跳到正文
10月16日周五
  1. arXiv · 机器人与计算机视觉38

    Safe and Fuel-Efficient Motion Planning for Lunar Propulsive Drones 提出月球推进无人机自主运动规划框架

    该研究提出一种基于视觉引导最优控制的自主运动规划框架,使推进式无人机能在月球表面于指定航点间执行安全高效的抛物线跳跃。系统通过自定义语义分割模型识别障碍物、快速计算可达地形,并利用模型预测控制(MPC)稳健跟踪轨迹以引导至安全着陆位。团队在高保真月球仿真环境中测试了最优跳跃规划器,验证了该统一框架能生成可被 MPC 快速且低误差跟踪的安全、节油飞行轨迹。

  2. arXiv · 机器人与计算机视觉38

    视觉能从音频学习多少物理?探究与蒸馏阻尼结构研究

    该研究通过冻结编码器发现,仅用单帧冲击视频(CLIP)对质量因子 Q 的排序相关系数仅为 0.28,而音频嵌入可达 0.73。经四帧视觉输入蒸馏音频教师后,留一材料测试的相关性从 0.234 提升至 0.338,验证了可见动态可弥补单帧缺失。论文已获 NeurIPS 2026 两个研讨会接收,代码与数据许可状态待定。

  3. arXiv · 机器人与计算机视觉78

    面向人机共存的无人机轻量级 LLM 推理导航方法

    针对传统感知规划栈将行人、车辆和墙壁等同处理的缺陷,该研究提出一种模块化全机载管道,利用共享 BLIP 编码器生成场景描述与分割,结合深度信息在三维空间定位障碍物。

    推荐理由:该工作提出在 Jetson Orin NX 上运行的轻量化 LLM 导航方案,通过缓存推理与检索增强实现人感知的安全避障。

  4. arXiv · 机器人与计算机视觉78

    Plans Are Not Executions: Adapting Frozen World-Model Planners to Controller-Induced Execution Shift

    论文指出世界模型规划器在部署时面临计划轨迹与实际执行不一致的问题,直接替换预测轨迹效果有限。作者提出 ExecutionBridge 方法,通过推断控制器特定的执行特征来适配原生自我潜变量展开,同时保持原计划轨迹和冻结的规划器、世界模型及奖励头不变。该方法在 NAVSIM 基准上对未见过的控制器配置和多款冻结规划器均能提升规划性能,尤其在驾驶场景复杂时增益显著。

    推荐理由:针对冻结的世界模型规划器与控制器执行偏差问题,提出 ExecutionBridge 方法以适配执行特征。

  5. arXiv · 机器人与计算机视觉38

    分数阶粘弹性渲染的感知对比:Fractional- vs Integer-Order Models

    研究通过系统辨识与人类反馈优化两种方法,证实分数阶标准线性固体(FO-SLS)模型在蠕变和应力松弛行为上比整数阶替代方案更具感知真实感。该工作为粘弹性材料的触觉渲染提供了实验证据,表明其高保真度能转化为实际交互优势。论文已提交至 IEEE Transactions on Haptics 待发表,包含 11 页正文及 5 张图示。

  6. arXiv · 机器人与计算机视觉38

    ISPARK 项目通过物理接地数字孪生降低空间金属焊接风险

    英国航天局支持的 ISPARK 项目开发了结合有限体积热焊池模型与高斯过程代理的物理接地数字孪生,用于在轨维修前的工艺筛选。该原型在 UR5 机械臂仿真中验证了闭环控制策略,80% 的求解器响应落在预测区间内且查询延迟为 249 微秒。研究指出需开展热真空、低重力及硬件在环测试以进一步评估模型与控制器性能。

  7. arXiv · 机器人与计算机视觉78

    Comfortably Stuck:Bench2Drive 闭环评估协议的陷阱与修正方案

    论文指出 Bench2Drive 基于 CARLA 的闭环评估协议存在严重缺陷:其舒适度指标因实现错误和奖励静止的策略,导致评分与实际驾驶表现相关性极低;导航信号供给机制也存在控制器替换转向及训练/测试目标点不一致的问题。作者通过实验验证了这些陷阱对 UniAD 等模型的影响,并发布了独立的修正代码,允许在不重新运行仿真复现的情况下获取更准确的舒适度分数。

    推荐理由:原文指出 Bench2Drive 闭环评估协议存在指标实现错误与导航信号供给缺陷,导致评分失真,并提供了修正后的距离基线代码。

  8. arXiv · 机器人与计算机视觉72

    GRASE:基于视频的几何原生真实到仿真智能体场景建模

    该论文提出了 GRASE 框架,旨在将捕获的真实环境视频转换为可编辑的 3D 场景并保留几何布局。不同于传统单步松耦合范式,GRASE 以多视图观测为持续参考,通过拟合建筑外壳、放置生成资产及迭代细化几何与位置来修正渲染证据与捕获不符的假设,从而解决误差传播问题。实验表明该方法在保持跨视图一致性的同时,优于包括 GPT6-Astra 在内的现有最先进方法。

  9. arXiv · 机器人与计算机视觉42

    Modular Inverse Dynamics and Wrench Recovery for Closed-Chain Mechanisms Using Path Assembly 提出基于路径组装的闭环机构逆动力学工作流

    该方法结合路径运动重建与执行器及关节力矩恢复,利用分析二阶微分获取被动速度与加速度,并通过空间牛顿 - 欧拉平衡求解唯一输出。在 Simscape Multibody 中对七自由度重型混合串并联操作器的评估显示,其被动位置、执行器努力及可恢复约束力矩分量与参考结果高度一致,且反应诊断支持数值载荷族兼容性。

  10. arXiv · 机器人与计算机视觉42

    MR-MPCC:移动参考系下机器人操作器的模型预测轮廓控制框架

    MR-MPCC 是一种针对速度控制型六自由度末端执行器在移动参考系扰动下的路径跟踪控制框架。该架构采用上层 MPCC 优化路径进度并惩罚轮廓误差,下层 RMRC 将笛卡尔速度映射为受关节与安全约束的可行关节速度。实验在 ROS2--MuJoCo 管道中于 UR5e 平台验证,相比 PI 和时序 MPC,其显著降低了移动参考系下的几何路径跟踪误差与偏差。

  11. arXiv · 机器人与计算机视觉38

    BlueROV2 水下机器人自适应轨迹跟踪控制器研究

    该研究提出一种低复杂度自适应预设性能控制器,通过匹配请求与饱和输入直接调整性能函数,解决不确定流体动力学下的轨迹跟踪难题。BlueROV2 仿真对比显示,该方法在八字形机动中维持了预设性能,而传统方法在输入受限下失效。真实水池实验进一步验证了该水下机器人平台闭环控制的稳定性与可行性。

  12. arXiv · 机器人与计算机视觉78

    Race to Recovery:基于自动驾驶赛车学习的先进安全系统设计

    针对电子稳定控制系统难以处理打滑、水滑或急避导致的失控问题,该研究提出通过强化学习训练漂移策略并迁移至最小时间恢复任务的方法。作者定义了基于相平面的稳定平衡点作为恢复标准,开发了 Gym-Khana 用于控制器训练与评估。

    推荐理由:该研究通过强化学习训练漂移策略并迁移至恢复控制,在物理 F1TENTH 平台上验证了比传统方法更优的失控恢复能力。

  13. Hugging Face Daily Papers53

    Velox:基于空间记忆的高效世界模型

    针对视频世界模型在长序列生成中因 KV 缓存增长导致的效率下降问题,论文提出了 Velox,一种无需训练的注意力路由器。该方法利用流形切片(frustum slab)对应关系进行区域级上下文选择,将历史块表示为相机视锥体切片,并通过最近优先多变形技术获取当前块的深度信息。

  14. Hugging Face Daily Papers58

    EvalResearchBench:AI Agent 能否自主构建反馈以实现递归自我改进?

    针对复杂基准测试运行成本高、迭代慢的问题,本文引入 EvalResearchBench(ERB),研究 AI Agent 是否能在给定材料、API 及预算约束下自动设计评估任务与评分器。实验对比了 9 名研究者与 13 个候选模型生成的评估器在 14 个目标基准上的表现,发现最佳评估器对约 75% 的候选对排序与目标一致,且开发集最优者未必在密封测试集上最优。

  15. 上海人工智能实验室 · 科研动态82

    上海 AI 实验室发布书生-S2 多模态大模型并破解三维 Ghys 猜想

    上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型 S2,基于通专融合技术路径与人机协同模式,完成了困扰数学界三十余年的三维 Ghys 猜想证明。北京大学董彬教授、刘若川院士团队利用 SHEAF 框架对论文全部四个主定理完成形式化验证,证明已通过 Lean 检验。

    推荐理由:书生-S2 多模态大模型依托人机协同攻克三维 Ghys 猜想,形式化代码已公开,展示了国产模型在长程推理与科研级数学任务上的新能力。

  16. Drake · Release Notes12

    Drake v1.58.0 发布:支持 Xcode 27 与 macOS Tahoe,引入 STL 容器符号表达式语法变更并移除旧写法

    Drake v1.58.0 正式支持 Xcode 27 及最低 macOS Tahoe 版本。针对有序容器操作 drake::symbolic::Expression 或 Variable,必须显式传入 CompareLess 等模板参数以适配新版 libc++ 优化,旧默认写法将在三个月后失效且 Xcode 27 下立即报错。

  17. The Decoder · Robotics75

    Google 推出 Gemini 4 Argon 作为机器人唯一所需模型

    Google 发布 Gemini 4 Argon,旨在成为覆盖机器人控制、虚拟世界构建及训练视频评估的统一模型。演示中,该模型结合 MuJoCo 仿真与 AI 代理验证,将波士顿动力 Spot 机器人的任务成功率从 56% 提升至 75%,执行时间缩短至 24 秒;在 ERQA 基准测试中以 87% 的得分领先其他前沿模型。

  18. arXiv · 机器人与计算机视觉68

    面向物理推理的视觉语言模型奖励设计研究

    该研究比较了依赖外部验证器的奖励信号与基于模型自身图像区域注意力的内部奖励机制。结果表明,外部奖励主要驱动准确率提升,而内部注意力奖励提供了无标注的空间关系推理信号,且能作为补充增强 Molmo~2 等模型的物理推理能力并泛化至分布外任务。

  19. arXiv · 机器人与计算机视觉72

    面向微分代数系统的控制屏障函数前向不变性验证方法研究

    该文针对微分代数方程(DAEs)中代数约束限制状态轨迹、导致现有控制屏障函数(CBFs)难以直接应用的问题,提出了感知 DAE 结构的 CBFs 方法。通过投影向量场将代数结构融入安全集定义,推导了保证安全集前向不变性且保持代数约束的条件,并将框架扩展至高阶 DAE。

  20. arXiv · 机器人与计算机视觉38

    X-Safe:通过动作掩码实现机器人臂操作策略的具身无关安全保障

    X-Safe 提出一种无需简化模型或学习安全函数的具身无关保障方法,利用配置空间局部推理与动作掩码为碰撞避免提供形式化概率保证。该方法在两种具身架构、三种策略及仿真与硬件环境中验证,性能退化低于现有最先进方案一半,且实证证实了碰撞避免的形式化保证。

  21. arXiv · 机器人与计算机视觉75

    Chain of Time:一种基于图像生成模型的上下文物理仿真方法

    本文提出名为 Chain-of-Time 的新颖提示方法,旨在稳定并解释自回归图像生成模型产生的物理仿真结果。该方法通过在推理阶段生成一系列中间图像来模拟时间演变,无需额外微调即可应用于合成与真实世界领域(如刚体滚动、谐波振荡等)。

  22. arXiv · 机器人与计算机视觉18

    Learnable Hodge-Laplacian Driven Mixture of Experts 用于粗粒度非结构化网格上的稳态 PDE 代理模型研究

    该研究提出一种架构,将解分配给专注于不同频谱尺度的普通 Transformer 专家,利用离散 Hodge Laplacian 作为拟合层测量高频内容。在包含 9.6K 面元和 4.9K 顶点的非结构化网格上,该方法相比 Transolver 基准使相对 L2 误差降低 31%,内部均方误差降低 47%。

  23. arXiv · 机器人与计算机视觉59

    PhySGA:一种面向通用化交互式三维组合的物理空间接地代理框架

    针对大语言模型在复杂三维物体组合任务中缺乏物理理解与交互经验的问题,本文提出 PhySGA 框架。该框架采用协作式前馈 - 反馈架构,由负责全局规划与粗调的装配代理和负责接触动力学诊断与闭环修正的评论代理协同工作;通过动作路由将语义计划映射为仿真器内的可执行原语,并利用自演化技能库蒸馏试错经验以提升成功率。

  24. arXiv · 机器人与计算机视觉59

    面向观测性退化下的可认证状态估计研究

    该论文针对严重物理感知退化场景下非凸状态估计中凸半定规划松弛的秩膨胀难题,建立了无需直接求解半定问题的候选驱动对偶认证框架。研究证明了在等成本面展开时成本紧性与乘子恢复依然有效,并提出了基于解重映射的可观测性感知局部搜索及闭式双乘子恢复方案,延迟低于微秒级。

  25. arXiv · 机器人与计算机视觉43

    基于鸟瞰图视角的自动驾驶行为克隆研究:CARLA 仿真环境下的少样本学习改进

    该论文在 CARLA 仿真城市中,利用核密度估计器调整训练样本权重,解决了行为克隆(BC)方法在交通灯合规等稀缺专家演示场景下的学习难题。实验表明,相比标准 BC,该方法显著提升了路线完成率,尤其在未经历训练的测试环境中表现更佳。研究采用鸟瞰图输入简化策略学习过程,相关手稿已作为 BRACIS 2024 会议录用版本公开。

  26. arXiv · 机器人与计算机视觉65

    PhyMetric:通过场景级问答诊断文本生成视频的物理合理性

    作者引入 PhyMetric 基准,将文本生成视频的物理合理性评估重构为基于场景的可验证问答任务。该基准包含 1,115 个涵盖 50 类物理现象的场景,每个场景配备 8 个针对特定维度的二元问题及结构化物理先验。实验表明,相比单一通用评分,这种场景级问答是评估协议的关键组件;引入结构化先验能改善不同容量视觉语言模型打分的人类对齐度。该工作已被 NeurIPS 2026 接收。

  27. arXiv · 机器人与计算机视觉21

    Mixed-Reality Feedback Control:融合控制与数字孪生的框架研究

    该研究提出混合现实反馈控制框架,旨在通过融合多现实(仿真、物理)中的控制输入与反馈信号,优化机器人及自主系统的原型验证流程。针对多现实处理需求,该方法为控制系统建模技术提供了具体支持,以简化系统生命周期管理。论文包含 19 页正文与 7 幅图示,目前处于 arXiv 预印本阶段。

  28. 量子位31

    2026 全球开发者先锋大会暨国际具身智能技能大赛十大亮点盘点

    2026 全球开发者先锋大会将于 10 月 23 日至 25 日在上海浦东举办,聚焦“真机实景、实景实训”目标。大会将千台机器人同台亮相并拆解为可复用技能包,覆盖上下料搬运等十余种真实场景。超万台机器人已入驻张江人工智能创新小镇,赛事将科学评估作业成功率与效率提升率,推动具身智能向万台级落地迈进。

  29. arXiv · 机器人与计算机视觉78

    Dungeon and Visibility World Generator 开源框架发布

    Dungeon and Visibility World Generator 是一个开源框架,用于构建可复现的二维和三维环境并评估几何视线。该工具支持正交、多边形/多面体及曲线几何,涵盖六种构造家族(如分散房间、蜿蜒通道等),允许通过参数控制房间尺寸与障碍物布局。

    推荐理由:该框架提供可复现的二维三维环境生成与视线查询工具,支持多种几何类型与参数控制,适合机器人探索、覆盖及多智能体部署算法的评估。

  30. arXiv · 机器人与计算机视觉31

    基于双模式控制与模型交互响应的机器人辅助血管介入 VR 训练系统

    该系统结合异步双模式命令映射与无传感器交互估计,支持速度控制导航及位置驱动增量操作。测试证实三档速度与位置模式下指令分发特征各异,混合场景导航中交互响应随导丝弯曲而升高。初步研究显示,15 名新手经训练后物理拟真任务成功率从 53.3% 升至 93.3%,平均完成时间由 132.4 秒降至 96.7 秒。

  31. arXiv · 机器人与计算机视觉18

    拓扑保持的多用途管路中心线优化技术报告发布

    该技术针对增材制造液压歧管等永久占用流体管的场景,从固定路由拓扑出发对管路中心线进行几何细化。在包含 8 组×8 终端且胶囊间隙为 2 的测试套件中,方法实现了全硬接受成功、曲率半径比小于等于 1,并使软目标相对下降约 95%。研究将基于物理的压力降优化推迟至后续偏微分方程阶段,当前目标仅保留几何属性。