3D 重建。作者构建了包含两个合成数据集和一个真实世界数据集的大规模基准以应对数据稀缺问题,并训练出支持跨域泛化的 Argos-SLAM 实时系统,用于机器人在线变化检测和感知变化的 4D 建图。

  3. arXiv · 机器人与计算机视觉58

    面向 UMI 风格机器人操作教学的精确末端执行器定位研究

    针对近距操作和相机遮挡场景下末端执行器定位不准的问题,该工作提出 MILD 数据集(含真实世界与仿真序列)及 AprilVINS 方法。MILD 包含来自 Insta360 X5 等设备的 86 个传感器序列,覆盖 15 次重复桌面任务;AprilVINS 结合鱼眼视觉惯性估计与局部 AprilTag 几何,在无需预测绘标贴地图的情况下实现毫米级定位精度。

  4. arXiv · 机器人与计算机视觉48

    通过传感器融合与折纸设计增强机器人感知与适应性

    一款成本低于 300 美元、重量小于 2 千克的紧凑型移动机器人原型,利用折纸灵感轮组实现运动控制与传感几何的主动调节。系统在纹理缺失室内走廊及户外阳光区域测试中,全帧无效深度比例分别从 21% 降至 11%、从 48% 降至 18%,实现了连续可调的 LiDAR viewpoints 与改进的深度覆盖。

10月7日周三
  1. arXiv · 机器人与计算机视觉67

    RIGOR:一种用于重力对齐全景视频的大规模重建管线

    针对长轨迹重建中易出现不一致的问题,本文提出 RIGOR 方法,利用全景相机提供的全局覆盖和丰富视觉信息。该方法保留前馈视角骨干网络,将每个全景图视为四视图虚拟 Rig,通过循环四视图共识检索闭环、几何验证候选重访点,并利用 Sim(3) 位姿图修正累积的旋转、平移和尺度漂移。

  2. arXiv · 机器人与计算机视觉65

    通过自回归扩散生成 3D 场景图中的高层概念

    该论文提出一种统一的自回归扩散图生成模型,用于从观测到的垂直平面自下而上构建完整的室内 3D 场景图(3DSG),联合学习图结构与空间节点特征。方法在涵盖合成场景、真实建筑平面图及机器人传感器数据的多个数据集上,均超越了基于学习的基线和随机基线,并在最大层级深度和真实单层数据上优于拥有目标图大小预言机的单步模型。

  3. arXiv · 机器人与计算机视觉78

    RIPE++:仅基于正样本对进行强化关键点学习

    该论文针对稀疏关键点提取与匹配任务,提出一种仅需正样本对即可学习的强化学习奖励机制,无需依赖准确的相机姿态、深度监督或负样本对比。方法在 MegaDepth1500 数据集上将 AUC@5 从 56.58 提升至 59.65,并扩展至弱监督的全流程稀疏匹配管道及低纹理医学视频序列。代码与数据已开源,论文获 ECCV 2026 最佳论文奖。

    推荐理由:提出仅利用正样本对的强化学习奖励,在无需负样本或深度监督下实现鲁棒的特征学习与匹配。

  4. arXiv · 机器人与计算机视觉82

    双向增量广义混合 A*:一种针对复杂动力学系统的高效任意时间规划方法

    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。

  5. arXiv · 机器人与计算机视觉49

    场景无关物体中心表示学习用于 3D Gaussian Splatting

    该方法提出基于预训练 GOCL 模块的场景无关物体代码本,在无需额外掩码预处理或多视图对齐的情况下,直接监督 3D Gaussians 的身份特征。此方案将无监督物体中心学习引入 3DGS,实现了跨场景的泛化能力,适用于机器人交互、场景理解及跨场景迁移等下游任务。论文已发表于 CVPR 2026 第三场多视图监督 3D 学习研讨会(3DMV),对应 arXiv:2604.09045v2。

  6. arXiv · 机器人与计算机视觉38

    PRUE:大规模农田边界分割的实用配方

    PRUE 提出结合 U-Net 骨干、复合损失函数及针对性数据增强的新方案,在 Fields of The World 基准测试中实现 76% IoU 和 47% object-F1,较基线分别提升 6% 与 9%。该方法经 18 个模型统一实验验证优于实例分割与世界模型替代方案,已开源五国模型及衍生数据集。该研究被 CVPR 2026 接收,为农业监测提供可靠、可扩展且可复现的边界划分框架。

  7. arXiv · 机器人与计算机视觉75

    GenZ-LIO:面向受限至开放边界之外的通用激光雷达惯性里程计

    针对野外机器人任务中从受限空间向开放空间过渡时扫描密度和局部几何结构剧烈变化导致鲁棒性下降的问题,本文提出了 GenZ-LIO 框架。该框架包含三个核心组件:尺度感知自适应体素化以调节跨尺度变化的扫描降采样、混合度量状态更新结合点面与点点残差以适应不同几何结构、以及体素剪枝对应搜索以提升点对点匹配效率。

  8. arXiv · 机器人与计算机视觉38

    水下三维重建图像空间折射校正方法研究

    针对平光口相机在水下重建中的碗状形变问题,该方法提出基于物理的图像空间折射校正,可无缝接入现有 SfM 与 VSLAM 算法。经射线追踪仿真及两个不同场景结构的水下数据集验证,相比传统方法有效消除变形并提升帧注册率、降低重投影误差。该方案对多种重建后端具有广泛适用性,相关预印本已公开于 arXiv。

  9. arXiv · 机器人与计算机视觉43

    OpenSplatGraph:从稠密语义地图到结构化场景图,赋能开放词汇机器人感知

    OpenSplatGraph 提出统一框架,直接基于在线高斯基开放词汇语义地图构建持久化 3D 场景图。该方法通过可靠性感知的语义场维持轻量观测统计,支持语言引导的目标定位与结构化关系推理。在标准 3D 场景理解基准及真实机器人实验中,该框架实现了具有竞争力的在线开放词汇感知性能及下游任务效果。

  10. arXiv · 机器人与计算机视觉78

    风险敏感的人群导航:自适应椭球形共形预测

    针对分布偏移下的人群导航安全难题,本文提出一种基于自适应椭球形共形预测的风险感知框架。该方法将结构化预测不确定性转化为条件在险价值信号以调节拉格朗日安全惩罚,在分布外设置下相比最先进基线提升了 5.68-7.44 个百分点的成功率并降低了 5.44-6.64 个百分点的碰撞率。

    推荐理由:该方法利用各向异性椭圆体处理分布偏移下的不确定性,在仿真与物理机器人上均验证了提升成功率并降低碰撞率的有效性。

  11. arXiv · 机器人与计算机视觉42

    未知航天器单目导航:Transformer 辅助卡尔曼滤波新管线

    该工作提出仅凭单目图像对未知航天器进行位姿估计的新学习管线,结合 Transformer 网络与多状态约束卡尔曼滤波器(MSCKF)。方法在包含 103 个航天器的 SPE3R 数据集上训练并验证,对未见目标实现泛化。蒙特卡洛仿真显示,导航未知目标时姿态误差中位数为 3.7°,相对轨道元素距离误差为 2.2%。

  12. arXiv · 机器人与计算机视觉68

    RoboCap:一种用于第一人称机器人学习的新平台

    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。

10月6日周二
  1. arXiv · 机器人与计算机视觉12

    IBPA:通过增量球枢轴与孔洞检测实现水下点云实时自由曲面重建

    IBPA 方法将原始球枢轴算法改造为支持流式点云的增量、实时且无需重叠假设的自由曲面重建技术。该方法在构建可定向流形网格的同时引入孔洞检测机制,能处理悬垂结构等复杂拓扑而无需先验几何约束。参考实现源代码将在预印本上线后公开,适用于 ROV 与 AUV 水下测绘数据的实时可视化决策。

  2. arXiv · 机器人与计算机视觉74

    SCCM:一种用于 ERP 稠密特征对应的球面一致性粗匹配方法

    针对等距圆柱投影(ERP)全景图在拓扑、度量和面积上的三种固有畸变导致视角训练模型性能下降的问题,该研究提出 SCCM 方法,通过在注意力机制和共视性门控中引入球面位置先验与面积感知修正,将 Matterport3D 数据集上的 PCK@1°从 0.230 提升至 0.275。

  3. arXiv · 机器人与计算机视觉60

    LQR-ArUco 融合:面向两轮机器人导航与非对称操作的鲁棒分层控制

    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。

  4. arXiv · 机器人与计算机视觉45

    MultiLoc:多视角引导相对位姿回归器实现快速鲁棒的视觉重定位

    MultiLoc 是一款多视角引导的相对位姿回归器,能在未知场景中通过单次前向传播生成一致的 3D 特征,实现亚秒级推理速度。该模型在 Indoor6、Cambridge Landmarks 和 WaySpots 等基准测试中均优于现有方法,且支持 Scannet++ 数据集训练与 RoPE CUDA 内核优化。代码即将开源。

  5. arXiv · 机器人与计算机视觉35

    Dense Dynamic Scene Reconstruction 与多视角视频相机位姿估计新方法

    该方法提出两阶段优化框架,将任务解耦为鲁棒相机跟踪与稠密深度细化,利用时空连接图及宽基线初始化策略解决多自由移动相机场景难题。研究引入 MultiCamRobolab 真实数据集验证效果,在合成与现实基准上显著优于最先进前馈模型且占用更少内存。论文已更新至 v4 版本并投稿 ECCV 2026,代码与数据开放许可待确认。

  6. arXiv · 机器人与计算机视觉70

    FoMo:蒙特莫朗西森林多季节机器人导航数据集发布

    FoMo 是一个在寒带森林记录的多季节机器人导航数据集,涵盖超过 64 公里的六条不同轨迹,全年进行了 12 次部署。数据包含旋转与固态混合激光雷达、FMCW 雷达、立体相机及单目相机图像、双 IMU 以及通过后处理 GNSS 接收器计算的真值。材料展示了季节变化对现有最先进定位建图方法重定位能力的严重影响,并提供了开发套件下载链接。

  7. arXiv · 机器人与计算机视觉35

    EndoWave:引入有理小波监督的 4D 高斯泼溅内窥镜重建框架

    EndoWave 通过融合光流几何约束与多分辨率有理正交小波,解决了内窥镜场景中的光度不一致与非刚性形变难题。该方法在 EndoNeRF 和 StereoMIS 两个真实手术数据集上评估,相比基线实现了最先进的重建质量与视觉精度。该工作以预印本形式发布于 arXiv,代码与权重暂未提及开放许可。

  8. arXiv · 机器人与计算机视觉23

    Deep Learning Reforms Image Matching:综述与展望

    深度学习改革图像匹配流程,通过可学习替代模块或端到端融合步骤提升鲁棒性与精度。该综述在相对位姿估计、单应性估计及三维重建等任务上对代表性方法进行基准测试并评估局限。项目仓库已公开,涵盖从检测器到几何估计器的全链路演进分析与未来方向。

  9. arXiv · 机器人与计算机视觉45

    非线性系统未知输入结构基础:UID 诱导标准型与最小感知运动恢复结构

    该研究建立了首个针对受未知驱动的非线性系统的状态估计通用结构解,提出无需模型假设的 UID 诱导标准型。实验验证了仅需三个点特征和单轴陀螺仪即可实现三维结构与相机运动的递归估计。真实世界数据测试证实了这一最小感知配置在运动恢复任务中的可行性。

  10. arXiv · 机器人与计算机视觉82

    VGGT-Bridge:超越顺序位姿图的粗粒度跳变边方法

    针对前馈视觉几何 Transformer 在长序列重建中存在的累积漂移问题,论文提出 VGGT-Bridge 方法,通过引入非相邻块间的直接约束和反向帧修正策略来优化位姿图。该方法在 KITTI、Virtual KITTI 和 Waymo Open 数据集上显著降低了绝对轨迹误差(ATE),优于现有分块对齐方法的基线。该工作已接受发表于 ACCV 2026,属于预印本状态。

    推荐理由:提出 VGGT-Bridge,通过粗粒度跳变边和反向帧修正解决长序列累积漂移问题。

  11. arXiv · 机器人与计算机视觉48

    Every View Counts:多视图全景分割引入视图一致质量指标 VC-PQ

    针对多视图全景分割评估中忽视实例可见性差异的问题,研究提出视图一致全景质量(VC-PQ)指标。该指标将 PQ 从单图扩展至输入视图集合,平等计算实例可见视图并惩罚非一致性预测,在 ScanNet++ 和 ScanNetv2 数据集上对现有前馈模型进行对比分解。论文目前处于审稿中,代码与权重暂未开放,旨在推动视图一致性成为多视图分割评估的核心标准。

  12. arXiv · 机器人与计算机视觉28

    三维反向投影法解决玻璃窗点云缺失并应用于高铁车头重建

    针对含玻璃窗环境的 LiDAR 扫描空洞问题,该方法提出基于三轴投影细分与插值的反向补全策略。在高铁车头比例模型实验中,贪婪投影三角剖分相比其他管线实现了更低的几何距离误差。该技术支持非接触式数字建模,为重建带玻璃窗物体提供了实用方案。

  13. arXiv · 机器人与计算机视觉28

    Hybrid DeepSEE 提出人机协同神经符号漂移预判框架以增强视觉 SLAM 可靠性

    Hybrid DeepSEE(HDS)是一种人机在环(HITL)神经符号框架,通过结合大语言模型推理与符号约束解决数据驱动模型在分布外环境中的物理不一致问题。该 IFAC 会议论文提出的架构利用 LLM 将定性人类上下文转化为可解释的符号约束,旨在提升视觉 SLAM 的漂移预判可靠性与一致性。

  14. arXiv · 机器人与计算机视觉35

    GR-LIO:一种利用机身对地高度信息的局部地面感知激光雷达惯性里程计系统

    GR-LIO 提出了一种基于滤波器的局部地面感知 LIO 框架,将机身对地(B-G)高度几何显式融入状态估计以提升定位精度与效率。该系统通过点面几何约束及平面运动更新有效抑制垂直漂移,并在多个公开基准数据集及自采集真实场景数据集中验证了其在准确率与计算效率上均优于代表性方法。