跳到正文
11月5日周四
  1. The Robot Report15

    The Robot Report 发布《2026 机器人初创企业雷达》,收录 60 家成立于五年内且聚焦软件、仿真及下一代 AI 模型的全球初创公司,涵盖制造、农业与医疗等多行业应用。

    The Robot Report 发布《2026 机器人初创企业雷达》,收录 60 家成立于五年内且聚焦软件、仿真及下一代 AI 模型的全球初创公司,涵盖制造、农业与医疗等多行业应用。报告提供各企业的技术应用、员工规模及累计融资数据,旨在帮助投资者识别具备技术基础与行业合作伙伴关系的创新主体。该榜单由 maxon 和 PTC 赞助,相关奖项提名已于波士顿机器人峰会前开放。

  2. The Robot Report28

    GlobalLogic 与 Haystack Robotics 合作开发用于医院消毒的自主移动机器人 (AMR)

    GlobalLogic 与 Haystack Robotics 联合打造了一款结合实时感知、边缘智能及导航技术的 AMR,旨在以最小人工干预提供医疗级紫外线消毒服务。该机器人具备“自主模式”与“跟随医护模式”,可安全在人群密集环境运行并适应复杂空间变化。项目源于新冠疫情期间对医院消毒规模化需求的响应,其底层架构(含 ROS 编程与传感器融合)已复用于其他工业场景以提升机器 fidelity。

11月4日周三
  1. 智东西 · 机器人67

    宇树、中石油新设合营企业,拟从事工业具身智能机器人解决方案业务

    据北京市市场监督管理局公示,中国石油集团昆仑制造有限公司将与宇树科技股份有限公司等经营者新设合营企业。该合营企业拟从事工业具身智能机器人解决方案业务,交易后昆仑制造及其一致行动人持有 60% 股份,宇树科技、泛界智能各自持有 20% 股份。

  2. 量子位78

    招商局狮子山实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」

    招商局先进技术研究院下属狮子山人工智能实验室发布了具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」。该模型采用 MoE 架构,总参数约 35B,仅激活约 3B 参数。

    推荐理由:该模型通过能力牵引的数据引擎与闭环迭代机制,在不堆砌数据的情况下实现了十项主流基准指标提升。

  3. 智东西 · 机器人78

    物理世界模型创企 LiberAI 正式发布 Liber-0 世界动作模型

    物理世界模型创企 LiberAI 于 11 月 4 日发布基于超 220 万小时人类经验数据预训练的世界动作模型 Liber-0。该模型采用混合 Transformer 架构,结合 LiberSense Glove 采集的人手动作数据与互联网视频,旨在减少对真机数据的依赖并提升跨本体泛化能力。

    推荐理由:LiberAI 发布基于超 220 万小时人类经验预训练的世界动作模型 Liber-0,在零样本真机测试中取得 36% 成功率并优于 GPT-6 Astra。

  4. arXiv · 机器人与计算机视觉71

    DreamX:视频扩散模型作为通用潜在动作学习器

    论文介绍了 DreamX 方法,该方法复用预训练视频扩散模型提取紧凑的潜在动作表示,将每帧压缩至 4 个 token,实现了跨本体(人与机器人)和环境的零样本动作迁移及策略学习。在 LARY-Bench 基准上达到当前最佳性能,支持任意到任意的视频转移。材料为 arXiv 预印本版本,未提及同行评审状态或具体部署结果。

  5. arXiv · 机器人与计算机视觉74

    GUILD:面向模仿学习的引导式迭代数据采集方法

    论文提出 GUILD 框架,解决机器人模仿学习中非引导式数据采集效率低的问题。该方法利用视觉语言模型的语义先验生成任务与环境建议,并通过预测数据归因评估采集轨迹对策略性能的影响,形成闭环反馈以指导后续采集。在仿真与真实机器人实验中,GUILD 相比被动采集及经验基线显著提升了样本效率与部署表现。

  6. arXiv · 机器人与计算机视觉78

    PyRUA-DataFarm:LLM Agent 作为高效遥操作代理以生成真实可用机器人数据

    PyRUA-DataFarm 利用 LLM Agent 接收任务请求与一次校准数据,在仿真中自动重建场景、专家控制器及成功判定器,并通过视频模型渲染多视角合成视频。

    推荐理由:提出用 LLM Agent 自动构建仿真环境与视频渲染,生成低成本且真实可用的机器人训练数据。

  7. arXiv · 机器人与计算机视觉70

    PACT:面向肌腱驱动机器人手的位姿鲁棒执行协同设计

    论文提出了 PACT 框架,针对肌腱驱动机器人手在有限空间内兼顾出力、速度与反向驱动的需求,联合优化了腱绳路径、力臂和滑轮尺寸。该方法在四自由度手指原型上实现了不对称的 N+1 腱绳拓扑结构,在八种位姿下任务力覆盖率介于 0.88 至 1.00,预测的最小孤立关节屈伸带宽为 5 Hz。

  8. arXiv · 机器人与计算机视觉59

    GSBR:面向在线强化学习的几何支持行为正则化

    论文提出几何支持行为正则化(GSBR),通过惩罚动作与预训练基策略支持集的距离,在允许改进的同时避免过度限制策略优化。该方法仅需访问基策略样本即可估计距离。实验显示,GSBR 在四个机器人基准的十九个任务中,将平均成功率从33%提升至95%,吞吐量比次优强化学习方法高出约23%。

  9. arXiv · 机器人与计算机视觉84

    Möbius:一种统一运动 - 语言模型,桥接理解与生成

    arXiv 论文介绍 Möbius,旨在构建能同时理解、生成和编辑人类运动的统一框架。该模型将扩散过程引入多模态表示空间,使干净运动、噪声运动和文本共同参与共享注意力机制,且直接操作连续帧级原始运动数据,无需离散分词或预训练 VAE。在 HumanML3D 数据集上达到最先进水平,扩展至 17 亿参数和 1700 小时运动数据后证明有效且可扩展。

    推荐理由:该工作提出统一运动语言模型,将理解与生成融合于连续帧级表示,无需离散分词或预训练 VAE。

  10. arXiv · 机器人与计算机视觉74

    动作专家应训练 VLM 吗?混合 Transformer VLA 中的动作 Token 监督与梯度路由研究

    该论文研究了在视觉语言动作(VLA)模型中,是否应将预训练的视觉语言模型(VLM)与动作专家的梯度回传进行隔离。研究发现,当对 VLM 施加动作 Token 监督时,隔离策略在自动驾驶和机器人操作任务中与联合训练表现相当;但在缺乏动作 Token 监督的情况下,联合训练能显著降低轨迹预测误差并提升闭环驾驶路线进展及机器人操作性能。

  11. arXiv · 机器人与计算机视觉82

    超越可见性:基于稀疏 LiDAR 的实时表面可达性场

    本文提出一种名为 Accessibility Field 的方法,利用流式稀疏 LiDAR 数据实时更新每一点的表面物理可达性标签。该方法通过 GPU 评估预计算的工具体积核与不同接近姿态下的碰撞情况,无需先验场景模型即可在工作站和 Jetson Orin 边缘设备上实时运行。

    推荐理由:提出基于稀疏 LiDAR 的实时表面可达性场方法,在合成基准上 F1 达 90.8%,能区分可见但不可触及的表面。

  12. arXiv · 机器人与计算机视觉72

    流等价世界模型:动态环境的结构化记忆

    该工作引入流等价世界建模框架,利用时间参数化对称性构建潜在记忆以支持长时程动力学预测。该方法使潜在记忆随自运动及推断的外部物体运动进行等变变换,保持视野外区域信息在时间推进中的对齐。研究在 2D 和 3D 部分可观测视频世界建模基准上展示了该框架相对于最先进扩散、增强记忆及循环架构的优势。材料为 arXiv 预印本,已获 ICML 2026 接收。

  13. arXiv · 机器人与计算机视觉73

    交互式机器人规划中的意图消歧:一种贝叶斯主动学习框架

    针对自然语言指令模糊导致的交互式机器人规划难题,本文提出一种结合大语言模型与贝叶斯优化的方法。该方法利用 LLM 初始化候选形式化规范(基于信号时序逻辑),并通过贝叶斯优化在用户意图空间进行不确定性估计,选择能最大化信息增益的澄清问题。

  14. arXiv · 机器人与计算机视觉58

    LIBERO-Recover:超越任务成功迈向机器人操作中的失败恢复

    针对现有 VLA 或世界动作模型在理想条件下成功率接近 100% 但缺乏真实世界鲁棒性的问题,作者提出了 LIBERO-Recover 基准。该基准基于 LIBERO 平台,收集了 SOTA 具身模型的执行失败案例,构建了包含行动重试、行动适应、物体状态恢复和环境恢复四个层级的 1,000+ 场景。

  15. arXiv · 机器人与计算机视觉80

    Closing the Lab-to-Store Gap: A Data-Efficient Post-Training and Experience-Driven Learning VLA Framework for Retail Humanoids

    论文提出 DEED(Data-Efficient Post-Training and Experience-Driven Learning)框架,旨在弥合基准性能与可靠现实操作之间的差距。

    推荐理由:提出 DEED 框架,通过数据高效微调与经验驱动学习在单 GPU 上实现 Unitree G1-Edu 机器人超市补货任务。

  16. arXiv · 机器人与计算机视觉65

    SensorPerch:一种可自主拆装传感器的主动感知范式

    针对现有机器人感知受限于机载或固定传感器的局限,本文提出了 SensorPerch 范式,将传感器视为可由机器人自主拆卸和重新安装的独立物理实体。该系统包含一个可附着于多种表面的轻量级无线传感器平台及视点选择框架,使机器人能按需构建任务相关视点。实验在物体耦合感知(实现机器人不在场时的持续状态检测)和政策耦合感知(构建策略特定视点并达到与理想视点相当的成功率)两类任务上进行了验证。

  17. arXiv · 机器人与计算机视觉78

    jaxipm:首个支持 GPU 批处理的通用约束非线性优化求解器发布

    论文介绍了 jaxipm,这是基于 JAX 实现的 IPOPT 算法 GPU 批处理版本,旨在解决现代 GPU 硬件上运行非线性规划(NLP)时的 CPU-GPU 传输瓶颈。

    推荐理由:该工作提出首个 GPU 批处理非线性优化求解器,解决了传统 CPU 求解在机器人高频采样中的瓶颈问题。

  18. arXiv · 机器人与计算机视觉75

    IntentNav:基于人类演示学习空间视觉物体导航

    论文提出了 IntentNav 框架,旨在解决未知环境下的物体导航问题。该方法引入前沿基于的人类意图标注技术,从低层动作推断高层搜索意图;构建包含 BEV 记忆与视角视觉记忆的候选空间,利用 VLM 策略选择最佳目标。在 MP3D、HM3D-v1 和 HM3D-v2 基准上取得了学习类方法的最优成功率,且该导航接口可零样本迁移至轮式、四足和人形机器人,无需额外微调。

  19. arXiv · 机器人与计算机视觉72

    SimuScene:基于单张图像的物理就绪组合式 3D 场景重建方法

    该研究提出 SimuScene,一种将物理引擎纳入形状与布局估计生成过程的组合式 3D 重建管线。不同于仅用于后处理修正,该方法利用物理引擎在生成过程中作为诊断测量工具,通过重力模拟将穿透和支撑失败转化为定量修正信号以驱动模态形状重采样及轻量级几何拉伸修正,从而缓解累积误差并产出稳定的物理就绪场景。

  20. arXiv · 机器人与计算机视觉84

    DynaFLIP:一种基于三模态动力学引导的机器人感知表征框架

    论文介绍 DynaFLIP 框架,旨在解决传统机器人学习管道依赖静态视觉编码器、将运动理解推给下游策略的问题。该方法构建图像 - 语言-3D 流三元组作为训练监督,鼓励三种模态在共享超球空间中占据较小的单纯形体积以增强对齐,并结合余弦正则化与对比目标以避免几何歧义和平凡坍缩。

    推荐理由:该工作提出将运动理解上移至感知层,通过多模态监督构建动力学感知表征,在跨分布场景下提升机器人泛化能力。

  21. arXiv · 机器人与计算机视觉55

    面向异构机器人团队安全导航的能力感知异质控制屏障函数

    针对异构机器人团队中不同动力学与控制限制导致的安全义务难以均等满足的问题,提出一种能力感知异质控制屏障函数(CA-HCBF)去中心化框架。该方法通过规范变换与反步法推导了适用于全向与非全向移动机器人的统一操作空间二阶控制仿射表述,解决了相对阶不匹配问题并保持了成对安全集的向前不变性。

  22. arXiv · 机器人与计算机视觉58

    基于场景自适应具身智能的多 AUV 自组网多目标跟踪

    针对水下网络与多智能体协同技术进展,本文提出一种用于多 AUV 自组网的场景自适应具身智能架构,将感知、决策与物理执行整合为统一认知回路。该架构定义基于信标的通信控制模型,引入具备双路径评论家机制的场景自适应 MARL(SA-MARL)算法,通过动态融合解耦专用跟踪任务与全局安全约束。

  23. arXiv · 机器人与计算机视觉82

    SMAT:面向协同适应外骨骼控制的分阶段多智能体训练方法

    针对外骨骼辅助中用户与设备需协同适应的非平稳学习问题,本文提出分阶段多智能体训练(SMAT)框架。该方法在 MyoAssist 仿真环境中,先让肌肉骨骼模型学习无助力步态及适应附加质量,再训练外骨骼策略,最后实现双向反馈下的共同适应。

    推荐理由:提出分阶段多智能体训练框架,在仿真与物理实验中均实现无需个体重训的持续正向助力。

  24. arXiv · 机器人与计算机视觉42

    大模态模型赋能具身智能驾驶:下一代自动驾驶新框架

    针对模块化设计在开放场景的局限,该研究提出语义与策略双驱动的混合决策框架,融合大模态模型进行认知表征及深度强化学习优化实时策略。通过车道变更规划案例的仿真验证,该方法较基线提升至少 19% 性能。文章还指出了关键开放挑战并指明了后续研究方向。

  25. arXiv · 机器人与计算机视觉75

    ResponsibleRobotBench:面向机器人操作的负责任决策基准

    ResponsibleRobotBench 是一个包含 23 种配置的操作任务基准,旨在评估大型多模态模型在风险感知、缓解行动选择及执行前提满足方面的能力。研究发现终端安全性与任务完成度可能分离,且防御提示对不同模型的影响方向各异;仅识别危险类别不足以保证可执行的缓解措施。该工作通过模仿学习与物理机器人序列实验,强调了协调缓解动作与目标行动的必要性,并提供了任务定义、检查条件及提示词附录。

  26. arXiv · 机器人与计算机视觉42

    具备方向可调推进器的水下车辆设计与自适应跟踪控制研究

    针对复杂动态水下环境机动性受限问题,该研究提出一种配备矢量推进器的方向可调推进器水下车辆(OAT-UUV),实现全六自由度运动。系统采用基于视觉的跟踪控制方案,集成实时状态反馈与新型前馈自适应模型预测控制器(FF-AMPC)。实测表明,该设计显著提升了水下机动性,且 FF-AMPC 控制器相比传统控制器使悬停性能提升 49.1%。

  27. arXiv · 机器人与计算机视觉78

    DRAP:面向物理 AI 持续学习的动力学 - 风险自适应可塑性

    论文提出 DRAP(Dynamics-Risk Adaptive Plasticity),这是一种无需回放机制的物理 AI 持续学习方法,旨在解决小步策略误差累积导致闭环任务失败的问题。

    推荐理由:提出无需回放机制的 DRAP 方法,通过轨迹风险加权梯度累积来动态调节模型张量的可塑性,在 OpenVLA 子网络上实现了 LIBERO 基准任务中旧行为保留与新任务获取的平衡。

  28. arXiv · 机器人与计算机视觉20

    For You Not for Everyone:具身智能机器人如何感知旁观者并自适应传递关键反馈

    该研究对比了两种机器人教学行为,发现当检测到旁观者时,通过转向身体、隐藏屏幕并以静音方式展示反馈的“上下文自适应”策略,显著提升了用户对隐私意识和社交能力的评分。实验基于 40 名参与者的双盲测试,使用预设的发音与书写批评信息验证效果,但未证实能减少尴尬体验。结果指导了具身智能系统在共享空间中保护敏感信息的交互设计。

  29. arXiv · 机器人与计算机视觉18

    可穿戴中介通道实现共享游戏中的隐秘人机交互研究

    该研究在 Wizard-of-Oz 设置下,利用耳内音频与头部倾斜构建可穿戴中介通道,使屏幕社交机器人在 40 名参与者组成的 20 对游戏中成功完成 39/40 次信息交换。实验显示佩戴者压力无显著差异且可用性良好,但非佩戴者存在感知不一致,揭示了未来设计需关注隐私与公平性。

  30. arXiv · 机器人与计算机视觉83

    Aero-VPA:面向边缘硬件的非重构 JEPA 潜空间少步流匹配控制研究

    论文提出 Aero-VPA 轻量级视觉预测动作架构,用于边缘硬件上的三维导航。该架构利用紧凑的 RGB-D Vision Transformer 和五头集成预测器在不进行像素重建的情况下预测下一潜状态,并通过条件流匹配求解器在两个欧拉步骤内生成速度和偏航率片段。

    推荐理由:该工作提出 Aero-VPA 架构,在 PX4 仿真环境中实现四旋翼自主飞行闭环评估,公开代码、策略与基准数据集。