跳到正文
10月7日周三
  1. arXiv · 机器人与计算机视觉72

    ReBound:一种用于敏捷驾驶的无需重置强化学习方法

    论文 ReBound 提出了一种名为‘重置感知半马尔可夫自举’的价值学习算法,旨在实现无需人工干预的敏捷驾驶强化学习。该方法将导致碰撞的动作与随后的恢复视为单一状态转移,并从恢复后的价值进行折扣更新,同时应用奖励中心化以稳定学习。实验显示,该算法在仿真环境和 1/10 比例车辆上均显著优于传统价值学习方法及基于模型的控制方法。

  2. arXiv · 机器人与计算机视觉75

    GenZ-LIO:面向受限至开放边界之外的通用激光雷达惯性里程计

    针对野外机器人任务中从受限空间向开放空间过渡时扫描密度和局部几何结构剧烈变化导致鲁棒性下降的问题,本文提出了 GenZ-LIO 框架。该框架包含三个核心组件:尺度感知自适应体素化以调节跨尺度变化的扫描降采样、混合度量状态更新结合点面与点点残差以适应不同几何结构、以及体素剪枝对应搜索以提升点对点匹配效率。

  3. arXiv · 机器人与计算机视觉72

    PC-Diffuser:基于路径一致胶囊 CBF 的安全过滤用于扩散式轨迹规划

    针对复杂交通场景下扩散模型轨迹规划难以认证且在罕见场景中易失效的问题,该研究提出 PC-Diffuser 安全增强框架。该方法将可证明的、路径一致的屏障函数结构直接嵌入扩散规划的去噪循环中,使安全性成为轨迹生成的内在部分而非事后补救。

  4. arXiv · 机器人与计算机视觉58

    Context-Conditioned Hamilton-Jacobi Reachability for Adaptive Safety Filtering

    该论文提出了一种基于局部几何与摩擦系数的条件化哈密顿 - 雅可比可达性方法,旨在用单一证书代表一系列依赖上下文的安全问题并跨部署条件查询。研究学习了一个八状态车辆模型的向后可达管,其通过自车坐标系边界观测定义局部约束,并将摩擦系数和对抗扰动规模作为显式运行变量输入。

  5. arXiv · 机器人与计算机视觉75

    统计湍流与高保真扰动场用于四旋翼飞行控制研究

    该论文比较了五种不同保真度的扰动场(从无风、离散余弦阵风到大气边界层大涡模拟)对强化学习四旋翼控制器鲁棒性的影响。研究发现,在悬停任务中,最廉价的离散阵风域随机化训练在所有测试条件下均排名第一,且几何控制器能以零坠毁率包围学习到的策略。机制诊断表明控制权限而非风场真实性限制了鲁棒性,因此风场保真度投资应随平台对风的敏感度进行缩放。

  6. arXiv · 机器人与计算机视觉72

    Sparse2comm:面向鲁棒协同 3D 目标检测的稀疏到通信框架

    该论文提出了 Sparse2comm 框架,旨在提升自动驾驶中车辆间协同感知的鲁棒性。针对带宽有限、丢包和延迟导致的特征流退化,该方法采用稀疏特征编码将通信转化为随机掩码采样前景特征,使自车能从稀疏观测重建稠密语义表示;随后利用延迟感知对齐补偿运动流,并通过自校准融合估计空间偏移。

  7. arXiv · 机器人与计算机视觉58

    超越航点回归:面向可达自车未来的基于查询的成本学习端到端驾驶规划方法

    该论文提出一种基于查询的成本学习框架,用于端到端自动驾驶规划。该方法通过紧凑的联合场景令牌捕捉多模态智能体未来,利用感知到的应急成本聚合和成本引导的 MPPI 混合将学习到的成本拓扑转化为可行自车计划。

  8. arXiv · 机器人与计算机视觉78

    能量感知路径跟踪:电动汽车上强化学习与 NMPC 的比较分析

    该研究针对电动汽车通过再生制动回收能量的特性,对比分析了四种控制器(NMPC、PPO、PID-SF 和 Stanley)在统一运动学模型下的表现。作者使用 JIT 编译的 CasADi 实现 NMPC 以满足实时性要求,并训练 PPO 策略使其能直接迁移到未见的赛道(如 ISO 3888-1 变道、发卡弯及随机参数样条曲线)以及动态单轨车辆模型。

    推荐理由:本文对比了 NMPC 与 PPO 等控制器在电动汽车路径跟踪中的表现,验证了基于强化学习的策略在无微调情况下对动态车辆模型及复杂路况的零样本迁移能力。

  9. arXiv · 机器人与计算机视觉82

    PlaySuite:面向交互式视觉智能的大规模评测基准

    PlaySuite 是一个基于超过 5000 款开源视频游戏的交互式视觉智能评测基准,涵盖 Pygame、Unity 等多种引擎。研究构建了统一的闭环交互框架与 Video-LLM-as-a-judge 协议以支持异构游戏评估。对十四种近期开放模型的测试显示,尽管推理能力强,但模型在空间定位、动作执行和自我修正方面存在持续失败,揭示了感知与行动之间的差距。

    推荐理由:PlaySuite 发布大规模游戏评测基准,揭示当前模型在动态环境中的感知 - 行动差距。

  10. arXiv · 机器人与计算机视觉72

    Artemis:一种具有共享 3D 状态与渐进式记忆更新的地形 grounded 多智能体驾驶世界模型

    该论文提出了 Artemis 模型,旨在解决现有视频世界模型在跨视角一致性、恢复视野外智能体及处理动态背景方面的不足。该方法通过从多智能体观测重建显式的 3D 世界地图来统一状态,并开发动作引导的几何注入模块以区分受控前景与不受控背景动力学。研究构建了基于 CARLA 仿真器的 MA-CARLA 数据集,实验表明其在视觉保真度和跨视角一致性上优于现有方法,且支持多模态生成及多智能体、多相机场景。

  11. arXiv · 机器人与计算机视觉68

    事件相机用于增材制造熔池监测:基准与跨机器迁移分析

    该研究填补了金属增材制造领域公开事件相机基准的空白,发布了包含 15 个来源共 85 个物理校准事件分片的 SynAM-E 数据集。实验表明,单机器案例中事件空间监测精度接近密集帧(宏观 F1 为 0.874 对 0.863),融合后绝对强度仅损失 0.006;在 NIST AMMT 构建上,近传感器事件率计数器以约 380 倍的更低读取量恢复了 528.7 Hz 的强度振荡。

  12. arXiv · 机器人与计算机视觉73

    ROMA:面向现实世界物体中心的多感官主动感知 LLM 系统

    论文介绍 ROMA 系统,该系统基于大语言模型实现视觉、听觉、触觉和力觉的融合,通过推理 - 交互 - 反馈闭环主动获取缺失证据以推断物理属性。研究构建了包含近 2000 个物体及 6 种原子交互的 ROMI-2K 数据集,并开发了两阶段训练框架使模型能评估证据充分性、选择交互方式并进行多感官推理。

  13. The Robot Report27

    Sovereign AI 与物理 AI 算力格局:NVIDIA 收购 Hugging Face 构建底层生态壁垒

    NVIDIA 以 129 亿美元收购 Hugging Face,确立其在物理 AI 领域的“房东”地位,确保开发者无论使用何种芯片均能访问其模型库。尽管 OpenAI、Anthropic 等厂商加速自研芯片(如 Broadcom Jalapeño),但定制芯片在软件成熟度与 CUDA 生态上仍需数年追赶。

  14. The Robot Report78

    Overview AI 推出搭载自主智能体的 OV Spark 系列工业检测相机

    Overview AI 今日正式发布 OV Spark 和 OV Spark Pro 两款工业检测相机,内置“Sparky”自主智能体层,支持用自然英语提问并自动推荐检测工具与策略。

    推荐理由:Overview AI 发布搭载自主智能体层的 OV Spark 系列工业相机,将模型选择、推理与 PLC 通信集成于边缘设备,解决工厂部署配置难题。

10月6日周二
  1. Kodiak AI · 自动驾驶货运67

    Kodiak AI 确认年底推出长途无人驾驶货运,自动驾驶就绪度达 96%

    Kodiak AI 表示其长途货运自动驾驶就绪度(ARM)在 2026 年 9 月底达到 96%,较上月提升 3 个百分点。公司重申计划在 2026 年底前完成高速公路安全案例验证并推出无监督长途无人驾驶服务。

    推荐理由:Kodiak 宣布其长途货运自动驾驶就绪度升至 96%,并重申计划在 2026 年底前推出无监督长途无人驾驶服务。

  2. Hugging Face Daily Papers83

    基座模型可通过从训练数据获取线索进行推理

    该研究探讨了训练数据如何在基座模型的响应起始 token 与后续推理行为之间建立关联。实验表明,固定特定的起始 token 线索(如'. Okay'或'Alright,')可使基座模型在数学和代码任务上的表现接近强化学习(RL)微调版本。

    推荐理由:原文揭示了训练数据中的特定起始 token 可作为推理触发器,通过因果干预验证了其对数学、代码及模型安全行为的控制作用。

  3. arXiv · 机器人与计算机视觉65

    Dr-LiSA:一种用于 SE(3) 定位的直接雷达 - 激光雷达扫描对齐方法

    论文介绍 Dr-LiSA,这是一种首创的直接将二维旋转雷达强度测量与三维激光雷达地图在 SE(3) 空间进行定位的方法。现有方法受限于平面 SE(2) 且精度不足,Dr-LiSA 通过学习的前向模型预测候选位姿下的雷达测量值,实现预测与观测扫描的直接光度对齐。该方法在超过 90 公里的实车数据上表现优于先前的雷达 - 激光雷达方案,并在平面精度上与最先进的纯雷达系统相当。

  4. arXiv · 机器人与计算机视觉58

    无法两次拍摄同一条街:城市变化视觉语言测量的可靠性极限

    Kaizhen Tan 通过重复拍摄美国五城不变街道及控制实验发现,VLM 感知分数在重拍同条街时会发生显著偏移,主要源于评分机制和相机差异而非图像统计特征。研究证实单张图像难以区分改造与未改造街道,且同一采集活动中的误差无法通过区域平均消除。结论表明 VLM 分数仅适用于群体比较(如改造组与未改造组),不支持识别个体街道的改善或衰退。

  5. arXiv · 机器人与计算机视觉68

    CANMOT:自动驾驶多目标跟踪中的类感知噪声建模方法

    针对自动驾驶中卡尔曼滤波多目标跟踪普遍采用全局共享协方差矩阵的问题,本文提出 CANMOT 框架,引入类特定对角过程与测量协方差矩阵以保留纵向 - 横向各向异性。在 nuScenes 基准的系统实验表明,该方法相比最先进基线提升了跟踪性能并大幅减少身份切换,但一致性分析仍显示标准方法存在严重过自信现象。代码已开源。

  6. arXiv · 机器人与计算机视觉80

    从表征互补到双重系统:协同 VLM 与纯视觉骨干网络实现端到端自动驾驶

    该论文研究了视觉语言动作(VLA)驱动中,经过策略学习后的视觉语言模型(VLM)与纯视觉编码器在表征上的差异及其对规划的影响。研究对比了 InternVL3、Qwen3VL 等 VLM 家族与 ResNet、ViT、EVA-CLIP 等标准纯视觉编码器,发现两者在简单几何主导场景中各有优势,且存在行为上显著不同的制动和路径选择倾向。

    推荐理由:该研究通过对比 VLM 与纯视觉骨干网络,揭示了两者在规划任务中的互补性,并提出混合与双系统架构以提升端到端驾驶性能。

  7. arXiv · 机器人与计算机视觉65

    RVC-NMPC:用于敏捷无人机飞行的带互斥速度约束的非线性模型预测控制避撞方法

    该论文提出一种基于非线性模型预测控制(NMPC)与时间依赖互斥速度约束(RVCs)的相互避撞方法,仅需可观测信息即可在 100 Hz 运行速率下处理非线性动力学。研究通过模拟及实机实验验证了该方法在涉及多达 10 架无人机、速度达 25 m/s 及加速度达 30 m/s²的场景中的有效性,相比现有技术飞行时间减少 31% 且所有试验均保持无碰撞导航。

  8. arXiv · 机器人与计算机视觉68

    限制最小化超平面控制屏障函数研究

    针对动态系统安全保证难以构建的问题,本文研究了超平面控制屏障函数(H-CBF),指出传统基于距离的方法是 H-CBF 的特例。通过优化支撑超平面的方向寻找限制最小的解,在保持安全性的同时允许更接近期望的控制输入,特别是在高速靠近障碍物时效果显著。实验在带加速度约束的双积分器系统上验证,该方法将理想控制与安全控制的平均差距降低了一个数量级。

  9. arXiv · 机器人与计算机视觉72

    面向自动驾驶的遮挡感知容错安全关键规划方法

    针对动态与遮挡环境下自动驾驶的安全性与效率挑战,本文提出一种遮挡感知的容错安全关键规划方法。该方法利用可达性分析评估风险,推导感知车辆的风险感知动态速度边界,并将其纳入双凸非线性规划框架中,通过时空屏障约束形式化确保安全,同时优化探索与回退轨迹。

  10. arXiv · 机器人与计算机视觉78

    面向安全规格的场景组合统计模型检查方法

    针对自动驾驶等关键领域需评估大量复合环境条件的挑战,本文提出一种基于场景的组合统计模型检查(SMC)框架。该方法将复合场景分解为基元、规格分解为子规格,独立验证各基元后利用重要性采样和核密度估计组合统计结果。实证表明该框架能准确回答未见过的复合场景查询,并通过并行化和轨迹重用降低仿真成本。材料为 arXiv 预印本,已接受至 RV 2026 会议。

    推荐理由:提出基于场景的组合统计模型检查框架,通过分解与重用轨迹降低仿真成本。

  11. arXiv · 机器人与计算机视觉67

    基于序列凸规划的非线性密度驱动最优控制用于多智能体空间覆盖

    该论文提出了一种针对离散时间控制仿射非线性系统的多步有限时域控制扩展方法,利用 Wasserstein 目标函数引导多智能体集体分布向期望密度演化。通过局部线性化将非线性动力学转化为严格凸二次规划问题,并建立了显式的有限时域误差界与两步骤滚动时域实现方案。仿真结果表明,该方法在单轮车与四旋翼团队上的覆盖性能与非线性模型预测控制相当,同时大幅降低了计算时间。

  12. arXiv · 机器人与计算机视觉78

    面向开放世界的自动驾驶安全:一种双过程方法

    该论文提出了一种基于双过程理论的自动驾驶规划新架构,旨在解决神经网络在处理未见过的长尾情况时的不足。系统结合了用于常规任务的直觉学习规划与用于陌生情境的推理模型预测控制,并通过元认知组件和知识图根据感知信息与交通规则动态切换策略。研究在 CARLA 仿真环境中测试了该框架应对闯红灯等分布外场景的效果,结果显示其相比纯神经网络规划器将碰撞数量减少了 89%,并提升了特殊路权规则的遵守率。

    推荐理由:该工作提出结合直觉规划与推理规划的混合框架,在 CARLA 仿真中针对闯红灯等长尾场景将碰撞数降低 89%。

  13. arXiv · 机器人与计算机视觉82

    Exact Optimal Transport by Matching:中等规模下精确匹配优于近似方法的多机器人分配研究

    论文提出利用工业级匹配引擎解决平衡离散最优传输问题,证明在中等规模(n=500 至 8000)下,Jonker-Volgenant 算法比熵正则化 Sinkhorn 及其加速变体 Greenkhorn 更快且精度更高。

    推荐理由:原文通过实验对比证明,在中等规模离散任务中精确匹配算法比近似方法更快且更准,并给出了多机器人分配场景下的额外成本数据。

  14. arXiv · 机器人与计算机视觉73

    Odyssey:一种具有显式导航路线的长时程真实世界驾驶闭环基准

    作者提出 Odyssey 基准,包含由 nuPlan 日志重构的 100 个场景,每个场景持续 100 秒以保留导航与交互上下文。基准用标准地图路线替代模糊的方向指令,并引入 SD Route Compliance、Pre-Lane Change Score 及扩展后的 Driving Score(RouteDS)来评估规划器对路线的遵循度与车道变换准备情况。

  15. arXiv · 机器人与计算机视觉78

    MoCAR:面向连续轨迹预测的运动码坐标感知自回归方法

    论文提出 MoCAR,一种解码器仅架构,将轨迹预测重构为坐标感知的连续潜空间中的下一运动码预测任务。该方法从端点归一化的轨迹段学习连续运动码空间,利用历史码作为教师强制前缀,在时间、地图、智能体及模式交互下自回归生成未来码,并在潜在记忆中持久化预测码以更新局部场景上下文。

    推荐理由:提出将轨迹预测转化为坐标感知连续潜空间中的下一码预测,在 Argoverse 基准上实现零样本迁移与转弯场景改进。