跳到正文
11月3日周二
  1. arXiv · 机器人与计算机视觉48

    控制器限时内重定时演示实现更快模仿学习

    该方法通过贪心合并指令确保每一步位移在低层控制器能力范围内,解决了传统重定时导致成功率崩溃的机械成因。实验显示,在四个 Robomimic 仿真任务中,合并上限为二的策略成功率最高,Square 任务较冻结策略提升 14 个百分点; humanoid 全身追踪器在 2.3 倍速下成功率为 71%,优于均匀重定时的 51%。该研究已提交至 ICRA 2027,代码与数据暂未开放。

  2. arXiv · 机器人与计算机视觉74

    Reflex:通过复用和修正过去动作实现快速机器人策略服务

    论文提出 Reflex 框架,解决现代机器人策略因昂贵推理导致的实时控制延迟与多机吞吐量瓶颈。不同于仅缓存中间状态的方法,Reflex 缓存完整动作块以绕过昂贵的策略主干网络,并通过两级缓存修正机制处理相似观测需不同动作及误差累积问题。实验显示该方法在代表性负载和真实机器人上,将推理延迟提升 1.4 至 11 倍,吞吐量提升 2.0 至 2.2 倍,同时保持任务成功率相当。

  3. arXiv · 机器人与计算机视觉84

    低参数 regime 下视觉语言动作模型的行為引导

    论文研究了如何用极低容量(8 至 384 个可训练参数)的 TinyLoRA 适配器对预训练的 OpenVLA-OFT 7B 策略进行行为引导,使其在保持预训练能力的同时适应如“举高物体”等风格偏好。

    推荐理由:该文展示了仅用 256 个可训练参数即可通过微调改变 VLA 执行风格,同时保留大部分预训练能力。

  4. arXiv · 机器人与计算机视觉48

    MESSPa:一种用于可拆卸机械臂的多模态具身刺激肩垫,保留代理感

    针对可穿戴机器人分离时代理感下降问题,研究提出结合运动传递与肩部气动触觉反馈的MESSPa系统。实验显示,在双任务负载下,该设备相比键盘控制显著缩短完成时间并提升分离状态下的代理感,同时缩小了附着与分离状态间的性能差距。该系统设计已接受IEEE-RAS Humanoids 2026会议录用,相关代码与数据暂未开放。

  5. arXiv · 机器人与计算机视觉56

    通过时空语义融合实现交互式物体搜索:一种结合 VLM 可信度与几何占位证据的三维信念场方法

    本文提出了一种将语义直觉与几何感知融合至显式三维信念场的交互物体搜索系统,旨在解决现有方法仅依赖单一模态(纯几何或语言模型)的局限。系统通过贝叶斯对数几率滤波累积每个物体的 VLM 可信度分数和几何占位证据,形成统一的高维信念场以驱动行动选择,包括从不同视角观察、导航至未探索区域或与封闭柜体进行物理交互。研究在双足移动机器人上进行了端到端部署,结果表明该方法优于仅基于几何或语言模型的规划方法。

  6. arXiv · 机器人与计算机视觉48

    TacMind:机器人触觉交互状态基准与预测世界模型研究

    TacMind 构建包含 128 个任务的仿真基准,涵盖 Precise、Recognition 及 Dynamic 三种评估 regime 并引入视觉物理扰动。该工作提出动作条件潜变量预测世界模型,通过整合触觉历史与未来预测来学习交互状态以优化候选动作。实验表明,在各类评估 regime 下融入触觉信息均能带来一致的性能提升。

  7. arXiv · 机器人与计算机视觉78

    行为图:用于解读机器人部署数据的无监督图结构

    针对机器人部署产生海量高维数据难以分析的痛点,本文提出行为图方法,通过识别相似行为模式、连接时序并关联结果,将策略 rollout 压缩为可解释的有向图。用户研究显示该方法比视频更易分析且能预测任务进度。

    推荐理由:提出行为图方法压缩机器人部署数据,用户测试显示其比视频更易分析且能预测任务进度。

  8. arXiv · 机器人与计算机视觉78

    基于路径积分与视觉罗盘误差的机制在真实机器人上的验证

    论文提出并测试了一种模型,证明简单的误差驱动机制能在真实世界条件下生成沙漠蚂蚁学习行走的关键特征。研究团队将模型部署在一台配备全景相机、IMU 和轮速编码器的四轮物理机器人上,并在户外复现了沙漠蚂蚁实验设置。

    推荐理由:该研究在真实四轮机器人上验证了基于路径积分与视觉罗盘误差的机制,成功复现沙漠蚂蚁学习行走的特征。

  9. arXiv · 机器人与计算机视觉78

    SPARK:基于物理重观察的自纠正具身记忆

    针对现有具身检索增强生成(RAG)系统易累积语义标签、物体位置及空间关系错误的局限,论文提出 SPARK 框架。该框架在首个任务集后利用语义批评标记知识库错误区域,通过规划器生成针对性重访,并基于新观察结果选择性合并信息以修正记忆。

    推荐理由:提出 SPARK 框架,通过语义批评与目标重访修正具身记忆错误,在 AirSim 仿真环境中显著降低存储开销并提升问答性能。

  10. arXiv · 机器人与计算机视觉47

    Teach-Abstract-Apply 框架实现协作机器人对话驱动任务学习与技能抽象

    Teach-Abstract-Apply(TAA)框架允许操作员通过自然语言向协作机器人教授新工作流,并将其抽象为可复用的技能。该框架在结构搭建任务中利用 Qwen3-Coder 和 GPT5.2-Codex 模型评估显示,技能抽象提升了任务成功率并降低了交互成本。初步人机闭环研究证实该流程也能响应人类指令,支持未来生产环境的通用化应用。

  11. arXiv · 机器人与计算机视觉58

    监督式双机械臂自动吸除与电凝止血:低度脾脏创伤的可行性研究

    该论文提出了一种用于低度脾脏创伤的监督自主双机械臂框架,系统整合了实时出血分割、无标记工具关键点追踪及深度工具 - 组织接触检测,以协调双臂进行同步吸除和电凝。在新型管状离体脾脏出血模型上评估显示,该系统在七处不同损伤中实现了平均 82.9% 的出血表面焦痂覆盖。材料为 arXiv 预印本,展示了监督自主系统在靶向凝血方面的可行性,未报告真实临床部署结果。

  12. arXiv · 机器人与计算机视觉48

    从概念到实际成因:弥合机器人基础模型的概念 - 故障差距

    该位置论文指出,现有机械可解释性方法因假设固定情境且仅读取即时效应,导致无法识别特定事故的实际成因。作者通过形式化故障隔离查询框架,揭示了当前方法在玩具示例中可能引发相互冲突的判决结论。基于此,文章提出了四项开放研究任务以填补概念编码与实际故障之间的差距。

  13. 盖世汽车 · 汽车资讯33

    机本智能连续完成两轮融资近千万美元,聚焦强化学习路线打造软硬一体灵巧手解决方案

    机本智能于近日连续完成由 Alphaist Partners、耀途资本领投的两轮融资,累计金额近千万美元。公司成立于 2026 年 9 月,CEO 李浦豪与 CTO 陈泽源分别来自清华自动化系和北大,长期研究灵巧操作底层交互算法。团队选择强化学习路线,正探索将仿真、真人演示与生成轨迹结合构建数据体系,推进模型从仿真向真实硬件迁移验证。

11月2日周一
  1. 智东西 · 机器人42

    机本智能完成近千万美元融资,打造聚焦灵巧操作的机器人“小脑”强化学习平台

    北京具身公司机本智能宣布连续完成两轮融资,累计金额近千万美元(约合人民币0.67亿元)。该公司由两位"00后”研究员创立,聚焦机器人灵巧操作,致力于构建将仿真、真人演示与生成轨迹结合的训练数据体系。团队采用强化学习路线,旨在打造适配不同硬件的“小脑”,实现从仿真环境向真实硬件的迁移验证。

  2. arXiv · 机器人与计算机视觉62

    面向通用形态控制的上下文 MDP 中共享模块化循环研究

    论文提出一种利用上下文信息并利用深度强化学习智能体模块化结构的通用控制器架构。针对机器人形态高度不相似且部分上下文特征不可用的挑战,该方法通过模块化交互恢复特征,旨在提升多机器人控制及对新环境的泛化能力。作者在 MuJoCo 大型机器人集上评估了基于 Transformer 的共享模块化循环架构,结果显示其在未见动力学、运动学和拓扑结构的机器人上实现了显著的零样本泛化性能提升。

  3. arXiv · 机器人与计算机视觉70

    I3L:面向全身移动操作的迭代交互式模仿学习

    针对离线训练的遥操作演示在长视界全身移动操作中泛化性差的问题,本文提出 I3S 系统,结合低成本的 JoyLo+ 接口与策略追踪机制实现全身协同修正及迭代重训练。实验显示,四轮 HG-DAgger 协议下该系统在所有任务中成功率均超 90%,平均提升自主成功率 68.3 个百分点,显著优于仅基于演示的训练方法。

  4. arXiv · 机器人与计算机视觉82

    Decompose and Reorganize:基于演示学习的原语与视觉运动策略规划

    论文提出 DR-LfD 框架,将人类演示分解为原子技能并重组到 TAMP 决策系统中,解决接触丰富操作中的泛化问题。在 DexMimicGen 任务中,该框架仅需 100 次演示即可超越基于扩散的模仿学习策略(需 1000 次)。材料为预印本论文,已接受至 IEEE Transactions on Robotics。

    推荐理由:该框架将演示分解为原子技能并重组,在 DexMimicGen 任务中以 100 次演示优于扩散基线。

  5. arXiv · 机器人与计算机视觉78

    超越单纯操作:为自由浮动航天器规划无燃料姿态机动

    本文研究利用机械臂运动进行无燃料姿态控制的可行性,将其视为执行机构而非仅作为干扰源。通过构建包含关键关节和避撞约束的轨迹优化问题,使用内点法求解非线性程序,计算了多种航天器 - 机械臂系统的复杂变轨与去旋轨迹。

    推荐理由:提出利用机械臂运动实现无燃料姿态控制,通过轨迹优化解决关节与碰撞约束,为在轨组装提供新方案。

  6. arXiv · 机器人与计算机视觉73

    NDPP-Grasp:一种由非可微物理合理性约束引导的任务导向灵巧抓取生成方法

    该论文提出 NDPP-Grasp 框架,旨在解决现有扩散模型在抓取生成中物理合理性与任务功能脱节的问题。研究将物理合理性约束直接注入到任务对齐的扩散模型去噪过程中,即使面对非可微约束也能有效引导生成轨迹。实验表明该方法能产生既符合物理规律又适合特定操作任务的灵巧抓取姿态。材料为 NeurIPS 2026 接收论文,提供 arXiv 预印本链接及代码仓库信息。

  7. arXiv · 机器人与计算机视觉73

    TacO:面向物体操作的触觉传感器基准测试与选型框架

    论文 TacO 针对复杂接触型操作任务,系统评估了视觉、声学、磁性和电阻式四种模态的触觉传感器在未知质量抓取、物体重定向和插拔任务中的性能差异。研究分析了空间分辨率、剪切感知等传感器属性对策略表现的影响,证明触觉信息的效用高度依赖模态与具体任务。代码、数据及硬件配置将在项目网站公开。

  8. arXiv · 机器人与计算机视觉60

    Specification-Aware Distribution Shaping for Robotics Foundation Models

    该论文针对机器人基础模型缺乏形式化约束保证的问题,提出了一种感知规范的动作分布优化框架。该方法在不修改预训练模型参数的情况下,通过在决策步骤利用前向动力学传播推理剩余时间步,计算满足硬 STL 可行性约束的最小动作分布修正。研究在仿真环境中使用最先进的机器人基础模型进行了验证,涵盖了多种环境和复杂规范。

  9. arXiv · 机器人与计算机视觉75

    FlowTouch:一种基于局部 3D 网格的视图不变手眼触觉预测模型

    该论文提出 FlowTouch 模型,旨在解决触觉传感器仅在接触时才有读数的局限,通过利用物体局部 3D 网格编码信息并抽象场景细节,实现从视觉到触觉的预测。研究整合了场景重建与基于流匹配(Flow Matching)的图像生成技术,结果显示该模型能跨越仿真到现实的差距并泛化到新传感器实例,其生成的触觉图像还可用于下游抓握稳定性预测。代码、数据集及视频已公开。

  10. arXiv · 机器人与计算机视觉75

    π-StepNFT:基于流的视觉语言动作模型在线强化学习中更宽空间需要更细粒度步骤

    针对流式视觉语言动作(VLA)模型在多步去噪中政策梯度在线强化学习难以处理的难题,本文提出 π-StepNFT 框架。该方法将观测到的随机微分方程(SDE)过渡视为监督单元,利用方差归一化的转换误差对镜像正负速度分支进行排序,并将回滚反馈映射到局部速度更新,从而在不计算最终动作似然的情况下耦合更宽的随机探索与更细的步骤级监督。

  11. arXiv · 机器人与计算机视觉72

    CHOP:利用反事实人类偏好标签改善视觉运动导航中的避障能力

    针对具身智能体在复杂环境中安全导航与动态避障的难题,本文提出 CHOP 方法,通过引入反事实人类偏好标签来对齐视觉运动导航策略。该方法为每个视觉观测生成机器人实际执行轨迹及若干替代轨迹,由标注者基于碰撞风险和路径效率等预期结果给出成对偏好标签,进而微调策略以符合人类直觉。

  12. arXiv · 机器人与计算机视觉70

    EquiContact:一种用于空间可泛化接触丰富任务的分层 SE(3) 视觉到力等变框架

    论文提出了 EquiContact 框架,旨在学习适用于接触丰富操作任务的基于视觉的机器人策略,使其能跨任务配置实现空间泛化。该框架由高层视觉规划器(如扩散等变描述场 Diff-EDF)和底层顺应性视觉运动策略(如几何一致性动作分块变换器 G-CompACT)组成。

  13. arXiv · 机器人与计算机视觉58

    FOCUS:基于最优传输监督的观测模仿一阶控制

    论文提出 FOCUS 框架,解决从状态演示进行行为模仿时缺乏时间对应的问题。该方法结合局部最优传输对齐与短视界可微演员 - 评论家学习,无需时间对齐轨迹或教师强制初始化。在 DFlex 平台包含 152 个肌肉激活的人形机器人接触丰富运动任务中,FOCUS 相比对抗性模仿及先前的可微模仿基线,显著提升了样本效率与训练稳定性。

  14. arXiv · 机器人与计算机视觉83

    CuPIQP:面向机器人学习与控制的 GPU 批量化可微分二次规划求解器

    论文介绍 CuPIQP,这是一个基于近端内点法的 GPU 批量化与可微分二次规划(QP)求解器,支持稠密、稀疏及多阶段问题。基准测试显示其单批次处理多达 16384 个 QP,求解速度较 Moreau 快 18.8 倍,比八核 PIQP 快 4.26 倍;在端到端学习任务中,训练加速分别达 4.6 倍和 7.8 倍。该工具旨在降低计算成本,将基于模型的优化高效集成到大规模机器人学习与控制流程中。

    推荐理由:该工作提出基于 GPU 的批量化可微分二次规划求解器,为大规模机器人学习与控制提供高效优化基础设施。

  15. arXiv · 机器人与计算机视觉35

    Robot Navigation and Canine Welfare:一项关于跨物种可读性与代理有效性的试点研究

    该研究在自然家庭环境中评估了基于犬类社交沟通的“曲线避让”导航干预,发现其引发的压力反应比直线基准更剧烈。研究指出执行不连续导致行为可读性受损,揭示了动物 - 机器交互中跨物种可读性与代理有效性的结构性挑战。

  16. arXiv · 机器人与计算机视觉33

    混合路径规划框架助力轮椅在动态行人环境导航

    该研究提出一种融合旅行商问题(TSP)、势场法及 RRT/A*算法的混合路径规划框架,解决助行轮椅在多目标动态环境中的导航难题。蒙特卡洛仿真显示,TSP-PF-RRT 与 TSP-PF-A* 方案在拥挤场景中实现了更少的碰撞和更短的行驶距离,确保人机共存下的安全高效运行。论文已作为主轨道论文提交至国际社交机器人大会 ART'26。