优必选与锋龙股份合资公司发布机器人关节产品矩阵
新锋龙于 11 月 3 日发布涵盖行星、谐波、直线关节模组及仿生面部微型舵机的产品矩阵,面向人形与移动机器人场景。行星关节峰值扭矩最高达 300Nm,谐波关节绝对位置精度达±0.2°,直线模组峰值推拉力最高 100N,微型舵机重量不足 40g 且已实现量产。此次发布标志着新锋龙形成覆盖旋转、直线及微型仿生驱动的完整布局。
新锋龙于 11 月 3 日发布涵盖行星、谐波、直线关节模组及仿生面部微型舵机的产品矩阵,面向人形与移动机器人场景。行星关节峰值扭矩最高达 300Nm,谐波关节绝对位置精度达±0.2°,直线模组峰值推拉力最高 100N,微型舵机重量不足 40g 且已实现量产。此次发布标志着新锋龙形成覆盖旋转、直线及微型仿生驱动的完整布局。
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。
该系统集成 CBCT 三维模型与实时光学透视 AR,辅助针道规划并减少辐射暴露。十六名参与者在 facet joint injection 和 lumbar puncture 两项任务中测试显示,AR 显著缩短执行时间、降低跨任务放置误差并减轻认知负荷。研究证实了该技术在脊柱介入手术中的可行性及提升效率与用户体验的潜力。
该研究利用平移不变动力学下的避侧代价哈密顿雅可比公式,证明价值函数在障碍物外为零、内为负,确立了单模板价值函数的复用原则。引入的块级组合框架将子集障碍物联合求解,构建了从单点复用到精确混乱场价值的保守证书层级,并在 Dubins 车重复障碍场案例中验证了单调性与精确性准则。
针对机器人系统部署于安全关键领域需证明其安全的挑战,该方法通过嵌入形式化验证到保障工作流中,利用 RoboChart 语言结合模型检测与定理证明自动生成证据。研究展示了从自然语言需求推导形式断言、编排多种验证工具及整合结果的有效性,相关预印本已接受发表于 Software and Systems Modeling。
论文提出 CoSMO(Conformal Semantic Mapping for Open-World Safe Robot Navigation)框架,旨在解决视觉语言模型在未知场景中构建地图时的置信度校准问题。
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。
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。
论文研究了多数据集训练及 BEV-Forcing 辅助目标,旨在提升视觉语言动作模型在自动驾驶中的跨载体泛化能力。通过引入鸟瞰图空间接口共享物体位置表示,该方法在小规模相机配置下能同时改善分布内与分布外性能;但随着训练载体数量增加,辅助任务的收益逐渐减弱。该研究为理解数据扩展对 VLA 迁移学习的影响提供了新视角。
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。
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。
论文介绍 MERIS 框架,用于在计算与时序预算有限的动态机器人环境中执行变化的有向无环图(DAG)工作负载。该方法结合比例中间截止时间、MIMONet 感知的图细化及事件驱动同步,明确区分应用 DAG、内部编解码器图和细化调度图的三种表示形式。
论文提出了 CoEnv(Code-driven Exploration)框架与 CoEx 方法,旨在解决通用编码代理缺乏安全练习场的问题。该方法通过 CoEnv 将多视角 RGBD 数据重建为物理仿真的数字孪生环境,使智能体能在可执行的数字孪生中编写、调试并优化完整的多臂协作程序。
推荐理由:提出 CoEnv 框架,利用代码驱动代理在数字孪生中探索多臂协作程序,验证后转移至硬件,显著提升了无人类演示任务的成功率。
OmniGuide 提出利用任意来源的引导(如 3D 基础模型、语义推理 VLM)作为可微能量函数,显著提升 VLA 模型在复杂任务中的成功率与安全率。实验涵盖仿真与真实环境,证实该框架能匹配或超越此前针对特定引导源的方法,有效增强 $\pi_{0.5}$、GR00T N1.6 等最先进泛化策略的表现。论文已接受 CoRL 2026,项目页面提供相关代码与资源。
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。
针对现有导航基准依赖大模型生成且存在歧义的目标描述问题,本文提出了 LangMap 基准和 HieraNav 任务。该工作基于 HM3D 构建,首次通过人工验证为室内三维扫描数据添加了涵盖场景、房间、区域和实例四层语义的标注,覆盖 414 个类别及超 18K 任务。
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。
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。
论文提出 SpecPrune-VLA,一种无需训练的、两层级的动作感知自推测剪枝方法,旨在解决现有 VLA 加速方法忽略全局上下文导致成功率下降的问题。该方法结合局部信息与全局历史静态减少视觉 token,并基于层重要性动态剪枝,同时根据末端执行器速度区分粗细粒度动作以调整剪枝强度。
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。
本文发布 Parametric CAD Bench v3,这是一个包含 100 个任务的基准,涵盖从文本生成 CAD、文本生成并编辑以及从工程图纸重建机械零件。
推荐理由:该基准通过几何相似度与规范一致性评估代理生成 CAD 脚本的能力,并开放了任务、配置及结果工件。
论文介绍 TriPhysBench 基准和 TriPhys 框架,旨在评估和提升具身智能体的物理感知、知识检索及定量推理能力。基准包含来自 200 个视频的 410 个问题,涵盖测量驱动与知识驱动的子任务;现有六款视觉语言模型中最佳者准确率仅 50.38%。
推荐理由:该工作提出 TriPhysBench 基准与 TriPhys 框架,揭示现有模型在物理感知、知识检索与推理协同任务上的不足并提供改进路径。
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。
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。
该研究提出一种结合光谱神经网络、规范分位回归及区间算术的框架,为四旋翼飞行器在闭环线性二次调节器下提供可校准的轨迹预测与控制点区间。经重构后的网络在树莓派 Zero 2 W 上实现 3.45ms 的推理时间,含轨迹推断的总流水线耗时 9.81ms(约 100Hz),满足典型控制频率要求。
现有 GUI 基准多依赖精确指令,而真实场景中用户指令往往模糊且依赖历史。本文介绍 MemU-Bench 基准,包含 118 个基于 29 条长轨迹的模糊任务,要求智能体从噪声交互流中提炼记忆并检索缺失上下文。
论文 AuroraWorld 提出一种结构化 4D 世界建模方法,用于从大规模外视角(exocentric)机器人操作视频中合成物理一致且策略相关的内视角(egocentric)观测数据。该方法旨在解决现有技术在处理大幅视点变换、严重遮挡及复杂物体交互时难以生成高质量内视角视频的难题。材料为 arXiv 预印本版本,未提及同行评审状态或具体实验结果。
Pixel 是一个协同设计的完整系统,旨在通过低成本轮式人形机器人、合规夹爪及统一全身控制器学习通用移动操作。该系统整合了遥操作与免机器人数据采集接口,支持语言条件视觉运动控制及长视界任务执行。研究在硬件、数据收集与策略学习上进行了评估,展示了需灵巧性、主动感知、导航及全身协调的移动操作行为。
论文提出 Pixel-UMI 框架,利用传感器化的人类演示数据学习环境感知的全身操作策略。该方法引入环境感知重定向(EAR)结合场景几何与人体轨迹生成避障关节目标,采用延迟校准动作分配解决运动学差异,并通过误差感知掩码(REAM)减少部署时的视角失配,最后利用 DAgger 收集在线人类修正以增强接触丰富交互的性能。
EgoActionBench 引入包含 1407 个片段与 41132 个人工精修标注的新基准,将连续操作拆解为左手、右手或双手关联的原子化动作。该基准通过检索候选并评估语义保真度与时序重叠,揭示当前模型在动作原子性、时间精度及手 - 动作关联上的局限。
WISE 是一种在推理阶段对世界动作模型采样结果进行评分与筛选的方法,通过评估动作有效性、时序规律性、逆动力学一致性及任务进度,从四个候选中执行得分最高者,无需更新模型参数。
该论文提出了 TAMPAgent 框架,旨在解决开放世界中机器人移动操作面临的几何不确定性问题。研究将大视觉语言模型(LVLM)的推理能力与任务运动规划(TAMP)系统的结构化约束求解相结合,构建了一个基于可扩展 API 的信念空间规划模型。
本文研究了利用中间机器人助手引导大型群体的技术,针对野生动物群等“不可治理”的群体场景,对比了低层级遥操作与基于集体形状(如边界控制)的高自主性运动原语接口。实验结果表明,后者在虚拟现实牧羊任务中提升了表现并降低了感知工作负载。该论文已接受发表于 IROS 2026,属于预印本状态。