跳到正文
11月3日周二
  1. arXiv · 机器人与计算机视觉48

    DARE:基于回顾性修正的扰动感知检索长视界动力学预测框架

    DARE 是一种几何感知的关系动力学框架,利用回顾性修正改进密集存储环境下的长视界预测。该模型通过对象级消息传递预测接触传播,并在稀疏观测可用时修正早期状态以重演动力学。在 Planar 和 RoboCasa 环境中实验表明,DARE 能有效平衡检索进度与周围物体的位移旋转,提升鲁棒性与泛化能力。

  2. arXiv · 机器人与计算机视觉68

    基于潜在空间控制屏障函数的安全感知运动规划方法

    针对现有潜在空间路径规划框架中二元碰撞分类器存在的梯度饱和及缺乏时序结构导致优化停滞的问题,本文提出用在潜在空间直接学习的神经控制屏障函数替代。该方法结合三项目标函数训练屏障,并在规划时通过一阶修正将指向目标的步骤投影回约束面。

  3. arXiv · 机器人与计算机视觉38

    Mediapipe 与 Intel RealSense D455 构建的 VR 遥操作系统在 CHARMIE 机器人上实现物体操作验证

    该系统融合 Mediapipe 2D 姿态检测与 Intel RealSense D455 RGB-D 数据,通过映射人体运动学实现 CHARMIE 服务机器人的直观远程操控。真实实验验证了其在物体操作任务中的有效性,但腕部偏航角等关节角度捕捉仍存在精度挑战。未来工作将集成 IMU 以提升旋转追踪并引入更先进的控制算法。

  4. arXiv · 机器人与计算机视觉83

    CompliantBot:面向人形机器人控制的跨任务接口全身顺应性学习

    论文介绍 CompliantBot 框架,解决人形机器人在需对外力屈服的同时恢复原任务的难题。该方法通过状态依赖的交互力场耦合负载与运动,利用互补奖励协调屈服与任务恢复,无需预构造合规数据或目标轨迹。实验显示,CompliantBot 在恒定拉力下屈服更远、弹簧相互作用载荷更低,且在强拉力下任务完成率最高、关节机械功率最低。

    推荐理由:提出无需预构造数据的合规训练框架,在保持任务执行能力的同时实现全身顺应性。

  5. arXiv · 机器人与计算机视觉85

    HuG:学习具身智能全身感知引导抓取与主动感知

    论文提出了 HuG 框架,旨在解决人形机器人在自眼视角下目标遮挡及全身协调运动难题。该框架通过“感知 - 对齐 - 抓取”流水线耦合感知与动作,利用控制器在环的动力学模拟筛选训练数据,剔除会导致部署控制器失稳的 73% 仅满足运动学有效的抓取方案,从而学习符合动力学可行性的 affordance。

    推荐理由:该工作提出 HuG 框架,通过闭环动力学筛选训练数据,使策略在零真实演示下于多层级货架任务达到 87.5% 成功率。

  6. arXiv · 机器人与计算机视觉48

    通过人机回环反馈实现外骨骼辅助策略的递归自改进框架研究

    该研究提出一种利用智能体自动生成控制代码并通过人类反馈自主演进外骨骼辅助策略的闭环框架。实验使用 GPT、DeepSeek、GLM 和 Kimi 四模型评估,单次迭代后所有模型均实现有效辅助,相比无外骨骼状态,肱二头肌与肱三头肌激活度分别降低 29.4% 和 35.2%。研究指出当前策略对突发情况适应性有限,需进一步提升鲁棒性与安全性。

  7. arXiv · 机器人与计算机视觉66

    $TF^2$-Steering:基于触觉预测与反馈的动作细化及速度场转向

    针对机器人灵巧操作中视觉主导导致触觉信号被忽略的问题,该研究提出$TF^2$-Steering方法,通过触觉混合专家架构整合触觉预测与实时反馈,利用学习到的残差转向修正流匹配动作专家的速度场。结合三阶段训练配方,该方法在六个仿真和六个现实操作任务中均有效,平均仿真成功率比最强基线高10.7个百分点,平均现实世界进展成功率提高9.1个百分点。

  8. arXiv · 机器人与计算机视觉49

    SPECTRA:基于物体中心约束的机器人操作质量评估框架

    SPECTRA 是一个通过物体相对姿态量化刚性物体操作执行质量的框架,利用仿真生成的少量演示建立参考标准。该模型在七个任务中以 30 次演示为基准识别约束,准确率高达 94%,与人类判断的相关性 p=0.81。研究还展示了其在硬件上筛选高评分演示以训练扩散策略时,成功率优于随机选择方案。

  9. arXiv · 机器人与计算机视觉78

    面向黑盒位置指令机械臂的可微分迭代学习控制

    针对低层控制器不可访问的位置指令机械臂重复跟踪难题,作者提出可微分迭代学习控制(Diff-ILC)框架。该方法通过一次离线辨识闭环微分模型,在每次物理执行间利用二次规划计算可行修正并定义任务级目标,借助隐式微分实现参数更新而无需额外机器人动作。

    推荐理由:提出一种无需底层控制器访问的在线双层框架,在两次迭代更新后显著降低关节与笛卡尔空间误差。

  10. arXiv · 机器人与计算机视觉72

    基于机载单目视觉的敏捷人形机器人躲避球研究

    该论文研究了人形机器人在共享动态环境中应对快速接近物体的能力,以躲避球为测试场景,开发了集成机载单目感知、时序球体状态估计和全身控制的系统。系统通过三阶段课程学习,先在仿真中训练控制策略,再逐步引入视觉估计器监督并替换特权输入,利用解析投影和感知随机化进行无渲染图像的训练。

  11. arXiv · 机器人与计算机视觉57

    ClothDojo:面向双臂衣物平整与折叠的学习型数据生成与基准平台

    ClothDojo 是一个用于双臂机器人衣物平整和折叠任务的仿真平台,能够大规模生成适应不同衣物结构和初始状态的自适应操作轨迹。该平台将衣物的规范网格坐标编码为 NOCS 纹理以提供视觉线索,并通过微调预训练的视觉语言动作模型获得数据生成策略。

  12. arXiv · 机器人与计算机视觉82

    Auriga 技术报告:面向零样本具身操作的通用代理框架

    该研究提出 Auriga,一种任务无关的代理框架,旨在解决视觉语言模型作为机器人策略时的规划 - 执行鸿沟问题。在 RoboDojo 平台上,Auriga 无需目标任务试错或重置即可消除 68.3% 的执行差距,使 GPT-6 Astra 的成功率从参考控制界面的 22.5% 提升至 76.2%,并在榜单上以 57.7% 的成功率和 64.0 分排名第一。

    推荐理由:报告提出 Auriga 代理框架,在零样本操作任务中显著缩小规划与执行差距,提升 RoboDojo 榜单成功率。

  13. arXiv · 机器人与计算机视觉23

    Generalizable robotic manipulation through compositional skill reuse:通过组合技能复用实现通用机器人操作的研究

    Hao Ren 等人提出通过组合技能复用实现通用机器人操作,旨在解决具身智能中的泛化难题。该研究将机器人技能分解为可复用的原子单元,使其能灵活应对未见过的任务场景。论文已提交至 arXiv(编号 2611.00978),目前处于预印本阶段,代码与权重开放情况待进一步确认。

  14. arXiv · 机器人与计算机视觉70

    以透明度换稳定性:用于开启未固定家具门的摩擦锥约束双边遥操作

    开启未固定家具的门会加载支撑处的摩擦力接触,过大的拉力会导致物体滑动或倾覆。本文提出一种基于摩擦锥约束的双边遥操作方法,通过鲁棒摩擦锥投影(RFCP)在保持力觉透明度的同时保证家具静止。实验在三台柜子和两种支撑条件下由五名操作员完成 100 次试验,量化了稳定性与透明度的权衡并验证了方法的有效性。

  15. arXiv · 机器人与计算机视觉28

    Flap like a bat:软气动仿生扑翼器研究论文发布

    该研究开发了一种利用 PneuNet 结构替代旋转关节的仿生扑翼机制,通过气动驱动气囊实现平滑拍动。ANSYS FEA 软件仿真验证了不同压力下软致动器的弯曲行为以指导结构设计。相比传统机械,该方案具备低复杂度、低声学和可变形等优势,证明了用顺应性气动机件替代刚性关节在敏捷静音空中机器人中的可行性。

  16. arXiv · 机器人与计算机视觉78

    MOST:面向长视界移动操作的物体状态与任务进度记忆

    论文提出MOST框架,将多视角观测压缩为时间令牌,并通过监督物体状态和子任务进度来结构化记忆,直接条件化动作生成。该方法在RoboCasa365、RoboCasa-Long基准及真实机器人实验中均优于Xiaomi-Robotics-1模型,平均成功率从65.9%提升至72.1%,长任务最大进度从20.83%提升至42.22%,真实世界成功率从6.66%提升至43.33%。

    推荐理由:提出MOST框架,通过压缩多视角观测为时间令牌并监督物体状态与子任务进度,在长视界移动操作中优于现有最先进模型。

  17. arXiv · 机器人与计算机视觉78

    Learning from an Imitable Teacher: Competition Solution for the MetaFine Challenge

    该论文介绍了 Team Friday 在 MetaFine Open Competition(CoRL 2026)中的二名解决方案。团队未微调大模型,而是为每个任务训练了独立的 19M 参数策略与指令分类器,数据由模拟器中的特权脚本化教师生成。

    推荐理由:报告提出通过设计可模仿的虚拟教师来纠正学生策略,在 MetaFine 挑战赛中实现分数翻倍。

  18. arXiv · 机器人与计算机视觉58

    SaddleSense:利用单轴商用弯折传感器的马鞍形模块实现三维形状感知

    论文提出 SaddleSense 架构,采用 3D 打印的 TPU 马鞍形晶格集成单轴弯折传感器,将多轴变形解耦为曲率参数。原型在 430mm 连续体机器人上实现了 29.9mm 至 15.8mm 的尖端位置均方根误差(RMSE),混合校准模型结合数据驱动与物理回退机制处理分布外输入。

  19. arXiv · 机器人与计算机视觉84

    低参数 regime 下视觉语言动作模型的行為引导

    论文研究了如何用极低容量(8 至 384 个可训练参数)的 TinyLoRA 适配器对预训练的 OpenVLA-OFT 7B 策略进行行为引导,使其在保持预训练能力的同时适应如“举高物体”等风格偏好。

    推荐理由:该文展示了仅用 256 个可训练参数即可通过微调改变 VLA 执行风格,同时保留大部分预训练能力。

  20. arXiv · 机器人与计算机视觉81

    WorldSketch:用于零样本移动操作的草图化世界模型

    论文提出 WorldSketch 新范式,让视觉语言模型作为智能体主动查询感知工具构建并验证最小运动学世界模型,仅捕捉任务相关对象及其交互几何与可能运动,再由几何规划器联合优化接触与全身运动。

    推荐理由:提出由 VLM 构建最小运动学世界模型的范式,在 RoboCasa 等基准实现零样本成功率达 91%,显著优于现有基线。

  21. arXiv · 机器人与计算机视觉48

    MESSPa:一种用于可拆卸机械臂的多模态具身刺激肩垫,保留代理感

    针对可穿戴机器人分离时代理感下降问题,研究提出结合运动传递与肩部气动触觉反馈的MESSPa系统。实验显示,在双任务负载下,该设备相比键盘控制显著缩短完成时间并提升分离状态下的代理感,同时缩小了附着与分离状态间的性能差距。该系统设计已接受IEEE-RAS Humanoids 2026会议录用,相关代码与数据暂未开放。

  22. arXiv · 机器人与计算机视觉56

    通过时空语义融合实现交互式物体搜索:一种结合 VLM 可信度与几何占位证据的三维信念场方法

    本文提出了一种将语义直觉与几何感知融合至显式三维信念场的交互物体搜索系统,旨在解决现有方法仅依赖单一模态(纯几何或语言模型)的局限。系统通过贝叶斯对数几率滤波累积每个物体的 VLM 可信度分数和几何占位证据,形成统一的高维信念场以驱动行动选择,包括从不同视角观察、导航至未探索区域或与封闭柜体进行物理交互。研究在双足移动机器人上进行了端到端部署,结果表明该方法优于仅基于几何或语言模型的规划方法。

  23. arXiv · 机器人与计算机视觉48

    TacMind:机器人触觉交互状态基准与预测世界模型研究

    TacMind 构建包含 128 个任务的仿真基准,涵盖 Precise、Recognition 及 Dynamic 三种评估 regime 并引入视觉物理扰动。该工作提出动作条件潜变量预测世界模型,通过整合触觉历史与未来预测来学习交互状态以优化候选动作。实验表明,在各类评估 regime 下融入触觉信息均能带来一致的性能提升。

  24. arXiv · 机器人与计算机视觉78

    基于路径积分与视觉罗盘误差的机制在真实机器人上的验证

    论文提出并测试了一种模型,证明简单的误差驱动机制能在真实世界条件下生成沙漠蚂蚁学习行走的关键特征。研究团队将模型部署在一台配备全景相机、IMU 和轮速编码器的四轮物理机器人上,并在户外复现了沙漠蚂蚁实验设置。

    推荐理由:该研究在真实四轮机器人上验证了基于路径积分与视觉罗盘误差的机制,成功复现沙漠蚂蚁学习行走的特征。

  25. arXiv · 机器人与计算机视觉58

    监督式双机械臂自动吸除与电凝止血:低度脾脏创伤的可行性研究

    该论文提出了一种用于低度脾脏创伤的监督自主双机械臂框架,系统整合了实时出血分割、无标记工具关键点追踪及深度工具 - 组织接触检测,以协调双臂进行同步吸除和电凝。在新型管状离体脾脏出血模型上评估显示,该系统在七处不同损伤中实现了平均 82.9% 的出血表面焦痂覆盖。材料为 arXiv 预印本,展示了监督自主系统在靶向凝血方面的可行性,未报告真实临床部署结果。

  26. arXiv · 机器人与计算机视觉82

    Anchor 1:用于全身精准稳定操控的人形机器人控制器

    Archon Robotics 发布 Anchor 1,一种面向人形机器人全身精准稳定操控的控制器及基准测试集。该方法采用校准后的稀疏运动参考以保留任务相关的人体运动结构,无需在线关节空间重定向;通过离线整理机器人运动数据塑造训练分布,并引入与运动编码解耦的显式误差反馈以提升控制精度。

    推荐理由:该工作提出 Anchor 1 控制器与基准,在仿真和硬件上均实现更优的全身操控精度与稳定性。

  27. arXiv · 机器人与计算机视觉75

    Scaling Trusted Autonomy: Towards Generally Capable Verifiable Robots

    该论文提出 Scaling Trusted Autonomy 框架,旨在解决基础模型驱动机器人缺乏内部状态可验证性的问题。研究通过神经符号方法融合学习模型的通用性与显式结构:LIMP 利用空间推理将自然语言指令映射为任务约束与语义地图以支持规划;REALM 维护可编辑的光照逼真 3D 高斯场景并预测操作后果以实现局部修正;PACTS 联合生成动作轨迹及其符号效应预测。

  28. 盖世汽车 · 汽车资讯54

    小米披露机器人双线进展:工业实现8小时长时作业、家庭启动试运营

    小米获颁互联网大会奖项,同时披露两项最新进展:在工业制造场景,新一代机器人在汽车工厂中控台侧盖板排序工站首次挑战8小时长时作业,满足全天生产需求并实现异常自主纠偏与产线协同;在家庭场景,基于Xiaomi-Robotics-1预训练模型搭建的Agent闭环系统已在小米青年公寓启动试运营,可完成连续超30分钟、覆盖3个房间、包含50余项任务的长时多房间复杂任务链。

  29. 盖世汽车 · 汽车资讯33

    机本智能连续完成两轮融资近千万美元,聚焦强化学习路线打造软硬一体灵巧手解决方案

    机本智能于近日连续完成由 Alphaist Partners、耀途资本领投的两轮融资,累计金额近千万美元。公司成立于 2026 年 9 月,CEO 李浦豪与 CTO 陈泽源分别来自清华自动化系和北大,长期研究灵巧操作底层交互算法。团队选择强化学习路线,正探索将仿真、真人演示与生成轨迹结合构建数据体系,推进模型从仿真向真实硬件迁移验证。

  30. 盖世汽车 · 汽车资讯38

    灵枢智肤完成超千万融资,推出“离子皮肤”柔性触觉传感材料用于机器人送样验证

    上海灵枢智肤电子科技有限公司近日连续完成种子轮与天使轮融资合计超千万元,资金将用于搭建中试线及向客户送样。该公司由复旦团队创立,主打“离子皮肤”路线,其材料与器件已通过双 85 测试及千万次机械验证,支持点触、滑移等感应功能。目前产品正为人形机器人、智能穿戴等领域客户进行送样验证,尚未规模量产。

11月2日周一
  1. 智东西 · 机器人42

    机本智能完成近千万美元融资,打造聚焦灵巧操作的机器人“小脑”强化学习平台

    北京具身公司机本智能宣布连续完成两轮融资,累计金额近千万美元(约合人民币0.67亿元)。该公司由两位"00后”研究员创立,聚焦机器人灵巧操作,致力于构建将仿真、真人演示与生成轨迹结合的训练数据体系。团队采用强化学习路线,旨在打造适配不同硬件的“小脑”,实现从仿真环境向真实硬件的迁移验证。

  2. 智东西 · 机器人42

    上海具身触觉创企灵枢智肤融资超千万,华为哈勃参投

    上海柔性触觉传感企业灵枢智肤宣布连续完成两轮融资,种子轮与天使轮均由元禾控股参与,其中种子轮由华为哈勃参投,总融资金额超千万元。该公司成立于2025年,产品面向具身智能领域,推出了具备多点压力感知能力的指尖及掌心传感器模组,已完成双85测试等可靠性验证及1000万次以上重复机械测试。目前企业正搭建材料中试线并向客户送样推进落地验证。

  3. arXiv · 机器人与计算机视觉70

    I3L:面向全身移动操作的迭代交互式模仿学习

    针对离线训练的遥操作演示在长视界全身移动操作中泛化性差的问题,本文提出 I3S 系统,结合低成本的 JoyLo+ 接口与策略追踪机制实现全身协同修正及迭代重训练。实验显示,四轮 HG-DAgger 协议下该系统在所有任务中成功率均超 90%,平均提升自主成功率 68.3 个百分点,显著优于仅基于演示的训练方法。

  4. arXiv · 机器人与计算机视觉72

    HOPE:基于单目视频的徒手 - 物体压力估计框架

    论文提出 HOPE 框架,解决单目视频中动态徒手 - 物体交互的压力估计难题。该方法将触觉手套、平面传感器及距离接触标注统一至手部顶点空间,利用无标签数据正则化学习;引入顶点锚定视频 Transformer 聚合时序特征,并通过接触门控机制抑制低概率区域预测。在 OpenTouch 等基准上验证了其在物体压力、表面压力及接触监督设置下的泛化能力,能输出超越纯接触或平面压力的联合结果。