跳到正文
10月28日周三
  1. 量子位78

    智元发布Genie Master框架,在便利店实测中实现机器人自主进化

    智元发布具身Agent框架Genie Master,将Physical RSI(具身递归自进化)应用于真实便利店业务流。该框架通过EEP协议连接推理与执行,利用Harness RSI积累提示词经验、Policy RSI更新动作策略模型,使机器人在无人在环状态下自主分析失败原因、调整策略并沉淀长尾场景经验。智元计划于11月2日开展6台精灵G2机器人连续上岗的24小时直播考核。

    推荐理由:智元发布Genie Master框架,在真实便利店场景验证Physical RSI机制,支持机器人自主诊断问题、调整策略并积累长尾经验。

  2. 量子位77

    RoboParty发布全栈开源人形机器人RP1,开放从机械图纸到运动算法的底层研发链路

    RoboParty正式发布全栈开源人形机器人RP1,提供从机械结构、电气系统到底层控制与仿真训练工具的全套资源。RP1拥有24至30个自由度,搭载自研ROMOMO关节模组,公开URDF及网格模型等资源,并开放hhtools动作重定向等开发底座,旨在降低硬件适配门槛,支持开发者深入研究与修改底层技术。

    推荐理由:RoboParty发布全栈开源人形机器人RP1,开放从机械图纸到运动算法的底层研发链路。

  3. arXiv · 机器人与计算机视觉38

    Compact Force Sensor 助力双无人机缆索吊运载荷的张力感知外环控制研究

    针对多无人机协同运输中的稳定性与鲁棒性挑战,该工作提出一种紧凑型定制力传感器及张力感知外环控制架构。通过静态动态测试验证了传感器的线性度等性能,并在位置不确定性的仿真与室内实验中证实了其在抗干扰与协调方面的优势。相关实验视频已公开,论文为 IEEE Robotics and Automation Letters 预印本版本。

  4. arXiv · 机器人与计算机视觉65

    基于时序触觉编码与人机协作的机器人双手交接研究

    针对视觉难以区分明确取物意图与偶然接触的挑战,该研究提出一种多模态方法,耦合视觉语言动作(VLA)模型与顺应控制器以降低交互力。系统通过 RGB 图像、时序触觉反馈和本体感觉进行微调,并在人体受试者研究中证明其优于无触觉或无控制的基线方案。

  5. arXiv · 机器人与计算机视觉58

    LOPAL:基于不完美演示的局部感知主动学习

    针对人类演示质量不一致的问题,论文提出 LOPAL 方法,利用高斯混合模型编码轨迹及其局部质量评估,并通过共享自主机制在数据缺失区域请求用户修正。该方法在仿真与真实世界管道检测实验中均有效,实现了最高 27.31% 的性能提升并减少了数据采集努力。材料已接受 IEEE RAL 发表,预印本链接为 arXiv:2606.16888。

  6. arXiv · 机器人与计算机视觉85

    FTP-1:一种面向多种触觉传感器的通用触觉基础策略

    FTP-1 是首个通用的触觉基础策略,旨在解决现有触觉策略依赖固定本体和传感器的问题。该模型通过异构编码器将图像、阵列及状态信号投影为统一的形态感知潜在 token,并由共享触觉 Transformer 专家联合建模。

    推荐理由:FTP-1 是首个跨传感器触觉基础策略,在 26 个数据源预训练后,未见过的传感器也能提升接触丰富操作的成功率。

  7. arXiv · 机器人与计算机视觉62

    FAWAM:面向闭环接触丰富操作的力感知世界动作模型

    FAWAM 是一种将力信息融入感知、预测与闭环执行的力感知世界动作模型。该方法通过编码历史六轴力/扭矩信号调节动作生成,联合预测未来动作与末端 wrench 以显式建模接触演化,并引入残差修正模块利用预测轨迹在线优化实时力反馈下的动作。在多个接触丰富任务中的真实实验显示,其平均成功率分别比纯视觉基线提升 36.25%,比现有力感知基线提升 21.25%。

  8. arXiv · 机器人与计算机视觉78

    RePO-VLA:面向视觉语言动作模型的恢复驱动策略优化

    针对长视野接触型操作中仅模仿成功样本监督不足的难题,该研究提出 RePO-VLA 框架,通过恢复感知初始化、进度感知语义价值函数及价值条件化微调等技术,将对抗性成功率从 20% 提升至平均 75%。材料介绍了 Failure-Recovery Benchmark (FRBench) 基准测试,并在仿真与真实世界双臂任务中验证了该方法的有效性。

    推荐理由:RePO-VLA 框架通过区分成功、恢复与失败轨迹,利用价值条件化微调提升 VLA 模型的鲁棒性。

  9. arXiv · 机器人与计算机视觉42

    RAPID 机器人智能拆解平台:开源电动电池回收仿真与协作研究

    RAPID 机器人智能拆解平台通过集成龙门机械臂、RGB-D 感知及自动螺母工具,在真实场景下实现电动电池包的一键螺丝拆卸。实验对比显示,示教姿态策略成功率达 97%(耗时 24 分钟),视觉伺服为 83%(36 分钟),而基于 GPT-4o-mini 和 Qwen 3.5 的智能体在结构化工具接口下任务完成率达 100%,自动 ROS 服务发现失败率为 43.3%。

  10. arXiv · 机器人与计算机视觉72

    基于人类演示的双手操作:语义几何任务表示从演示到机器人动作规划

    针对双手操作中动作顺序、物体参与及交互几何关系变化显著的挑战,该研究提出一种基于消息传递神经网络编码器与 Transformer 解码器的语义几何图表示方法。该方法在时序场景图上学习解耦的动作无关表示,通过条件于动作上下文预测未来动作、关联物体及其运动历史。

  11. arXiv · 机器人与计算机视觉42

    基于视觉触觉传感器的主动采样策略在硬度分类任务中表现优异

    该研究利用信息论不确定性度量,评估了三种概率分类器与两种主动采样策略在机器人采集的视觉触觉传感器数据集上的硬度分类性能。结果显示,由方差和熵驱动的主动采样方法准确率达 90%,显著优于人类研究的 48% 基准及随机采样基线。论文已获 IEEE-RAS Humanoids 2026 会议接收,项目页面与代码信息可进一步查阅。

  12. arXiv · 机器人与计算机视觉82

    OmniBrain-0:一种用于具身智能的统一代理模型

    论文介绍 OmniBrain-0,这是一个轻量级统一具身代理模型,旨在协调操作与导航任务。该模型采用共享高层决策架构,结合任务理解、规划及反馈驱动恢复机制。研究提出渐进式训练框架,整合具身预训练、领域专用代理蒸馏及多教师在线策略蒸馏(MOPD),并将 Rubric-Guided Recursive Self-Improvement 数据飞轮引入以持续优化专家模型。

    推荐理由:报告提出 OmniBrain-0 统一代理架构,通过渐进式训练与递归自我改进机制整合多模态能力。

  13. arXiv · 机器人与计算机视觉78

    基于学习的安全滤波器的灵巧手内手持物体姿态到达研究

    针对多指灵巧手的内手持物体姿态调整任务,本文提出了一种无需人类数据即可在仿真中训练的策略配方,涵盖多样化重置、生成抓握数据集及自适应摩擦课程。通过系统辨识,该策略可零样本迁移至真实 LEAP 机械手,仅需手腕深度相机或动作捕捉即可实现。

    推荐理由:本文提出无需人类数据的灵巧手策略训练配方,并通过学习到的残差安全滤波器将物体掉落率降低 75%,同时保持高成功率。

  14. arXiv · 机器人与计算机视觉48

    EgoThumb:一款视觉驱动的超数拇指机器人,实现自主抓握与持物辅助

    EgoThumb 是一款完全开源的视觉驱动超数机械拇指,通过紧凑的双肌腱驱动结构将执行器移至前臂以减轻末端重量。系统利用基于视觉的模仿学习策略,直接将手掌朝向相机的自中心图像映射为连续关节位置,从而解码人类意图并实现跨用户与环境的鲁棒自主操作。所有硬件设计与软件实现均已开源,相关论文已获 IEEE/RSJ IROS 会议接收。

  15. arXiv · 机器人与计算机视觉48

    Kinematic Constraint-Referenced Evaluation for Articulated Object Manipulation 提出 CRS 评估框架

    针对传统二元成功指标无法反映物体运动学约束的问题,研究引入无需演示数据的约束参考策略(CRS),将末端执行器速度投影至关节轴以分离有效进度与无效损耗。该方法在 74 个仿真多连杆物体上验证了鲁棒性,且门控策略在抽屉任务中成功率达 53.6%,其非轴向旋转指令量约为同类策略的 40 倍。

  16. arXiv · 机器人与计算机视觉70

    何时何地及如何修正:基于人类引导的自适应残差修正用于机器人策略

    针对模仿策略在局部区域执行失败的问题,本文提出 Adaptive Residual Correction (ARC) 模块,利用强化学习在冻结策略上学习残差修正,并通过稀疏人工修正确定激活时机、探索空间与最终执行内容。实验显示该方法将三个精细操作任务的平均成功率从 33.3% 提升至 75.0%,且人工修正能定义保留 96.0-97.7% 修正幅度的低维子空间。

  17. arXiv · 机器人与计算机视觉58

    利用分布式传感与高维计算进行非视距被动物体感知

    针对智能工厂中机器人视野外的潜在冲突检测问题,本文提出一种仅依赖通信基础设施的分布式信道测量框架,结合高维计算实现无需显式重建信道的风险感知分类。数值仿真与 ROS 验证显示,该方法在严重遮挡场景下准确率最高达 89%,同时保持低计算复杂度。材料为预印本论文,尚未被会议正式接收或开源代码发布。

  18. arXiv · 机器人与计算机视觉66

    Ego-CEVR:从人类第一视角视频中学习跨具身视觉表征

    论文提出了 Ego-CEVR 数据原生框架,旨在将低成本的人类第一视角视频转化为机器人操作能力。该框架包含全局模块和交互模块,分别通过未来预测学习物体关系与任务状态,以及结合腕部观测学习局部对齐与接触线索。系统支持在大规模人类第一视角视频及多样化机器人具身视频上独立预训练全局模块,无需机器人动作标签或成对的腕部观测数据。

  19. arXiv · 机器人与计算机视觉68

    基于强化学习的固定翼自主拦截系统研究

    该研究提出了一种由神经网络控制的固定翼拦截无人机系统,该网络直接将单目视觉观测映射为执行器指令。策略通过自定义 Python 环境中的强化学习和近端策略优化进行训练,并在仿真中与经典引导控制器进行了对比测试。最终该系统在真实飞行场景中成功拦截了机动目标,验证了人工智能在自主控制固定翼拦截无人机方面的潜力。

  20. arXiv · 机器人与计算机视觉65

    Learning Quality-Controllable Robot Policies with Iterative Hindsight Relabeling

    针对机器人策略评估仅依赖二元成功信号的问题,研究团队提出 QCP 方法,支持在推理阶段动态控制执行速度、运动平滑度等质量属性及其组合。该方法通过迭代回顾重标循环收集在线轨迹并微调策略,实验显示其在 Robomimic 和 RoboEval 上持续提升任务质量与成功率,并在真实搬运酒杯等操作中验证了实用增益。

  21. arXiv · 机器人与计算机视觉82

    Tokens of Motion:基于原始运动学习的人形机器人技能迁移方法

    论文提出 Adaptive Failure-Informed Learning (AFIL) 框架,解决视觉语言动作模型依赖成功行为克隆导致的脆弱性问题。该方法利用预训练模型在线生成失败轨迹作为自适应负向引导,联合训练双动作生成器以共享视觉语言骨干网络。实验表明,该框架在域内及跨域任务中均能提升成功率与鲁棒性,且参数开销有限。

  22. arXiv · 机器人与计算机视觉82

    从 12 到 200 次演示:ACT、Diffusion Policy、SmolVLA 和π0.5 在低成本机械臂上的扩展性研究

    该论文对比了 ACT、Diffusion Policy、SmolVLA 和π0.5 四种模仿学习策略,通过在低成本 SO-101 机械臂上执行带干扰物的抓取放置任务(演示量从 12 次增至 200 次),评估了其扩展性。

    推荐理由:该研究对比了四种模仿学习策略在低成本机械臂上的表现,揭示了数据量与微调方法对成功率的具体影响及失败模式差异。

  23. arXiv · 机器人与计算机视觉83

    GAWM:一种用于多任务机器人操作的紧凑潜在世界动作模型

    arXiv 论文 GAWM 提出了一种紧凑的多任务世界动作模型(WAM),旨在解决现有基于百亿参数视觉语言或视频生成骨干网络的高训练成本与推理延迟问题。该模型在冻结的 DINOv3 编码器潜在空间内预测未来观测,将每个相机视图的特征压缩为少量 token,并通过轻量级预测器根据任务而非动作来预报这些 token。

    推荐理由:该工作提出了一种仅用不到1亿参数且无需预训练的紧凑型世界动作模型,在RoboTwin 2.0和LIBERO基准上表现优异。

  24. arXiv · 机器人与计算机视觉49

    Keeping Contact:双足非抓持操作中的任务自适应摩擦边距研究

    该研究提出利用符号摩擦距离度量力空间中的摩擦边距,并将其嵌入二阶锥规划(SOCP)序列以平衡物体并远离名义摩擦边界。实验表明,在物体属性变化及模型失配条件下,该方法相比固定边距或无边距策略均能成功执行双足非抓持操作。论文已被 IEEE Robotics and Automation Letters 接收,arXiv 版本为 v1。

  25. arXiv · 机器人与计算机视觉67

    ActiveAlign:基于主动感知的以自我为中心的操作对齐方法

    该论文提出了 ActiveAlign 框架,旨在利用主动感知缩小真实世界到仿真再到真实的差距(Real2Sim2Real)。框架包含两个互补模块:ActiveAlign-Waving 通过主动手部运动和可微渲染进行手眼校准;ActiveAlign-Touching 则利用触觉反馈优化物体对齐以达到毫米级精度。

  26. arXiv · 机器人与计算机视觉63

    Torch-Hand:一种具备人类级关节结构的连杆驱动全自由度人形灵巧手

    这篇论文介绍了一种名为 Torch-Hand 的全自由度人形灵巧手,拥有 21 个自由度,其中拇指具有 5 个自由度以提供广泛的对指能力。该设计采用完全基于连杆的传动架构和螺杆连杆驱动,实现了高抓握力和负载容量,同时保持了紧凑的人体形态。

  27. arXiv · 机器人与计算机视觉84

    基于评估引导的演示优化:MetaFine 开放竞赛获奖作品

    论文介绍了在 MetaFine Open Competition 中排名第一的视觉语言动作策略 MAI。研究从官方演示出发,针对抓取、推搡和插入等局部失败,通过修订运动轨迹并添加专家续写进行优化,同时保留原始演示用于训练。所有检查点均按指令比较,确保单一指令的收益不会掩盖其他指令的损失。最终提交以 96.66 分获得综合第一。

    推荐理由:作者针对 MetaFine 竞赛中的抓取与插入失败,通过局部评估指导演示修正并加入专家续写策略,最终提交 MAI 以 96.66 分获第一。

  28. arXiv · 机器人与计算机视觉63

    Learning Side-by-Side Navigation for Personal Mobility Vehicles from Human Drivers

    该研究提出一种让两辆个人移动车辆(PMV)进行侧向协同自主运动的方法。系统基于全局路径规划合作队形以方便乘客交谈,同时确保安全平稳。每辆车运行独立的采样模型预测规划器,仅交换观测到的里程计信息,联合决策通过公共规则解析效用矩阵。

  29. arXiv · 机器人与计算机视觉35

    On Shaky Ground:非刚性底盘效应对移动操作的影响研究

    该论文通过砂光案例研究,结合仿真与两台轻量级无驱动轮式测试床实验,揭示了持续接触下非刚性底盘行为对任务执行的影响。在低底盘 - 地面阻力条件下,仅能实现 100 N 指令力的 54%-70%,工具中心点误差高达 100 mm;增加阻力可改善力实现并抑制位移,但底盘振动与力跟踪误差无一致关联。研究强调了联合考察力、运动与振动以表征轻量级移动操作的重要性。

  30. arXiv · 机器人与计算机视觉83

    TOPS:重塑流源与传输以优化多任务机器人操作

    该论文提出 TOPS(Task-Oriented Priors and Schedules)方法,针对语言条件化的多任务机器人操纵问题,通过构建多模态任务源并调整去噪过程中的插值调度来适应不同运动需求。

    推荐理由:TOPS 方法通过调整流源先验与插值调度,在无需修改网络架构下提升多任务机器人操作的成功率与推理效率。

  31. arXiv · 机器人与计算机视觉60

    RoboSTD:基于矢状面镜像的零样本单臂至双臂迁移方法

    针对双臂机器人操作演示采集成本高且单臂数据难以直接迁移的问题,论文提出 RoboSTD 方法。该方法首先对观测、本体感知及动作进行矢状面镜像处理以构建可执行的伪双侧演示,随后利用大语言模型生成结构化的时空协调约束,指导在工作空间区域与任务阶段的重建监督信号。

  32. arXiv · 机器人与计算机视觉82

    从生物曲线到软体模块化机器人:基于不确定性的引导式改进学习逆向设计

    该论文提出一种基于学习的实机 - 仿真 - 实机框架,旨在将多样化的生物形态(如鳗鱼游泳、尺蠖拱形运动)转化为可行的软体模块化机器人构型。针对现有方法依赖昂贵物理建模和组合搜索的问题,该方法结合学习到的逆向预测与目标候选探索,利用快速前向代理模型评估设计。

    推荐理由:提出基于代理的逆向设计框架,将生物曲线转化为机器人构型,在未见过的穿线模式下实现 93% 的形状重构成功率。