跳到正文
10月28日周三
  1. arXiv · 机器人与计算机视觉58

    HumiMimic:基于野生视频的拟真人机交互转移与数据集构建

    论文提出HumiTransfer框架,旨在保留人类互动中的空间、语义及接触关系(如拥抱、握手),并将这些关系迁移至不同形态的人形机器人上。该方法先重建3D人体运动,再通过加权关节相对方向和解剖偏移优化接触关键关系,最后通过后重定向优化确保平衡与避障。

  2. arXiv · 机器人与计算机视觉42

    REACH:基于强化学习的分层人形爬行框架实现可变高度受限空间穿越

    Unitree G1 人形机器人通过 REACH 框架,结合双向切换策略与激光雷达规划器,在 1.27-0.50m 双足及 0.50-0.20m 爬行模式下实现受限空间自主穿越。该 RL 分层架构利用本体感知构建条件潜变量表示,解决了富接触动力学难题并扩展了蹲伏行走的通行极限。真实实验验证了高度速度跟踪精度、地形鲁棒性及模式切换可靠性,代码与视频已公开。

  3. arXiv · 机器人与计算机视觉42

    CARD:基于接触锚定的灵巧操作重定向框架

    CARD 是一个无需物体的仿真与重定向框架,通过显式保留接触力目标将人类演示转化为机器人动作。该框架在视频、手套及运动捕捉数据上,将接触保持率从传统方法的不足 10% 提升至 43%-78%,并将 GRAB 数据集上的严格任务成功率由 12% 提高至 32%。其引入的触觉追踪控制器对硬件开环回放中复现演示力至关重要,确立了通过接触保持将人类灵巧性转移给机器人的可扩展接口。

  4. arXiv · 机器人与计算机视觉82

    MyoAcross:一种用于跨个体骨骼肌模型的通用策略

    针对骨骼肌形态差异导致策略复用困难的问题,本文提出了 MyoAcross 框架,结合个体模型构建、形态条件策略学习与虚拟模型增强,实现了无需微调的肌肉驱动参考动作跟踪。

    推荐理由:该框架通过形态条件策略学习,在无需微调的情况下实现了跨个体肌肉驱动控制,显著降低了跟踪误差并提升了完成度。

  5. arXiv · 机器人与计算机视觉43

    随机运动分词实现全身人形机器人控制

    该方法通过高层控制器生成简洁的运动表示,直接馈入追踪策略以支持 Unitree G1 执行长达 35 秒的格斗转舞蹈等复杂动作。在同等容量下,其基于随机运动分词器的重建效果优于有限标量量化(FSQ)和向量量化自编码器(VQ-VAE)。该工作已获准参加 2026 IEEE-RAS Humanoids 会议。

  6. arXiv · 机器人与计算机视觉50

    通过阶段条件化策略优化学习多相机器人移动 - 操作技能

    针对复杂长视界全身移动操作任务,本文扩展近端策略优化(PPO),利用先验任务结构训练单一策略以支持多种硬件平台。方法采用阶段条件化评论家、阶段门控奖励函数及多阶段重置课程来引导探索,并解耦底层平衡动力学与高层相位执行。作者在 Unitree G1 和配备操作臂的 Boston Dynamics Spot 上验证了该方法能获取复杂的移动 - 操作技能,且无需依赖人类运动数据。

  7. Hugging Face Daily Papers42

    SO-101 Bench:基于 Isaac Lab 数字孪生的低成本机器人空间操作基准

    SO-101 Bench 是首个针对低成本 SO-101 机械臂构建的仿真基准,支持语言条件约束的空间操作任务。该基准在包含 138 个物体的模拟环境中评估了九种 VLA 及世界动作模型,发现最佳策略成功率近 61%,而结合代码生成与抓取策略的智能体可达 83.2%。尽管仿真成功率高估真实表现,但五类无实机数据训练的策略在物理臂上排名完全一致(Spearman rho = 1.00)。

  8. 盖世汽车 · 汽车资讯78

    小米公布新一代仿生手:21个自由度源于工厂SOP数据分析

    小米于10月27日公布新一代仿生手核心信息,包括21个自由度、26个电机混合驱动及1500点全掌触觉。该规格并非单纯参数堆砌,而是基于对汽车工厂1827个标准作业程序(SOP)的动作捕捉与仿真分析得出:数据显示人手关节在实际作业中利用率高且存在天然耦合,21个自由度在抓握成功率上优于低自由度方案但边际收益递减。

    推荐理由:小米公布新一代仿生手,其21个自由度规格源自对自家工厂1827个SOP的动作数据与仿真分析。

10月27日周二
  1. arXiv · 机器人与计算机视觉72

    OneDemo:基于单一演示的统一策略学习与数据生成方法

    该论文提出 OneDemo 强化学习框架,将演示编辑建模为结构化问题,使智能体学会从稀疏奖励中切换对象中心轨迹段并进行几何适配。该方法在 Meta-World 的 15 个任务上平均仅需 53.7k 环境交互即达 92.7% 成功率;在 DexMimicGen 的 9 个任务上生成演示的平均成功率为 98.4%,基于此数据训练的 BC-RNN 策略在同等规模数据集下平均成功率达 99.6%。

  2. arXiv · 机器人与计算机视觉78

    Expert-Play Contouring Control:从慢速专家到快速游玩的超演示规划

    arXiv 论文提出 Expert-Play Contouring Control (EPCC),解决模仿学习继承演示时序导致无法加速的问题。方法利用专家数据训练潜在轨迹生成器以获取任务意图,同时用快速游玩数据训练世界模型以覆盖动力学变化;部署时优化动作沿专家轮廓最大化进度并惩罚偏离。

    推荐理由:提出结合专家演示与快速游玩数据的控制方法,在三个视觉运动任务中将吞吐量提升两倍。

  3. arXiv · 机器人与计算机视觉52

    面向自动牵引车挂车的前向与后向机动新型路径跟踪算法

    针对物流、农业和工业环境中对精确且鲁棒的路径跟踪能力的需求,本文介绍了一种专为单拖车铰接车辆设计的新颖路径跟踪算法。该方法结合了施加在拖车层面的横向控制律与拖拉机转向角的短视界预测调整,确保在前进和倒车运动中稳定收敛至期望路径。

  4. arXiv · 机器人与计算机视觉82

    ForceDelta-VLA:一种用于接触丰富操作的力条件动作修正蒸馏框架

    论文提出了 ForceDelta-VLA 框架,旨在解决现有 VLA 策略在接触丰富操作中难以分解任务级运动与接触调整的问题。该方法利用冻结教师模型的力条件与无学习模式预测构建显式的力修正目标,并引入延迟修正以处理参考动作失配。

    推荐理由:提出 ForceDelta-VLA 框架,通过蒸馏力条件动作修正提升接触丰富任务成功率至 82.2%,并降低峰值接触力。

  5. arXiv · 机器人与计算机视觉82

    GE-Act 2.0:预训练与扩展用于机器人操作的行动世界模型

    AgiBot Research Team 发布了 GE-Act 2.0,这是一个从头开始预训练的“世界 - 行动”模型(WAM),旨在指导机器人操作。该模型结合了控制导向自编码器、单步视觉规划器和逆动力学模型,并通过知识对齐的选择性优化进行联合训练。

    推荐理由:报告了从 300 小时到 3 万小时协同训练数据对机器人操作成功率的影响,并验证了跨本体迁移与零样本泛化能力。

  6. arXiv · 机器人与计算机视觉75

    基于 SMPC 演示的 loco-manipulation 学习与稀疏离线到在线 RL

    该论文提出了一种结合样本预测控制(SMPC)与强化学习的框架,旨在解决机器人自主性中移动与操作整合时的奖励塑造瓶颈。研究完全在仿真环境中利用 SMPC 作为自动化专家生成大规模离线数据集,从而解决了探索问题,使得后续可以使用纯稀疏任务奖励训练离线策略 RL 智能体。

  7. arXiv · 机器人与计算机视觉82

    Staged Multi-Agent Training for Human-Exoskeleton Co-Adaptation:基于仿真的学习与真实世界代谢及生物力学验证

    针对人机共适应难题,研究提出分阶段多智能体训练方法,在仿真中联合训练肌肉骨骼人体与双髋外骨骼策略。该策略无需用户特定重训即可转移至物理设备,在八名健康成人实验中,主动辅助使净代谢率较被动模式降低 19.7%,且跨速度与地形保持有效协助能力。

    推荐理由:提出分阶段多智能体训练框架,在仿真中联合优化人体与外骨骼策略,实机验证显示主动辅助降低代谢率 19.7%。

  8. arXiv · 机器人与计算机视觉42

    Plug, Play and Comply:基于插件的 ROS 2 合规控制框架发布

    该研究提出一种机器人无关的框架,通过插件架构将 ROS 控制器模板与控律实现分离,支持刚度、阻尼及零空间目标等标准接口。系统利用 Pinocchio 计算 URDF 动力学,并在真实机器人曲面跟随实验中验证了在线任务对齐合规性,同时展示了跨不同运动学特性的机械臂移植能力。完整框架含参考控制器与高层任务接口作为开源软件提供。

  9. arXiv · 机器人与计算机视觉42

    DCGrasp:基于距离感知扩散模型的可控抓取生成框架

    DCGrasp 是一个多模态扩散框架,通过新颖的抓取能量项计算手部顶点到最近物体点的有向距离分布,实现了对多样物体几何形状的高质量、几何合理且具备灵活用户控制的抓取生成。该方法结合 Diffusion Transformer 生成候选手姿并通过优化在近接触区域强制一致性,已接受于 SIGGRAPH Asia 2026。项目页面提供包含动态可视化的补充视频以展示效果。

  10. arXiv · 机器人与计算机视觉65

    GeoHAT:面向移动操作的几何自适应混合动作 Transformer

    针对全身移动操作需协调移动底盘与机械臂且面临几何感知挑战的问题,本文提出 GeoHAT 端到端扩散框架。该方法利用轻量傅里叶空间编码器将像素级 3D 坐标映射为几何 token,并通过深度有效性门控融合注入视觉基础模型特征;动作生成部分采用混合全身动作解码器,将臂与底盘分解至不同子空间并分别关注任务相关视觉上下文。

  11. arXiv · 机器人与计算机视觉62

    Haptic Sorter:一种用于在线形状估计与实时位姿推断的统一规划框架

    论文提出 Haptic Sorter 框架,整合触觉感知、建模与操作规划以解决几何信息缺失问题。核心创新包括利用贝叶斯优化引导触觉探索以近似超椭圆边界、自适应编码物体几何的操纵势函数以及基于模型预测和触觉反馈的在线 ODE 位姿推断。系统在二维机器人分拣任务中验证了其在仿真及真实多臂设置下的鲁棒性与泛化性,相关代码与论文已发布于 arXiv。

  12. arXiv · 机器人与计算机视觉72

    LLM 引导的未来假设用于多步机器人操作中的视域感知探索

    针对多步机器人操作中场景演化不确定性问题,研究提出通过未来经验条件化(FEC)接口,利用 LLM 推理器、数字孪生和扩散模型生成短视界未来视频作为控制与强化学习微调的结构化先验。在 RoboCasa 和 CALVIN 仿真环境中对比了无未来、生成未来及错误未来等条件下的策略表现,发现生成的未来视频能提升性能而失配的未来会退化效果,且 BC+RL 架构综合表现最强。

  13. arXiv · 机器人与计算机视觉72

    StableHand:面向眼动视频的质控双手运动估计方法

    论文提出 StableHand 框架,针对眼动视频中双手频繁出画及物体遮挡导致的观测噪声问题,将单帧观测质量分解为手腕平移与手指关节四个通道信号,并以此条件化流匹配过程。该方法在 HOT3D 和 ARCTIC 两个基准上均优于最强基线,尤其在严重遮挡序列中 W-MPJPE 降低 20-25%。材料为 NeurIPS 2026 录用论文,未涉及真实机器人部署结果。

  14. arXiv · 机器人与计算机视觉82

    RoboEvolve:基于有限数据的机器人操作规划器 - 模拟器协同进化框架

    该论文介绍 RoboEvolve 框架,通过耦合视觉语言模型(VLM)规划器和视频生成模型(VGM)模拟器构建相互强化的协同进化循环。系统利用无标签种子图像启动自进化,采用认知启发的双阶段机制:日间探索促进物理基础的行为发现,夜间巩固挖掘“差一点成功”的失败案例以稳定策略优化。

    推荐理由:提出 VLM 规划器与视频生成模拟器协同进化的框架,利用无标签种子图像实现数据高效训练并提升底层控制成功率。

  15. arXiv · 机器人与计算机视觉82

    未知动态环境下的可见性感知移动抓取研究

    针对未知且动态环境中机器人需利用有限视场摄像头接近并抓取目标物体的场景,提出统一系统以运行时强制执行可见性约束。该系统包含速度感知注视策略、分层子目标策略及实时全身规划器。

    推荐理由:提出统一系统,在动态环境中通过视线策略与全身规划器解决可见性约束,相比解耦方案显著提升成功率并降低碰撞。

  16. arXiv · 机器人与计算机视觉62

    通过移位寄存器复用实现灵巧机器人手的高速可扩展传感器读出

    针对灵巧机器人手多自由度传感需求,本文提出基于串行输入并行输出(SIPO)移位寄存器原理的可扩展模拟传感器读出架构。该架构支持异构模拟输出传感器的灵活集成,仅需三条信号线即可实现模块间可扩展扩展,并具备快速可配置采样能力。

  17. arXiv · 机器人与计算机视觉65

    AffordSim:一种可扩展的功能感知机器人操作数据生成器与基准

    针对现有仿真数据生成器缺乏任务语义或需人工标注的问题,该研究提出 AffordSim,将开放词汇 3D 功能预测集成到基于仿真的轨迹生成中。给定自然语言描述,系统合成场景、发射功能查询并在地面化物体表面采样区域条件化的抓取,再经运动规划筛选可执行候选。

  18. arXiv · 机器人与计算机视觉42

    PrepTurn:强化学习框架实现快速序列四足导航中的预期机动

    PrepTurn 是一个强化学习框架,通过直接映射当前与下一姿态目标到关节动作,利用持久信用奖励和自动课程解决序列任务中的走走停停问题。Unitree Go2 的仿真与车载实验表明,该方法实现了高效遍历、高完成率及减少的非必要停顿。当容差放宽时,策略还能涌现提前转向等新兴行为以提升效率。

  19. arXiv · 机器人与计算机视觉82

    RoboGene:面向 VLA 预训练的多样性驱动智能体任务生成框架

    针对通用机器人操作数据稀缺且采集成本高的问题,论文提出 RoboGene 框架,结合多样性采样、智能体自反评估与人验证反馈记忆,自动生成单臂、双臂及移动机器人的多样化操作任务。

    推荐理由:提出 RoboGene 框架,通过多样性驱动采样与智能体自反机制生成高质量操作任务,显著提升 VLA 模型泛化能力。

  20. arXiv · 机器人与计算机视觉72

    FlowHOI:面向灵巧操作的语义 grounded 手物交互生成方法

    针对现有视觉语言动作模型在手物交互结构表示上的不足,该研究提出 FlowHOI 框架,通过两阶段流匹配生成语义 grounded、时序连贯的手物交互序列。该方法解耦几何抓取与语义操作,利用紧凑的 3D 场景 token 和运动文本对齐损失进行条件控制,并引入重建管道从大规模第一人称视频中恢复手物轨迹以解决高保真监督稀缺问题。

  21. arXiv · 机器人与计算机视觉82

    UniManip:基于代理操作图的开放世界机器人操作研究

    UniManip 是一个统一的机器人操作框架,核心是代理操作图(AOG),用于任务编排、状态跟踪和闭环故障恢复。该框架将高层语义意图转化为可执行原语,通过物理感知的场景图和局部规划器生成无碰撞轨迹,并利用结构化记忆自主诊断失败。

    推荐理由:该框架通过代理操作图统一任务编排与物理交互,在 LIBERO-Pro 基准及真实场景中实现零样本泛化,优于主流 VLA 模型。

  22. arXiv · 机器人与计算机视觉65

    DWPP:考虑速度与加速度约束的动态窗口纯 Pursuit 算法

    针对传统纯 Pursuit 算法未显式处理速度与加速度约束导致指令与实际速度偏差的问题,本文提出动态窗口纯 Pursuit(DWPP)算法。该方法在速度空间重构了指令速度计算过程,选取动态窗口内最接近特定直线的点作为指令速度,从而避免违反约束的命令并提升路径跟踪精度。该算法已集成至官方 Nav2 仓库并向公众开放。

  23. arXiv · 机器人与计算机视觉68

    CRAFT-E:一种用于功能属性 grounding 的可解释可编辑神经符号框架

    针对非结构化环境中辅助机器人需推理物体功能及非常规用途的挑战,该工作提出 CRAFT-E 框架,通过组合大语言模型生成的动词 - 属性 - 对象知识图、CLIP 视觉对齐与基于能量的抓取推理,实现可解释的 grounding 路径与无需重新训练的编辑能力。