基于 MPM 引导的 3D 高斯仿真的物理扩散策略
论文提出一种感知物理的扩散策略框架,通过耦合 3D 高斯泼溅与可微材料点法(MPM)仿真,从视觉演示中恢复物体材质属性。估计的物理条件被集成到材质感知的专家混合扩散策略中,以实现不同物理 regime 下的自适应行为生成。此外,引入了无需在线优化即可高效检索物理信息的物理记忆库。在多种模拟和真实世界物体上的实验表明,该方法相比现有的基于扩散的方法提升了操作成功率与泛化能力。
论文提出一种感知物理的扩散策略框架,通过耦合 3D 高斯泼溅与可微材料点法(MPM)仿真,从视觉演示中恢复物体材质属性。估计的物理条件被集成到材质感知的专家混合扩散策略中,以实现不同物理 regime 下的自适应行为生成。此外,引入了无需在线优化即可高效检索物理信息的物理记忆库。在多种模拟和真实世界物体上的实验表明,该方法相比现有的基于扩散的方法提升了操作成功率与泛化能力。
针对直接部署视觉基础模型(VFM)存在计算成本高、时序不一致及分布偏移等问题,本文提出 All-For-One 两阶段蒸馏框架。该方法在训练阶段利用 VFM 作为特权信息融合 RGB 观测以学习语义增强表示,随后将知识蒸馏至仅依赖 RGB 的轻量级学生策略网络。
该论文提出 SR-DP(Spectrally Routed Diffusion Policy)以解决多任务机器人操作中的性能瓶颈。针对卷积编码器视觉条件判别力不足及不兼容动作模式导致的梯度干扰问题,作者设计了冻结 VGGT 编码器与空间压缩适配器生成紧凑语义几何令牌,并通过谱路由和 Householder 输入旋转分解线性层为正交秩一专家基。
针对人形机器人在杂乱环境中需快速反应意外接触的挑战,该研究提出了 ARC(Ascending Reflex Control)框架,将毫秒级触觉反射与全身策略学习相结合。
推荐理由:该工作将毫秒级触觉反射与全身策略学习结合,在 Unitree G1 上验证了降低冲击峰值和保持平衡的能力。
该论文介绍了一种专为人类级任务设计的人形机械臂硬件平台 RAIPAL。不同于追求均匀工作空间的常规设计,该平台依据已发表的人类上肢性能测量数据推导力、速度和耐力目标,指导执行器与热设计以实现扭矩透明度和持续运行能力。
该论文提出一种结合单刚体模型、姿态动力学及完整接触 wrench 的在线优化框架,通过增广拉格朗日与松弛障碍惩罚将接触力与步点位置联合优化。该方法在 MuJoCo 仿真中以 100 Hz 重规划(平均求解时间 8.9 ms),并在宇树 G1 机器人上验证了稳态行走及恢复 245 N 前向和 175 N 侧向冲击的能力。材料为预印本,未提及同行评审状态或具体部署许可。
该方法提出一种主动机动基座的引导控制策略,在接近操作期间使翻滚物体相对于基座静止,简化运动规划并降低碰撞风险。预抓取阶段通过同步控制将目标质心与系统瞬时旋转中心对齐以虚拟刚化系统;后抓取阶段基于哈密顿动力学和最优控制稳定组合系统,同时满足基座力矩限制及多重抓取约束。案例研究证实该方法能实现后续抓取与去翻滚阶段的自主执行。
针对杂乱环境中需临时移动物体的非单调重排难题,VARP 模型直接从专家演示的视觉状态中学习,无需重新规划或在线组合搜索。该模型在挑战基准测试中达到 98.3% 成功率,单次任务仅耗时 0.4 秒,且在执行干扰下保持 97.5% 成功率、严重连续干扰下为 94.5%,并有效泛化至未见物体数量。
MABEL 是一个开源的类人移动双臂机器人平台,拥有 56 个自由度且部件成本约为 8100 美元。该平台集成了两个 7 自由度手臂、17 自由度手爪、可俯仰躯干、升降机构、3 自由度颈部和全向底盘,支持背驱式交互与从地面到 2.23 米的指尖抓取范围。
Self-Consistent Neural Control(SCNC)通过显式控制敏感性变化优化轨迹,解决了物理 AI 中隐式平衡系统学习难的问题。相比副梯度学习和无梯度 iCEM 基线,该方法将薄壁管等复杂结构的稳定优化率从 41.7% 提升至 83.3%,平均损失降低超过 1.5 个数量级。该框架已在弹性杆、测量带及弹簧状结构等可变形物体上验证有效性。
该论文是两篇关于数据驱动、基于雅可比矩阵的形状控制教程的第二部分。文章利用形变雅可比矩阵的奇异值分解,识别机器人运动对物体形状的影响范围及局部不可达区域;分析了特征选择对控制器调节策略及物体变形程度的影响;阐述了控制环失效的三种模式(可控性丧失、可观测性丧失和机械失稳);最后扩展了时变目标、次级任务及三维物体的形状控制方法。代码与交互演示已公开,为灵巧操作算法研究提供理论参考。
推荐理由:本文作为两篇教程的第二部分,深入解析了基于雅可比矩阵的形变控制高级概念、失效模式及扩展应用。
AIRoA-0 是一个从 16,151 小时手持演示中学习的双臂操作系统,训练全程未采集任何机器人数据。该系统利用开源 YUBI 手持夹爪录制数据,仅需手腕摄像头即可在未见过的场景执行分类零件、更换扫地机配件、解拉链和折叠毛巾等任务。
推荐理由:作者基于纯手持演示数据训练出跨本体双臂操作模型,在未见过的机器人上实现 78% 成功率,并开源数据集与权重。
针对多任务抓取策略训练需要大量演示数据的挑战,作者提出了一种基于 YUBI 平台的电池供电手持采集器。该设备采用软性倾斜手指包裹物体,通过可见形变作为接触力的视觉代理,且机械结构与机器人夹爪匹配。
上海润科具能、北京辉羲智能与榆林赛易智能于10月28日签署战略合作备忘录,联合研发具身智能特种控制器。三方构建“本体平台+国产算力+场景验证”模式:辉羲提供光至R1芯片作为算力底座;榆林赛易输出矿山工况需求与算法;润科具能开放机器人整机框架并负责三防特性开发及防爆资质获取。落地产品为润科具能的半人马机器人,将应用于矿山巷道巡检与危险处置等场景。
WiBotic CEO Ben Waters 指出,随着移动机器人车队规模扩大,机会式无线充电成为消除停机瓶颈的关键。该技术允许机器人在电池降至 20% 时就近补能,使车队能在无需接触式维护的情况下实现 24/7 连续运行。此外,WiBotic 正将业务拓展至地面清洁、医疗推车及人形机器人等新领域,以应对日益增长的充电基础设施需求。
新锋龙于 11 月 3 日发布涵盖行星、谐波、直线关节模组及仿生面部微型舵机的产品矩阵,面向人形与移动机器人场景。行星关节峰值扭矩最高达 300Nm,谐波关节绝对位置精度达±0.2°,直线模组峰值推拉力最高 100N,微型舵机重量不足 40g 且已实现量产。此次发布标志着新锋龙形成覆盖旋转、直线及微型仿生驱动的完整布局。
该系统集成 CBCT 三维模型与实时光学透视 AR,辅助针道规划并减少辐射暴露。十六名参与者在 facet joint injection 和 lumbar puncture 两项任务中测试显示,AR 显著缩短执行时间、降低跨任务放置误差并减轻认知负荷。研究证实了该技术在脊柱介入手术中的可行性及提升效率与用户体验的潜力。
该研究利用平移不变动力学下的避侧代价哈密顿雅可比公式,证明价值函数在障碍物外为零、内为负,确立了单模板价值函数的复用原则。引入的块级组合框架将子集障碍物联合求解,构建了从单点复用到精确混乱场价值的保守证书层级,并在 Dubins 车重复障碍场案例中验证了单调性与精确性准则。
LM-Grasp 基准基于 1.58 万张 LINEMOD RGB-D 图像,揭示仅满足 ADD(-S) 精度标准的姿态在仿真中规划成功率仅为 0.791。该方法利用标注帧误差构建残差姿态后验,在不重训估计器前提下将仿真成功率提升至 0.859,且在遮挡场景下缩小了与标注姿态 66% 的差距。
论文提出 2AM 框架,将多模态智能体设为唯一记忆持有者,负责编译交互历史为子任务语言及可选的抓取/放置提示;单通道 RGB 动作模型仅执行运动。通过在演示中增加结构化提示标签并在条件 dropout、空间噪声和时间抖动下训练,使 VLA 能够容忍不完美引导。
推荐理由:该工作将任务记忆置于 Agent 侧以引导动作模型,在无深度与规划器条件下实现显著性能提升。
论文提出 DAMI 框架以解决机器人模仿学习中数据稀缺与环境泛化问题。该方法结合元学习构建共享技能空间,引入视觉 - 运动轨迹模块捕捉时空动态,并利用任务条件特征调制机制协调多模态观测。实验表明其在仿真与真实环境中均优于现有基线,具备在未见任务上通过少样本微调快速适应的能力。
蒙纳士大学团队提出 CSSPD 结构,通过剪纸图案金属层的塑性变形在无需持续供能下保持形状并提升刚度。该混合架构结合仿生脚垫与伸缩按压机制,在无能量输入时产生高达 16 N 的夹持力,配合气动驱动可承受 400 m/s²脉冲加速度。实验验证了其在树枝等场景的能量自由栖息能力,为高效操作提供了新方案。
SEAMLiS 提出一种模块化执行层安全框架,通过基于门控的姿态滤波和 CBF 位置滤波,在保留上游探索栈效率的同时规避未观测空间风险。该框架经随机化仿真、Isaac Sim 及 Crazyflie 硬件实验验证,实现了单/多机器人设置下的无碰撞自主探索。
论文提出了 OpenHLM 这一开源方案,旨在构建将语言和图像直接映射到人形机器人所有自由度的全身原生视觉语言动作模型。研究通过分阶段实验发现,基于关节的全身遥操作接口优于部分暴露自由度的替代方案;在静态和轮式双臂平台上预训练的 VLA 模型能意外地良好迁移至人形机器人的全动作空间;与 HuMI(UMI 的人形类比)协同训练可拓展策略以处理新物体和指令。
推荐理由:提出全身原生视觉语言动作模型构建路线图,在长周期任务中用更少演示时间优于现有基线。
本文提出了一种基于时序卷积网络的实时端到端假肢控制器,通过车载传感器估计连续执行器信号,消除了对意图分类器和受试者特定调参的需求。该控制器在包含 18 名截肢者的多地形数据集上训练,并在四名参与者(三名健全人、一名截肢者)的平地、坡道升降及楼梯升降中进行了实时部署。
Any-ttach 是一种面向工具的机器人操作系统,利用机械模块化和自主末端执行器更换作为提升灵巧性的途径。该系统结合了低成本标准化被动自锁接口、统一的物体中心操作框架以及分层规划执行系统。
推荐理由:该预印本提出通过低成本机械接口实现末端执行器自动更换,以工具模块化扩展操作能力。
DuoGesture 将伴语手势合成解耦为语义流与节拍流,通过语义变分信息瓶颈协调两者并引入运动接地条件与惯性节拍先验。客观评估与主观实验显示该方法优于强基线,消融验证了各组件互补作用。项目演示与定性插图可在官方页面查看。
针对行星探测器在不同地形(如坡度、颗粒度)面临的移动性挑战,论文介绍了 GROVER 这一多模态车轮设计,其核心能力是连续调节轮齿高度以适应地形。固定高度性能测试涵盖乙烯基、粗岩石、豌豆砾石和沙子等多种表面;950 次试验表明最佳配置随地形变化,在颗粒状地形上打滑减少 34.6%--58.0%,行进时间和能耗提升最高达 77.4%。
该研究提出 GazeVLA 方法,利用人类行为中的注视线索同时编码高层任务语义并与低层动作协同耦合,构建中层表征以解决具身智能的载体差异挑战。实验表明,该方法使机器人能在无自身意图标注的情况下内化人类意图,结合推理范式执行长程与精细操作任务,在仿真及真实世界实验中均优于基线并具备泛化能力。
论文提出了 CoEnv(Code-driven Exploration)框架与 CoEx 方法,旨在解决通用编码代理缺乏安全练习场的问题。该方法通过 CoEnv 将多视角 RGBD 数据重建为物理仿真的数字孪生环境,使智能体能在可执行的数字孪生中编写、调试并优化完整的多臂协作程序。
推荐理由:提出 CoEnv 框架,利用代码驱动代理在数字孪生中探索多臂协作程序,验证后转移至硬件,显著提升了无人类演示任务的成功率。
OmniGuide 提出利用任意来源的引导(如 3D 基础模型、语义推理 VLM)作为可微能量函数,显著提升 VLA 模型在复杂任务中的成功率与安全率。实验涵盖仿真与真实环境,证实该框架能匹配或超越此前针对特定引导源的方法,有效增强 $\pi_{0.5}$、GR00T N1.6 等最先进泛化策略的表现。论文已接受 CoRL 2026,项目页面提供相关代码与资源。
针对手术机器人自主性不足的问题,作者提出了 ArthroCut 框架,将膝关节置换机器人从辅助执行升级为情境感知动作生成。该框架基于 Qwen-VL 骨干网络,在包含 21 例完整病例(共 23,205 对 RGB-D 数据)的自建多模态数据集上进行微调,融合了术前 CT/MR、术中 NDI 追踪、RGB-D 手术视频及机器人状态。
推荐理由:提出 ArthroCut 框架,通过融合术前影像与术中视觉 token 实现骨科机器人自主决策。
针对食物制备等具有连续主观质量标准的操作难题,论文提出基于持刀削皮的两阶段学习框架。首先通过力感知数据收集与模仿学习获得鲁棒初始策略;其次利用结合定量指标与定性反馈的学习奖励模型进行偏好微调以对齐人类评价。实验显示,仅用 50~200 条轨迹即在黄瓜、苹果和土豆上实现 100% 同产成功率,跨物体零样本泛化至西葫芦、梨和白萝卜等类别。
该研究提出一种新型自主机器人组装框架,通过目标与障碍物定义任务而非依赖预定义蓝图,利用深度 Q 学习策略应对环境不确定性。在包含 15 个离散积木构建任务的基准测试中,真实世界闭环实验验证了该方法处理施工噪声的可行性。论文已获 IEEE Robotics and Automation Letters 录用,为更适应现实的机器人建造提供了新方向。
论文 MAESTRO 提出一种新路线,利用视觉语言模型(VLM)作为代码代理,从预 curated 的工具库中编写机器人程序以执行多步感知与动作任务。该方法通过 plan-act-replan 循环结合视觉反馈来验证结果并恢复故障。
论文介绍了 Tactile MNIST Benchmark Suite,这是一个开源且兼容 Gymnasium 的基准,旨在填补主动触觉感知领域的标准化空白。该套件包含由 CycleGAN 渲染的合成数据集和来自 3D 打印数字的真实触觉样本,支持分类、定位、姿态估计及体积估算等任务,并提供了从简单玩具环境到复杂视觉触觉传感器任务的多样化仿真场景。
桌面中触(DAT)屏幕结合半透明可变形网格的空间投影、触觉传感及阻力电机控制,使虚拟代理能模拟接触表面的形变与抗推响应。系统原型从检测单次触摸位置深度演进至通过张力控制调节屏幕抗凹陷能力,演示了物理反馈交互的可行性。该研究在 HAI 2026 工作坊提出设计问题:虚拟代理是否应表现出偏好或边界,以及何时实施此类行为。
针对视觉语言动作(VLA)模型在复杂障碍场景下无法保证安全执行的问题,本文提出一种后处理修复模块 Route-Guided CBF-QP Repair。该方法利用 VLA 预测的短期动作块检测被阻塞的名义轨迹,并生成绕过障碍物的进出重连引导路线。
Pixel 是一个协同设计的完整系统,旨在通过低成本轮式人形机器人、合规夹爪及统一全身控制器学习通用移动操作。该系统整合了遥操作与免机器人数据采集接口,支持语言条件视觉运动控制及长视界任务执行。研究在硬件、数据收集与策略学习上进行了评估,展示了需灵巧性、主动感知、导航及全身协调的移动操作行为。
论文提出 Pixel-UMI 框架,利用传感器化的人类演示数据学习环境感知的全身操作策略。该方法引入环境感知重定向(EAR)结合场景几何与人体轨迹生成避障关节目标,采用延迟校准动作分配解决运动学差异,并通过误差感知掩码(REAM)减少部署时的视角失配,最后利用 DAgger 收集在线人类修正以增强接触丰富交互的性能。