跳到正文
10月30日周五
  1. arXiv · 机器人与计算机视觉80

    EgoContact:基于第一人称视频的物理智能评估基准

    论文发布了 EgoContact 数据集,包含 2.25 万条人工校验的交互事件,每条数据均标注预接触观测、语义意图及像素级精确接触位置。研究指出当前方法在预测精确交互接触点及复杂场景目标定位上存在不足。实验表明,将 EgoContact 作为现有策略的记忆库可显著提升性能:仿真环境下抓取成功率从 14.2% 提升至 31.2%,真实机器人上从 16% 提升至 58%。

    推荐理由:该工作构建了首个以未来接触点预测为核心的大规模第一人称数据集,并验证了其在提升仿真与真实机器人抓取成功率上的显著效果。

  2. arXiv · 机器人与计算机视觉38

    旋翼滞后与噪声下四旋翼级联 ADRC 的致动器感知观测输入方法

    该方法提出致动器感知(AA)观测输入,利用虚拟输入对齐测量延迟并重构水平加速度。仿真显示 AA-Budget 将定点 RMSE 从 PID-Budget 的 65.5mm 降至 19.2mm,在严格约束下优于基准 72.3mm。PX4 软件环实验验证了噪声模型对增量预测误差低于 5% 及总指令增量预测误差低于 14% 的能力。

  3. arXiv · 机器人与计算机视觉74

    通过错误与恢复追踪任务进度的基准与循环分布模型

    针对长程机器人任务缺乏错误恢复与帧级标注数据的空白,作者开源了包含 3156 个回合、涵盖两个操作任务的 ReSTEP 数据集,提供语义阶段标签和帧级错误注释。为此提出的 REMORA 在线进度估计器结合了循环视觉记忆、分布预测和因果峰值选择机制,以解决视觉相似阶段的区分与时间一致性难题。实验显示该模型在进度准确性和时序一致性上均优于现有最先进基线 SARM。

  4. arXiv · 机器人与计算机视觉82

    Tactus:一款用于自然灵巧性数据收集的触觉与姿态感知手套

    Tactus 是一款集成纺织传感的手套,通过薄型化设计、电容式触觉传感器和 IMU 融合姿态追踪,解决了指尖力觉测量与手部遮挡下的姿态跟踪难题。材料给出了最小可探测力为 0.59 N(置信度 95%),跨参与者一致性达 0.87,并在重度遮挡下保持 11.0 mm 的指尖关键点相对误差。

    推荐理由:原文给出了触觉手套的硬件指标与跨平台基准评测结果,相关团队可据此评估其是否适合现有数据采集流程。

  5. arXiv · 机器人与计算机视觉54

    通过元学习语义适应实现开放世界的物体运动预判

    针对机器人导航中需应对未知物体及其相互影响(如叉车搬运托盘)的挑战,本文提出一种基于元学习的图神经网络方法。该方法利用物体的语义、几何及关系历史,仅需少量在线观察即可准确预测新环境中物体的启动时机。实验表明,该模型仅在仿真中训练,无需微调即可成功迁移至硬件,在仿真和硬件实验中均优于视觉语言模型及类别频率基线,并能支持闭环导航中的无碰撞穿越。

  6. arXiv · 机器人与计算机视觉72

    选择性滑模控制增强无人机抗干扰能力:基于运动方程反演的扰动轴识别与回路优化

    针对四旋翼飞行器在阵风与负载变化下的控制难题,本文提出一种选择滑模控制方法,通过 PID 悬停飞行数据反演运动方程以恢复并量化受扰轴,仅在必要回路部署鲁棒控制。Crazyflie 2.1 实验表明该方法在受扰轴上显著改善跟踪性能,且增益扫描验证了其对匹配轴有效而对未匹配轴无效的理论预测。材料为预印本论文,未涉及真实机器人部署或量产结果。

  7. arXiv · 机器人与计算机视觉42

    惯性转向与低附着力表面履带车辆运动预测研究

    针对低附着力表面,该工作提出利用移动质量产生的惯性效应进行转向,而非将其视为需最小化的干扰。动态模型在冰面实验中优于运动学基线,并成功演示了无传统转向机构的单体轨道车通过内部质量控制实现转向。混合动力学 - 运动学模型能根据路面和情境自适应预测,证实了惯性转向作为低附着力环境替代转向机制的可行性。

  8. arXiv · 机器人与计算机视觉75

    AtomTree:一种基于大语言模型的具有状态感知的具身指令遵循分层框架

    针对交互式环境中具身指令遵循的长程任务规划难题,现有方法依赖语言常识且仅在失败后更新计划导致鲁棒性弱。本文提出 AtomTree 分层框架,利用 LLM 根据当前符号状态增量构建子目标树,轻量记忆模块复用过往结果,并在底层动作停滞时触发层级回溯重规划以防止轨迹漂移。该工作在 ALFRED 基准的零样本评估中优于先前的基于 LLM 的规划器。

  9. arXiv · 机器人与计算机视觉72

    基于价值函数的层级规划与控制:用于非铺装路面自主导航的 MPPI 方法

    该论文提出一种分层规划与控制框架,利用预训练低层强化学习控制器的价值函数作为隐式代价表示来引导高层模型预测路径积分(MPPI)规划器。该方法通过在线策略评估适应分布偏移,在仿真环境中实现了无需显式代价地图的越野导航,相比基线控制器表现出更安全有效的目标到达能力。

  10. arXiv · 机器人与计算机视觉47

    QbD-VLA:基于任务成功的视觉语言动作模型混合精度量化方法

    QbD-VLA 提出一种利用短闭环评估中任务成功率来分配权重与激活位宽的混合精度量化方案。实验覆盖四个 VLA 模型及全部 LIBERO 套件,在平均约 4 比特权重和少于 6 比特激活下保持强性能;SIMPLER 增益较小,Franka Research 3 机械臂上仿真优选策略对 X-VLA 无成功率损失但针对$\pi_{0.5}$失效。代码已开源,部署前需真实世界验证。

  11. arXiv · 机器人与计算机视觉5

    A Multi-Layer Navigation System for Smart Wheelchairs 如何在有限输入接口下实现未知环境导航

    该系统通过虚拟传感器驱动势场法检测障碍物、模型预测控制生成轨迹及开放词汇视觉算法识别目标,并在包含故障输入的实验中验证了鲁棒性。研究在 10 名无残疾参与者参与的实地智能轮椅测试中证明了其在真实环境的可靠性。该成果已提交至 IROS 2026 会议并将在论文集发表。

  12. arXiv · 机器人与计算机视觉56

    Force-Driven Hook Disassembly via Constraint-Aware Object-Centric Reinforcement Learning

    针对钩型连接件因变形和几何隐藏导致视觉无法确定拆解方向的难题,本文提出一种约束感知的强化学习框架,通过在线推断接触力来识别可行的提取方向。该方法在机器人无关的仿真环境中训练,并零样本迁移到物理机器人上,成功处理了包括空调内螺旋桨和前盖在内的四个实物任务。实验显示,结合粒子滤波信念的方法将空调前盖拆解成功率从 45% 提升至 75%,且所有任务的路径效率最高。

  13. arXiv · 机器人与计算机视觉73

    SaiVLA-JEPA:评估 JEPA 条件下 VLA 的未来潜在预测能力

    论文提出 SaiVLA-JEPA 架构,结合视觉语言模型与扩散 Transformer 动作专家,利用冻结的 V-JEPA 编码器特征进行控制。在 LIBERO-Plus 基准的 10,030 个配对集上测试发现,引入当前 JEPA 条件化使成功率从 71.6% 提升至约 82.5%,但增加未来监督未带来可检测的整体增益。

  14. arXiv · 机器人与计算机视觉42

    OmniQuad:一种配备全向轮的轮足混合机器人设计与控制方案

    OmniQuad 是一款结合 Mecanum 轮与腿部运动的新型混合机器人,旨在兼顾平整路面的高效性与复杂地形的适应性。研究团队完成了包含定制轮足与 EM-Act 执行器的整机装配,并开发了相应的控制策略。实验在室内和室外环境中进行了评估,验证了该架构在受限空间内的机动能力与姿态保持性能。

  15. arXiv · 机器人与计算机视觉73

    Skeleton-Guided Geometry-Aware Auto-Labeling for Robotic Grasping: From 4-DoF Learning to 6-DoF Execution

    该论文提出基于骨架的自动标注算法,生成两指抓取关键点并识别稳定可行区域,无需人工干预。作者开发了 SkelGG-CNN 网络,先在 Jacquard V1/V2、Cornell 等数据集上实现 95.42% 至 97.1% 的准确率;随后扩展为通用准 3D 骨架化算法以支持 6-DoF 抓取。

  16. arXiv · 机器人与计算机视觉72

    SpaceAct:基于闭环动作与主动感知的 3D 时空推理基准

    SpaceAct 是一个交互式基准,旨在解决多模态大语言模型(MLLMs)仅描述图像而非在三维空间解决问题的难题。该基准通过 SAPA(时空主动探测智能体框架),利用互锁积木和机械谜题构建测试环境,包含 108 个已验证实例,涵盖六个类别的 36 个任务家族。

  17. arXiv · 机器人与计算机视觉58

    当“别担心”出错时:基础模型机器人的 HRI 教训

    文章基于三年 ROS 2 HRI 联盟经验,通过两个案例(机器人拒绝邀请后说“别担心”、访客在场时报到)揭示基础模型机器人虽具备感知与推理能力,但可能因顺序错误导致信息失真或责任边界失效。作者提出五个人机交互设计教训并引入 TRACE 审查方法,旨在解决基础模型机器人因能力增强而忽视责任边界与行动权威的问题。

  18. arXiv · 机器人与计算机视觉81

    ELEVATE:基于任务失败的四足机械臂控制器获取框架

    论文提出 ELEVATE 框架,通过识别任务规划中的持续失败来自动获取缺失的全身控制能力。系统从单个预训练控制器出发,自主习得了墙支撑提升、受助操作和下降等七项仿真任务的控制策略,并在后续任务中复用这些控制器。

    推荐理由:该框架利用任务失败自动获取缺失的全身控制能力,并在仿真与物理机器人上验证了跨任务迁移效果。

  19. arXiv · 机器人与计算机视觉33

    Compositional Diffusion Planning with Chunk Selection and Reachability Measure:SCD 模型解决模式平均问题并实现 SOTA

    Selective Compositional Diffuser(SCD)通过自监督学习可达性分类器,解决了长视界扩散规划中的模式平均与轨迹不连续难题。该方法在 OGBench 缝合任务中显著降低不可行组合比例,并在 HumanoidMaze-Large 和 Giant 任务上取得最佳成功率。研究基于离线数据联合训练生成片段以缓解分布失配,相关代码与论文已公开于 arXiv。

  20. arXiv · 机器人与计算机视觉72

    ETA-Motion:通过稀疏联合学习实现高效的拓扑无关运动扩散模型

    arXiv 论文 ETA-Motion 提出一种基于稀疏联合学习的拓扑无关运动生成框架,旨在为具有任意骨骼结构的多样化角色合成动作。该方法利用紧凑的关节子集减少冗余并训练生成器,引入语义关节嵌入结合文本与视觉线索以应对不同拓扑间的对应关系,并通过感知拓扑的训练目标保持骨骼结构。

  21. arXiv · 机器人与计算机视觉65

    MATCH:面向连续环境的视觉语言导航执行感知分层强化学习框架

    MATCH 是一个用于连续环境视觉语言导航(VLN-CE)的框架,它联合学习语言条件规划器和目标条件原语动作执行器。该框架利用执行感知的拓扑图整合执行器价值估计与实现结果记忆,并通过过渡感知密集宏观奖励平衡有序进度与执行残差。

  22. arXiv · 机器人与计算机视觉65

    HERON:面向移动机械臂的实时障碍物感知可达性图

    HERON 是一个基于神经网络的 3D U-Net 模型,旨在从深度相机输入实时预测移动机械臂周围 2.56 米立方体区域的障碍物感知可达性图(RM)。该模型在 cuRobo GPU 加速逆运动学生成的合成场景和真实深度数据上训练,部署于 Jetson AGX Orin 并采用 TensorRT INT8 量化。

  23. arXiv · 机器人与计算机视觉45

    CuraEval:评估混合技能机器人数据演示策展的框架

    CuraEval 是结合数学分析与受控对比的框架,用于评估混合技能 Robomimic 数据中演示的选择效果。在 Diffusion Policy 上,选取最短 50% 演示将 square 任务成功率从随机选择的 70.7% 提升至 76.5%,且 PSD 评分与 episode length 高度相关(ρ=0.999)。经 Holm 校正后,所有策展条件均未显著优于全数据训练,代码已开源。

  24. arXiv · 机器人与计算机视觉42

    最小充分通信框架实现独立行为树机器人团队协作

    该实验框架确定了运行固定独立行为树的机器人团队所需的最小通信量。在仓库场景测试中,低竞争条件下零通信即为精确最小值;扩展条件下$q=0.992222$的无发布策略被证实充分,成功率达 96.33%,流量仅为全状态流量的 0.544%。该成果已接受于 ACRA 2026 展示,仅适用于声明的策略族与采样条件。

  25. arXiv · 机器人与计算机视觉5

    最小时间逃离圆锥视场:Reeds-Shepp 追逐者下的更快逃逸者策略

    研究求解了速度比$\nu>1$且半角$0<\alpha<\pi/2$下,全向逃逸者从 Reeds--Shepp 追逐者前向圆锥视场的最小时间逃离问题。逃逸策略由显式特征曲线与标量方程根的选择刻画,最优策略为慢速情形策略的接力形式。该结果在无反思策略下定义了每状态的游戏值,并对比了水平集与半拉格朗日计算。

  26. arXiv · 机器人与计算机视觉49

    Same Label Different Interface:机器人学习中超越动作空间标签的接口研究

    该研究指出单一标签无法决定机器人执行内容,因策略输出需经过滤波、物理缩放等处理。在 PegInsert、GearMesh 和 NutThread 三项工厂任务中,对比五种关节空间接口发现,仅替换物理动作尺度使样本中位数成功率变化 0.645-1.000,移除指数移动平均则产生依赖任务的变化。

  27. arXiv · 机器人与计算机视觉48

    EARS-Info:信息感知驱动的多机器人探索重分配算法

    EARS-Info 是一种针对 OpenStreetMap 网格地图的信息感知多机器人探索扩展,结合边际传感增益与缓存最短路径。在八座城市地图的 16.8 万轮次实验中,该算法平均运营得分最高,使加权发现率从 88.88% 提升至 98.46%,能耗降低 2.62%。尽管无模拟事故且统计显著性为 p=0.0078125,但泛化受限于复用地理与粗粒度地图。

  28. arXiv · 机器人与计算机视觉53

    FORGE:用于敏捷人形机器人运动的可行在线降阶参考生成与全身执行

    该研究提出 FORGE 框架,通过耦合在线降阶模型(ROM)参考生成与全身跟踪控制来实现通用且敏捷的人形运动。第一阶段训练基于单刚体动力学和完整人体运动学的命令条件化全身参考生成器;第二阶段冻结 ROM 策略在线生成参考以训练全阶动力学下的全身跟踪策略。

  29. arXiv · 机器人与计算机视觉32

    $\pi_{0.5}$ 在 BEHAVIOR-1K 上的推理设置配对评估:什么真正重要?

    针对大规模多样化任务套件,研究对基于 2025 BEHAVIOR Challenge 冠军微调的$\pi_{0.5}$模型(公共测试集 Q-score 为 0.39)进行了系统性的推理与数据采集策略配对评估。结果显示,此前在小规模场景部署的策略无法均匀泛化到新环境与任务中。项目页面、视频及详细分析已公开。