跳到正文
10月27日周二
  1. arXiv · 机器人与计算机视觉78

    EAST:基于数字孪生的具身智能安全测试系统

    EAST 是一个数字孪生框架,旨在解决仅以任务成功衡量具身智能安全性不足的问题。它将文献中的安全隐患转化为涵盖感知、指令、环境、动作和时序的故障注入测试。该框架包含专家审核的安全故障分类学和八个可执行算子,通过三阶段工作流生成测试规范并验证故障实现。

    推荐理由:该框架将文献中的安全隐患转化为数字孪生环境下的故障注入测试,能独立评估任务成功背后的安全风险。

  2. arXiv · 机器人与计算机视觉78

    Replicate What Varies:面向域随机化具身仿真的资源共享系统 Patchwork

    论文提出 Patchwork 系统,旨在解决并发运行多个具身仿真环境时因独立构建场景而导致的 CPU 和 GPU 内存占用过高问题。该系统基于 E=T+Δ表示法,将共享模板(包含公共资源)与补丁(记录目标环境的变异)分离,在 robosuite 和 MuJoCo 框架上实现了资源共享运行时。

    推荐理由:提出 Patchwork 系统,通过模板与补丁分离机制共享资源,在 robosuite 和 MuJoCo 上实现多实例 CPU 内存占用降低 88-92%。

  3. arXiv · 机器人与计算机视觉82

    OSWAM:一种具备一步动作生成的有效世界动作模型

    arXiv 论文 OSWAM 针对直接策略世界动作模型需多步去噪导致高延迟的问题,提出通过构建想象 token 初始化扩散过程以提供物理先验,并引入未来条件特权信息蒸馏。实验表明该模型在自动驾驶和具身控制任务上能达到甚至优于需要数十步的基线方法,实现约 3 倍加速,并在 NVIDIA RTX 5090 GPU 上将延迟降至 40ms,支持实时编译推理。

    推荐理由:该工作提出 OSWAM,通过引入想象 token 和特权信息蒸馏实现一步生成,在自动驾驶与具身控制任务上达到多步基线水平并将推理延迟降至 40ms。

  4. arXiv · 机器人与计算机视觉58

    SPECOLA:面向规范驱动的机器人仿真评估工具

    SPECOLA 是一款用于在仿真环境中评估机器人行为是否符合信号时序逻辑规范的开源工具。它提供 Python API 和命令行接口,允许用户定义规格并创建相应监控器,同时集成了 LIBERO、RoboCasa、Isaac Lab 等九个仿真环境的适配器。该工具旨在弥补单纯依赖成功率指标的不足,能够量化任务完成裕度、对目标参数的敏感度以及潜在的规范违反情况。代码与适配器已公开。

  5. arXiv · 机器人与计算机视觉78

    受限 arena 内微型振动驱动机器人集群的分布式预测 flocking 控制研究

    该论文提出了一种分布式预测 flocking 控制器,用于在无领导者或全局地图的情况下协调大量微型机器人。研究在数字孪生环境中对比了六种屏障函数安全公式,发现离散时间 CBF 在多种任务(如趋光性、轨道运行)和不同集群规模下表现最佳,能有效平衡安全性与秩序。材料仅基于仿真结果,未涉及真实物理部署或量产数据。

    推荐理由:原文在数字孪生环境中对比了六种安全约束公式,发现离散时间 CBF 在密集集群中碰撞最少且协调性最佳。

  6. arXiv · 机器人与计算机视觉68

    EmbodiedLab:一种要求智能体‘行动以认知’的具身智能基准

    论文介绍EmbodiedLab基准,旨在评估机器人能否通过改变物理状态来探索并理解环境(即‘行动以认知’)。该基准包含30个跨学科的定量科学实验,参数随机采样且结果不可预知。研究测试了六款前沿模型在原生控制、感知规划及灵巧操作增强下的表现,发现即使最强模型成功率也不足一半,主要失败源于与设备的交互,而灵巧操作技能对较弱模型的帮助大于感知与规划能力。

  7. arXiv · 机器人与计算机视觉78

    VisGeo-PipeTrack:一种用于无人机动态管道跟踪的视觉几何伺服控制框架

    针对无人机在工业环境中对动态移动管道(如振动)的跟踪难题,本文提出 VisGeo-PipeTrack 伺服控制框架。该框架利用 YOLOv5 检测管道标签并结合视觉几何约束实现精准定位,同时设计基于模型预测控制的实时修正自适应 PID(MPC-RCAPID)控制器以应对跟踪挑战。

    推荐理由:提出 VisGeo-PipeTrack 框架,结合视觉几何约束与 MPC-RCAPID 控制器实现无人机对动态管道的自主跟踪。

  8. arXiv · 机器人与计算机视觉58

    调参、参考预览与执行器建模如何改变四旋翼控制器对比:一项可复现的仿真研究

    针对四旋翼控制器对比常仅报告单一跟踪误差的问题,该研究量化了调参努力程度、参考信息、执行器预测及优化器回退策略等因素对排名结果的影响。通过主研究与确认性实验,发现匹配十二候选者的调参协议将 BL-SMC 从末位推至首位;参考预览显著降低了 MPC 跟踪误差并消除了回退活动。研究还指出命令时序与求解器迭代上限会改变系统稳定性,最终提出涵盖跟踪精度、调参投入及失败率等的报告清单以规范基准测试。

  9. arXiv · 机器人与计算机视觉58

    PushAround:一种通过物理信息引导的混合搜索实现协同清障的路径规划方法

    针对大型车辆在杂乱环境中被可移动障碍物阻挡的问题,该研究提出 PushAround 算法,这是一种结合几何连通性推理与短时仿真搜索的物理信息驱动混合搜索方法。系统通过重复查询 W-清除连通图(WCCG)来暴露需要拓宽的前端间隙并按预估下游成本排序,生成直接或递归的推挤候选方案,并选择障碍物、方向、接触点和力进行物理评估。

  10. arXiv · 机器人与计算机视觉72

    面向多候选单纯形架构的基于设计时识别的运行时上下文依赖安全吸引域构造

    该论文针对高性能控制策略缺乏形式化验证的问题,提出一种两阶段安全域认证框架。该方法利用收缩稳定性建立目标集,进而对闭环系统进行处理,实现了运行时构建上下文相关的安全吸引域(RoA)以及在高保真控制器候选项之间进行安全的切换以优化恢复能力。

  11. arXiv · 机器人与计算机视觉31

    基于分位数的命令预留 MPC 解决两轴电流指令云台指向控制问题

    该研究提出一种结合分位扰动预测与管式模型预测控制的算法,在存在摩擦、扭矩脉动及模型失配等机械干扰下实现高精度线视场指向。实验显示,该方法在两轴嵌入式平台上七次重复试验中,二维指向均方根误差为$3.94 \pm 0.10$ mrad且评估窗口内无命令受限样本。论文已提交至《富兰克林学会学报》,附带硬件试验数据与重算脚本作为辅助文件。

  12. arXiv · 机器人与计算机视觉78

    无 GNSS 环境下无人机群搜索的不确定性感知方法

    该论文研究了在无 GNSS 海洋环境中无人机群的协同搜索问题,其中无人机间测距驱动合作定位,不确定性沿多跳参考链传播,影响连通性、避撞和搜索效果。作者提出一种不确定性感知控制屏障函数框架,通过费希尔信息矩阵近似级联定位协方差,将协方差模型及其变化率纳入连通性和避撞的约束边界中,并采用分层 Voronoi 目标策略保持队形。

    推荐理由:提出不确定性感知控制屏障函数框架,解决无 GNSS 环境下无人机群协同定位误差累积问题。

  13. arXiv · 机器人与计算机视觉42

    物理 AI:带多约束的航空光电云台复合扰动分离与预测控制研究

    该研究提出一种结合自适应周期观测器与有界 LSTM 网络的模型预测控制(MPC)方案,用于解决航空光电云台在载体振动、输入延迟及执行器约束下的指向稳定难题。实验搭建无人机双轴云台平台进行室内悬停对比测试,结果显示该方法将俯仰和偏航相对角度均方根误差分别降至 0.350 度和 0.770 度,较线性主动扰动抑制控制降低跟踪误差 45.9% 和 25.1%。

  14. arXiv · 机器人与计算机视觉72

    面向四旋翼无人机的拦截导向球形轴承非线性模型预测控制研究

    针对搭载惯导相机的四旋翼拦截器需同时解决机动与相机指向耦合冲突的问题,提出 ISB-NMPC 方法,结合 S^2 上的姿态补偿扩展卡尔曼滤波进行目标方位预测。在 30 次配对仿真试验中拦截成功率达 86.7%,平均可见时间占比 99.11%;户外飞行实现约 150 米外获取 30 厘米目标,长航程速度约 17 m/s,追击机动目标时约 14 m/s。代码与硬件开源。

  15. arXiv · 机器人与计算机视觉78

    SceneAgent:从三维及四维捕获到仿真环境的代理流水线

    论文介绍 SceneAgent,这是一个通过基于模拟器的视觉检查与修复来协调对象重建、物理建模和中间误差校正的代理流水线。它能处理 3D Gaussian Splatting、摄影测量、LiDAR 捕获、AI 生成的 3DGS 场景以及动态场景的 4D 视频,并结合对象分割、物理参数估计、部件分解、铰链连接和可变形仿真。

    推荐理由:该工作提出 SceneAgent 代理流水线,将多种视觉捕获转化为可交互仿真环境并生成数字孪生体与演示数据,显著提升了策略学习基线。

  16. arXiv · 机器人与计算机视觉10

    货架内机器人拣选资源性能权衡:带载货升降机的穿梭车配置仿真对比研究

    离散事件仿真显示,带载货升降机配置的穿梭车在所有任务规模下平均循环时间均长于无升降机方案。在 n=15 位置时,前者周期为 333.231 秒/次,比后者增加 11.27%,导致每小时处理量下降 10.13%。该研究量化了单穿梭车替代双专用车的循环性能差异,但未评估系统最大吞吐量、投资成本或可靠性。

  17. arXiv · 机器人与计算机视觉38

    分布式窄带声源定位与对抗性声学监测技术报告

    该报告提出一种针对离岸数据中心威胁的被动声学监控框架,通过移动接收器构建锚点约束解决稀疏传感器下的多义性问题。方法在仿真中实现 91% 的定位成功率,野外试验中 10 次里有 9 次追踪误差低于 2m。研究经蒙特卡洛模拟、ROS-Gazebo 演示及开放水域实验验证了技术可行性。

  18. arXiv · 机器人与计算机视觉48

    Gazebo 集成 WSR 仿真框架开启多机器人 WiFi-CSI 感知研究

    该开源仿真框架将 WSR 感知流水线集成至 Gazebo,生成具备真实物理特性的合成 WiFi-CSI 数据以支持运动诱导测向与定位。研究通过 TurtleBot3 机器人在仿真与真实世界的对比实验验证了该方法的有效性,降低了多机器人系统中基于 WiFi-CSI 感知的入门门槛。所有代码及实验细节已公开,为将其作为模块化感知模态融入多模态感知系统奠定基础。

  19. arXiv · 机器人与计算机视觉78

    Sybil-Resilient Multi-Drone Exploration of Indoor and Confined Spaces

    该研究针对多无人机协同探索室内受限空间时面临的 Sybil 攻击(恶意节点伪造身份干扰探索),提出五种无需额外安全基础设施的防御方案,仅依赖无人机自身的传感器与地图数据。实验在包含办公室、隧道及三层建筑等七类场景的 70 张地图上进行模拟测试,结果显示在超过 2350 次任务中,隔离机制能将受攻击团队的探索覆盖率恢复至未受攻击水平,仅在特定合谋或大规模团队场景下存在局限。

    推荐理由:论文提出无需额外安全设施的防御机制,通过传感器与地图审计抵御无人机群中的 Sybil 攻击。

  20. arXiv · 机器人与计算机视觉70

    RoboWorM:评估具身视频世界模型的移动真实性、一致性与加速效应

    针对现有基准缺乏严格三维空间与运动学推理的问题,本文提出 RoboWorM 基准,涵盖单臂、双臂及人形机器人共 1605 个任务集。通过利用机器人先验知识,定义 KIVA(内视角运动学稳定性)和 RIGIS(多视角几何一致性)两个确定性指标,在无 VLM 情况下将幻觉检测对齐度提升 25.8%、与人类偏好相关性提升 130%。

  21. arXiv · 机器人与计算机视觉78

    POD-RoPE:面向具身智能的物理观测分布旋转位置编码

    该论文提出 POD-RoPE,一种将 Token 观测足迹表示为相机中心、视角与采样时间分布的旋转位置编码方法。在独立采样下,期望旋转可编码分布间的相对关系;当分布坍缩为单点时退化为标准 RoPE。

    推荐理由:该工作提出 POD-RoPE,将观测表示为相机中心、视角与时间的分布统计,在 RoboTwin 2.0 仿真任务中将 Fast-WAM 成功率提升约 1%,并在 H20 基准上实现比 P-RoPE 快 1.91 倍的推理速度。

  22. arXiv · 机器人与计算机视觉18

    SHAPE-CWT 框架实现无动态观测器的机械系统故障诊断

    该研究提出基于能量的诊断框架,利用谱哈密顿代数功率评估(SHAPE)与连续小波变换(CWT)在无需专用动态观测器下区分正常操作、作动器失效等故障。在模拟六自由度 Kinova 机械臂及模型预测控制条件下,该方法跨五个训练种子和 3000 次测试运行达到 84.69% 平均准确率,优于扭矩残差(81.67%)与广义动量观测器(97.17%)。

  23. arXiv · 机器人与计算机视觉72

    神经服装仿真中的显式摩擦力接触建模

    针对现有图神经网络在服装仿真中隐含处理摩擦力、无法在推理时设定摩擦系数的问题,该研究提出了一种模块化接触算子。该方法在冻结预测器的基础上,通过计算法向载荷并施加闭合形式的库仑修正,沿身体三角形路径传播诱导运动,从而显式解决摩擦问题。实验表明,相比需要重新训练的基线方法,该技术能单调提升贴合度并降低滑移,同时保持低穿透率和与参考求解器一致的拉伸特性,且推理速度仅为参考求解器的八分之一。

  24. arXiv · 机器人与计算机视觉74

    基于不确定性感知的可解释避障与可行性保证方法

    arXiv 预印本论文提出一种模块化感知 - 预测 - 规划流水线,通过上游解析碰撞概率并构建凸安全集,在每周期内解耦安全性保证与求解器可行性。在四向无信号灯路口的蒙特卡洛试验中,该方法实现了 0% 碰撞率和 0% 求解器不可行率(12.7ms/周期),优于确定性规划器和机会约束基线;消融研究验证了各不确定性源的必要性,Clearpath Jackal UGVs 上的硬件部署验证了其实时可行性。

  25. Hugging Face Daily Papers42

    Work Agents:系统、能力与优化综述

    Work Agents 提出以工作为中心的系统视角,将智能体定义为结合基础模型与运行时框架的执行单元。研究通过“工作持久性”和“开放性”两个维度分类数字工作形式,并识别出可靠执行所需的五大核心能力家族及联合优化方法。论文构建了统一框架以评估智能体在状态化工作空间交付可验证结果的可靠性,为未来持续委托与环境适应指明方向。

10月26日周一
  1. 量子位82

    岩山科技联合港科大、CMU开源EdgeRock-4B模型

    岩山科技旗下岩芯矩阵联合港科大、CMU等高校发布并开源了EdgeRock-4B模型,该模型基于Qwen3.5-4B改造,采用记忆岩锚(RMA)机制将每条序列的KV Cache固定在72 MiB,不随上下文长度增长。

    推荐理由:岩山科技联合港科大与CMU开源EdgeRock-4B,通过固定内存机制实现长推理显存不涨且吞吐提升6倍。

  2. arXiv · 机器人与计算机视觉78

    Flow-ERD:一种结合熵正则化蒸馏的代理类型感知流匹配交通仿真方法

    针对现有自动驾驶基准过度追求真实性而忽视多样性不足的问题,本文提出 Flow-ERD 多智能体仿真器。该方法通过代理类型感知的流匹配(AFM)在保持运动一致性的同时保留细粒度多样性,并利用熵正则化蒸馏(ERD)微调闭环采样分布以防止模式坍塌。

    推荐理由:该工作提出兼顾真实与多样性的多智能体交通仿真方法,在 WOSAC 挑战赛中表现领先。

  3. arXiv · 机器人与计算机视觉55

    具身智能与机器人仿真的3D生成:综述

    这篇论文是2026年10月发布的arXiv预印本,系统回顾了3D生成技术在具身智能和机器人仿真领域的应用。文章将3D生成的作用归纳为三类:作为数据生成器提供可交互的物理对象;构建支持任务执行的仿真环境;以及搭建数字孪生与合成演示以弥合仿真到现实的差距。研究指出该领域正从追求视觉逼真度转向关注交互就绪性,并列举了物理标注有限、几何质量与物理有效性存在差距等关键挑战。

  4. arXiv · 机器人与计算机视觉74

    Regularised RL improves sim-to-real transfer

    论文研究强化学习正则化对仿真到现实迁移的影响,提出新型算法 Soft MellowMax Actor-Critic (SMM-AC)。在 MuJoCo 连续控制基准测试中,SMM-AC 表现与 Soft Actor-Critic (SAC) 相当;在真实机器人上,SMM-AC 获得更高回报,且对观测、环境和动力学扰动表现出更强的鲁棒性。

  5. arXiv · 机器人与计算机视觉15

    SandBot 在颗粒介质上的运动速度受肢体运动学影响研究

    SandBot 小型足式机器人在松散颗粒介质上表现优异,仅在小参数空间内实现高性能。结合先前引入的机器人运动学模型与新各向异性穿透力定律,可预测其速度并最大化性能。该研究通过系统分析步态参数与肢体 - 地面相互作用,为生物运动及足式设备提供了预测模型与假设验证。

  6. arXiv · 机器人与计算机视觉75

    AWARE:一种用于机器人动力学预测与内省的自适应世界模型框架

    arXiv 论文 AWARE 提出了一种基于外部摄像头监控的异常检测框架,无需访问车载传感器即可通过系统动力学估计和状态预测识别关键基础设施中的未知异常。该框架在包含负载碰撞和电机退化等场景的 240 条真实机器人起重机轨迹上评估,相比最强基线在仅凭相机进行噪声状态估计时实现了 26% 的分类性能提升。

  7. arXiv · 机器人与计算机视觉76

    PCFBench:大视觉语言模型在光子感知逆设计中的极限评估

    该研究引入 PCFBench,这是首个用于评估大视觉语言模型(VLM)在光子晶体光纤(PCF)逆设计任务中感知、推理与决策能力的综合基准。数据集包含超过 220K 个 FDTD 仿真样本,涵盖 18 种结构多样的光纤家族,并组织了从几何感知到代码生成的六类共 26 项任务。

    推荐理由:PCFBench 建立了首个涵盖感知、推理与决策的光子逆设计基准,揭示了当前 VLM 在将视觉理解转化为物理设计动作时的显著差距。

  8. arXiv · 机器人与计算机视觉78

    UniWorld:一种用于实时视觉世界仿真的统一世界模型

    该论文提出了 UniWorld 框架,旨在解决连续视觉世界仿真中场景几何演化与持久化外观的耦合问题。该方法在共享视频生成模型中整合深度轨迹和参考外观,通过噪声对齐的重叠延续机制保持视觉历史,并利用滚动深度潜在状态保留几何控制。

    推荐理由:UniWorld 框架在共享视频生成模型中耦合几何与外观历史,实现了实时连续视觉仿真。