跳到正文
11月1日周日
10月31日周六
  1. The Robot Report12

    韩国 KAIST 等机构研发仿生软体机器人用于救灾与工业巡检

    韩国研究人员开发了类似甲虫的软体机器人及多种仿生动物原型。新加坡南洋理工大学将马达加斯加蟑螂改造为搭载微型计算机和红外热成像仪的“半机械人”,可探测废墟下气体浓度并定位人体,单只覆盖面积达 100 平方米但需约 500 台协同作业。斯坦福大学工程师则制造了能搬运自身质量 2000 倍的机械蚂蚁,利用受壁虎启发的足部设计实现强抓地力。

  2. IEEE Spectrum · Robotics31

    Video Friday 展示多足机器人 ANYmal X、双足机器人 Spot 及微型四足 Lite3 等全身操作与移动演示

    IEEE Spectrum Robotics 周刊视频集锦展示了包括 ANYmal X、Spot、Lite3 在内的多款机器人的全身操作能力。内容涵盖 ETH 苏黎世联邦理工学院的接触中心学习框架、Pollen Robotics 的轮式机器人 Racey Mini 以及 DEEPRobotics 在广西景区的双机协作等真实场景演示。

10月30日周五
  1. 智东西 · 机器人77

    智元发布具身全模态交互大模型WITA-OMNI及灵渠OS

    2026年10月29日,智元在创新日发布具身全模态端到端交互大模型WITA-OMNI 1.0和原生操作系统灵渠OS 1.0。WITA-OMNI在四项权威评测中位列第一,支持全双工快慢双模架构,已在长隆乐园完成超100万次真实交互验证;灵渠OS通过全栈确定性时延优化,将于年底全面开源并捐赠给开放原子开源基金会。

    同一新闻,精选展示《智元发布GO-3 Preview与WITA-OMNI双模型,宣布年底开源灵渠OS》

  2. 盖世汽车 · 汽车资讯42

    万里扬首条关节模组生产线量产

    10月30日,万里扬子公司浙江万里扬机器人科技有限公司首条集电机、驱动器、减速器和模组装配于一体的柔性化关节模组生产线顺利量产。产线创新引入汽车领域成熟的电机分块连续平绕技术,并首次在机器人零部件领域应用噪音和震动FFT测评以实现品质闭环。作为国内汽车变速器龙头,万里扬正利用其精密制造能力切入机器人赛道,目前已与多家行业客户建立合作。

  3. arXiv · 机器人与计算机视觉70

    ActionUNet:利用高效多尺度微调提升 VLA 模型的鲁棒性

    针对视觉语言动作(VLA)模型在将粗粒度语义映射为细粒度时序执行时存在的泛化受限和鲁棒性不足问题,本文提出 ActionUNet 框架。该框架在时序对齐的动作特征空间内构建轻量级 U-Net 以融合分层结构先验,并采用带二阶平滑约束的连续 SIREN 作为动作解码器,以消除多尺度建模带来的机械振荡。

  4. arXiv · 机器人与计算机视觉42

    Spike-MPPI:受运动神经元启发的采样方法提升模型预测路径积分控制性能

    Spike-MPPI 提出一种受运动神经元启发的提议分布,通过稀疏且时间相干的扰动解决有限 rollout 预算下的高频抖动问题。该方法在 Franka FR3 臂的仿真与物理机器人实验中,均展现出比高斯等基线更平滑的执行命令及更高的任务成功率。研究证实采样统计结构是有限预算 MPPI 控制的关键设计因素,已在 legged locomotion 和 manipulation 任务上验证有效性。

  5. arXiv · 机器人与计算机视觉82

    基于视觉语言模型的证据门控任务与运动规划方法

    该论文提出证据采集与可行性门控(EAFG)框架,旨在解决机器人执行长周期操作时依赖先验知识而忽视观测支持的问题。通过让视觉语言模型生成子目标并执行动作序列来采集视觉证据,系统据此决定是继续规划、获取进一步证据还是停止任务。研究在三个烹饪场景下评估了该方法,结果显示其在明确指令和模糊指令场景中优于基线,并能正确识别缺失物体时停止执行。

    推荐理由:提出证据门控框架,结合视觉语言模型与任务运动规划以处理指令可行性。

  6. arXiv · 机器人与计算机视觉68

    EgoHTR:面向非结构化地形的第一人称 4D 人类地形穿越演示数据集与基准

    针对人形机器人在非结构化地形中部署困难的问题,作者开源了 EgoHTR 数据集,包含超过 150k 帧的 5.5 万场景对齐 4D 人体运动序列。该数据通过第一人称可穿戴设备和便携式 3D 扫描仪采集,在复杂环境中展现了优于动作捕捉基准的重建精度。研究团队利用此数据训练了感知移动策略,并在 Unitree G1 机器人上实现了硬件部署以复现重建的运动参考。

  7. arXiv · 机器人与计算机视觉70

    基于表示锚定和语行动作对齐的可泛化 VLA 微调

    论文提出 Anchor-Align 方法,旨在解决在机器人演示上对预训练视觉语言模型进行行为克隆微调时产生的表征漂移与语行动作不对齐问题。该方法通过蒸馏冻结模型的层级表示来防止漂移,并将动作目标转化为离散运动方向标签以联合训练。实验显示,该方法在单臂及双臂机器人的多种操作设置中均优于标准行为克隆,且在仿真基准上提升了长视野控制与感知鲁棒性。

  8. arXiv · 机器人与计算机视觉65

    混合帧策略:用于双手移动操作的跨帧动作去噪

    该论文提出混合帧策略(MoF),一种扩散策略,能在多个坐标系中同步进行动作去噪。该方法保持单一规范扩散状态,将其重表达为若干任务相关帧,应用专用去噪器并在规范帧融合噪声预测。研究在九个仿真双手操作任务和两个真实世界任务上验证了 MoF 优于单帧基线及混合专家模型。

  9. arXiv · 机器人与计算机视觉82

    RE4:基于操作模式的物体交互变换感知模仿学习

    针对物体交互任务中端到端生成式策略缺乏可解释性的问题,本文提出 RE4 框架,从第一性原理出发利用操作模式理论构建简单且可解释的模仿学习体系。该框架包含四个关键步骤:姿态估计以获取物体信息、基于操作模式的演示检索与变换、连接检索点的重规划以及返回变换后的演示进行 rollout。

    推荐理由:该工作提出 RE4 框架,通过姿态估计与操作模式感知实现可解释的演示检索与变换,在仿真及真实机器人实验中均优于基线。

  10. arXiv · 机器人与计算机视觉75

    SwarmCoDe:一种支持动态分化的异构机器人集群可缩放协同设计框架

    论文提出了 SwarmCoDe 框架,这是一种将集群分解纳入优化过程的协同共同进化算法(CCEA),无需预先指定物种数量。该方法结合动态分化、进化基因标签、伙伴选择性和相对优势,联合优化了机器人硬件、任务规划行为、合作关系及部署组成。

  11. arXiv · 机器人与计算机视觉48

    Combining Constrained Sampling and Reinforcement Learning for Manipulation 论文提出结合约束采样与强化学习的新方法,在接触丰富的操作任务中优于无约束基线并支持全身及手部策略训练。

    针对接触丰富环境下强化学习探索不足的难题,该方法通过设计基于接触结构的约束采样重置策略,结合投影插值与课程学习,有效训练了通用、抓握与非抓握操作策略。实验表明该方案在复杂操作任务中性能优于无约束采样及替代重置方法,项目页面提供视频演示与完整源代码访问。

  12. arXiv · 机器人与计算机视觉82

    接触丰富机器人任务的安全学习:从经典方法到安全基础模型的综述

    这篇论文是发表在 npj Robotics 上的综述,全面回顾了接触丰富机器人任务中基于学习的控制方法,特别是如何确保探索与执行阶段的安全性。文章将现有方法分为安全探索和 safe execution 两类,涵盖了约束强化学习、风险敏感优化、不确定性建模、控制屏障函数和模型预测安全盾等技术。

    推荐理由:该综述系统梳理了从经典方法到基础模型在接触丰富任务中的安全学习进展,为相关团队评估现有技术与未来方向提供参考。

  13. arXiv · 机器人与计算机视觉68

    OmniVIC:一种融合视觉语言上下文学习的自改进变阻抗控制器

    论文提出了 OmniVIC,这是一种结合视觉语言大模型(VLM)的通用变阻抗控制器(VIC),旨在提升富接触操作任务的安全性与适应性。其核心采用自改进检索增强生成(RAG)与上下文学习(ICL),从结构化记忆库中检索相关先验经验并结合当前任务提示词,利用 VLM 生成感知上下文的自适应阻抗参数,同时结合实时力/扭矩反馈确保交互力在安全阈值内。

  14. arXiv · 机器人与计算机视觉82

    BBoE:利用边束进行动力学双向运动规划

    本文介绍 BBoE,一种结合探索与利用、依赖预计算机器人运动的快速双向动力学采样规划算法。该策略通过利用预计算的边束(bundle of edges)在障碍物密集环境中高效收敛至目标。

    推荐理由:该工作提出利用预计算运动束的双向动力学规划器,在四套不同系统中实现高成功率与低耗时。

  15. arXiv · 机器人与计算机视觉74

    通过运动原型表示实现平滑动作分块以用于模仿学习

    这篇论文针对视觉基机器人策略中动作分块导致的轨迹抖动问题,提出了一种基于运动原型的轨迹表示方法。该方法将轨迹段表示为光滑基函数的线性组合,在保持策略架构、训练目标和推理流程不变的情况下,通过显式条件约束使新分块经过前一分块的末端动作点,从而在不重新训练的前提下消除边界不连续并大幅降低抖动。

  16. arXiv · 机器人与计算机视觉59

    基于相对动作信用的学习以逃离局部极小值

    论文针对强化学习中 on-policy 方法(如 PPO)在处理长周期、高接触任务时易陷入局部最优的问题,提出了一种扩展算法。该方法引入动作条件化价值批评器,能在同一状态下比较执行动作与采样替代动作的优劣,从而改善稀疏奖励下的信用分配。结合广义优势估计和探索噪声约束,实验显示该算法在有限训练预算内成功完成了 PPO 无法完成的精密插桩任务。

  17. arXiv · 机器人与计算机视觉73

    SwapBot:通过可互换末端执行器和触觉感知的工具中心型机器人操作

    针对日常环境中需要频繁使用不同工具的任务,研究团队提出 SwapBot 模块化末端执行器系统。该系统采用固定机械接口配合低成本工具侧适配器,支持快速自主更换多种常见家用工具(包括关节式工具),并集成紧凑触觉传感器以辅助遥操作演示收集。

  18. arXiv · 机器人与计算机视觉43

    连续体机器人用传送带机制实现磁耦合重定位

    该研究提出一种新型传送带机制,可在直径 9 mm 的腱驱动连续体机器人内部集成至三个单元,实现功能元件沿机身的主动重定位。案例研究中,沿两条传送带安装永磁体演示了可重构的机器人间磁耦合,通过调整耦合点位置与数量来动态调节多机器人系统的有效刚度。实验表明有效刚度与耦合位置呈可预测的反立方关系,且随耦合点数增加而提升。

  19. arXiv · 机器人与计算机视觉70

    变形物体形状伺服教程(第一部分):基础理论与数据驱动雅可比估计

    该论文是两篇教程的第一部分,介绍利用机器人运动与测量形变关系进行自动操控的基础理论。核心在于无需精细机械模型即可通过观测到的形变局部估计变形雅可比矩阵,并推导闭环稳定性条件及可达性限制。材料包含平面仿真示例(双臂操作弹性杆)及代码链接,为数据驱动形状控制提供完整框架。

  20. arXiv · 机器人与计算机视觉82

    PhysVLMM:面向机器人场景地图的交互条件化物理信念图

    该论文提出 PhysVLMM 方法,为视觉 - 语言 - 运动地图中的每个铰接部件维护物理信念并回答规划器查询。面对移动物体无法识别动力学、仅凭拉动测量只能确定被拉部件及方向的问题,该方法将方向作为后验分布而非点估计,以闭式形式传递证据给未受影响的相似部件,并在给定风险下判断动作是否成功或放弃。

    推荐理由:PhysVLMM 方法在真实家居环境中实现了对铰接物体动力学的快速推断,显著优于可微仿真与单视角学习基线。

  21. arXiv · 机器人与计算机视觉84

    DAWN:基于扩散的对齐与拆卸工作流程网络

    论文提出了 DAWN(Diffusion-based Alignment and unfastening Workflow Network),这是一个用于执行现实世界拆卸任务的分层机器人框架,通过多模态感官融合解决精密螺丝刀接触、力控及环境鲁棒性挑战。

    推荐理由:该工作提出分层框架 DAWN,在 Franka Emika 机器人上实现了与人工相当的螺丝对齐插入及稳定拆卸能力。

  22. arXiv · 机器人与计算机视觉58

    BURGER:基于具身绘图的机器人泛化基准评测

    论文介绍 BURGER 这一语言条件化的机器人绘图基准,利用可扩展的提示驱动流程生成了涵盖仿真与真实世界的连续绘制轨迹。研究使用 28,200 个跨越 282 项任务的模拟演示,评估了五个代表性 VLA 模型在数据规模、语言 grounding 和多模态行为上的表现,揭示了各模型在空间构图与动作生成上的不同失效模式。

  23. arXiv · 机器人与计算机视觉78

    DEED:通过演示扩展与执行设计改进细粒度操作

    论文介绍 DEED 框架,旨在让预训练的视觉语言动作策略适应 MetaFine 五项细粒度操作任务。该方法通过对同一初始场景生成不同指令的演示,并在不同相机位置和光照条件下渲染物理轨迹,同时保持原始状态与动作目标。

    推荐理由:提出 DEED 框架通过演示扩展与执行设计提升细粒度操作性能,在 MetaFine 任务中取得 85.55% 总分。

  24. arXiv · 机器人与计算机视觉76

    TouchBridge:面向灵巧操作的触觉条件化人机转移框架

    TouchBridge 是一个软硬协同设计的框架,用于将人类演示高效转化为机器人领域的训练数据。其核心 Tac-Retarget 方法利用测量的接触信息对齐指尖接触区域并保留空间关系,无需物体网格、姿态估计或物理仿真即可实现跨形态映射。

    推荐理由:提出无需物体网格或物理仿真的触觉重定向方法,将人类演示转化为机器人训练数据,在四项任务中平均成功率达 72.5%。

  25. arXiv · 机器人与计算机视觉42

    MUSBRIC:兼容 LEGO 的气动肌肉砖块助力可重构骨骼肌机器人开发

    MUSBRIC 是一套模块化硬件平台及 MuJoCo 仿真器,通过兼容 LEGO 的端盖将纤维增强气动人工肌肉转化为即插即用模块。肘关节原型验证了负载依赖屈伸与机械止动稳定直姿功能,四足机器人演示了行走能力。相关硬件设计与仿真代码即将开源以支持复现与开发。

  26. arXiv · 机器人与计算机视觉48

    LLM-guided Planar Loco-Manipulation for Quadruped Robots 实现语言引导的四足机器人平面推拉导航

    该研究提出一种联合选择技能、物体与几何目标的决策空间,利用微调后的语言条件任务规划器在仿真中达到 93.3% 成功率,优于分层基线并缩短超 60% 完成时间。硬件实验显示层级方法在 45 次尝试中正确组合技能 44 次,端到端成功 34 次。预印本 arXiv:2610.40248 包含附录与代码链接,无需预训练即可通过结构化表示实现动作组合。

  27. arXiv · 机器人与计算机视觉78

    基于二元可行性预言机的安全流匹配机器人策略学习

    针对流基动作生成难以保证关节限位和碰撞避免的问题,本文研究仅通过黑盒可行性预言机访问可行集的设定,提出一种引导的可微分防护机制。该机制在正向传播中利用二元查询修正不安全更新,在反向传播中提取局部边界信息提供约束感知学习信号。

    推荐理由:该文提出一种无需可微分约束模型的引导机制,利用二元可行性查询在训练与推理阶段同时保障物理约束满足。

  28. arXiv · 机器人与计算机视觉64

    Humanoid Dodgeball:一种用于人形机器人的快速动态避障运动学习方法

    该论文提出了 Humanoid Dodgeball 框架,旨在解决人形机器人在动态场景下快速躲避高速障碍物并保持稳定性的难题。方法通过威胁感知的奖励塑形实现全身敏捷规避动作,并利用多方向对抗性运动先验正则化学习行为以维持稳定且类人的运动模式。实验表明,该框架在多种障碍速度和发射距离的仿真及硬件测试中,均显著提升了动态避障性能,同时保持了鲁棒且物理合理的运动。

  29. arXiv · 机器人与计算机视觉82

    压缩型方向可达性图用于亚秒级机器人穿刺点规划

    针对多阶段轨迹规划中运动学可行入口点识别的计算瓶颈,本文引入方向可达性图(ORM),预计算 6 自由度串联操作臂在 188,873 个工作位姿下的运动学可行性。

    推荐理由:提出基于方向的可达性图方法,将机器人穿刺点规划延迟从十余秒降至亚秒级。

  30. arXiv · 机器人与计算机视觉42

    基于接触力矩空间对齐的灵巧操作运动学 - 触觉重定向框架

    该研究提出分层三阶段框架,利用物体中心接触力矩空间实现人机手部触觉信息物理对齐。仿真与真实机器人实验显示,该方法在三种倒水条件下达到 96.7% 的重放成功率,且力矩传递保真度优于代表性重定向基线。此工作为从人类演示向机器人转移富含接触的灵巧操作提供了基于物理的路径。

  31. arXiv · 机器人与计算机视觉60

    SimTO-Robust:面向抓取位姿与物体几何鲁棒性的软夹爪自动设计

    该论文提出 SimTO-Robust 框架,这是一种基于仿真的拓扑优化方法,通过模拟多个物体形状和抓取位姿并聚合接触力来指导软夹爪的形态优化。研究团队生成了 6,646 种设计,并对其中 24 种进行了物理评估,同时对比了 10 种专用 SimTO 设计、两种刚性基线夹爪以及一种常规拓扑优化的通用软夹爪。

  32. arXiv · 机器人与计算机视觉68

    PRIME W0:基于世界模型的具身操作物理先验框架发布

    PRIME W0 是一个分层条件流匹配框架,旨在解决 VLA 模型仅依赖当前观测而忽略长时序上下文与层级结构的问题。该工作通过三层设计实现突破:一是将预训练 VLM 的每层 KV 注入到自适应 MoE 动作专家;二是利用异步世界模型子目标图像预测及 DINOv2 历史帧语义桥进行动力学感知条件化;三是采用尊重机器人运动学耦合的动作动态流形(ADM)流匹配与协方差结构噪声。

  33. arXiv · 机器人与计算机视觉55

    ScheduleGen:基于技能调度的多臂模仿学习演示生成方法

    针对多臂机器人平台因复杂约束导致安全控制难、大规模数据集采集难的痛点,论文提出ScheduleGen算法,通过集成规划与调度机制从少量源演示合成新演示以缓解数据瓶颈。该方法在28种仿真任务变体中实现79.6%的数据生成成功率及65.5%的策略训练成功率,且优于现有基线;同时实现了零样本仿真到现实的迁移,在八种真实世界变体上达到50-80%的成功率。