CoReMatch:面向实时机器人特征匹配的循环连续坐标细化方法
该论文提出了 CoReMatch 框架,旨在解决传统半稠密匹配器依赖固定网格和高分辨率计算的问题。该方法在粗粒度阶段利用深度聚合 Transformer 捕捉全局上下文并迭代更新对应坐标,随后通过轻量回归头进一步锐化定位精度。
该论文提出了 CoReMatch 框架,旨在解决传统半稠密匹配器依赖固定网格和高分辨率计算的问题。该方法在粗粒度阶段利用深度聚合 Transformer 捕捉全局上下文并迭代更新对应坐标,随后通过轻量回归头进一步锐化定位精度。
Self-Consistent Neural Control(SCNC)通过显式控制敏感性变化优化轨迹,解决了物理 AI 中隐式平衡系统学习难的问题。相比副梯度学习和无梯度 iCEM 基线,该方法将薄壁管等复杂结构的稳定优化率从 41.7% 提升至 83.3%,平均损失降低超过 1.5 个数量级。该框架已在弹性杆、测量带及弹簧状结构等可变形物体上验证有效性。
该论文是两篇关于数据驱动、基于雅可比矩阵的形状控制教程的第二部分。文章利用形变雅可比矩阵的奇异值分解,识别机器人运动对物体形状的影响范围及局部不可达区域;分析了特征选择对控制器调节策略及物体变形程度的影响;阐述了控制环失效的三种模式(可控性丧失、可观测性丧失和机械失稳);最后扩展了时变目标、次级任务及三维物体的形状控制方法。代码与交互演示已公开,为灵巧操作算法研究提供理论参考。
推荐理由:本文作为两篇教程的第二部分,深入解析了基于雅可比矩阵的形变控制高级概念、失效模式及扩展应用。
AIRoA-0 是一个从 16,151 小时手持演示中学习的双臂操作系统,训练全程未采集任何机器人数据。该系统利用开源 YUBI 手持夹爪录制数据,仅需手腕摄像头即可在未见过的场景执行分类零件、更换扫地机配件、解拉链和折叠毛巾等任务。
推荐理由:作者基于纯手持演示数据训练出跨本体双臂操作模型,在未见过的机器人上实现 78% 成功率,并开源数据集与权重。
针对多任务抓取策略训练需要大量演示数据的挑战,作者提出了一种基于 YUBI 平台的电池供电手持采集器。该设备采用软性倾斜手指包裹物体,通过可见形变作为接触力的视觉代理,且机械结构与机器人夹爪匹配。
10 月 27 日意优科技与韩国大东集团在上海签署合作谅解备忘录,双方将围绕农业机器人关节模组开展联合研发与应用验证。大东集团依托其销往全球 70 多个国家的农业机械产品,在温室、大棚等场景推动关节模组与整机适配及田间工况测试。目前双方正筹备设立合资公司并共建中试产线,具体股权与投资规模尚未披露。
针对当前具身智能模型无法自主修复已知错误的局限,论文提出 Spotter 框架,反转传统 VLM 主导的架构,使具身模型连续执行而 VLM 并行监控并在错误时介入修正。实验表明,结合 Qwen 或 GPT 作为 VLM,该方案在 RoboCasa 基准上提升成功率,并将真机上的成功率从 53% 提升至 83%,且耗时仅比纯具身模型增加约 1.6 秒。代码已开源。
论文提出了 BarrierFormer,这是一种通过监督学习实现模型无关安全控制的 Transformer 框架。该方法利用因果编码器处理观测 - 动作历史,自回归生成预测轨迹以替代动力学模型,并通过残差修正名义控制器;同时引入屏障批评家评估约束违反情况,由安全教师提供直接监督信号。
LM-Grasp 基准基于 1.58 万张 LINEMOD RGB-D 图像,揭示仅满足 ADD(-S) 精度标准的姿态在仿真中规划成功率仅为 0.791。该方法利用标注帧误差构建残差姿态后验,在不重训估计器前提下将仿真成功率提升至 0.859,且在遮挡场景下缩小了与标注姿态 66% 的差距。
论文提出 2AM 框架,将多模态智能体设为唯一记忆持有者,负责编译交互历史为子任务语言及可选的抓取/放置提示;单通道 RGB 动作模型仅执行运动。通过在演示中增加结构化提示标签并在条件 dropout、空间噪声和时间抖动下训练,使 VLA 能够容忍不完美引导。
推荐理由:该工作将任务记忆置于 Agent 侧以引导动作模型,在无深度与规划器条件下实现显著性能提升。
大离散策略(LDiP)是一种全离散的行为建模框架,从大量物理合理的候选动作中选择动作,而非扰动动作。它通过空间中的随机性逐步重新评分和剪枝候选项,实现细粒度排序与探索,同时保留显式的决策过程。在端到端规划、闭环驾驶、机器人操作及视觉语言动作设置中,LDiP 在自动驾驶任务上优于强离散和连续基线,在机器人操作中超越或匹配连续生成策略。
针对任务与运动规划(TAMP)系统中手工创建符号算子的瓶颈,该方法提出从演示数据中学习算子。系统自动发现训练数据中因果关联的动作对并将其压缩为单一规划步骤的复合动作,同时剪除未被任何学习到的算子引用的谓词以缩小搜索节点状态空间。
推荐理由:该方法通过自动发现因果动作对生成宏观算子并剪枝无关谓词,解决了长序列任务中搜索不可行与状态评估低效的问题。
该论文提出了机器人因子化世界模型(RoFacto),通过将动作实现与场景响应预测解耦:首先利用控制器和运动学将指令序列转化为无需未来状态的名义轨迹,随后通过 URDF 进行机器人渲染以显式处理几何、运动学和外观。该方法利用末端执行器深度和静态 RGB 上下文构建共享视觉接口,实验表明其优于向量条件基线,支持未见过的机器人本体迁移,并能从重定向的人类演示中生成操作视频。
推荐理由:提出将机器人动力学与渲染显式分离的世界模型架构,支持跨本体迁移及从人类演示生成操作视频。
针对哈密顿 -雅可比等经典方法随状态维度扩展性差的问题,该研究将基于采样的可达集恢复建模为几何支撑估计。理论证明在初始集补集具有正距离且动力学满足 Lipschitz 连续时,可获 Hausdorff 距离精度保证,但样本复杂度呈指数级依赖状态维与时域。实验证实对抗采样仅改善常数项而无法改变这一内在的指数缩放规律。
论文提出 DAMI 框架以解决机器人模仿学习中数据稀缺与环境泛化问题。该方法结合元学习构建共享技能空间,引入视觉 - 运动轨迹模块捕捉时空动态,并利用任务条件特征调制机制协调多模态观测。实验表明其在仿真与真实环境中均优于现有基线,具备在未见任务上通过少样本微调快速适应的能力。
蒙纳士大学团队提出 CSSPD 结构,通过剪纸图案金属层的塑性变形在无需持续供能下保持形状并提升刚度。该混合架构结合仿生脚垫与伸缩按压机制,在无能量输入时产生高达 16 N 的夹持力,配合气动驱动可承受 400 m/s²脉冲加速度。实验验证了其在树枝等场景的能量自由栖息能力,为高效操作提供了新方案。
SEAMLiS 提出一种模块化执行层安全框架,通过基于门控的姿态滤波和 CBF 位置滤波,在保留上游探索栈效率的同时规避未观测空间风险。该框架经随机化仿真、Isaac Sim 及 Crazyflie 硬件实验验证,实现了单/多机器人设置下的无碰撞自主探索。
该论文提出 RoboSnap 框架,旨在将真实世界场景快速转化为具备物理稳定性和视觉保真度的交互式仿真环境。其核心采用分层设计,对碰撞敏感的交互区域进行精细化处理以确保机器人操作稳定,同时利用 3D Gaussian Splatting 技术保留背景外观以支持新视角下的视觉一致性。
针对资源受限机器人无法在端侧部署大参数 VLM 的问题,本文提出 LocalNav 框架。通过蒸馏前沿模型(如 Qwen3.5-4B)的推理痕迹并配合可验证奖励的具身强化学习微调,将 HM3D OVON 基准成功率从 25.97% 提升至 37.36%,接近云端基线水平。
针对非平稳环境中机器人在线预算受限问题,研究提出基于动态遗憾的自适应更新规则以优化状态估计与重规划时机。该方法在火星车导航仿真及室内障碍场中的 Crazyflie 四旋翼实验里,均优于其他有预算基线方案。相关代码与论文已公开于 arXiv。
本文提出了一种基于时序卷积网络的实时端到端假肢控制器,通过车载传感器估计连续执行器信号,消除了对意图分类器和受试者特定调参的需求。该控制器在包含 18 名截肢者的多地形数据集上训练,并在四名参与者(三名健全人、一名截肢者)的平地、坡道升降及楼梯升降中进行了实时部署。
Any-ttach 是一种面向工具的机器人操作系统,利用机械模块化和自主末端执行器更换作为提升灵巧性的途径。该系统结合了低成本标准化被动自锁接口、统一的物体中心操作框架以及分层规划执行系统。
推荐理由:该预印本提出通过低成本机械接口实现末端执行器自动更换,以工具模块化扩展操作能力。
DuoGesture 将伴语手势合成解耦为语义流与节拍流,通过语义变分信息瓶颈协调两者并引入运动接地条件与惯性节拍先验。客观评估与主观实验显示该方法优于强基线,消融验证了各组件互补作用。项目演示与定性插图可在官方页面查看。
针对行星探测器在不同地形(如坡度、颗粒度)面临的移动性挑战,论文介绍了 GROVER 这一多模态车轮设计,其核心能力是连续调节轮齿高度以适应地形。固定高度性能测试涵盖乙烯基、粗岩石、豌豆砾石和沙子等多种表面;950 次试验表明最佳配置随地形变化,在颗粒状地形上打滑减少 34.6%--58.0%,行进时间和能耗提升最高达 77.4%。
该研究提出 GazeVLA 方法,利用人类行为中的注视线索同时编码高层任务语义并与低层动作协同耦合,构建中层表征以解决具身智能的载体差异挑战。实验表明,该方法使机器人能在无自身意图标注的情况下内化人类意图,结合推理范式执行长程与精细操作任务,在仿真及真实世界实验中均优于基线并具备泛化能力。
论文提出 HaltNav 分层导航框架,耦合基于 osmAG 的稳健全局规划与 VLN 本地执行能力。通过 MLLM 大脑模块将全局路线转化为局部指令,并利用反应式视觉制动机制检测异常、更新拓扑并触发重规划以应对环境变化。研究引入生成模型合成障碍物的数据管道来增强困难样本训练,实验表明该方法无需繁琐语言指令即可在环境变化下显著提升长视界导航鲁棒性。
针对手术机器人自主性不足的问题,作者提出了 ArthroCut 框架,将膝关节置换机器人从辅助执行升级为情境感知动作生成。该框架基于 Qwen-VL 骨干网络,在包含 21 例完整病例(共 23,205 对 RGB-D 数据)的自建多模态数据集上进行微调,融合了术前 CT/MR、术中 NDI 追踪、RGB-D 手术视频及机器人状态。
推荐理由:提出 ArthroCut 框架,通过融合术前影像与术中视觉 token 实现骨科机器人自主决策。
针对高自由度机器人在复杂环境中需同时满足多对象监控等感知约束的问题,本文提出 MOPS-PRM 这一基于路图的运动规划器。该方法将感知成本作为场景图的一部分嵌入每个物体中,在构建路图时选择性采样配置以隐式执行感知约束。实验表明,相比其他感知受限基线,该方法在平均检测对象数量上提升约 36%,跟踪率提升约 17%,且规划时间和路径长度相当。
针对食物制备等具有连续主观质量标准的操作难题,论文提出基于持刀削皮的两阶段学习框架。首先通过力感知数据收集与模仿学习获得鲁棒初始策略;其次利用结合定量指标与定性反馈的学习奖励模型进行偏好微调以对齐人类评价。实验显示,仅用 50~200 条轨迹即在黄瓜、苹果和土豆上实现 100% 同产成功率,跨物体零样本泛化至西葫芦、梨和白萝卜等类别。
该研究提出一种新型自主机器人组装框架,通过目标与障碍物定义任务而非依赖预定义蓝图,利用深度 Q 学习策略应对环境不确定性。在包含 15 个离散积木构建任务的基准测试中,真实世界闭环实验验证了该方法处理施工噪声的可行性。论文已获 IEEE Robotics and Automation Letters 录用,为更适应现实的机器人建造提供了新方向。
当前具身视频生成模型多侧重视觉质量而忽视物理保真度与动态一致性。本文提出 ReWorld 框架,利用强化学习对齐视频生成以匹配物理真实感、任务完成能力、具身合理性与视觉质量。研究构建了约 23.5 万条的视频偏好数据集,训练了分层奖励模型以捕捉多维人类偏好,并提出了基于高效 PPO 风格算法的后训练流程。实验表明该方法在物理保真度、逻辑连贯性、具身性及视觉质量上均优于先前方法。
论文 MAESTRO 提出一种新路线,利用视觉语言模型(VLM)作为代码代理,从预 curated 的工具库中编写机器人程序以执行多步感知与动作任务。该方法通过 plan-act-replan 循环结合视觉反馈来验证结果并恢复故障。
该研究针对动态空间中机器人需持续感知环境的挑战,提出一种名为 PS-PRM 的 GPU 并行化概率路图规划器。该方法利用神经代理模型近似感知分数(如目标检测置信度),将其融入运动规划搜索过程,以解决运动与感知需求冲突及实时评估成本高的问题。实验表明,该规划器在静态和动态环境下的仿真及真实机器人实验中,均优于基于强化学习和轨迹优化的基线方法。
推荐理由:提出 PS-PRM 规划器,利用神经代理模型近似感知分数并引入 GPU 并行,解决高自由度机器人在动态环境中运动与感知的联合优化难题。
针对多机器人系统中信念不一致且通信受限场景,该研究提出具备形式化性能保证的去中心化 MR-BSP 算法。基础算法 VerifyAC 通过三步验证确保联合动作一致,失败时触发通信;扩展版 R-VerifyAC 及简化版 R-VerifyAC-simp 进一步减少通信次数并显著降低计算时间。理论保证已在离散仿真中证实,并在连续高维空间下实现了真实多机器人主动视觉 SLAM 实验结果。
Gibbs Variational Last Layers 通过吉布斯变分推断重构训练目标,在合成环境、混沌系统及真实数据上显著优于单步似然训练。该方法结合连续排名概率分数优化多步自回归卷展,大幅改善长视界预测准确性与分布拟合度。论文已获 NeurIPS 2026 接收,代码与权重开放许可待注册。
桌面中触(DAT)屏幕结合半透明可变形网格的空间投影、触觉传感及阻力电机控制,使虚拟代理能模拟接触表面的形变与抗推响应。系统原型从检测单次触摸位置深度演进至通过张力控制调节屏幕抗凹陷能力,演示了物理反馈交互的可行性。该研究在 HAI 2026 工作坊提出设计问题:虚拟代理是否应表现出偏好或边界,以及何时实施此类行为。
该论文针对现代机器人学习中仅依赖验证损失和平均任务成功率指标不足的问题,研究了闭环 pass@k 指标以评估策略在多次采样下的成功可达性。研究发现大 k 的 pass@k 能揭示传统指标无法捕捉的后训练差异,并揭示了预训练过程中覆盖率与可靠性的权衡关系。作者据此提出了无需闭环评估的离线检查点选择准则以及生成式数据增强程序,旨在扩展监督范围并保持高可靠性。
推荐理由:提出基于 pass@k 的评估指标与离线选择准则,揭示预训练中覆盖率与可靠性的权衡关系。
本文介绍 Tutorial Agentic Learning(TAL),一种无需参数更新的非参数化持续学习范式,通过两阶段对抗过程将教程视频整合为持久化的结构化记忆库,并在推理时利用目录树进行检索。研究构建了 VidLearn 基准,基于 72 个国际象棋教程视频,结果显示 TAL 在训练和测试集上分别比基线模型提升 113% 和 91%,且在双人实战中 69% 的对局开局阶段表现更强。
CalVLA 利用成功与失败的回放数据,在不引入辅助故障检测器的情况下,仅用低秩适配器微调 OpenVLA-7B 以预测任务失败。在 LIBERO-10 基准的独立测试集中,适配后的置信度将联合故障判别 AUROC 从 0.4485 提升至 0.7392±0.0480,但平均任务成功率由 58% 降至 55%。
该研究提出“悬链线可见性”概念,为地面机器人与空中无人机组成的系留系统构建几何规划框架。算法先求解二维平面子问题以确定可行发射点及缆绳长度范围,进而推广至三维受限障碍物场景。论文解决了确定从给定三维目标出发、在地面平面上可行的部署区域这一计算挑战。