跳到正文
11月2日周一
  1. arXiv · 机器人与计算机视觉82

    Decompose and Reorganize:基于演示学习的原语与视觉运动策略规划

    论文提出 DR-LfD 框架,将人类演示分解为原子技能并重组到 TAMP 决策系统中,解决接触丰富操作中的泛化问题。在 DexMimicGen 任务中,该框架仅需 100 次演示即可超越基于扩散的模仿学习策略(需 1000 次)。材料为预印本论文,已接受至 IEEE Transactions on Robotics。

    推荐理由:该框架将演示分解为原子技能并重组,在 DexMimicGen 任务中以 100 次演示优于扩散基线。

  2. arXiv · 机器人与计算机视觉73

    NDPP-Grasp:一种由非可微物理合理性约束引导的任务导向灵巧抓取生成方法

    该论文提出 NDPP-Grasp 框架,旨在解决现有扩散模型在抓取生成中物理合理性与任务功能脱节的问题。研究将物理合理性约束直接注入到任务对齐的扩散模型去噪过程中,即使面对非可微约束也能有效引导生成轨迹。实验表明该方法能产生既符合物理规律又适合特定操作任务的灵巧抓取姿态。材料为 NeurIPS 2026 接收论文,提供 arXiv 预印本链接及代码仓库信息。

  3. arXiv · 机器人与计算机视觉73

    TacO:面向物体操作的触觉传感器基准测试与选型框架

    论文 TacO 针对复杂接触型操作任务,系统评估了视觉、声学、磁性和电阻式四种模态的触觉传感器在未知质量抓取、物体重定向和插拔任务中的性能差异。研究分析了空间分辨率、剪切感知等传感器属性对策略表现的影响,证明触觉信息的效用高度依赖模态与具体任务。代码、数据及硬件配置将在项目网站公开。

  4. arXiv · 机器人与计算机视觉75

    FlowTouch:一种基于局部 3D 网格的视图不变手眼触觉预测模型

    该论文提出 FlowTouch 模型,旨在解决触觉传感器仅在接触时才有读数的局限,通过利用物体局部 3D 网格编码信息并抽象场景细节,实现从视觉到触觉的预测。研究整合了场景重建与基于流匹配(Flow Matching)的图像生成技术,结果显示该模型能跨越仿真到现实的差距并泛化到新传感器实例,其生成的触觉图像还可用于下游抓握稳定性预测。代码、数据集及视频已公开。

  5. arXiv · 机器人与计算机视觉72

    CHOP:利用反事实人类偏好标签改善视觉运动导航中的避障能力

    针对具身智能体在复杂环境中安全导航与动态避障的难题,本文提出 CHOP 方法,通过引入反事实人类偏好标签来对齐视觉运动导航策略。该方法为每个视觉观测生成机器人实际执行轨迹及若干替代轨迹,由标注者基于碰撞风险和路径效率等预期结果给出成对偏好标签,进而微调策略以符合人类直觉。

  6. arXiv · 机器人与计算机视觉70

    EquiContact:一种用于空间可泛化接触丰富任务的分层 SE(3) 视觉到力等变框架

    论文提出了 EquiContact 框架,旨在学习适用于接触丰富操作任务的基于视觉的机器人策略,使其能跨任务配置实现空间泛化。该框架由高层视觉规划器(如扩散等变描述场 Diff-EDF)和底层顺应性视觉运动策略(如几何一致性动作分块变换器 G-CompACT)组成。

  7. arXiv · 机器人与计算机视觉68

    Sensorium:用于具身手术 AI 的多模态数据采集与整理开源库

    Sensorium 是一个开源 Python 库,旨在解决具身手术 AI 对可靠多模态数据的依赖问题。该工具利用 ROS 和 ROS2 中间件,支持从可配置的机器人和传感器流中记录、处理、标注及整理数据,并具备面向操作者的数据采集、语义标注及数据集生成功能。

  8. arXiv · 机器人与计算机视觉82

    ROOF:一种具有头顶约束的人形机器人跌倒恢复学习方法

    论文介绍了一种名为 ROOF 的强化学习方法,旨在解决人形机器人在头顶存在障碍物时的跌倒恢复难题。该方法利用接触支撑几何逃逸引导,仅凭本体感知即可学习何时清除障碍、建立支撑以及完成起身动作。

    推荐理由:提出接触支撑几何逃逸引导方法,在仿真与宇树 G1 真机实验中显著提升了头顶障碍物下的跌倒恢复成功率。

  9. arXiv · 机器人与计算机视觉78

    Nexus-VLA:通过共享分层语义隐空间桥接人类与机器人经验

    针对大规模自中心人类视频存在视觉外观、运动学结构和动作空间等本体差距的问题,论文提出 Nexus-VLA 混合策略学习框架。该框架引入分层跨本体语义对齐范式,从任务意图到细粒度交互逐步建立共享操作语义,并设计共享操作隐表示以直接用于连续动作生成。在 RoboCasa-GR1、OOD 设置及真实机器人实验中,该方法实现了 80.5% 的任务成功率,展现了高效的人类数据利用率和跨场景泛化优势。

    推荐理由:提出 Nexus-VLA 框架,通过端到端联合训练实现跨本体知识迁移,在 RoboCasa-GR1 上达到 80.5% 成功率。

  10. arXiv · 机器人与计算机视觉78

    悬吊织物机器人操作表面:建模、设计空间与多模块扩展

    论文提出一种通过稀疏垂直线性致动器悬吊连续织物以重定位物体的机器人操作表面(RMS)。作者建立了该悬吊表面的可分离悬链线模型,能快速计算给定致动器高度下的曲面形状及目标局部斜率所需的致动器高度。

    推荐理由:提出悬吊织物机器人操作表面的可分离模型与多模块扩展方案,在九致动器原型上实现厘米级物体跨模块传输。

  11. arXiv · 机器人与计算机视觉58

    基于肌肉驱动仿真的生物扭矩控制膝部外骨骼设计与验证

    该研究提出了一种由现成组件构建的开源膝部外骨骼,其生物扭矩控制器完全源自仿真而非设备特定数据采集。通过肌肉驱动的模仿策略从公开数据集复现深蹲动作并蒸馏出仅依赖车载传感器的估计器,实现了在七名受试者中无需新数据即可将峰值膝关节伸展力矩降低 21.5%。材料证明了基于仿真的生物扭矩控制器可迁移至物理硬件,且软硬件管线同步开源便于研究对比。

  12. arXiv · 机器人与计算机视觉72

    基于强化学习策略的异构运动动力学在线学习方法

    针对预训练运动策略难以复用于精确运控的问题,本文提出一种在线方法学习冻结策略下的闭环动力学。通过引入受污染高斯模型近似潜在条件导致的响应异质性,并结合随机傅里叶特征构建在线学习者,实现了对可预测与不可预测响应的加权更新。该方法在仿真和硬件实验中实现了不同机械臂配置下末端执行器的精确跟踪,误差为 0.01 米。

  13. arXiv · 机器人与计算机视觉72

    Movens-Zero:基于大规模人类视频扩展人形运动基础模型

    该论文提出了 Movens-5M 数据集和 Movens-Zero 架构,旨在解决人形机器人运动基础模型训练数据稀缺及多模态联合学习难题。Movens-5M 包含 1500 万个人类动作序列和 500 万个可执行的人形动作序列,涵盖超 10,000 小时视频,并与文本、RGB 图像、语音及音乐对齐。

  14. arXiv · 机器人与计算机视觉78

    SketchMate:基于代理几何推理的零样本精密插入方法

    针对现有基于视觉语言模型的机器人操作输出过于粗糙无法完成精密插入的问题,该方法提出让 VLM 构建仅包含几何原点和配合面的任务草图模型,由标准规划器执行并复用记忆。在仿真测试中,该方法在 69 次插入尝试中成功装配了 88% 的零件,而同等基线方法成功率为零;通过重用存储的草图运行,新任务的单次生成时间从约 90 秒降至 3.4 秒,且仅在遇到不熟悉的零件时才调用 VLM。

    推荐理由:该方法利用 VLM 构建任务草图记忆,在仿真中实现零样本高精度插入,显著降低对大模型的调用频率并提升成功率。

  15. arXiv · 机器人与计算机视觉78

    高阶运动学导数用于保形实时数值逆运动学

    该论文利用串联机器人的高阶运动学导数实现高效且保持几何特性的实时逆运动学计算。研究提出了 QuIK4 和 QuIK5 两种四阶与五阶收敛求解器,并设计了基于雅可比行列式外推的步长限制器以预测奇异点,同时引入埃尔米特插值验证器确保解的方位一致性。

    推荐理由:原文提出高阶运动学导数求解器与几何保形验证机制,显著降低逆解失败率并消除方位跳变。

  16. arXiv · 机器人与计算机视觉80

    Flexibility-Aware Robotic Manipulation: Deformation Estimation, Kinematics, and Control via Distributed Inertial Measurement

    该论文介绍了一种感知 - 动力学结合的柔性机械臂操控框架,旨在解决刚性假设不足的问题。研究首先通过响应收敛和激励带宽准则识别柔性连杆的主振动模态,在满足全秩模态可观测性条件下,仅需 m 个独立斜率测量和一个参考 IMU 即可重构连续变形。

  17. arXiv · 机器人与计算机视觉78

    RTPolicy:面向边缘设备的实时多视角机器人操作策略

    针对闭环机器人操作中低推理延迟的关键需求,本文提出了 RTPolicy,这是一种结合视图感知特征融合与视觉压缩的多视角视觉运动策略。该策略通过流匹配动作生成器降低计算成本,在 RoboTwin~2.0 单任务清洁评估的 50 个任务中平均成功率为 52.26%,优于最强基线$ ext{\pi}_0$(46.4%)。

    推荐理由:该文提出 RTPolicy,在边缘设备上实现实时多视角视觉运动策略,异步流式推理下双臂平台任务成功率达 72%。

  18. arXiv · 机器人与计算机视觉49

    AC-SMPC:带状态约束的可微 Actor-Critic MPC 实现安全快速机器人导航

    AC-SMPC 框架通过顶点与半空间表示及弹性二次规划,解决了现有可微 MPC 难以处理显式状态约束的问题。仿真与实验在多机器人狭窄动态避障场景中验证了该方法在自适应调整策略、提升导航效率的同时保持运动安全的优势。该研究以 arXiv:2610.41477v1 形式发布,尚未进入正式出版或开源阶段。

  19. arXiv · 机器人与计算机视觉56

    OneSteer:通过一步扩散全身控制解锁可导向的通用类人运动跟踪

    论文 OneSteer 提出 DiffWBC 方法,将全身控制从确定性策略转为生成式范式,利用一步扩散模型实现通用跟踪、测试时转向及无仿真失败发现。该方法在 BONES 基准上局部跟踪误差最低(20.1 mm),并在物理 Unitree G1 机器人上部署;相比运动学参考编辑,其在 1.25 m 天花板下的零样本通过率为 0.84,且能泛化至跨障碍、空间抓取及执行器故障等场景。

  20. arXiv · 机器人与计算机视觉48

    Geometry-Aware Humanoid Retargeting via Manifold ODEs:TaSP-KKT 方法实现高效运动重定向

    TaSP-KKT 方法通过流形常微分方程视角优化运动重定向,仅需一次加权切锥投影即可避免重复 SQP 迭代。数值实验显示其运行速度约为 OmniRetarget 的两倍,虽重定向质量略低但保持相当水平。该方法在 arXiv 预印本发布,代码与权重暂未提及开放许可。

  21. arXiv · 机器人与计算机视觉60

    面向执行器退化的鲁棒机器人控制:一种联合健康感知的强化学习框架

    论文提出了一种针对非结构化环境中执行器性能下降问题的强化学习框架。该框架通过连续关节健康向量编码执行器状态,将退化建模为动作执行的乘性衰减,并利用 HealthNet 估计器从观测中推断单关节健康状况以重新分配控制力。

  22. arXiv · 机器人与计算机视觉48

    HandMimicX:通过以物体为中心的策略从第一人称视频中学习类人灵巧操作

    HandMimicX 提出一种以物体为中心框架,利用强化学习将人类 RGB-D 视频演示转化为空间可泛化的机器人技能。实验在仿真与真实机器人上验证了该方法能从单一演示高效习得技能并迁移至新空间配置。研究强调通过约束手物交互状态促进解剖学自然的手部构型,解决了从视频转移技能的挑战。

  23. arXiv · 机器人与计算机视觉75

    HIPC:基于目标条件运动闭合的人形迭代规划与控制

    论文提出 HIPC 框架,将生成式运动模型与控制器耦合为统一范式,以解决开环追踪导致的空间漂移及闭环反馈引发的物理抖动问题。该方法采用标准运动表示避免万向节锁,并通过偏差衰减恢复和历史重锚定策略缓解分布外偏移,最终在多种条件下实现了最先进的目标到达精度与抗扰动能力。

  24. arXiv · 机器人与计算机视觉74

    基于物理经验的上下文空间适应:一种用于机器人操作的通用策略框架

    论文提出 LEXP 框架,旨在解决多模态基础模型难以直接转化为物理动作的问题。该框架结合任务级规划与经验模块,在保持模型权重和动作接口固定的前提下,通过解释执行证据、提取适用性条件并复用相关教训来生成上下文反馈。

  25. arXiv · 机器人与计算机视觉78

    TinyAstral:将自进化 Harness 迁移至小型通用操作智能体

    论文 TinyAstral 提出一种两阶段方法,通过递归自我改进(RSI)优化大教师模型的 harness,随后蒸馏出仅 4B 参数的小型学生模型以替代原教师。

    推荐理由:提出两阶段方法将大模型的 harness 进化能力迁移至小参数学生模型,在 RoboTwin 上显著降低算力成本并提升成功率。

  26. arXiv · 机器人与计算机视觉78

    基于能力条件的图控制屏障函数:异构移动机器人团队的零样本安全导航

    针对现有图控制屏障函数方法假设同构动力学或无法自然迁移至未见模型的局限,本文提出了能力条件异构图控制屏障函数(CC-HGCBF)。该方法在共享二阶参考点操作空间中定义安全几何表示,并引入径向能力场(RCF)以紧凑表征机器人状态相关的有限时域可达速度集。通过联合训练屏障与策略,实验展示了在混合团队中的可扩展安全协调、对未见机器人模型的零样本迁移以及在物理机器人上的无需重训部署能力。

    推荐理由:提出能力条件图控制屏障函数,实现异构机器人团队零样本安全导航与迁移。

  27. arXiv · 机器人与计算机视觉78

    CIMI:一种基于接触模仿的灵巧技能转移框架

    论文提出了 Contact Imitation Interface (CIMI) 框架,旨在通过无机器人的人体演示来规模化灵巧操作数据。该框架包含演示与学习两个接口:演示接口结合共享接触几何、指尖 RGB 视图及接触优先重定向技术;学习接口引入分层策略,由接触表面规划器预测相对轨迹并由控制器协调手腕与手指指令以优化对齐。

    推荐理由:提出 CIMI 框架,通过接触几何对齐与分层策略,在 LEAP 和 Wuji 数据集上使六组手部任务的最终成功率提升至少 50 个百分点。

  28. arXiv · 机器人与计算机视觉55

    STAR:通过本体感知引导 VLA 动作表征以增强推理能力

    针对视觉语言动作模型(VLA)晚期层缺乏任务相关视觉定位的问题,本文提出 STAR 方法。该方法无需模型更新或架构修改,通过对晚期残差更新应用指数移动平均,使后期动作表征继承早期层的物体感知方向;同时利用近期本体状态自适应混合强度,在执行动力学快速变化时采用保守混合策略。

  29. arXiv · 机器人与计算机视觉57

    EgoHSI3R:基于第一人称视频的在线 4D 手 - 场景交互重建

    arXiv 论文 EgoHSI3R 提出一种统一的前馈框架,用于从单目第一人称视频中在线重建 4D 手 - 场景交互。该方法通过循环场景表示维持共享世界空间与尺度,结合手部中心提示融合预训练先验与局部场景上下文,利用 MANO 顶点查询预测密集接触点。

  30. arXiv · 机器人与计算机视觉51

    从遥操作到长视界灵巧性:评估灵巧操作的视觉运动技能及离线代理

    该论文通过约1700次真实机器人实验,评估了281种模仿学习策略在RJ45连接器抓取与插入任务中的表现。研究发现观察和动作表示的选择主导性能,点云策略中特定裁剪与归一化提升成功率70-100个百分点,视觉语言动作策略中绝对动作预测提升最多70个百分点。

11月1日周日
  1. 量子位42

    红旗连锁终止机器人无人售货系统研发:实验室锤炼上万次仍无法解决货架前抓取不稳与避障难题

    四川红旗连锁于 2026 年 7 月终止机器人无人售货系统研发,因机械臂在密集货架面对异形商品时抓取失误率高、稳定性不足且易摔碎玻璃瓶。尽管项目历经 16 个月研发并投入约 280 万元,但样机未达大规模商业化落地标准,无法替代店员处理复杂场景下的补货与交易任务。