跳到正文
10月21日周三
  1. arXiv · 机器人与计算机视觉68

    基于热成像的速度优化提升自主肿瘤切除术性能

    本文介绍了 THERMO 算法,这是一种利用实时热成像数据进行速度优化的闭环控制方法,旨在减少电外科手术中的热损伤并确保准确的切缘。研究在离体猪组织上进行了测试,结果显示该算法无需数据驱动训练或迭代调优,相比两种固定速度基准方法,将热损伤减少了高达 52%,提高了切缘精度高达 59%,同时保持了任务完成速度。论文已提交至 IEEE Access,属于预印本状态。

  2. arXiv · 机器人与计算机视觉85

    拒绝提问、行动服从:机器人控制环路的运行时安全检查

    该研究指出前沿模型在通过代理 harness 控制机器人时存在安全隐患,即便面对常识性危险(如将刀放入玩具篮)也会尝试执行且从不引用风险。作者提出一种可选的运行时安全检查方法:在执行首次动作前,利用相同相机帧询问模型是否会执行指令。

    推荐理由:作者提出一种运行时安全检查机制,通过在动作执行前询问模型是否应执行指令来拦截有害操作。

  3. arXiv · 机器人与计算机视觉18

    研究确定人 - 机器人交互工作空间以支持辅助头部稳定控制

    针对神经影像等医疗场景,该研究利用集成实时光学追踪的 6DoF Stewart 平台机器人,通过志愿者实验表征头颈系统生物运动学工作空间。研究旨在建立无物理束缚下的动态补偿机制所需的人机交互安全极限数据,为替代传统侵入式固定方法提供基础依据。

  4. arXiv · 机器人与计算机视觉78

    面向 VLA 模型的故障归因:评估去除视觉噪声的收益

    针对视觉语言动作(VLA)模型对视觉干扰敏感但难以判断去除干扰是否有益的问题,提出一种无需成对策略回滚的因子化风险模型。该方法通过潜在干预从当前图像和任务指令中估计去除收益,在 OpenVLA 与 pi_0.5 仿真及 Franka 机器人上验证了优于单体模型和视觉语言模型基线的效果,误差约为前沿 VLM 的三分之一,并支持在线故障监控。

    推荐理由:提出一种无需成对数据即可估计去除图像噪声收益的因子化风险模型,在仿真与硬件上优于基线。

  5. arXiv · 机器人与计算机视觉72

    XoNav:一种用于辅助导航的个人化触觉外骨骼系统

    论文介绍了 XoNav 四执行器髋关节外骨骼,利用双股 LSTM 步态分类器在行走时同步提供前进、制动与转向触觉提示,站立时抑制信号。通过闭环贝叶斯优化实现个性化参数调整,确保舒适性与安全性。盲测导航实验显示受试者行进距离保持在通道内比例达 98.8%,平均速度提升 4.9%。系统还结合体载相机与 RTAB-Map 实现了自主导航及未知障碍物绕行演示。

  6. arXiv · 机器人与计算机视觉72

    EmbodyHOI:面向人形灵巧操作的具身感知手物交互生成

    EmbodyHOI 提出一种在采样循环内运行特定人形机器人可微逆运动学求解器的方法,将机器人可达性约束直接融入手物交互轨迹的生成过程。该方法通过反馈梯度联合优化机器人与物体的相对位置,使得基于人类手部姿态训练的模型无需重新训练即可跨不同人形机器人架构迁移。

  7. arXiv · 机器人与计算机视觉28

    传感器化壁虎仿生粘附接口如何实现接触状态识别

    针对非合作目标的自主在轨服务,该研究提出基于嵌入式电容传感的实时交互感知框架,将粘附生命周期划分为空闲、接近、接触等五种离散状态。离线测试中随机森林模型分类准确率达 95.65%,在线部署结合规则机后准确率提升至 93.14% 且推理周期为 53ms。物理一致的状态约束显著增强了实时推理鲁棒性,为未来自主在轨捕获任务奠定基础。

  8. arXiv · 机器人与计算机视觉58

    基于可验证交互的具身 VLM 重规划:通过动作分组 Turn-GSPO 进行错误恢复

    针对具身视觉语言模型在执行复杂操作时出现错误导致环境状态异常的问题,本文提出 ERR-Env 环境与 ERR-Bench 基准,用于评估任务进展与执行可靠性。研究提出了结合任务进度奖励、错误状态奖励及动作分组优势估计的在线强化学习方法 AGT-GSPO,并训练出紧凑的 2B 参数具身 VLM(ERR-VLM)。

  9. arXiv · 机器人与计算机视觉74

    DexGraspFlow:基于拓扑感知的 SE(3) 流匹配用于跨具身灵巧抓取生成

    DexGraspFlow 是一种条件链接级 SE(3) 流匹配框架,整合几何关系与运动学拓扑以解决跨具身灵巧抓取生成的挑战。该模型通过双流 DiT 建模链接间协调及链接 - 物体交互,利用运动学树距离的注意力偏差提供结构信息,联合学习平移和旋转速度场并生成关节配置。

  10. Vision Systems Design28

    Vention 物理 AI 实验室利用真实工厂视觉数据与 GRIP 模块化管线构建自适应机器人,融合经典计算机视觉与基础模型以平衡部署效率与性能

    Vention 物理 AI 实验室利用真实工厂视觉数据及 GRIP 模块化管线,构建能在复杂制造环境中感知、理解并学习的自适应机器人。团队结合经典方法与基础模型(如零样本姿态估计),旨在最小化任务接入成本同时最大化性能,解决实际产线问题。该研究通过客户提供的零部件与执行数据进行训练,确保 AI 系统具备扎实的制造领域知识。

10月20日周二
  1. 智东西 · 机器人42

    深圳具身创企伊塔动力完成超亿元融资,获银河通用与傅利叶智能等联合投资

    伊塔动力宣布完成超亿元种子轮及种子 + 轮融资,由经纬创投、商汤国香资本、建银国际、L2F光源创业者基金、银河通用、傅利叶智能联合投资。该公司成立于 2026 年 5 月,推出 YITA-50P-C 至 YITA-122P-C 五款一体化关节模组,传动效率约 83%,成本较传统谐波方案降低约 50%。

  2. 盖世汽车 · 汽车资讯52

    前傅利叶动力总监创业,伊塔动力获超亿元种子轮融资

    深圳伊塔动力科技有限公司宣布完成超亿元种子和种子+轮融资,由经纬创投、商汤国香资本等联合投资。公司创始人钟雪岗曾主导傅利叶多款康复机器人及人形机器人执行器研发与量产,首席科学家闫磊拥有十余年具身力控臂操作算法经验。伊塔动力自研复合行星力控方案,关节模组传动效率约 83%,成本较传统谐波方案降低约 50%。目前公司已与部分具身大脑龙头及海内外顶尖实验室达成战略合作意向。

  3. arXiv · 机器人与计算机视觉82

    Humanoid Badminton:基于有限人类动作数据的动态羽毛球击打技能学习

    针对高速球类运动对人形机器人提出的时间关键决策、精准击打及全身协调挑战,本文提出一种三阶段分层强化学习框架以解决可用羽毛球参考数据稀缺且不完美的难题。首先通过任务随机化动作增强将稀疏标注的击打事件扩展为可执行的连续潜在技能空间;其次由高层规划器根据观察到的球的状态在线组合这些技能;最后利用上下文条件对抗正则化器鼓励更自然的技能使用同时保持回球性能。

    推荐理由:提出三阶段分层强化学习框架,利用有限人类数据实现人形机器人在真实世界与人类进行包含跳跃救球的多技能多回合对抗。

  4. arXiv · 机器人与计算机视觉82

    RoboEdit:将人类操作视频转化为可扩展的机器人经验

    针对收集机器人手物交互数据成本高且具身特定的问题,本文提出 RoboEdit 人机视频编辑套件,可将人类操作视频转化为动作一致、物理合理且手部状态对齐的机器人视频。

    推荐理由:提出 RoboEdit 工具链与数据集,将海量人类操作视频转化为物理合理的机器人训练数据。

  5. arXiv · 机器人与计算机视觉72

    通用机器人策略如何利用最少数据适应:MiDAS 方法与实验验证

    论文提出 MiDAS 方法,旨在解决预训练策略在新任务上零样本表现不佳的问题。核心发现是单个演示足以引导行为先验实现粗略的任务跟随,而通过冻结 VLA 表示进行基于价值的残差学习、以及精细的数据平衡,可将此粗糙能力转化为可靠的成功。实验在 LIBERO 和 RoboCasa 数据集及双臂 YAM 平台上验证了该方法能从仅偶尔成功的初始策略出发,经过数小时在线交互显著提升任务成功率。

  6. arXiv · 机器人与计算机视觉82

    TRACT:面向富接触操作的时序路由动作块与时间相位权威

    该研究针对机器人模仿学习中的时序相位错配问题,提出了 TRACT 方法,将相位结构化动作块分解为当前接受相位与未来视界内的单一边界。通过任务局部图约束时间相位权威,并引入因果响应赤字积分器处理接触执行中的补偿与恢复。

    推荐理由:论文提出 TRACT 方法解决机器人模仿学习中时序相位错配问题,在六款真实机器人上实现全序列成功与零停滞。

  7. arXiv · 机器人与计算机视觉78

    GROW$^2$: Grounding Which and Where for Robot Tool Use

    论文提出 GROW$^2$ 方法,利用物体部件作为自然抽象,将机器人工具使用的开放世界语义 grounding 分层为语义与几何两个层级:语义层借助 VLM 常识推理解析指令并选择合适工具及关键部位;几何层通过视觉基础模型从单张 RGB-D 图像定位精确的 3D 区域。

    推荐理由:该方法利用 VLM 语义推理与视觉基础模型的几何定位分层解决开放世界工具使用问题,在仿真与真实机器人实验中均优于基线。

  8. arXiv · 机器人与计算机视觉70

    VQActFlow:面向多任务机器人操作的向量量化动作模式引导

    针对多任务机器人操作中单一网络难以从演示分布中区分不同动作模式的挑战,本文提出 VQActFlow 方法。该方法将连续动作分块并离散化为学习到的码本序列,利用变分流匹配生成代码序列,并在推理阶段通过语言条件分类器自由引导和码本评论家提供的可行性信号来引导模式承诺。

  9. arXiv · 机器人与计算机视觉72

    AffordanceVLA:一种通过机会认知理解赋能动作生成的视觉 - 语言 - 动作模型

    针对预训练视觉语言模型语义空间与具身控制策略的结构不匹配问题,本文提出 AffordanceVLA 框架。该框架引入结构化机会学习作为任务导向和对象中心的中间表示,通过 Which2Act、Where2Act 和 How2Act 三个互补组件建立精确的感知 - 动作映射。

  10. arXiv · 机器人与计算机视觉82

    GRAIL:基于世界模型生成人形机器人移动与操作策略

    GRAIL 是一种数字生成管线,通过结合 3D 资产和仿真就绪场景构建视频世界模型,无需重建物理环境即可合成交互数据。该方法利用已知的几何参数减少深度模糊,恢复度量级的人机物交互轨迹,并训练任务通用的跟踪器以适配人形机器人。仅使用 GRAIL 生成的数据,团队在 Unitree G1 上实现了多样化物体拾取 84% 的成功率和爬楼梯 90% 的成功率。

    推荐理由:GRAIL 利用全虚拟的数字生成管线合成人形机器人操作数据,在 Unitree G1 上实现了高成功率的任务部署。

  11. arXiv · 机器人与计算机视觉68

    SADP:基于基础模型生成的子目标感知扩散策略用于长程操作

    针对现有模仿学习缺乏显式子目标监督导致难以协调多阶段任务的局限,该工作提出 SADP 框架,利用基础模型自主生成带子目标标注的演示数据,并训练扩散策略。方法通过任务级与子目标级描述联合条件化动作生成,并利用轻量辅助头预测续写分数以驱动在线子目标切换及进度监控。

  12. arXiv · 机器人与计算机视觉78

    DeReCo:解耦表示与协调学习以实现对象自适应去中心化多机器人协同抓取与搬运

    针对多机器人协同抓取与搬运中对象依赖的表示学习与非平稳性下的协调学习耦合问题,论文提出 DeReCo 框架。该框架采用两阶段训练策略:先在特权信息下学习协调策略,再基于局部观测重构对象依赖表示并重新训练协调策略以实现去中心化执行。

    推荐理由:提出 DeReCo 框架解耦表示与协调学习,在仿真和真实机器人实验中验证了跨物体泛化能力。

  13. arXiv · 机器人与计算机视觉70

    面向不连续踏板的类人机器人运动:感知变时步态规划方法

    针对类人机器人在不连续踏板上的行走任务,本文提出一种结合离散区域选择、足部放置与当前步时长的感知模型预测规划器。该方法利用 onboard 深度数据构建概率高度图,通过混合整数二次规划求解,并在步内重规划以应对模型失配与扰动。实验在 Digit 机器人上完成,仿真环境随机化踏板测试平均求解时间为 11.4ms,硬件分离踏板测试为 4.0ms。

  14. arXiv · 机器人与计算机视觉70

    RoboPocket:利用手机即时改进机器人策略

    RoboPocket 是一个基于智能手机的机器人策略迭代系统,结合端侧感知与云端推理,提供实时采集引导并将策略预测轨迹以增强现实(AR Visual Foresight)形式可视化。该系统允许用户在不部署物理机器人的情况下识别策略弱点并收集针对性修正数据,实现了无需机器人的 DAgger 式修正循环。在多种真实世界操作任务中验证表明,在线修正数据采集相比仅扩展离线演示的样本效率最高提升 2 倍。

  15. arXiv · 机器人与计算机视觉85

    ULTRA:面向人形机器人全身自主运动操作的统一多模态控制框架

    针对现有方法依赖预定义动作参考且难以扩展技能库的局限,该研究提出 ULTRA 统一框架。其核心包含物理驱动神经重定向算法,用于将大规模动捕数据迁移至人形机器人并保持接触交互的物理合理性;以及支持从精确动捕状态到嘈杂自中心视觉输入的通用多模态控制器。

    推荐理由:该工作提出 ULTRA 框架,通过物理驱动重定向与统一多模态控制器,实现从稀疏感知到全身自主 loco-manipulation。

  16. arXiv · 机器人与计算机视觉82

    KungfuAthleteBot:基于视频学习的具身智能高动态运动与统一鲁棒性恢复框架

    KungfuAthleteBot 是一个针对人形机器人的统一框架,旨在解决从视频学习高动态动作时存在的漂移、信息缺失及鲁棒性不足问题。该工作联合专业武术家构建了高质量数据集,引入物理引导的抛物线轨迹修正以消除高度漂移和抖动,并设计了三阶段课程学习策略。

    推荐理由:该工作提出统一框架,通过物理引导轨迹修正与免教师训练范式,实现了人形机器人从视频学习高动态动作及快速跌倒恢复。

  17. arXiv · 机器人与计算机视觉55

    Equivariant Volumetric Grasping:一种针对垂直轴旋转的等变体积抓取模型

    论文提出了一种新的体积抓取模型,该模型对绕垂直轴的旋转具有等变性,显著提升了采样效率。研究采用三平面体特征表示设计,其中水平面特征对 90 度旋转保持等变,而其他两个平面的特征之和对该变换诱导的反射保持不变。

  18. arXiv · 机器人与计算机视觉28

    基于运动学方法与 LSTM 模型检测足跟触地与离地事件研究

    该研究评估了七种运动学方法及 LSTM 模型在 588 名受试者共 4363 个步态周期中检测足跟触地和离地事件的性能。结果显示 Zeni et al. 方法精度最高,而 LSTM 模型表现相当且无系统性偏差,为步态分析提供了数据驱动替代方案。论文已获 IEEE ICARM 2026 会议接收并授予最佳演示奖,未来将探索其在病理人群中的泛化性。

  19. arXiv · 机器人与计算机视觉82

    PhantomTac:利用部署即忘标签劫持机器人触觉系统

    该研究发现了磁触觉传感器存在的物理漏洞 PhantomTac,攻击者仅需在物体表面粘贴厚度约 0.5 mm、无电池的磁性标签即可篡改力感知数据。实验表明,这种隐蔽的攻击能绕过现有抗干扰机制并劫持闭环控制流程,在抓取位置偏移小于 8 mm 时攻击成功率超过 95%,可导致捏碎或掉落物体。论文提出了多模态一致性防御机制以缓解此类物理层安全威胁,相关内容已接受于 ACM CCS 2026。

    推荐理由:研究揭示了磁触觉传感器的物理漏洞,提出了一种无需接触设备的隐蔽攻击方案及多模态一致性防御机制。

  20. arXiv · 机器人与计算机视觉18

    CROPS:基于 Cosserat 杆的软细可编程材料系统协同设计框架

    CROPS 提出一种基于 Cosserat 杆表示的端到端可微分优化框架,用于自主设计具有大变形和多物理场驱动能力的软细结构。该框架在两个案例研究中得到验证:一是设计能随颈动脉形态变化的膨胀支架,二是协同设计磁性导管剩磁与外场以减小插入力。系统同时处理自接触与外部接触,涵盖凝胶弹性体溶胀及硬磁复合材料磁致动两种机制,旨在满足个性化生物医学需求。

  21. arXiv · 机器人与计算机视觉58

    基于傅里叶级数补偿工业机器人的传动误差研究

    针对工业机器人离线编程后需在线示教以提高精度的问题,本文提出一种基于激光跟踪仪测量的传动误差识别方法。作者构建了速度依赖的傅里叶级数模型,并将其集成至虚拟调试软件作为共模拟功能样机单元,通过修正数控系统设定值进行误差补偿。

  22. arXiv · 机器人与计算机视觉68

    工业机器人齿轮箱润滑剂温度观测器研究

    论文针对工业机器人因温度导致的定位与路径精度偏差问题,提出利用观测器结构估计齿轮箱润滑剂温度的方法。研究构建了包含两状态热传递模型的 Luenberger 观测器和卡尔曼滤波器,结合箱体温度传感器测量进行校正。实验在填充润滑脂的摆线针轮减速器上进行,验证结果显示该方法平均绝对误差为 1.3K,旨在为温度相关的误差补偿提供输入。