跳到正文
10月30日周五
  1. arXiv · 机器人与计算机视觉78

    UMI-Live:面向野外数据采集的双手通用操作接口系统发布

    UMI-Live 是一套全栈开源的双手通用操作接口(UMI)系统,旨在无需物理机器人遥操作即可采集数据。该系统集成了相机与激光雷达惯性传感、板载计算及电源,无需外部追踪设备或环境内校准。

    推荐理由:开源了无需外部追踪的双手 UMI 硬件与软件栈,提供同步 SLAM 重建与 VLA 策略训练支持。

  2. arXiv · 机器人与计算机视觉78

    SONIC-K1:将通用人形机器人动作追踪器移植到单 GPU 的小型人形机器人

    论文介绍了 SONIC-K1,这是据称首个针对 Booster K1 人形机器人的开源全身体动作追踪器。该策略在单块共享 GPU 上从头训练,计算资源远低于原始 SONIC 框架。仿真结果显示其能追踪大部分未见过动作片段并在外部基准测试中表现良好;真实机器人上可追踪上半身及慢速运动,但步态和转向可靠性较低且对动作延迟敏感。代码、策略权重与评估工具已公开。

    推荐理由:作者将 SONIC 框架适配至 Booster K1,在单 GPU 上实现全身动作追踪,公开了策略权重与评估工具。

  3. arXiv · 机器人与计算机视觉65

    基于语言对标的力/力矩预训练用于外接触感知

    该论文提出了一种方法,通过模拟抓取放置任务的监督数据将冻结的语言空间与双边六轴力/力矩历史信号对齐,从而构建出具有语义结构的物理状态表示。研究结果表明,该方法在仿真环境中未见过的物体上支持对机器人动作、物体重量及抓握交互的文本原型读出;在真实世界放置任务中,无需更新编码器即可实现接触与支持状态的识别,性能优于垂直力符号反转规则的基线。

  4. arXiv · 机器人与计算机视觉58

    RAIBO-Wagon:一种用于四足机器人拖拽车厢的实时导航系统

    针对四足机器人拖拽外部欠驱动物体(如车厢)时动力学复杂及狭窄空间避障难的问题,本文提出结合条件流匹配与模型预测路径积分控制的导航框架。该框架利用学习的前向动力学模型加速收敛并恢复可行解,集成于 RAIBO-Wagon 全栈系统并在户外长距离受限场景完成验证。实验显示系统在完全端侧计算下拖拽总重达 40kg(约机器人自重)的负载时,在 15 米长赛道上的成功率为 85%。

  5. arXiv · 机器人与计算机视觉80

    EgoContact:基于第一人称视频的物理智能评估基准

    论文发布了 EgoContact 数据集,包含 2.25 万条人工校验的交互事件,每条数据均标注预接触观测、语义意图及像素级精确接触位置。研究指出当前方法在预测精确交互接触点及复杂场景目标定位上存在不足。实验表明,将 EgoContact 作为现有策略的记忆库可显著提升性能:仿真环境下抓取成功率从 14.2% 提升至 31.2%,真实机器人上从 16% 提升至 58%。

    推荐理由:该工作构建了首个以未来接触点预测为核心的大规模第一人称数据集,并验证了其在提升仿真与真实机器人抓取成功率上的显著效果。

  6. arXiv · 机器人与计算机视觉82

    Tactus:一款用于自然灵巧性数据收集的触觉与姿态感知手套

    Tactus 是一款集成纺织传感的手套,通过薄型化设计、电容式触觉传感器和 IMU 融合姿态追踪,解决了指尖力觉测量与手部遮挡下的姿态跟踪难题。材料给出了最小可探测力为 0.59 N(置信度 95%),跨参与者一致性达 0.87,并在重度遮挡下保持 11.0 mm 的指尖关键点相对误差。

    推荐理由:原文给出了触觉手套的硬件指标与跨平台基准评测结果,相关团队可据此评估其是否适合现有数据采集流程。

  7. arXiv · 机器人与计算机视觉56

    Catch It All!:基于单目相机的通用动态接球框架

    该研究提出了 Catch It All! 框架,旨在让类人机器人仅凭一个以自我为中心的相机,就能对未见过的物体进行通用化且能适应的接球操作。系统通过精心设计的抓取奖励学习策略,能够实时适应物体的姿态和形状,并具备安全感知课程以在硬件极限(如低至 5 Nm 的手腕扭矩)附近执行高频动作。

  8. arXiv · 机器人与计算机视觉68

    通过可微分仿真学习事件相机避障

    针对传统帧相机在高速运动下的模糊与延迟问题,本文提出一种基于 CUDA 的事件相机仿真器,将其集成到可微分物理仿真管线中以支持端到端策略训练。该方法直接映射事件帧至控制指令,无需中间深度估计。作者在四旋翼平台上实现了零样本真实部署,验证了其在助航与无导航设置下的鲁棒性,包括常规相机失效的低光环境。

  9. arXiv · 机器人与计算机视觉5

    A Multi-Layer Navigation System for Smart Wheelchairs 如何在有限输入接口下实现未知环境导航

    该系统通过虚拟传感器驱动势场法检测障碍物、模型预测控制生成轨迹及开放词汇视觉算法识别目标,并在包含故障输入的实验中验证了鲁棒性。研究在 10 名无残疾参与者参与的实地智能轮椅测试中证明了其在真实环境的可靠性。该成果已提交至 IROS 2026 会议并将在论文集发表。

  10. arXiv · 机器人与计算机视觉56

    Force-Driven Hook Disassembly via Constraint-Aware Object-Centric Reinforcement Learning

    针对钩型连接件因变形和几何隐藏导致视觉无法确定拆解方向的难题,本文提出一种约束感知的强化学习框架,通过在线推断接触力来识别可行的提取方向。该方法在机器人无关的仿真环境中训练,并零样本迁移到物理机器人上,成功处理了包括空调内螺旋桨和前盖在内的四个实物任务。实验显示,结合粒子滤波信念的方法将空调前盖拆解成功率从 45% 提升至 75%,且所有任务的路径效率最高。

  11. arXiv · 机器人与计算机视觉73

    Skeleton-Guided Geometry-Aware Auto-Labeling for Robotic Grasping: From 4-DoF Learning to 6-DoF Execution

    该论文提出基于骨架的自动标注算法,生成两指抓取关键点并识别稳定可行区域,无需人工干预。作者开发了 SkelGG-CNN 网络,先在 Jacquard V1/V2、Cornell 等数据集上实现 95.42% 至 97.1% 的准确率;随后扩展为通用准 3D 骨架化算法以支持 6-DoF 抓取。

  12. arXiv · 机器人与计算机视觉81

    ELEVATE:基于任务失败的四足机械臂控制器获取框架

    论文提出 ELEVATE 框架,通过识别任务规划中的持续失败来自动获取缺失的全身控制能力。系统从单个预训练控制器出发,自主习得了墙支撑提升、受助操作和下降等七项仿真任务的控制策略,并在后续任务中复用这些控制器。

    推荐理由:该框架利用任务失败自动获取缺失的全身控制能力,并在仿真与物理机器人上验证了跨任务迁移效果。

  13. arXiv · 机器人与计算机视觉65

    HERON:面向移动机械臂的实时障碍物感知可达性图

    HERON 是一个基于神经网络的 3D U-Net 模型,旨在从深度相机输入实时预测移动机械臂周围 2.56 米立方体区域的障碍物感知可达性图(RM)。该模型在 cuRobo GPU 加速逆运动学生成的合成场景和真实深度数据上训练,部署于 Jetson AGX Orin 并采用 TensorRT INT8 量化。

  14. arXiv · 机器人与计算机视觉49

    Same Label Different Interface:机器人学习中超越动作空间标签的接口研究

    该研究指出单一标签无法决定机器人执行内容,因策略输出需经过滤波、物理缩放等处理。在 PegInsert、GearMesh 和 NutThread 三项工厂任务中,对比五种关节空间接口发现,仅替换物理动作尺度使样本中位数成功率变化 0.645-1.000,移除指数移动平均则产生依赖任务的变化。

  15. arXiv · 机器人与计算机视觉82

    METATRON:一种面向人形机器人的可提示词驱动全身执行层

    论文介绍 METATRON,这是一种结合生成式基础策略与可编程技能层的可提示词全身执行架构。基础策略接收包含时间目标、速度指令和风格线索的提示词,输出协调运动;训练数据融合动作捕捉、合成恢复轨迹及重定向场景交互。

    推荐理由:提出可被提示词驱动的全身执行层,将编程技能与生成式策略结合,在物理机器人上实现多任务冻结策略。

  16. arXiv · 机器人与计算机视觉38

    主动约束实现手持微操作中的同步引导与安全

    针对手持微操作中运动误差限制精度与安全的难题,研究提出基于优化的主动约束框架,在手持机器人上演示了医学相关人工任务。实验结果显示,该方法相比基线将安全违规率降低两个数量级以上,同时仅损失三分之一的单独施加安全时的精度。该工作已提交至 ICRA 2027,包含 8 页论文及 3 张图示。

  17. arXiv · 机器人与计算机视觉53

    FORGE:用于敏捷人形机器人运动的可行在线降阶参考生成与全身执行

    该研究提出 FORGE 框架,通过耦合在线降阶模型(ROM)参考生成与全身跟踪控制来实现通用且敏捷的人形运动。第一阶段训练基于单刚体动力学和完整人体运动学的命令条件化全身参考生成器;第二阶段冻结 ROM 策略在线生成参考以训练全阶动力学下的全身跟踪策略。

  18. arXiv · 机器人与计算机视觉58

    DexSuite:面向多臂与灵巧手的全合一灵巧操作仿真框架

    作者发布了基于 Genesis 构建的 DexSuite 全合一仿真框架,集成了 30 个任务、10 种机械臂、12 种末端执行器及标准化环境 API。该框架提供遥操作接口与模拟触觉传感,并定义了包含 16 对任务 - 本体组合的基准,同时开源了来自人类遥操作、脚本专家及学习策略生成的 4,700 个成功仿真集数数据集。

  19. 盖世汽车 · 汽车资讯58

    瞬恒智能 SynDexy C1 灵巧操作人形机器人完成首次小批量交付

    瞬恒智能宣布自研的视触觉融合双臂轮式人形机器人 SynDexy C1 于 2026 年 10 月 30 日完成首次小批量交付,正式进入工程化阶段。该产品搭载微米级分辨率的自研视触觉传感器及全球首创的视触力三态融合操作模型 SynDexy M1,拥有 22 个自由度并宣称支持 1 毫秒实时控制。

  20. Hugging Face Daily Papers78

    EditAgent:重新思考代理式图像编辑

    针对现有代理式图像编辑器在步骤失败时重试工具单一、人工评分不可靠的问题,本文提出 EditAgent 框架。该框架将每个步骤路由至通用编辑器与专用方法,并为候选结果附加验证记录,利用现成视觉语言模型(VLM)进行列表级并行评测。实验显示,该方法在专家标注基准上显著优于微调奖励模型,且能以不超过一半的调用次数完成决策。

    推荐理由:该文提出 EditAgent,通过路由策略与验证记录解决通用编辑器失败率高及评测不可靠问题。

  21. The Robot Report18

    2026 机器人手册聚焦人形机器人、AI 与设计选择

    2026 年机器人行业因硬件进步与人工智能加速变革,全球及美国订单在疫后暂停期持续攀升。该免费手册由 The Robot Report 整理,涵盖灵巧操作、建筑自动化趋势及波士顿动力 Atlas 等进展。内容还涉及 Plus One Robotics、Jabil 与 Apptronik 合作、SoftServe 虚拟健身房仿真以及 Locus Robotics 软抓手技术。

10月29日周四
  1. 盖世汽车 · 汽车资讯58

    锋龙股份成立全资子公司新锋龙,多款产品已量产

    锋龙股份在优必选收购后成立全资子公司新锋龙,依托具身智能技术与精密制造积累,搭建包含仿生人面部舵机、灵巧手等三大产品矩阵。其中二指夹爪和仿生人面部舵机已实现量产,高功率密度舵机等计划于2027年量产。公司还将整合优必选旗下优世界、优医疗等业务,覆盖家庭消费与医疗赛道,并引入李拥军博士出任总经理统筹研发生产与销售。

  2. 量子位62

    小雨智造与国家钢结构质检中心共建实验室并发布首个客户案例

    2026年10月27日,由中冶建筑研究总院国家钢结构质量检验检测中心与北京小雨智造科技有限公司共建的“工业具身智能焊接与检测技术联合实验室”正式揭牌。仪式上公布了首个客户案例:在老牌国企北泡轻钢车间,12台小雨未来机器人已投入日常作业,月产能提升30%,同等焊接质量下综合成本降低49%。该实验室旨在将智能装备工艺研发与国家级权威质量验证打通,推动具身智能从概念向工业级基础设施转变。

  3. Hugging Face Daily Papers78

    WorldBridge:面向任务泛化的世界动作模型研究

    论文针对具身智能模型的物理环境任务泛化挑战,提出 WorldBridge 架构,通过视频预测与动作桥接实现任务迁移。实验显示,在 RoboTwin 2.0 上仅用分布内监督成功率为 25.07%,加入无标签视频提升至 55.90%,再增加少量带标签演示可达 70.70%。该方法结合视觉记忆与动作强制机制,在多个操作基准测试中达到当前最佳性能。

    推荐理由:该工作提出 WorldBridge 架构,通过视频预测与动作桥接实现任务泛化,在 RoboTwin 2.0 等基准上达到 SOTA。

10月28日周三
  1. 量子位42

    红旗连锁终止机器人无人售货系统研发,因机械臂抓取失误率高且视觉识别偏差导致商业化落地失败

    四川红旗连锁于 2026 年 7 月终止与机器人公司合作的无人售货系统研发项目。该项目启动 16 个月后宣告失败,主要原因为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,且视觉系统在复杂光照下易出现偏差。尽管样机预计 5 月下线,但实验室环境与实际场景差异巨大,导致系统暂未达到大规模商业化落地标准。

  2. 盖世汽车 · 汽车资讯78

    禾赛科技发布机器人运动与三维世界数据引擎

    禾赛科技宣布布局机器人运动引擎与三维世界数据引擎,旨在构建物理AI时代的基础设施。动力模组体积缩小37%、功率密度提升3倍,已赋能Sharpa灵巧手并进入英伟达参考方案;Kosmo系统可同步生成多种三维形态,在DQ冰淇淋门店部署中使任务成功率提升至99%。截至2026年第二季度末,禾赛已累计交付动力模组超1万套,正从激光雷达公司向物理AI基础设施公司转型。

    推荐理由:原文披露了动力模组与三维数据引擎的具体性能指标及在真实门店的部署效果,为评估其技术成熟度提供了参考。

  3. 盖世汽车 · 汽车资讯78

    无界动力开源 MWA™-Phoenix 隐空间世界模型基座

    无界动力发布并开源了端侧 7B 参数、完整预训练的 MWA™-Phoenix 隐空间世界模型基座。该模型在 LIBERO-Plus、LIBERO-Pro 及 RoboDojo 真机榜等六项评测中位列榜首,其中 LIBERO-Plus 总体成功率达 94.63%。

    同一新闻,精选展示《无界动力发布并开源MWA™-Phoenix隐空间世界模型基座》

  4. 盖世汽车 · 汽车资讯42

    灵颜科技 FaceSoul Agent 获数千万元融资,拟推 46 自由度线驱灵巧脸

    杭州灵颜科技近日完成种子轮及种子+轮融资,资金将用于产品迭代与算法平台建设。公司采用线驱技术实现面部 32 个自由度(年底计划推出 46 自由度版本),交互延迟控制在 10 毫秒以内。目前 B 端已获杭州商旅、头部通信公司及多家连锁咖啡品牌青睐,主要用于景区导览和前台接待场景。