跳到正文
11月2日周一
  1. 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。

  2. 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。

  3. arXiv · 机器人与计算机视觉72

    WildOS:野外开放词汇物体搜索统一系统

    针对复杂非结构化户外环境,该研究提出了 WildOS 统一系统,实现长距离、无先验地图的开放词汇物体搜索。该系统融合稀疏导航图与基于基础模型的视觉模块 ExploRFM,在保障几何安全的同时进行语义推理;引入粒子滤波方法对远距离目标进行粗略定位以支持有效规划。野外闭环实验表明,WildOS 在非道路和城市场地均实现了鲁棒导航,效率与自主性显著优于纯几何或纯视觉基线。

  4. 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。

  5. arXiv · 机器人与计算机视觉68

    Sensorium:用于具身手术 AI 的多模态数据采集与整理开源库

    Sensorium 是一个开源 Python 库,旨在解决具身手术 AI 对可靠多模态数据的依赖问题。该工具利用 ROS 和 ROS2 中间件,支持从可配置的机器人和传感器流中记录、处理、标注及整理数据,并具备面向操作者的数据采集、语义标注及数据集生成功能。

  6. 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。

  7. 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。

  8. arXiv · 机器人与计算机视觉78

    Nexus-VLA:通过共享分层语义隐空间桥接人类与机器人经验

    针对大规模自中心人类视频存在视觉外观、运动学结构和动作空间等本体差距的问题,论文提出 Nexus-VLA 混合策略学习框架。该框架引入分层跨本体语义对齐范式,从任务意图到细粒度交互逐步建立共享操作语义,并设计共享操作隐表示以直接用于连续动作生成。在 RoboCasa-GR1、OOD 设置及真实机器人实验中,该方法实现了 80.5% 的任务成功率,展现了高效的人类数据利用率和跨场景泛化优势。

    推荐理由:提出 Nexus-VLA 框架,通过端到端联合训练实现跨本体知识迁移,在 RoboCasa-GR1 上达到 80.5% 成功率。

  9. arXiv · 机器人与计算机视觉78

    悬吊织物机器人操作表面:建模、设计空间与多模块扩展

    论文提出一种通过稀疏垂直线性致动器悬吊连续织物以重定位物体的机器人操作表面(RMS)。作者建立了该悬吊表面的可分离悬链线模型,能快速计算给定致动器高度下的曲面形状及目标局部斜率所需的致动器高度。

    推荐理由:提出悬吊织物机器人操作表面的可分离模型与多模块扩展方案,在九致动器原型上实现厘米级物体跨模块传输。

  10. arXiv · 机器人与计算机视觉58

    基于肌肉驱动仿真的生物扭矩控制膝部外骨骼设计与验证

    该研究提出了一种由现成组件构建的开源膝部外骨骼,其生物扭矩控制器完全源自仿真而非设备特定数据采集。通过肌肉驱动的模仿策略从公开数据集复现深蹲动作并蒸馏出仅依赖车载传感器的估计器,实现了在七名受试者中无需新数据即可将峰值膝关节伸展力矩降低 21.5%。材料证明了基于仿真的生物扭矩控制器可迁移至物理硬件,且软硬件管线同步开源便于研究对比。

  11. arXiv · 机器人与计算机视觉28

    DPOCGAGP 算法在动态不稳定性下实现移动自组织网络全覆盖

    该研究扩展了部分可观测合作警卫画廊问题框架,提出适应 Agent 丢失与世界变化的动态场景解决方案。改进后的 CADENCE 与 DADENCE 算法在包含超 4500 个不同规模结构测试用例的基准集上均优于现有最先进基线。论文已获准参加 2026 IEEE MIT 本科生研究技术会议,代码与数据暂未开放。

  12. arXiv · 机器人与计算机视觉72

    Movens-Zero:基于大规模人类视频扩展人形运动基础模型

    该论文提出了 Movens-5M 数据集和 Movens-Zero 架构,旨在解决人形机器人运动基础模型训练数据稀缺及多模态联合学习难题。Movens-5M 包含 1500 万个人类动作序列和 500 万个可执行的人形动作序列,涵盖超 10,000 小时视频,并与文本、RGB 图像、语音及音乐对齐。

  13. arXiv · 机器人与计算机视觉67

    META-Robot:具身智能体的自认知与能力扩展框架

    论文介绍 META-Robot 框架,旨在解决基于大语言模型的机器人代理在泛化新任务时依赖复杂脚手架的问题。该框架通过引入动作级谓词使执行结果显性化,结合本体感觉反馈将物理状态融入自我认知过程,帮助智能体识别自身局限并扩展评估标准与技能库。

  14. arXiv · 机器人与计算机视觉78

    SketchMate:基于代理几何推理的零样本精密插入方法

    针对现有基于视觉语言模型的机器人操作输出过于粗糙无法完成精密插入的问题,该方法提出让 VLM 构建仅包含几何原点和配合面的任务草图模型,由标准规划器执行并复用记忆。在仿真测试中,该方法在 69 次插入尝试中成功装配了 88% 的零件,而同等基线方法成功率为零;通过重用存储的草图运行,新任务的单次生成时间从约 90 秒降至 3.4 秒,且仅在遇到不熟悉的零件时才调用 VLM。

    推荐理由:该方法利用 VLM 构建任务草图记忆,在仿真中实现零样本高精度插入,显著降低对大模型的调用频率并提升成功率。

  15. arXiv · 机器人与计算机视觉18

    低推力轨道转移动力学融入 POMDP 规划用于在轨服务任务

    该研究将低推力(LT)与高推力(HT)推进器动力学整合进部分可观测马尔可夫决策过程(POMDP),以解决在轨服务任务中转移时长与燃料消耗的权衡问题。模型利用预计算矩阵描述 HT 转移,采用解析地球静止轨道相位模型表征 LT 转移,并引入剩余燃料状态实现质量更新。基于简化场景的评估显示,结合 SARSOP 算法求解的策略量化了先进电推进在未来服务架构中的可行性与操作影响。

  16. arXiv · 机器人与计算机视觉18

    当建筑空间开始行动:关于具身智能与交互的反思性论文

    该研究探讨建筑机器人(如活动隔断、天花板等)如何使静态空间具备自主移动和重构能力,进而改变人类对空间的居住体验。作者指出,理解此类系统需超越短期人机交互,关注空间在动作停止后的持久配置及其引发的公平性与控制权问题。论文为 arXiv 预印本,属于机器人学与人机交互领域的理论反思,未涉及具体模型发布或实验数据。

  17. arXiv · 机器人与计算机视觉80

    Flexibility-Aware Robotic Manipulation: Deformation Estimation, Kinematics, and Control via Distributed Inertial Measurement

    该论文介绍了一种感知 - 动力学结合的柔性机械臂操控框架,旨在解决刚性假设不足的问题。研究首先通过响应收敛和激励带宽准则识别柔性连杆的主振动模态,在满足全秩模态可观测性条件下,仅需 m 个独立斜率测量和一个参考 IMU 即可重构连续变形。

  18. arXiv · 机器人与计算机视觉48

    具身记忆综述:当过去塑造行动——理解具身智能中的记忆机制

    该综述考察了具身记忆作为保留决策相关信息的关键机制,涵盖世界状态持久性、任务进度等六大需求及循环状态等八类架构。文章分析了现有基准在评估依赖历史信息的真实行为方面的局限性,并指出了选择相关经验与维持信念一致性等开放挑战。

  19. arXiv · 机器人与计算机视觉5

    Biomechanics do not predict perceptual and cognitive consequences of force augmentation

    研究利用肘部辅助外骨骼评估负重提升中的生理、感知与认知后果,发现其无法仅由生物力学收益推断。虽然辅助降低了肌肉活动并减轻重量感知,但行为结果受初始经验显著塑造且削弱了对环境变化的适应力。因此,有效增强需将感知与认知结局纳入评估,而非单纯依赖物理性能指标。

  20. arXiv · 机器人与计算机视觉43

    基于模型预测路径积分控制的自主水面船舶运动规划方法

    该方法提出一种去中心化运动规划器,联合计算自船轨迹并预测他船交互,在阿姆斯特丹运河真实地图及两艘原型机户外测试中表现优异。实验涵盖 780 次随机运行,实现零碰撞、无死锁且优于基线优化算法;原型机上规划与定位以 10 Hz 闭环运行,成功解决对遇与交叉场景。

  21. arXiv · 机器人与计算机视觉82

    ResMerge:面向预训练机器人策略持续适应的残差策略学习与合并方法

    针对真实世界部署中机器人需持续适应新任务的挑战,本文提出 ResMerge 框架,在冻结的预训练策略之上学习可合并的残差策略。该方法利用残差强化学习(RL)在无额外专家演示的情况下获取任务特定修正,并通过参数空间合并整合兼容残差以减少存储参数。

    推荐理由:提出 ResMerge 框架,通过残差强化学习与参数空间合并实现预训练策略的持续适应,无需额外专家演示且减少存储参数。

  22. arXiv · 机器人与计算机视觉78

    RTPolicy:面向边缘设备的实时多视角机器人操作策略

    针对闭环机器人操作中低推理延迟的关键需求,本文提出了 RTPolicy,这是一种结合视图感知特征融合与视觉压缩的多视角视觉运动策略。该策略通过流匹配动作生成器降低计算成本,在 RoboTwin~2.0 单任务清洁评估的 50 个任务中平均成功率为 52.26%,优于最强基线$ ext{\pi}_0$(46.4%)。

    推荐理由:该文提出 RTPolicy,在边缘设备上实现实时多视角视觉运动策略,异步流式推理下双臂平台任务成功率达 72%。

  23. arXiv · 机器人与计算机视觉43

    两机器人最优无碰撞运动完整解析表征研究

    针对多智能体系统轨迹协调的数值方法局限,研究推导了双积分器动力学下两机器人起止静止时的最优轨迹完整解析表征。证明该轨迹属于八类不同接触族,并确定了初始与最终位置配置下的适用类别。研究提供了计算这些轨迹的数值算法,旨在提升现有数值轨迹优化器的性能。

  24. arXiv · 机器人与计算机视觉72

    百万级机器人无碰撞运动规划的接触优化方法

    针对大规模多体系统路径规划中约束耦合导致的非凸优化难题,作者提出一种基于接触变量的代数系统构建与轨迹解析重构的新算法。该方法通过顺序插入接触(SCI)策略,在分离违规处引入约束并联合调整时间与状态,实现了百万级机器人在分钟级、数千台机器人在亚秒级的规划速度,显著优于固定网格序列凸编程基线。

  25. arXiv · 机器人与计算机视觉49

    AC-SMPC:带状态约束的可微 Actor-Critic MPC 实现安全快速机器人导航

    AC-SMPC 框架通过顶点与半空间表示及弹性二次规划,解决了现有可微 MPC 难以处理显式状态约束的问题。仿真与实验在多机器人狭窄动态避障场景中验证了该方法在自适应调整策略、提升导航效率的同时保持运动安全的优势。该研究以 arXiv:2610.41477v1 形式发布,尚未进入正式出版或开源阶段。

  26. arXiv · 机器人与计算机视觉74

    SAFARI:面向危险环境探索的语义与前沿驱动自主风险巡检框架

    论文提出 SAFARI 框架,将物体检测作为统一概率地图的原生通道,联合几何证据与语义信息进行探索与规划。研究在三个实地站点通过四足机器人完成了 11 次任务,平均覆盖可达区域 98.7%,无人干预时间占比 97.6%,并能检测到最小特征尺寸 15cm 的物体。

  27. arXiv · 机器人与计算机视觉48

    Geometry-Aware Humanoid Retargeting via Manifold ODEs:TaSP-KKT 方法实现高效运动重定向

    TaSP-KKT 方法通过流形常微分方程视角优化运动重定向,仅需一次加权切锥投影即可避免重复 SQP 迭代。数值实验显示其运行速度约为 OmniRetarget 的两倍,虽重定向质量略低但保持相当水平。该方法在 arXiv 预印本发布,代码与权重暂未提及开放许可。

  28. arXiv · 机器人与计算机视觉60

    面向执行器退化的鲁棒机器人控制:一种联合健康感知的强化学习框架

    论文提出了一种针对非结构化环境中执行器性能下降问题的强化学习框架。该框架通过连续关节健康向量编码执行器状态,将退化建模为动作执行的乘性衰减,并利用 HealthNet 估计器从观测中推断单关节健康状况以重新分配控制力。

  29. arXiv · 机器人与计算机视觉48

    HandMimicX:通过以物体为中心的策略从第一人称视频中学习类人灵巧操作

    HandMimicX 提出一种以物体为中心框架,利用强化学习将人类 RGB-D 视频演示转化为空间可泛化的机器人技能。实验在仿真与真实机器人上验证了该方法能从单一演示高效习得技能并迁移至新空间配置。研究强调通过约束手物交互状态促进解剖学自然的手部构型,解决了从视频转移技能的挑战。

  30. arXiv · 机器人与计算机视觉82

    Hourglass:耦合无本体世界模型与可微本体重心动力学的跨具身运动规划

    该论文提出 Hourglass 架构以解决跨具身运动规划难题,通过解耦通用的无本体世界模型与各机器人的可微本体动力学接口,实现数据池化与参数识别。在七种仿真机器人上,该方法成功率提升 3.8-10.6 个百分点且无需专用训练即可匹配专家策略;经三分钟遥操作标定后,零样本迁移至未见的真实滑移转向机器人并在室内场景导航成功。材料为 arXiv 预印本,未提及同行评审状态或具体开源代码仓库。

    推荐理由:提出 Hourglass 架构,通过解耦通用世界模型与可微本体动力学实现跨机器人运动规划,在仿真中优于基线并支持零样本迁移至真实机器人。