RAIWAY:一种配备 20 英寸车轮的接触感知盲式双足机器人
该研究介绍了 RAIWAY,一款由团队自主研发的大轮双足机器人,其核心在于提出了一种基于接触信息的控制方法,用于在不规则和不连续地形上的滚动运动。该方法利用仿真中的接触信息蒸馏出潜变量表示,部署时控制器仅需本体感知即可在线推断该表示,无需直接安装接触传感器。
该研究介绍了 RAIWAY,一款由团队自主研发的大轮双足机器人,其核心在于提出了一种基于接触信息的控制方法,用于在不规则和不连续地形上的滚动运动。该方法利用仿真中的接触信息蒸馏出潜变量表示,部署时控制器仅需本体感知即可在线推断该表示,无需直接安装接触传感器。
本文介绍 MARC(Mechanism-Aware Reflective Correction)方法,旨在解决从图像和文本生成可执行运动学连杆物体的难题。该方法共享一个可执行的运动学图,将物理连接绑定到局部附着帧并代表闭环与关节耦合。
智元发布 Genie Studio 2.0 集成平台,连接机器人模型、任务工作流与现场系统,支持新任务环境七天验证。平台包含 Flywheel 模块用于数据收集、模型训练及仿真测试,Agent 模块用于拖拽式任务编排,Monitor 模块用于车队监控与远程干预。
推荐理由:平台整合数据、模型与现场系统,支持新任务环境七天验证,已在制造与轨交项目完成闭环。
10月26日,智元正式推出面向拆码垛、物料转运等场景的安规级重载具身机器人精灵G2 Max。该产品单臂负载20kg、双臂额定负载40kg,具备7自由度力控与视觉引导能力,可兼容多种工业物料且无需大量重新示教。
推荐理由:智元发布安规级重载机器人精灵G2 Max,集成力控与视觉融合方案以解决搬运精度难题,并适配既有产线布局。
10 月 23 日,新奇机器人 Nexforce 与力星股份、优姆拉(UMBRA)集团在上海研发中心签署三方战略合作协议。合作聚焦陶瓷球、G3 级高精密钢球及高精密丝杠等核心传动部件,面向欧洲高端精密机床、新能源汽车及人形机器人领域推进技术适配与联合开发。
10月26日,由港科大冠军队孵化的模感科技宣布完成亿元级天使+轮融资,资金将用于全身触觉产品研发及量产测试体系建设。其核心产品MoSkin基于电磁超构力学技术,覆盖手部至足底,旨在通过高频多维反馈修正低频决策以缩小仿真到现实的差距。目前公司仍处于量产测试体系建设阶段,尚未披露营收与客户名单。
针对人形机器人对轻量化、敏捷且节能的腿部机制需求,本文提出了一种新型串联 - 并联腿部设计,结合膝部并联机构、踝部并联机构及非线性膝踝耦合结构,将所有执行器置于髋部附近。该设计利用耦合机构被动辅助踝关节运动以分担负载,并通过仿真与硬件验证了非线性传动模型。实验表明,共享传动机制使双关节能互借执行器容量,在 6kg 腿部重量下将足部有效反射质量降至 0.37kg,显著降低了动态人形机器人的远端惯性。
论文提出了 PartialBiGrasp 框架,旨在解决双臂机器人抓取大型复杂物体时因无法获取完整点云而导致的几何信息缺失问题。该方法利用卷积占用网络从稀疏的部分观测中隐式学习厚度、边缘结构等局部几何特征,进而生成满足力闭合约束的抓取对,并通过基于采样的优化消除不完整几何带来的歧义。研究在分析指标、大规模仿真及真实机器人上针对新型物体的噪声部分点云进行了评估,证明了其在物理稳定性上的鲁棒性。
论文提出 UCA-Flow 框架,旨在解决扩散和流策略中条件信号处理不足的问题。该方法将观测、时间步、区间等条件与动作 token 统一表示并联合学习,通过动态重构条件表征来优化动作生成。
针对高维空间与不确定环境下的机器人运动规划难题,研究提出利用环境约束(ECE)策略,通过主动接触降低维度复杂度。该方法结合 RRT 基线算法在真实场景中验证了其在任务相关区域探索及执行鲁棒性上的优势。工作整合并扩展了既有研究,展示了 ECE 在复杂环境中简化规划流程的有效性。
这篇论文提出了一种新的方法,用于从稀疏且含噪的传感器数据中重建连续体操作臂的形状。该方法在因子图框架内估计紧凑几何可变应变(GVS)参数化的系数,并利用源自应变场 Magnus 展开的新型运动学因子作为先验约束,将闭式杆几何与 GVS 应变系数及骨干姿态变量联系起来。
针对操作员路线不可由机器人直接执行的场景,本文提出 Consistent Action-Response Execution (CARE) 框架。该方法将局部控制建立在可执行动作索引之上,统一条件化预测、联合推演与候选选择效用;通过有界互惠细化处理瞬态不匹配,利用持久进度损失进行恢复。
针对徒手牙科手术精度与灵巧性要求高的痛点,研究团队开发了兼容标准临床工具的 FH-HBTS 系统。该系统通过视觉反馈确保主从动作与力对应,并仅依据实测接触力缩放导纳控制器以限制交互力,无需先验环境知识。体外预临床研究在简化条件下验证了系统在提升遥操作自然度、安全性和准确性方面的潜力。
该研究针对机器人演示中由遥操者决定的动作节奏问题,提出直接从大规模演示数据中学习速度先验分布的方法。给定任务指令、运动路径及图像序列,该方法预测沿路径的执行速度分布,并据此为每个演示定义一致的时钟以消除操作员特异性时间。
针对灵巧操作学习中高质量演示采集难的瓶颈,本文提出 DexPort 便携式数据收集接口。该设备利用与部署端相同的手部硬件,避免具身差距,记录指令关节目标与测量关节状态。
论文提出 ViT-H 框架,通过扩散模型直接从单目视频中生成类人参考动作,跳过中间的重构与重定向阶段,并利用运动追踪结果进行偏好优化以提升可执行性。该工作还引入了自回归变体以实现低于 400ms 延迟的实时遥操作。在 Unitree G1 机器人上的实验表明,ViT-H 在运动质量和可执行性方面均优于现有的重建 - 重定向 - 追踪流水线,且模型规模与数据规模的扩展效果良好。
推荐理由:ViT-H 框架通过生成式视频到类人控制范式,利用运动追踪反馈优化生成器,在 Unitree G1 上展现出优于传统流水线的运动质量与可执行性。
该工作提出一种基于光学相干断层扫描(OCT)的数据驱动框架,通过用户演示学习并执行带闭环反馈的软组织形状控制。在 12 种配置与 576 次体模测试中,残差条件化将全量扩散策略的方向性形状均方根误差从 0.748 mm 降至 0.555 mm;体素点云显式策略结合残差在深度与方向控制上分别达 0.534 mm 和 0.443 mm。
论文介绍 Backtrack 机制,通过仅增加 0.48-0.88% 参数的小头检测失败并回溯重试,无需演示或重训即可提升冻结 VLA 的鲁棒性。在 LIBERO 长程任务上,该方法使 SmolVLA、π0.5 和 π0-FAST 三个模型的失败率分别降低 19-48%,成功率最高提升 7.4 个百分点;在 MetaWorld 测试中所有配置均优于无辅助策略。
该研究针对超声成像高度依赖操作者的问题,提出一种解剖锚定的模仿学习框架,结合外部视觉定位与力反馈实现自主超声扫描。系统在未见参与者上对肾脏、胆囊和肝脏标准切面采集及桡动脉扫查的任务成功率分别达到 96%、94%、88% 和 94%,相比微调后的 pi_0 模型在腹部任务上的成功率提升 10-42 个百分点。
论文介绍了 CoCarry 数据集及配套的 Contact-Support-Structured Retargeting 方法,旨在解决双具身智能体在协同搬运中保持个体运动合理性与跨主体、主体 - 物体关系一致性的难题。
论文介绍 DynaSlots,一种无需动作标签的预训练框架,将点云帧分解为时间一致的局部槽位并在该粒度建模动力学,而非传统的全局场景级压缩。该方法通过时序传播模块保持槽位一致性,利用逆动力学提取潜在动作,并结合扩散模型预测未来状态以学习邻近与运动关系。
该论文提出 MAST-VLA(Multi-skill Adaptation with Skill-conditioned experts and Trajectory-affordance priors),一种用于机器人操作的双条件框架。
研究在 Unitree Go2 四足机器人搭载 AgileX Piper 机械臂上,通过调整模型变体、动作视界及演示规范,成功实现了闭环行走操作。扩大演示覆盖范围使未见末端执行器误差降低 30%,引入推等次要技能增加了新行为模式而未降级基线性能。真实世界实验验证了数据集构成对复杂行走操作成败的影响,确立了从桌面到移动机器人的部署管线。
论文介绍 RoboCode,该方法通过共享软门控原语接口学习动作空间中的可复用模式,将动作块表示为多个学习到的原语的软组合而非单一离散码。在五个 ManiSkill 任务实验中,其平均重建 MSE 为 0.0187,代码激活分析显示跨任务的结构性复用,且在所有评估任务上达到最高或并列的闭环成功率(平均 75.6%),优于 ACT(68.8%)和 Diffusion Policy(41.6%)。
推荐理由:该工作提出软门控原语接口,在五个任务上实现平均 75.6% 成功率并揭示代码复用结构。
Geometry-Aware Reinforcement Learning for Close-Fitting Wearable Insertion 将穿衣任务建模为几何感知插入问题,结合分阶段课程与手指级软门控机制。该方法在刚性及柔性手镯任务中达到 84.7%±1.2% 成功率,真实机器人实验于假人手模型上完成 15/20 次成功。研究通过组件消融与初始手姿变化验证了框架有效性。
这篇论文针对机器人操作任务中实时响应与执行稳定性的平衡难题,揭示了流匹配视觉语言动作模型中数值求解器深度与执行视界之间的基础计算 - 执行耦合关系。研究发现,粗粒度数值积分虽会降低快速重规划下的精度,但能显著改善长开环承诺下的任务性能;几何上,数值截断收缩了不变轨迹质点周围的侧向动作离散度,起到了抑制累积开环漂移的隐式正则化作用。
推荐理由:该研究揭示了流匹配 VLA 策略中执行视界与采样深度的耦合机制,在不修改架构和无需训练的情况下显著降低推理延迟并提升任务成功率。
针对行为克隆对训练数据覆盖度敏感的问题,该研究提出 DiscoDemo 方法,利用强化学习作为下游视觉运动模仿学习的数据生成器。该方法通过并行反向课程和成功门控多样性目标,在保持任务成功率的同时挖掘多种成功的解决方案模式。
该研究提出了一种名为 Robotic Budding 的物理自复制方法,利用单一标准化模块(含磁吸接口与两个驱动关节)从二维平面折叠成三维结构。系统演示了通过离散运动指令,由人工遥操作引导父机器人吸附备用模块并组装出结构相同的子机器人(如三模块“三叶虫”或五模块“海豹”形态),随后两者分离且父体保留原有模块。
该研究提出集成神经细胞自动机的模块化框架,通过去中心化附着点发现机制实现无需预定义列表的渐进式生长。离线稀疏保留微调结合假阳性损失显著提升了数百机器人规模的晶格形态准确性。Crazyflie 四旋翼实验利用外部跟踪重建相对观测,验证了从仿真到现实的闭环执行管线有效性。
BM2PC 框架通过控制即推理的后验将多模态规划转化为集合优化问题,在无需任务特定策略训练或微调的情况下,轨迹跟踪泛化性优于学习基线。真实世界实验显示其长视界跟踪准确,最长任务均方根误差降低 44.0%,避障规划时间减少 29% 至 66%。核心实现与补充视频已公开于 GitHub 链接。
论文介绍 EgoForesight 框架,旨在解决机器人策略学习中高质量轨迹监督成本高、而第一人称视频存在运动重建噪声的问题。该方法通过联合视觉 - 动作流统一可靠性感知学习与结果导向表示转移,结合可靠性条件化数据损坏与特权未来表示蒸馏技术。
FORCA 是一种将视觉观测与腕部力/扭矩测量作为输入以编写 Python 程序的编码智能体,专门针对接触丰富的操作任务。该研究无需演示、特定训练或仿真,通过在五次真实机器人任务中检验其效果,展示了在提升操作精度、适应物体属性变化以及调节表面和物体运动下的接触控制方面的能力。与仅视觉的变体相比,FORCA 提高了抓取准确性和任务成功率,并减少了擦拭和剥离过程中的接触丢失。
StackGen3D 框架通过物理感知图神经网络预测支撑关系,结合条件流匹配模型与轻量几何优化,从给定库存和正交轮廓生成稳定结构。最佳十选策略将物理稳定性由 45.3% 提升至 72.4%,同时实现 0.970 的轮廓 IoU。该工作展示了结合关系物理推理、可扩展数据策展与条件生成建模在创意三维组装中的潜力,相关海报已在 IROS 2026 会议公开展示。
该论文介绍 KiRoSe 框架,旨在将机器人演示数据分割为不重叠的时间与语义子段以辅助学习与清洗。针对直接摄入多路视频流成本高且易耗尽上下文的问题,该方法聚焦于机器人运动学数据流,提出稀疏运动令牌(SMTs)来紧凑表示重复的运动模式。
近日,松延动力与一龄集团达成战略合作,其具备多模态交互能力的仿生机器人“小月”将作为业务终端融入日常康养服务流程。该机器人头部最多配备30个自由度,结合视觉感知与AI大模型实现眼神交互及唇形同步技术。双方将从外观表达、知识交互和服务流程三个维度积累场景经验,探索形成可复制的运营方案。
智元与成都文旅集团合作,灵犀X2双足人形机器人在成都宽窄巷子组建专属班组,实现迎宾咨询、文化讲解和便民零售三大岗位全覆盖。其中零售仓方案基于自研全身VLA模型,支持20余类SKU作业,成功率超98%,单次任务节拍约30秒。智元同时推出SkillForge端到端开放平台,允许客户在现场采集数据并一键训练部署新任务,无需重新设计固定流程。
无界动力正式发布并开源MWA™-Phoenix端侧7B参数完整预训练模型,该模型在LIBERO-Plus、LIBERO-Pro等六项评测中取得领先成绩,验证了其在环境扰动与复杂操作方面的能力。
推荐理由:无界动力发布端侧7B隐空间世界模型及仿真工具,在多项评测中验证了仅凭RGB输入完成复杂操作与真机执行的能力。
智元发布了安规级重载具身工业机器人精灵G2 Max,单臂负载20公斤、双臂峰值可达50公斤,具备亚毫米级作业精度和腰部俯仰结构以适配紧凑空间。材料披露该产品已在昆山沪光工厂参与启元T1零部件搬运、头部物流企业开展入库拆码垛测试(成功率超99%)、以及头部食品企业完成成品拆码垛交付(单箱节拍35秒,成功率不低于99.9%)。G2 Max采用双电池热插拔与自动回充设计,支持7*24小时不间断运行。
Eka Robotics 宣布完成 1.5 亿美元 A 轮融资,由 Andreessen Horowitz 和 FMR 旗下基金领投。该公司基于强化学习构建了视觉 - 力-动作(VFA)基础模型,旨在通过大规模仿真训练让机器人在物理环境中具备泛化能力。
阿里巴巴集团旗下高德正式发布首个基于开放世界行为的全身基座模型λ0,该模型仅依靠人类行动数据即可让机器人学习移动、姿态与双手操作的全身协调。在SIMPLE仿真基准及多项真机评测中,λ0均取得SOTA表现,数据采集效率约为主流方法的3.4倍,真机任务成功率较最强对比基线提升22.5%。
推荐理由:高德发布首个基于开放世界行为的全身基座模型λ0,仅凭人类行动数据实现零样本迁移,并开源了相关硬件配置代码与HumanVerse数据样例。