跳到正文
10月20日周二
  1. arXiv · 机器人与计算机视觉72

    TrajEdit:基于流匹配编辑与安全过滤的实时轨迹自适应

    该预印本论文提出了 TrajEdit 分层轨迹规划器,用于解决动态障碍物主动追逐时的安全实时运动规划问题。该方法在标称条件下遵循当前计划,利用 FlowEdit 技术对剩余轨迹进行快速适应,并在检测到对抗性代理进入安全阈值时切换至控制屏障函数(CBF)安全过滤器。

  2. arXiv · 机器人与计算机视觉78

    FLASH-CBF-RRT:一种基于 Lipschitz 自适应的安全视界 CBF 转向快速运动规划方法

    本文提出 FLASH-CBF-RRT,旨在解决传统直线转向浪费样本和二次规划控制器计算开销大的问题。该方法通过闭式运动学边界计算碰撞清除时间视界,使规划器能在安全范围内使用恒定速度进行自适应步长转向(障碍物附近短、开阔空间长)。

    推荐理由:FLASH-CBF-RRT 通过闭式解计算安全时间视界,在保持 RRT-Connect 100% 成功率的同时将规划耗时降低 3.82 倍。

  3. arXiv · 机器人与计算机视觉85

    Time-JEPA:利用物理时间序列锚定视频世界模型

    论文 Time-JEPA 针对视频世界模型缺乏物理状态演化信息的不足,提出用低维时序对齐的物理量作为辅助监督信号进行微调。该方法在自动驾驶、机器人操作和人体运动等多个领域均提升了当前状态解码、多步未来预测及运动学重建性能,且在跨条件与变量分布偏移下表现更稳健。外部评估显示其能增强对物理异常及交互的敏感度,且方法可迁移至不同视频骨干网络。

    推荐理由:该工作提出用低维时序物理量辅助监督视频世界模型,在自动驾驶、操作与人体运动等多域任务上提升状态解码与未来预测能力。

  4. arXiv · 机器人与计算机视觉75

    IMPULSE:在 V-JEPA 2 特征空间先推后测的物理感知方法

    论文 IMPULSE 提出一种在冻结的 V-JEPA 2 视频编码器特征空间中进行物理感知的预测器。该方法通过三次短校准推探获取物体响应,利用贝叶斯接触记忆总结信息,并结合轻量级随机傅里叶变换姿态头将预测姿态输入预测器。实验显示,在预指定的保留对象集上,该方法相比无经验的基准模型将 1 秒特征预测误差降低了 11.6% 至 12.8%,且该增益对超出范围物理属性的对象同样有效。

  5. arXiv · 机器人与计算机视觉56

    SPIRIT:一种用于稀疏孔径 SAR 成像的物理信息逆渲染框架

    该论文介绍了 SPIRIT,一个针对稀疏孔径合成孔径雷达(SAR)成像的物理信息逆渲染框架。面对采集速度与空间分辨率的权衡难题,该方法通过优化策略显式建模可见性、相位相干性和波传播特性,将分布式几何特征聚合为连贯的三维表面重建。实验表明,SPIRIT 在极端稀疏条件下能恢复准确的几何结构和信号,数据收集量减少超过 90%,且几何与信号误差较低,性能优于基线方法。

  6. Hugging Face Daily Papers85

    Fréchet Forcing:基于短片段训练长视界流式世界模型

    论文提出 Fréchet Forcing 方法,用于微调世界模型以解决长序列生成中的漂移问题。该方法在无需教师模型或在线评论器的情况下,利用流匹配损失、上下文保真度和现实匹配三个约束,使模型在机器人操作和相机控制探索任务中能在超过 4,000 帧的长序列内保持稳定性并遵循动作指令。材料为 arXiv 预印本,未提及同行评审状态或具体部署许可。

    推荐理由:提出无需教师模型的 Fréchet Forcing 方法,通过流匹配与统计约束解决长序列生成漂移问题。

  7. 量子位60

    商汤大装置:通过异构协同与架构创新提升推理效能

    在CSDI Summit峰会上,商汤大装置副总裁宣善明分享了Agentic时代AI基础设施的实践。面对Token需求千倍级增长与高端芯片供给受限的矛盾,商汤探索以PD分离为核心的万卡级异构推理集群,利用国产算力承担Prefill、高阶GPU承担Decode,在临港AIDC实现整体Token吞吐量提升5倍。

  8. NVIDIA Isaac Lab · Releases82

    Isaac Lab 3.0 正式发布:支持多后端架构与零拷贝数据访问

    NVIDIA Isaac Lab 3.0 正式向公众发布,确立了下一代机器人学习的基准。该版本引入工厂式多后端架构,允许任务在 Newton、PhysX 等物理引擎及不同渲染器间切换而无需重写逻辑;提供 Warp 原生数据路径实现零拷贝访问;并支持 Kit-less 执行模式以简化部署流程。

    推荐理由:NVIDIA Isaac Lab 3.0 正式发布,提供跨物理引擎与渲染器的统一任务接口及零拷贝数据路径。

  9. 智东西 · 机器人82

    NEXUS:面向人形机器人的跨地形感知运控基座模型发布

    中国电信人工智能研究院与伽马智能联合推出NEXUS,这是一个面向人形机器人的跨地形感知运控基座模型。该模型将广泛的全身行为覆盖与环境感知相结合,让机器人在保留动作特征与意图的同时,根据所处地形自主调整身体姿态与接触。

    推荐理由:中国电信与伽马智能联合提出NEXUS基座,通过仿真生成跨地形配对数据并采用两阶段训练,实现人形机器人在保留动作意图下自主适应复杂地形。

10月19日周一
  1. 盖世汽车 · 汽车资讯72

    Xspark AI 完成新一轮融资并发布原生触觉多模态模型 Spark-0

    具身智能企业 Xspark AI 完成新一轮融资,正式发布自研原生触觉多模态模型 Spark-0。该模型从预训练阶段将触觉内建,实现视觉、触觉与动作的统一表征,在仿真及真机基准测试中超越π 0.5、GR00T等11个主流模型,五项接触密集型任务平均成功率达52%。

  2. arXiv · 机器人与计算机视觉35

    AnyRank:通过顺序测试实现可靠的多策略排序

    AnyRank 提出一种结合顺序检验与多假设图检验的方法,用于在有限硬件试次下对多个机器人策略进行自适应分配并随时提供带错误概率界定的部分排名。该方法可利用仿真或视频世界模型生成的先验信息提升效率,即便先验不完美也不影响统计保证。实验表明,AnyRank 所需硬件评估次数较现有严谨方法减少高达 50%,同时避免了启发式基准产生的错误排序。

  3. arXiv · 机器人与计算机视觉72

    Mind the Phase:足式运动控制中的有效秩与表征健康度研究

    该论文针对强化学习在足式运动控制中策略表征理解不足的问题,通过计算网络雅可比矩阵的有效秩,发现将条件变量设定为步态相位能揭示全局分析无法捕捉的表示结构。研究指出,引入残差连接和层归一化的架构相比普通 MLP 能在摆动主导状态分配更多有效秩维度。基于此提出的诊断建议可在仿真及物理 Spot 机器人上降低高达 2 倍的关节抖动,证明策略容量在步态周期内的分布与仿真实验到现实部署的迁移效果密切相关。

  4. arXiv · 机器人与计算机视觉78

    SidewalkBench:面向城市人行道的视觉导航基准评测

    针对城市人行道导航中复杂结构与动态行人行为带来的挑战,本文提出 SidewalkBench 基准。该基准基于 NVIDIA Isaac Sim 构建,包含程序化生成与真实扫描的高保真场景,并集成了丰富的反应式行人事件与高效动画系统。

    推荐理由:SidewalkBench 基于 Isaac Sim 构建高保真城市人行道仿真环境,对 9 个视觉导航模型在行人交互与长程任务上的表现进行量化评估。

  5. arXiv · 机器人与计算机视觉82

    OrbiSim:面向具身智能的可微物理引擎世界模型

    论文 OrbiSim 提出一种新型机器人仿真范式,将世界模型定义为完全可微的物理引擎,以连接结构化场景资产、神经动力学与下游强化学习。该方法支持从显式状态转换到视觉观测生成的端到端可微性,从而解决传统模拟器难以处理的接触建模、稀疏奖励下的梯度策略优化及直观物理推理等任务。

    推荐理由:该工作提出将世界模型作为可微物理引擎,支持端到端梯度优化与接触建模,为机器人策略训练提供新路径。

  6. arXiv · 机器人与计算机视觉73

    HydroShear:面向触觉仿真到现实强化学习的流体弹性剪切模拟

    针对接触丰富任务的触觉仿真到现实策略迁移问题,本文提出 HydroShear,一种非完整流体弹性触觉模拟器。该方法利用符号距离函数追踪压头在传感器膜上的位移,生成基于物理的力场并建模粘滑转换、路径依赖的力与剪切积累以及完整的 SE(3) 物体 - 传感器交互。

  7. arXiv · 机器人与计算机视觉65

    SparseMax-dSTL:具有与视界无关的梯度分配的稳健信号时序逻辑轨迹优化

    论文介绍了一种基于梯度的求解器,用于强制执行信号时序逻辑(STL)规范。该方法通过引入最小值和最大值的下近似及其 SparseMax 投影梯度,证明了其构建的稳健性既满足声性(Soundness),又能在任意时间步长下保持对违反样本的梯度权重有正的下界。

  8. arXiv · 机器人与计算机视觉78

    基于在线约束优化的间接自适应鲁棒控制:面向未知摩擦的自动驾驶车辆

    该论文针对自动驾驶车辆在未知摩擦条件下的控制难题,提出了一种结合优化规划与间接自适应鲁棒控制(IARC)的双层框架。上层通过求解带约束的最优控制问题生成满足所有约束的时间最优可行轨迹;下层利用 IARC 在线估计与摩擦相关的未知参数,并结合模型补偿与鲁棒反馈确保瞬态和稳态跟踪性能。

    推荐理由:提出结合优化规划与间接自适应鲁棒控制的双层框架,解决未知摩擦下的车辆轨迹跟踪问题。

  9. arXiv · 机器人与计算机视觉66

    基于记忆增强的情境推理实现代理式物理 grounded 视频生成

    该研究针对现有方法在视频生成中难以兼顾动态多样性与物理一致性的问题,提出 PhysRepair 框架。该方法采用生成 - 诊断 - 修复范式,通过时空因果约束定位无效状态并指导局部重生成,结合经验增强情境学习适应多样物理故障。实验显示其在固体力学、流体力学等多个领域均能提升视频生成的物理合理性。

  10. arXiv · 机器人与计算机视觉80

    Execution Before Memory:诊断视频世界模型的记忆失效

    当前视频世界模型的内存测试常将场景设置、动作执行与结果展示混为一谈,导致低分被误读为遗忘。本文提出 MIST 评测,分离变化指令与应留下的记忆痕迹,定位到模型能设景却无法执行指令的瓶颈。

    推荐理由:提出 MIST 评测与 M3-Agent 方法,从执行侧诊断视频世界模型的记忆失效瓶颈并提升基准。

  11. arXiv · 机器人与计算机视觉78

    PASS:一种用于 CAT III 完整性算法开发的可信精密进近仿真系统

    针对固定翼飞机进近着陆阶段对可靠定位及完整性(trustworthy outputs)的需求,本文提出 PASS 系统。该系统在统一时空框架下集成可配置机场环境、规定轨迹、惯性模拟、标定立体图像及连续跑道相对真值,支持可控传感器误差与环境变化以生成用于算法开发的测试数据。

    推荐理由:该工作提出可控的进近仿真系统 PASS,支持 CAT III 完整性算法开发,并引入 SRST 指标量化仿真与现实的差距。

  12. arXiv · 机器人与计算机视觉73

    Structured Perception Representations for Off-road Dynamics Learning

    该研究针对非铺装路面高速自主导航中动力学模型过于简化的问题,提出 SpatialBEV 方法,利用鸟瞰图特征的空间结构进行预测条件化。论文在跨季节数据集上将预测误差降低了 17.1%,并在硬件上对高速(≥10 m/s)及几何挑战性路线进行了评估,最大横向误差减少了 25.3%。材料为 CoRL 2026 接收的预印本,包含基准测试方法以挖掘数据集中最困难场景。

  13. arXiv · 机器人与计算机视觉58

    广义坐标下的力与运动同时控制研究

    论文提出一种基于高斯最小约束原理的机器人控制框架,将力与运动同时控制在广义坐标(关节空间)下建模为二次规划问题。该方法在 MuJoCo 仿真环境中验证了理论解能产生准确的受控动力学,能够同时维持期望接触力、最小化轨迹跟踪误差并满足碰撞避免等不等式约束。材料为预印本,已提交至 IEEE ICRA 2027,包含 8 页正文与 5 张图表。

  14. Hugging Face Daily Papers8

    Predictive Closure:JEPA 特征集级表征的新方法

    针对联合嵌入预测架构(JEPA)中不可预测特征难以编码的问题,研究提出“预测闭合”表征法,证明特征选择取决于集合属性而非个体可预测性。实验表明,当某特征有助于预测其他特征时,即使其本身不可预测也能被保留;通过辅助目标或侧信息间接引导策略可强化特定特征的表示。该方法为 JEPA 的特征选择提供了新的理论视角与实验验证。

10月17日周六
  1. 量子位62

    深辰凯动发布通用物理运动平台及羽毛球机器人

    深辰凯动发布通用物理运动平台,其羽毛球机器人在约0.5毫秒内识别来球、挥拍速度达每秒30米,并创下1452拍的吉尼斯世界纪录。该平台由可复用硬件与自研机器人大脑构成,旨在验证高速动态场景下的感知预测与协同执行能力,未来可扩展至物流分拣与人机混行等真实物理任务。

  2. Hugging Face Daily Papers58

    基于公理化世界模型的物理推理研究

    该研究指出大语言模型在物理推理任务中常因内部公理世界模型(AWM)与题目指定的真实物理世界存在偏差而失败。为此提出强化学习与公理化世界建模(RLAWM)框架,在训练阶段通过分层奖励机制分别监督抽象知识构建和具体推导过程,以缩小 AWM 与真实世界的差距。实验显示该方法在 PhysReason 基准上提升最高达 12.2 分,并在奥赛级物理数学任务中实现零样本泛化增益。

10月16日周五
  1. 盖世汽车 · 汽车资讯72

    Terra Quantum 与 Empa 联合开发 LP-FNO 模型实现激光焊接实时预测

    瑞士工程科技公司 Terra Quantum 与 Empa 联合开发了名为 LP-FNO(激光加工傅里叶神经算子)的人工智能模型,用于预测激光焊接中的三维熔池动态。据称该模型的预测速度比传统方法快达 10 万倍,消除了实现实时工艺控制及部署工业数字孪生技术的关键计算瓶颈。

  2. Hugging Face Daily Papers83

    FDE-Gym:AI 交付的最后一步——揭示真实客户交付中的能力缺口

    论文介绍 FDE-Gym 基准,包含来自 18 个行业、20 种场景的 95 项端到端交付任务,模拟具有脚本化利益相关者和可修改系统的生产环境。评估显示,在需发现未声明约束的真实设置中,最佳配置平均得分为 0.56,仅解决 14 项任务;即使获取所有关键事实,能实现高业务提升的任务也仅有 10 项。

    推荐理由:该基准通过模拟真实交付场景,揭示了模型在发现未声明约束时的性能瓶颈及从事实到有效解决方案的差距。

  3. 工业和信息化部 · 文件与征求意见3

    工信部公示《多通道星网链信道仿真模拟器》等 11 项行业标准报批意见征求稿

    工业和信息化部完成电子行业《多通道星网链信道仿真模拟器》等 11 项标准编制并予以公示。相关标准报批稿请登录“工业和信息化标准信息服务平台”网站查阅,公示时间为 2026 年 10 月 17 日至 2026 年 11 月 15 日。

  4. Hugging Face Daily Papers63

    OmniVerifier-C1:面向规则约束生成世界模型的分解式分级验证器

    该论文介绍 OmniVerifier-C1 模型,这是一种将复杂提示或环境规则自动分解为细粒度组件并分配逐点分数的视觉验证器,以提供连续且信息丰富的批判信号。研究通过解耦强化学习策略联合优化子问题二元判断与全局对齐评分,在迷宫和数独等结构化世界建模任务中证明了该方法的有效性。

  5. arXiv · 机器人与计算机视觉53

    PhyMix:面向物理一致性的单图室内三维场景生成

    针对现有单图三维室内场景生成方法常违反物理约束的问题,本文提出 PhyMix 框架。该框架引入包含几何、接触、稳定性等九个子约束的物理评估器(Physics Evaluator),并通过隐式对齐与显式修复两个组件改进生成结果:利用 Scene-GRPO 策略在训练中引导生成器符合物理布局,并在推理阶段通过代理执行编辑技能修正残留违规。

  6. arXiv · 机器人与计算机视觉58

    当现实超越认知:一种用于可靠智能的新扩展原则

    该论文挑战现有 AI 范式与世界模型的感知推理能力上限,定义有效连贯认知速度作为衡量系统在现实快速变化下保持行为可靠性的基准。研究通过强化学习代理在不重训情况下将现实变化速度提升 50 倍进行评测,发现受细胞机制启发的 Co^4 架构在 Transformer 和门控 MLP 基线上均取得显著更高的有效连贯认知速度,论证了扩展连贯认知作为可靠 AI 原则的可行性。

  7. arXiv · 机器人与计算机视觉82

    T2-z:通过测试时优化环境潜变量实现机器人世界模型的自适应

    论文介绍 T2-Z 方法,该方法为机器人世界模型引入可学习的无监督环境潜变量,在训练阶段交替优化动力学与潜变量结构,在测试阶段仅凭少量交互即可适配新环境。实验显示,该方法在仿真和真实任务中将物体预测误差从 15.20 降至 7.00,动作成功率从 33.73% 提升至 72.96%,且能高效捕捉环境与物理因素的联合表征。

    推荐理由:该工作提出在测试时优化环境潜变量以适配未见过的环境配置,显著降低预测误差并提升任务成功率。