跳到正文
11月5日周四
  1. arXiv · 机器人与计算机视觉82

    Open-HumanWAM:一种用于扩展具身基础模型的开源人类与机器人经验配方

    该研究提出了 Open-HumanScale-50K 数据集及 Open-HumanWAM 模型,这是首个将以第一人称视角的人类视频预训练规模扩展到 5 万小时的完全开放方案。

    推荐理由:原文给出了基于5万小时人类视频预训练的开放配方与实验结果,相关团队可据此复现并验证纯人类数据在机器人策略学习中的缩放规律。

  2. arXiv · 机器人与计算机视觉72

    PyRUA-REAL:基于真实世界探索与自适应学习的机器人递归自我改进框架

    该研究提出 PyRUA-REAL 框架,利用编码智能体将空间推理与可执行机器人行为结合,通过保留交互经验作为持久记忆和可复用技能来实现物理操作能力的持续改进。实验在八项真实任务中平均成功率达 91.1%,并在 RoboDojo 基准的 42 项任务上达到 84.4% 的平均成功率。

  3. arXiv · 机器人与计算机视觉58

    基础模型时代下的灵巧机器人手:硬件、数据、跨本体迁移、学习与评估全栈综述

    这篇论文是 2024 年 1 月至 2026 年 11 月初关于灵巧机器人手的结构化叙事综述,涵盖硬件、数据采集与策展、跨本体迁移、基础模型学习及评估五个层面。作者指出人类数据价值取决于运动学、视觉和接触对齐而非单纯记录量;共享动作表示无法消除本体特有的力、延迟和接触约束;仅凭任务完成度不足以确立物理正确性或部署就绪性。材料还识别了十一项开放问题,并提出了可测量的全栈进展报告接口与受控比较方法。

  4. arXiv · 机器人与计算机视觉78

    不确定性触发的空中修正用于非道路导航

    该论文提出一种由规划器条件化的空地辅助方法,通过评估地图信息的不确定性对地面移动基线规划(MPPI)的影响来决定何时请求空中协助。当导航性能下降时,系统会在解析后的地图假设下评分相同规划轨迹,选择改进最大的地图层并请求对应的空中测量,融合后重新规划。

    推荐理由:提出基于不确定性的空地协同导航方法,在仿真与实地实验中显著降低无人机飞行时间并提升地面车辆到达率。

  5. arXiv · 机器人与计算机视觉38

    触觉反馈如何提升危险环境下 ROV 遥操作表现

    在存在不可见横流的复杂水下环境中,引入软性振动触觉垫可缓解操作员物理与时间负荷并显著提升驾驶速度。尽管该条件导致心理需求最高且引发挫败感,但实验表明触觉线索能增强操作员自信度与安全感知。研究结果发表于 IEEE Telepresence 2026,证实了触觉反馈在提升危险环境遥操作表现方面的有效性。

  6. arXiv · 机器人与计算机视觉72

    哪些物理触觉线索对接触丰富的模仿学习至关重要?一项受控的真实机器人研究

    本文通过受控的真实机器人实验,评估了从同一视觉 - 触觉流中衍生的不同物理线索(接触外观、几何形状、切向变形)及其编码策略对模仿学习的影响。结果显示,引入触觉感知将任务成功率从 57.8% 提升至 78.9%,其中标记流场作为单一线索效果最佳,成功率达 74.4% 且在调节已建立接触方面作用关键;因子化编码和交叉注意力融合策略也分别被证明能提升性能或提供轻量级替代方案。

  7. arXiv · 机器人与计算机视觉82

    Compounding Physical RSI:将执行失败转化为可继承能力的自进化策略框架

    论文提出 Compounding Physical RSI 框架,解决通用机器人策略在物理环境中因下游瓶颈不可观测、失败轨迹无法提供修正动作及更新共享参数导致技能退化等问题。

    推荐理由:提出 Compounding Physical RSI 框架,将执行失败转化为可继承能力,在 RoboDojo-Sim 基准上实现领先性能。

  8. arXiv · 机器人与计算机视觉75

    SCRUB:面向无臂四足机器人的接触式表面法向估计与力运动控制

    针对真实世界未映射表面上工具滑动所需的表面法向未知问题,本文提出 SCRUB 一种基于接触的估计器。该方法利用卡尔曼滤波融合两个线索:一是通过测量倾斜角随运动的力变化来估计法向;二是结合步态周期平均速度以消除垂直于表面的运动分量。实验在宇树 Go1 硬件上验证了该方法在无已知、未对齐或视觉预测法向的情况下,能完成墙面穿越和柱体环绕任务。

  9. arXiv · 机器人与计算机视觉48

    FOSCo-Net 提出自监督体素补全框架解决温带森林 LiDAR 遮挡问题

    FOSCo-Net 利用时间累积观测作为自动监督,在单次扫描下重建温带森林中被树干遮挡的几何结构。该框架采用门控跳跃解码器显著降低误报障碍物预测,相比基线提升重建质量与通行安全性。论文已接受于 2026 年日本冲绳举办的 ACIVS 会议展示。

  10. arXiv · 机器人与计算机视觉72

    Robocasa-Mem:面向长程移动操作的环境与过程记忆基准

    针对现有基准在长程移动操作中对依赖记忆的决策评估不足的问题,作者提出了 Robocasa-Mem 新基准,包含九个需要利用交互历史的关键任务。该基准涵盖环境记忆(空间位置、属性与关系)和过程记忆(单任务进度与多任务调度),并引入行为条件评估机制,允许评估器根据机器人早期动作推导后续约束,从而减少基于固定目标的捷径。

  11. arXiv · 机器人与计算机视觉78

    $A^3$-VLA:面向机器人操作的自动感知引导注意力对齐

    该论文针对视觉语言动作模型(VLA)因缺乏细粒度感知监督而依赖无关视觉捷径的问题,提出 $A^3$-VLA 框架。该方法利用操作过程产生的视觉变化生成启发式候选区域,并通过离线分割模型细化,结合注意力分配损失与对比学习损失实现任务关键区域的引导。实验表明,该框架在多个基准上使 VLA 主干的平均成功率提升 6.5% - 25.2%,且材料为预印本版本。

    推荐理由:针对 VLA 依赖视觉捷径的问题,提出利用交互变化生成感知引导的框架,在仿真与真实任务中显著提升成功率。

  12. arXiv · 机器人与计算机视觉78

    TwinBridge:面向现实世界强化学习的数字孪生驱动策略与奖励迁移

    论文提出 TwinBridge 框架,通过结合 3D Gaussian splatting 与物理仿真构建数字孪生,为现实世界的在线强化学习提供策略初始化及稠密视觉奖励。该框架将基于仿真的监督蒸馏为视觉奖励模型,在真实交互中结合执行历史计算稠密奖励以优化人机协作下的策略。实验显示,该方法在五项实验室操作任务上实现了 98% 的平均自主成功率,且每任务仅需最多 25 分钟的真实世界交互时间。

    推荐理由:该框架利用数字孪生提供策略初始化与稠密视觉奖励,在五项实验室任务中实现 98% 自主成功率,仅需每任务最多 25 分钟真实交互。

  13. arXiv · 机器人与计算机视觉48

    Riemannian Optimization-based Whole-body Obstacle Avoidance for Mobile Continuum Robots in Cluttered Environments 提出统一规划控制框架

    该研究针对杂乱受限环境,提出融合全局轨迹规划与实时几何优化的移动连续体机器人全身避障框架。系统结合 A*搜索与最小加加速度规划生成参考轨迹,利用黎曼优化协调基座运动与形变以避开障碍物。仿真管道穿越及真实密集障碍导航实验表明,该方法显著提升了运动一致性、可行性与环境适应性。

  14. arXiv · 机器人与计算机视觉78

    Astra 能否在不耗尽预算的情况下解决 RoboMME?

    针对机器人操作需记忆被遮挡信息或动作序列的挑战,作者提出三层系统:GPT-6 Astra(System 2)从视觉历史中选择子任务,π0.5 策略执行,Qwen3-VL-4B 监控器检查完成状态。该系统在 RoboMME 基准上成功率达 79.13%,平均调用 3.63 次规划器且耗时 80.84 秒/集,比最佳非神谕基线高 34.62 分。论文已接受于 CoRL 2026 相关研讨会。

    推荐理由:提出三层架构系统,在 RoboMME 基准上以低成本调用规划器实现 79.13% 成功率。

  15. arXiv · 机器人与计算机视觉5

    LLM 在水下机器人中的分层支持视图:故障诊断与遥操作辅助

    该研究提出大语言模型(LLM)应作为水下机器人的额外支持层,负责故障诊断、遥操作交互及任务调整,而非常规控制。由于当前在 grounding、一致性及因果推理上的局限,系统尚缺乏直接控制所需的可预测性。架构建议保留传统自主模块处理感知与执行,利用 LLM 进行调试、编排及事后分析。

  16. arXiv · 机器人与计算机视觉5

    基于像素级可见光通信的投影空间三维姿态估计研究

    该系统通过高速亮度调制将不可见空间编码嵌入每个投影像素,无需外部传感基础设施即可实现投影仪与设备的精准位置对齐。实验表明,经卡尔曼滤波后系统延迟约 8 ms、三维位置 RMSE 为 19.2 mm,首次实现了与高质量投影内容协同的实时三维姿态估计。该成果已提交至 IEEE Access,解决了传统 PVLC 仅适用于平面运动而无法估算空中机器人等三维空间设备姿态的技术瓶颈。

  17. arXiv · 机器人与计算机视觉73

    ReactWorld:一种用于具身视频生成的结构化交互响应模型

    ReactWorld 是一种受思维链推理启发的具身视频生成模型,旨在解决机器人动作引发的场景变化中物体响应与任务意图及接触动力学不一致的问题。该模型在特征空间引入交互响应场预测器以明确参与者角色、未来运动响应强度及局部运动变化,并通过响应反馈适配器将预测位移转化为时间注意力位置偏差,从而引导跨帧的信息检索与物体特征更新。

  18. arXiv · 机器人与计算机视觉75

    从人类学习中获取物体中心运动先验以增强机器人灵巧操作

    针对多指灵巧手操作多样物体的高维动力学挑战,本文提出一种方法,通过利用人类 - 物体交互数据集学习预测未来手 - 物体状态,将其作为强化学习的通用奖励项以减少任务特定工程依赖。实验在仿真和真实世界三种操作任务上进行,结果显示该方法在成功率和新对象泛化性上优于现有最先进方法,并验证了在不同机器人手上的跨具身兼容性。该论文已作为口头报告被 AAAI 2026 接收。

  19. arXiv · 机器人与计算机视觉72

    Diversity-Aware Experience Replay via Statistical Leverage Scores

    针对离线强化学习中回放缓冲区被常规操作主导、罕见关键事件采样不足的问题,本文提出一种无需标签或奖励的统计杠杆分数评分机制。该方法首先筛选长尾特征列以捕捉异常分布,其次放弃重要性权重修正而直接优化重平衡目标,最后将规则应用于相对目标的短轨迹窗口以恢复关系信号。在需绕过障碍物推物体的三关节机械臂实验中,任务成功率从 0.49 提升至 0.69,接近有标签oracle的 0.74 上限。

  20. arXiv · 机器人与计算机视觉78

    FWIK:基于前瞻图搜索的多路点逆运动学选择

    论文提出 FWIK 方法,通过考虑未来窗口内的多路点来选择冗余机械臂的逆运动学解,结合自碰撞模型与 MoveIt 2 规划器进行验证。在 Franka Emika Panda 和 KUKA LBR iiwa 两个 7-DoF 机械臂上,FWIK 在所有八种机器人 - 规划器设置中均实现了最短规划轨迹时长,且序列完成率介于 96.8% 至 100%。

    推荐理由:FWIK 方法在仿真中显著缩短规划时间并提升序列完成率,为冗余机械臂的在线逆运动学选择提供了新方案。

  21. arXiv · 机器人与计算机视觉78

    RACE:一种无需回放的机器人策略检查点选择方法

    针对学习型机器人策略在训练阶段评估困难的问题,论文提出 RACE 指标,利用固定集的成功轨迹校准动作偏差并聚合累积评分,替代昂贵的实机测试。实验表明,该指标在仿真中优于基线且对验证集变化鲁棒,在真机上其检查点排名与部署成功率一致,能有效区分不同偏差对任务成功的影响。

    推荐理由:提出 RACE 指标,利用固定成功轨迹校准动作偏差以替代昂贵实机测试,仿真与真机实验均显示其排名与部署成功率高度一致。

  22. arXiv · 机器人与计算机视觉72

    ZipDrift:利用一步漂移模型生成多模态短视界 MPC 代价

    针对短视界模型预测控制(MPC)因视野局限导致的多模态最优解平均化或继承不一致专家决策的问题,提出 ZipDrift 方法。该方法训练一个仅基于候选修正代价评估的一步漂移生成器,结合学习到的评论家对候选进行排序,由 MPC 强制执行动力学与约束。

  23. arXiv · 机器人与计算机视觉78

    基于生成式海洋模型的闭环自适应采样方法

    针对稀疏海洋观测场景,研究提出一种多机器人闭环自适应采样框架,利用单一学习到的生成式海洋模型完成预报、不确定性估计、规划及数据同化。该方法在潜在空间构建集合预报并解码至物理状态,结合可达性约束选择采样点,实验表明其 A-或 D-最优策略优于静态与随机基线,同时揭示了模型不确定性与预报误差的偏差问题。

    推荐理由:提出闭环自适应采样框架,利用生成式海洋模型进行预测与不确定性估计,多机器人策略优于静态基线。

  24. arXiv · 机器人与计算机视觉75

    OdorSpaces:面向三维环境的视觉 - 嗅觉具身导航基准与平台

    OdorSpaces 是一个基于物理的仿真平台与基准,旨在探索被忽视的具身 AI 中的嗅觉感知领域。该平台在 Habitat-Sim 中集成了由 Fire Dynamics Simulator (FDS) 驱动的三维气味传输与扩散模拟,使智能体能够利用视觉和嗅觉观测在逼真的室内环境中导航。

  25. arXiv · 机器人与计算机视觉82

    Correct Robots Before They Make Mistakes: Proactive Human-in-the-Loop Intervention via Preference Learning

    该论文提出了 PHIL(Proactive Human-in-the-Loop)框架,旨在通过偏好学习实现主动策略修正与后训练。系统允许操作员在 XR 界面预览策略预测的未来运动并在接管前进行干预;被拒绝的策略预测会与同一状态下执行的修正动作片段配对,用于鼓励策略偏好这些修正。

    推荐理由:PHIL 框架通过 XR 界面预览策略预测并允许人工干预,利用偏好学习将修正动作反馈给策略,使扩散策略和 X-VLA 在四项真实任务上的成功率分别提升约 26% 和 19%,且减少了不必要的恢复行为。

  26. arXiv · 机器人与计算机视觉58

    $oldsymbol{ ext{C}^ ext{₅ﱿ}}$ 平滑轨迹规划及其在软体机器人中的应用

    该论文针对工业协作机器人和四旋翼无人机已知的平滑性要求,指出软体连续机器人的需求可能更高。为此,作者提出了一种$oldsymbol{ ext{C}^ ext{₅ﱿ}}$-平滑轨迹生成器,在满足运动学限制的同时生成无穷次可微分的轨迹,确保速度、加速度及高阶导数(如加加速度等)连续。研究特别关注了起止点所有导数为零的边界条件情况,并通过仿真和硬件实验验证了该方法的有效性。

  27. Hugging Face Daily Papers78

    从像素到动作:迈向原生视觉语言动作策略

    这篇论文介绍了 NEO-VLA 框架,主张视觉语言动作模型不应依赖固定的视觉编码器输出,而是让图像 token 在骨干网络中随语言共同演化。实验表明,这种架构在多种操作设置和分布偏移下比传统编码器方案更鲁棒,且关键动作信号往往在最终视觉表示之前达到峰值。材料为预印本版本,代码链接已提供。

    推荐理由:该预印本提出无编码器架构,证明直接访问视觉计算层级能提升操作鲁棒性。

  28. 盖世汽车 · 汽车资讯18

    Honda eVTOL 全尺寸验证机 F1 完成首飞

    Honda eVTOL 全尺寸技术验证机 F1 于 2026 年 4 月 1 日在美国加利福尼亚州完成持续约 90 秒的首次飞行。此前该机型已完成超 400 次缩比模型测试,采用燃气轮机发电与电动推进结合的混合动力方案。此次亮相进博会标志着 Honda 从汽车、摩托车向低空飞行领域延伸的技术布局取得阶段性进展。

  29. 盖世汽车 · 汽车资讯22

    FFR 拓展机器人教育业务拟成立联合实验室

    FFR 与加州科技大学及波士顿国际商学院达成战略合作,计划围绕机器人教育、技术研发及人才培养展开合作并成立联合实验室。三方已于 10 月 26 日签署谅解备忘录,涵盖战略投资、开发者平台建设及运营支持等内容。FFR 于 10 月完成对法拉第未来机器人业务的收购,累计销量达 1168 台。

  30. 盖世汽车 · 汽车资讯33

    均胜电子机器人高算力控制器交付突破2000套

    均胜电子宣布其机器人高算力控制器累计生产并交付客户突破2000套,峰值算力达2070TOPS。该控制器搭载国际主流芯片,支持跨本体与场景适配,已应用于某头部机器人公司机型。作为“汽车 + 机器人 Tier1",均胜电子正将车规级制造能力平移至机器人赛道,推动核心部件规模化交付。

  31. 盖世汽车 · 汽车资讯42

    长安汽车首例视觉 AI 刷胶机器人上线产线效率提升 8%

    11 月 5 日,长安汽车两江工厂正式上线首例涂装视觉 AI 刷胶机器人,通过基于深度卷积神经网络(CNN)的 AI 视觉检测系统精准识别刷胶位置并优化作业轨迹。该技术使 PVC 工序每小时产量(JPH)提升约 8%,单次推理响应达毫秒级,风险识别检出率与报送准确率均超 99.5%。此次上线推动质量管理从事后检查向过程监控转变,是长安汽车在冲压、焊接等工序部署视觉检测后的进一步拓展。

  32. 盖世汽车 · 汽车资讯42

    广州开放具身智能场景并设立 400 亿元产业基金

    广州市工信局在第十二届广州国际投资年会上宣布,今年将设立总规模均为 200 亿元的产业发展基金和科技创新基金。政策推动工业制造、公共服务等四大场景向机器人企业开放,并对示范项目给予最高 100 万元支持。到 2029 年计划集聚约 10 家整机制造企业并推动 40 个以上应用示范场景入选省级及以上项目。

  33. 盖世汽车 · 汽车资讯38

    小鹏汇天建成国内首家 eVTOL 全域验证中心

    小鹏汇天宣布建成国内首家 eVTOL 全域验证中心,覆盖广州天河、黄埔及佛山三水三大基地,总面积超 7.5 万平方米并设 50 余个实验室。该体系按“部件、系统、整机”三级展开测试,自主研发旋翼动态标定试验台等专用设备,使整机电推进系统耐久性验证效率提升 8 倍以上。