跳到正文
11月9日周一
  1. arXiv · 机器人与计算机视觉65

    非抓握式机器人操作的闭环物体感知控制方法

    针对非抓握式机器人操作中接触不连续及长视界规划难的问题,论文提出一种将问题拆分为物体级规划与机器人级规划的闭环物体感知(CLOI)方法。该方法利用模型预测路径积分(MPPI)求解子问题,并通过交替方向乘子法耦合两者解。在带障碍物的平面推物任务中,使用 xArm6 机械臂的实验显示,相比标准 MPPI,该方法在仿真和硬件上的成功率分别提升 35% 和 43%。

  2. arXiv · 机器人与计算机视觉52

    ObjView-Bench:重新思考以物体为中心的视图规划的难度与部署

    ObjView-Bench 是一个用于评估以物体为中心视图规划的新基准框架,旨在解决现有评测混淆物体复杂度、规划难度假设及物理可达性约束的问题。该工作将视图规划评估解耦为三个独立量:作为物体侧属性的全向自遮挡、观测饱和难度以及通过集合覆盖公式定义的协议依赖型规划难度。

  3. arXiv · 机器人与计算机视觉76

    学习增强的机器人自动化用于现实世界制造

    这篇论文提出了一种混合系统,将学习任务控制器和神经 3D 安全监控器集成到传统工业工作流中。研究团队在电机生产线上部署该系统,自动执行变形电缆插入和焊接任务。系统在少于 20 分钟的真实数据下连续运行了 5 小时 10 分钟,完成了 108 个电机的组装,无需物理围栏且产品质检通过率高达 99.4%。

    推荐理由:该预印本展示了学习增强型自动化在真实电机产线的应用,实现了无围栏连续作业与高质量焊接。

  4. arXiv · 机器人与计算机视觉58

    BLaFA:面向灵巧机器人工具使用的从语言到三维功能 affordance 的桥接框架

    论文提出了 BLaFA 框架,旨在解决现有方法缺乏从开放词汇指令到三维功能接触结构显式映射的问题。该框架包含知识引导的语言解析模块、基于3D高斯泼溅的分层语义表示及三角功能点定位模块,以及将关键点与约束映射为可执行腕部姿态和手指级关节力命令的变换矩阵。

  5. arXiv · 机器人与计算机视觉65

    XIT:面向未知环境的主动气体分布建图探索与利用信息树

    论文提出 XIT(Exploration and Exploitation Informed Trees)算法,将主动气体分布建图建模为下一最佳轨迹信息路径规划问题。该方法构建共享树以同时处理未解析区域的探索与信息采样,引入气体前沿概念及 WGFD 算法识别高浓度邻域区域。仿真与缩放的真实世界实验验证了其在建图质量、效率及实用性上的优势,适用于其他面临探索 - 利用权衡的机器人信息收集任务。

  6. arXiv · 机器人与计算机视觉12

    Modular magnetic soft robotic catheter 实现胰腺胆道树的可视化介入

    Modular magnetic soft robotic catheter 在活体猪体内完成无括约肌切开术的自主插管,并在车载视觉辅助下深入胰管 75mm。该 1.47mm 模块化磁软机器人通过合规夹持器、磁性锚定球囊及微米级超声触发释放壳,将 8mT 磁场下的尖端偏角从 70°降至 64°且握力提升约三倍。

  7. arXiv · 机器人与计算机视觉82

    基于流式第一人称 3D 手部动作预测的操纵表征学习方法 SFHand

    论文提出 SFHand,这是一种首个通过流式第一人称 3D 手部动作预测进行表征学习的方法。该方法利用自回归架构从视频和语言指令中连续预测未来手部状态(包括手部类型、2D 边界框、3D 姿态及轨迹),并配备 ROI 增强记忆层以捕捉时间上下文。

    推荐理由:提出通过流式第一人称手部动作预测进行表征学习,开源了配套数据集与模型,在仿真及真实世界操作中均取得领先性能。

  8. arXiv · 机器人与计算机视觉65

    ManiTaskGen:一种用于评估与改进具身决策视觉语言代理的综合任务生成器

    ManiTaskGen 是一个自动为任意给定场景生成全面、多样且可行移动操作任务的系统,涵盖基于过程的具体指令和基于结果的抽象指令。该系统在仿真与现实场景中验证了有效性,并利用生成的任务构建基准以评估基于现有视觉语言模型(VLM)的代理的高层具身决策能力,同时提出利用这些任务增强具身决策的方法。代码已开源。

  9. arXiv · 机器人与计算机视觉80

    进化无人机形态以增强敏捷飞行

    该研究通过进化算法探索多旋翼无人机的最优身体形态,旨在解决传统设计在特定任务中非最优的问题。实验表明,演化出的无人机在机动性、推重比和尺寸三个目标上均优于标准四旋翼,其中机动性提升 489.2%,推重比提升 23%,体积减小 4.8%。性能提升归因于电机倾角和多旋翼数量。真实世界实验进一步证实,演化无人机在竞速任务中通过门数、飞行速度和圈速均优于标准无人机。

    推荐理由:论文利用进化算法设计了优于标准构型的多旋翼无人机,在机动性、推重比和尺寸上取得显著改进,并在真实竞速任务中验证了性能迁移。

  10. arXiv · 机器人与计算机视觉72

    Augmentron:用于机器人学习的可扩展多视图视觉增强方法

    论文介绍了一种名为 Augmentron 的几何感知数据增强流水线,旨在解决现有生成式方法计算成本高及跨相机时间戳不一致的问题。该方法通过生成可复用的场景表示并渲染至录制相机位姿,在保持机器人、任务对象、动作和标注不变的前提下,产生时间和多视角一致的环境与工作空间变化。

  11. arXiv · 机器人与计算机视觉83

    Flex-RSI:前沿智能体在视觉与机器人任务中的递归自我改进基准

    Flex-RSI是一个针对视觉和机器人任务的智能体递归自我改进基准。该基准允许智能体在固定预算下利用反馈改进其解决方案及自身架构(包括提示词、工具和记忆)。评测涵盖感知、推理、机器人操作、3D重建等多个领域,发现当智能体构建自身解决方案时自我改进最有效,且编辑执行器本身对增益有显著贡献。

    推荐理由:Flex-RSI基准评测了智能体在视觉与机器人任务中的递归自我改进能力,发现编辑执行器本身对提升效果至关重要。

  12. arXiv · 机器人与计算机视觉73

    有序策略优化:一种针对重要性比率分布可靠性的自适应裁剪方法

    论文提出了有序策略优化(Ordered Policy Optimization, OPO),该方法在每个小批量中对重要性比率进行排序,识别并针对具有最大更新影响的极端比率分配自适应样本级裁剪半径,而非使用固定范围。实验在 MuJoCo 和 Atari 基准上验证了该简单修改相对于现有基线的强性能。材料为 NeurIPS 2026 录用论文,包含完整正文与代码链接。

  13. arXiv · 机器人与计算机视觉78

    On Agentic Manipulation Policies:通用 AI 代理策略实现机器人操作新基准

    论文提出通用 AI 模型可直接控制机械臂的代理操纵策略(AMPs),无需演示或特定训练即可在 RoboLab-120 和 CaP-Gym 基准上达到最先进结果。AMP1 参考框架支持单臂、双臂及移动操作,在真实世界实验中零样本成功率达 85.6%,显著优于现有 VLA 和 WAM 策略。研究还展示了通过持久化记忆提升经验学习能力的潜力,相关代码与视频已公开。

    推荐理由:该文提出通用 AI 代理策略在零样本任务中优于专用 VLA/WAM,并开源参考框架 AMP1。

  14. arXiv · 机器人与计算机视觉72

    通过腱测量单独定位腱驱动连续体机器人接触点:一种约束移动视界估计方法

    针对腱驱动连续体机器人在受限空间内运动时,沿机身接触力对电机传感器不可见的结构性难题,本文提出了一种基于约束移动视界估计器(MHE)的方法。该方法利用已知的障碍物几何条件与非穿透互补性原理,证明了系统在未知接触输入下的局部指数强可检测性。

  15. arXiv · 机器人与计算机视觉73

    Grasp-TAGS:基于评论家蒸馏的任务感知抓取选择用于 prehensile 位姿的 locomotion-manipulation

    论文提出了 Grasp-TAGS 框架,旨在解决移动操作器在长时序任务中协调运动与操作的挑战。该方法训练统一的 PPO 强化学习策略,并将学到的评论家蒸馏为轻量级抓取效用网络,仅凭候选抓取配置和目标信息即可对候选抓取进行排序。

  16. arXiv · 机器人与计算机视觉78

    可穿戴输入输出接口学习个性化触觉感知模型

    该研究开发了一种集成 36 通道电触觉阵列与电容触摸感应的可穿戴触觉输入输出设备,在 24 名参与者中揭示了显著的个体间感知变异性。基于此,作者提出了一个人机环校准框架,通过前向预测策略为每个用户生成个性化感知模型,并实现了针对特定用户的逆渲染。该平台已在机器人遥操作、视觉到触觉的感官替代、人际触觉通信及虚拟现实等场景中演示了个性化的触觉渲染能力。

    推荐理由:原文提出了基于人体在环的校准框架,利用可穿戴设备生成个性化触觉感知模型以支持逆渲染。

  17. arXiv · 机器人与计算机视觉82

    SURE:用于高效视觉语言动作学习的时空不确定性表征

    论文提出SURE框架,旨在解决视觉语言动作(VLA)策略对大量演示数据的依赖问题。该方法通过引入轻量级转置卷积概率动作解码器来捕捉空间不确定性,并利用Soft-DTW对齐监督来处理预测与演示之间的局部时序差异。实验在LIBERO、RoboTwin 2.0及真实操作任务上验证,结果显示即使仅使用10%的演示数据或20%的训练步数,SURE的操作成功率也能匹配或超越基线VLA模型。

    推荐理由:SURE通过显式建模动作空间的空间与时间不确定性,在仅用10%演示数据或20%训练步数下即可达到基线水平。

  18. arXiv · 机器人与计算机视觉82

    Goodhart in the Planner:基于采样的控制利用从人类偏好学习的奖励

    论文发现机器人通过搜索对抗从人类偏好学习的奖励模型时,真实目标回报会受损;在 HalfCheetah 和 Hopper 等任务中,更难的 MPPI 搜索使真实回报下降最高达 76%,且人类标签在某些场景下仍被利用。研究证明经校准的χ²正则化 MPPI 是测试中最安全的修复方案,能从预训练策略中恢复 86-94% 的真实回报。

    推荐理由:研究揭示基于人类偏好的奖励模型在规划搜索中易被利用,并提出经校准的采样控制方法以恢复真实目标回报。

  19. arXiv · 机器人与计算机视觉78

    LACART:一种用于安全关键机器人的前瞻增强型碰撞避免与参考跟踪策略

    arXiv 预印本论文 LACART 提出了一种结合前瞻控制屏障函数、松弛控制李雅普诺夫函数和二次规划的方法,旨在解决自动驾驶赛车场景下的碰撞避免与参考跟踪问题。该方法在仿真中显示具有更低的计算耗时,并展示了基于摄像头的估计与无线执行机构在小型车辆上的演示。论文还分析了前瞻点清除与车身清除之间的关联条件及硬件限制。

    推荐理由:原文介绍了结合前瞻控制与二次规划的碰撞避免方法,并在仿真中验证了计算效率提升。

  20. arXiv · 机器人与计算机视觉78

    DKWBC:解耦运动跟踪与平衡的人形机器人全身控制方法

    该论文提出了 DKWBC 框架,通过结合基于模型的逆动力学前馈学习与关节 PD 反馈来提供跟踪力矩,同时利用残差策略学习额外的关节力矩修正以维持平衡。实验表明,该方法在仿真和真实硬件上均能实现单一策略对多种运动数据集的泛化,并在地面支撑、附加负载及物理交互场景下保持准确的运动跟踪与平衡稳定性。

    推荐理由:提出 DKWBC 框架,将运动跟踪与平衡解耦,在仿真和真机上验证了单一策略在多任务下的泛化能力。

  21. arXiv · 机器人与计算机视觉72

    基于扩展卡尔曼滤波的改进学习型惯性里程计方法

    针对四旋翼飞行器在未见轨迹上姿态估计泛化性不足的问题,该研究提出一种改进的学习型惯性里程计方法。通过采用机体坐标系表示并融入扭矩动力学至学习流程,模型预测短时相对位移并与 IMU 测量融合进扩展卡尔曼滤波中。实验表明该方法在公开数据集上的速度误差低于现有最先进方法,且源自旋翼信号的扭矩输入信息量最大。代码、数据管道及训练好的模型均已公开。

  22. arXiv · 机器人与计算机视觉42

    轻量级路径感知前沿重排序方法提升激光雷达无人机探索效率

    该方法针对激光雷达无人机自主三维探索,在保留少量候选目标后利用时间受限的 RRT* 规划估算可行路径成本进行重排序。实验显示其在三个仓库类环境中探索轨迹缩短最多 14.1%,两场景下探索时间减少最多 9.5%。同时保持了与 OctoMap 基线相当的地图细节,实现了效率与建图质量的平衡。

  23. arXiv · 机器人与计算机视觉78

    HiMEM:面向三维场景的视觉语言动作模型的类海马体记忆巩固、剪枝与组合方法

    针对视觉语言动作(VLA)模型在复杂三维场景中执行长程任务时面临的记忆噪声问题,该研究提出了一种受海马体启发的记忆机制。该方法首先通过语义整合将大量情景经验压缩为关键语义记忆;其次利用剪枝机制移除被语义记忆覆盖的冗余情景记忆以释放容量;最后通过灵活的记忆组合增强跨场景泛化能力。

    推荐理由:该工作提出海马体启发的记忆机制,通过语义整合与冗余剪枝提升 VLA 模型在复杂三维场景中的长程任务成功率。

  24. arXiv · 机器人与计算机视觉58

    Horizon-Coupled Obstacle Guidance for Relative-Action Diffusion Policies

    该论文提出一种推理时的障碍物引导框架,用于适配预训练的相对动作扩散策略以应对未见过的障碍物。方法将累积相对动作展开为工作空间轨迹,利用基于 SDF 的障碍物模型评估交互,并在去噪过程中将障碍响应传播至所有贡献的动作增量。

  25. arXiv · 机器人与计算机视觉42

    任务驱动闭环设计优化被动变形四旋翼实现接触介导窄缝穿越

    该方法联合优化四旋翼几何与两臂扭矩偏转响应,利用仿真中接触介导穿越的任务成功率作为反馈信号迭代采样候选设计。原型机宽度从 31.3 cm 被动缩减至 14.1 cm,以 2 m/s 参考速度穿越 15 cm 宽开口,且能容忍高达 30 度的接近角度误差及 40 cm 长受限通道折叠。相比刚性双旋翼,软构型在接触自由飞行时位置 RMSE 仅增加 2 mm,电耗低于 1%。

  26. arXiv · 机器人与计算机视觉75

    EGT:基于学习闭环轨迹分布的执行接地可通行性研究

    针对传统点级指标在复杂地形评估中的保守性问题,本文提出执行接地可通行性(EGT)方法,利用潜在空间流匹配模型预测闭环轨迹分布以评估车辆 - 控制器对在未知地形的执行概率。实验显示该方法将安全路径误拒率降至 2.2%,不安全接受率为 7.7%,并集成于采样规划器后显著降低导航失败率与到达时间延迟。研究展示了从仿真到现实户外环境的零样本迁移能力,相关代码与数据将在 arXiv 发布。

  27. arXiv · 机器人与计算机视觉63

    TPS-A*:支持任意形状车辆的带认证碰撞检查的路径规划算法

    论文提出了 TPS-A*,一种基于轨迹参数空间的格点规划器,利用预计算网格实现与足迹复杂度无关的认证碰撞检查。实验显示,在 300 个杂乱世界中,该算法中位耗时 3 毫秒即可求解任意形状车辆(如非凸叉形)的路径,且无碰撞,性能优于混合 A* 和状态格点规划器。

  28. arXiv · 机器人与计算机视觉84

    迈向代理具身智能时代:A2-MEAS 框架发布

    论文介绍了 A2-MEAS 具身多智能体框架及 A2-WLA 动作模型,利用代码作为扩展接口结合 MetaBrain 进行训练监督与运行时引导。在 BEHAVIOR 2026 基准上 Q-score 达 0.5755-0.6411,RoboTwin 2.0 平均成功率超 93%,真实机器人长程任务失败后恢复率从 8% 提升至 82%,训练吞吐量提升 4 倍。

    推荐理由:该框架通过代码接口与冻结权重的自适应设计,在仿真与真实机器人任务中均实现了显著的性能提升。

  29. arXiv · 机器人与计算机视觉5

    Safe Circumnavigation on Heterogeneous Orbits:一种仅基于距离的 HOCBF-QP 非完整多智能体安全绕行框架

    该研究提出了一种针对异质轨道半径的多机器人团队的安全控制框架,仅需测量与目标的距离即可同时满足 standoff 距离、队形保持及避障约束。仿真对比显示,相比依赖全状态信息的现有设计,该方法在违反目标安全距离和机器人间距方面表现更优且无需改动标称控制器。

  30. arXiv · 机器人与计算机视觉23

    跨点电阻阵列时域优化读取方法提升触觉传感鲁棒性

    针对长互联线与噪声干扰导致传统频域读取不准的问题,该方法通过拟合时域观测模型直接确定电阻值。仿真显示在 16x16 阵列中均方根误差降低 20%,千次试验验证下均值与标准差分别减少 24.6% 和 77.6%。研究已获 IEEE Sensors 2026 接收,代码与数据开放许可待注册。

  31. arXiv · 机器人与计算机视觉84

    DobotTrack:面向具身智能的目标 grounded 视觉 - 语言 - 动作学习框架

    论文提出了 DobotTrack,这是一个结合辅助 grounding 监督与高效时序建模的视觉 - 语言 - 动作(VLA)框架,旨在让移动智能体根据描述识别目标并持续跟踪。

    推荐理由:该工作提出 DobotTrack 框架,通过辅助监督与历史特征压缩提升目标跟踪成功率,并在四足机器人上构建了大规模真实数据集。

  32. arXiv · 机器人与计算机视觉48

    ToolDex:面向创意物理工具使用的自中心 - 他中心人类演示数据集与基准套件

    ToolDex 是一个大规模自中心 - 他中心人类演示数据集,旨在解决现有基准多基于仿真且缺乏真实世界多样性的问题。该数据集利用同步的自中心相机和八个他中心相机,捕捉人类选择、适应并重新利用物体作为工具的场景,提供高保真多视角观测及手部、工具和变形交互的详细标注。