跳到正文
10月20日周二
  1. arXiv · 机器人与计算机视觉85

    目标图像即控制目标:用于机器人操作的基于空间的 grounded 目标图像合成研究

    该研究指出通用图像编辑指标无法预测机器人操作的成功率,在 CALVIN 和 SIMPLER-Bridge 基准上验证了大型专有编辑器在多步任务中表现不如小型微调开源模型。

    推荐理由:论文证明编辑画质与机器人控制成功率无关,提出基于空间掩码的 SGE-Goal 框架将开源基座模型转化为最强目标生成器。

  2. arXiv · 机器人与计算机视觉72

    面向多样化人形机器人行走与操作的行动对齐潜在规划方法

    针对人形机器人在多样任务中需兼顾高层决策与物理响应的挑战,本文提出 FIBER 框架,利用冻结行为基础模型(BFM)的可执行潜在空间作为共享规划表示。通过潜在策略投影(LPP),将独立习得的特定任务策略映射至该空间,在保持高频状态反馈的同时实现低频规划。

  3. arXiv · 机器人与计算机视觉62

    四足机器人利用脚部自主解决巨型魔方

    该研究展示了四足机器人仅凭脚部自主解决巨型魔方的能力。系统开发了车载 RGB-D 感知管线以估计魔方位姿和颜色状态,规划器将其转化为可执行技能序列。通过强化学习训练的全身技能在保持层配置的同时重定向魔方并用单脚固定进行转动。部署的策略能容忍相对位置变化并恢复外部干扰。硬件实验完成了三次自主求解,每次约需 30 步,耗时 8-9 分钟。

  4. arXiv · 机器人与计算机视觉42

    ContactBench 1.0:日常接触丰富机器人操作基准评测

    ContactBench 1.0 通过 36 个参考任务和 40+ 物体资产,建立可复现的日常接触丰富机器人操作评估框架。该基准开源了支持消费级 3D 打印的几何与接触行为资产及可调阻力仿真模型。评测显示,现有纯视觉策略难以感知接触事件,而视觉 - 触觉策略性能提升有限。

  5. arXiv · 机器人与计算机视觉42

    ContactPolicy:学习局部触觉策略实现精细夹爪控制

    该方法将触觉反馈赋予独立控制角色,在视觉基策略操控手臂的同时接管夹爪进行微调。真实实验显示,其在容器开启、物体处理及工具操作任务上,成功率优于 Visuomotor Policy 和 Tactile-Force Policy 基线。研究证实了在执行过程中利用局部触觉策略实现精细夹爪控制的可行性。

  6. arXiv · 机器人与计算机视觉57

    Tension Tells the Tail:基于缆绳张力感知的系留移动机器人避障研究

    该论文提出利用缆绳张力作为传感模态来评估系留移动机器人与障碍物接触的风险,核心在于区分被接触障碍物的可移动性。研究通过改变机器人速度、接触角度、障碍物质量和表面材料进行实验,发现障碍物是否可移动由初始张力上升及峰值后的松弛情况决定。

  7. arXiv · 机器人与计算机视觉48

    Unitree H1-2 机器人:超越人类导引运动,探索具身智能执行效率

    Unitree H1-2 研究对比了人类导引运动与机器人特定运动在建筑搬运任务中的表现。后者利用逆运动学及最小加加速度策略,将四组目标任务的执行时间从 25.03 秒缩短至 12.87 秒,轨迹长度减少至 0.92 米且机械功仅为 58.7 焦耳。结果表明允许机器人偏离人类演示动作可显著提升运动执行效率,但需更多任务验证其生产力增益。

  8. arXiv · 机器人与计算机视觉42

    XRT 轻量触觉反馈提升双人遥操作感知效率但任务性能未显著改善

    eXtended Reality Teleoperation(XRT)框架通过轻量级振动与听觉反馈解决双人遥操作中缺乏接触感知的难题。实验显示,所有受试者均认为手指定位的振动提示比开放式耳声化更有效且更易解读,但任务完成时间、失败率等性能指标在不同反馈条件下无显著差异。研究结论表明,对于新手协作遥操作,触觉线索主要提升了感知效率,其对实际任务性能的改善效应尚待进一步验证。

  9. arXiv · 机器人与计算机视觉42

    多模态交互估计实现接触感知自适应阻抗控制

    该研究提出融合力历史与三维点云的 Transformer 分类器,在单臂操作及 Franka 双臂零样本部署中,于单模态完全遮挡下仍保持超 90% 准确率。系统通过识别未知负载自动补偿并切换阻抗模式,成功验证了从仿真到硬件的泛化能力,支持安全精确的人机协作任务。

  10. arXiv · 机器人与计算机视觉78

    FLASH-CBF-RRT:一种基于 Lipschitz 自适应的安全视界 CBF 转向快速运动规划方法

    本文提出 FLASH-CBF-RRT,旨在解决传统直线转向浪费样本和二次规划控制器计算开销大的问题。该方法通过闭式运动学边界计算碰撞清除时间视界,使规划器能在安全范围内使用恒定速度进行自适应步长转向(障碍物附近短、开阔空间长)。

    推荐理由:FLASH-CBF-RRT 通过闭式解计算安全时间视界,在保持 RRT-Connect 100% 成功率的同时将规划耗时降低 3.82 倍。

  11. arXiv · 机器人与计算机视觉51

    Rollbot 2:单执行器球形机器人的敏捷运动研究

    Rollbot 2 保留单执行器设计但重新分配质量分布,结合惯性测量与超宽带传感实现自主导航与信标寻迹。在共享的 4.8 米“N”形路径基准测试中,16 次试验平均耗时 10.8 秒、平均偏差 7 厘米;最快完成时间 8.0 秒,比原版快 70 倍以上。该研究展示了机械重设计、板载传感与学习控制如何提升单执行器球形机器人的敏捷性与自主性。

  12. arXiv · 机器人与计算机视觉72

    CLARO:面向杂乱环境的开放词汇抓取机器人编排器

    论文介绍 CLARO,这是一个利用视觉语言模型(VLM)智能体来编排感知与操作技能的系统,能够处理开放词汇的目标检测、分割、6 自由度抓取及非抓持推搡任务。系统在动态仿真环境中平均成功率达 89.1%,在高度杂乱场景下比最强竞争方法提升超 16%;真实部署实验显示其跨机械臂迁移能力强,成功率达 88.8%。该工作已接受至 WACV 2027。

  13. arXiv · 机器人与计算机视觉68

    SituHOI:大规模场景化全身人 - 物交互数据捕获

    论文介绍 SituHOI,这是一个包含约 86 小时高质量筛选活动的大规模 RGB-D 数据集,涵盖 16 个室内房间及 18,429 条标注片段。该数据集将移动 RGB-D 相机记录与静态场景扫描、物体几何、语言描述及估计轨迹配对,利用扫描作为持久参考,结合相机定位、深度度量对齐、人体网格恢复等步骤,将所有几何标注注册到共享地板对齐坐标系中。

  14. arXiv · 机器人与计算机视觉65

    REAP:从运动规划器反馈中学习通用重排启发式

    论文提出 REAP 框架,通过关系图神经网络在简单符号抽象上学习启发式函数,并由运动规划器监督揭示隐藏的几何先决条件。该方法结合贪婪最佳优先搜索,在物体数量、计划长度和排列方式等分布外场景泛化良好,相比经典启发式搜索和学习基线解决更多问题,所需运动规划查询量减少约一个数量级,且首选动作在 94% 采样状态下具有几何可行性(随机选择仅为 22%)。

  15. arXiv · 机器人与计算机视觉63

    ESCAPE:面向碰撞避免与策略执行的自身体感感知框架

    论文提出 ESCAPE 框架,利用分布式深度传感器聚合稀疏测量以构建结构化点云表示,结合基于流匹配的生成式策略,在包含超 10 万条安全关键轨迹的高质量数据集上进行联合优化训练。该框架完全在仿真中训练并实现零样本迁移至物理硬件,无需真实世界微调,在仿真与实机评估中均优于外部视角及体素化规划基线。

  16. arXiv · 机器人与计算机视觉59

    UMI-WM:基于手腕相机的双手操作交互式世界建模

    arXiv 论文介绍 UMI-WM,这是一个动作条件的双手世界模型,能联合生成两个手腕视角的视频并保持跨视图一致性与视觉保真度。模型将每只手臂的动作注入其手腕流,利用稀疏枢纽令牌交换场景信息,并结合相机感知几何条件与引导噪声支持运动控制。

  17. arXiv · 机器人与计算机视觉73

    Language-Forcing:通过全身世界动作模型的语义对齐推进人形机器人移动与操作

    针对全身世界动作模型(WAM)视觉预测目标未区分任务相关变化与场景 incidental 变化的问题,提出LANGUAGE-FORCING训练策略。该方法利用冻结的视觉语言模型评估任务进度并预测后续状态变化,将其嵌入与中间动作条件化的未来视觉特征对齐,仅用于训练且不增加推理开销。

  18. arXiv · 机器人与计算机视觉78

    ContactKernels:基于几何条件力矩的接触丰富操作自适应提案方法

    针对感知与控制不确定性导致的意外接触问题,论文提出 ContactKernels 方法,利用几何条件力矩测量估计接触位置与局部几何,直接适配采样分布以引导修正运动。仿真与真实机器人实验显示,该方法在预测采样和模型预测路径积分控制下,平均插入成功率提升超 50 个百分点,真实机器人插入成功率从 53.3% 提升至 90.0%,平均插入时间减少 33%。

    推荐理由:提出利用几何条件力矩测量估计接触状态,自适应调整采样分布以引导修正运动。

  19. arXiv · 机器人与计算机视觉58

    PrismPlan:一种跨范式的共享 GPU 运动规划底层

    PrismPlan 构建了一个共享的 GPU 底层设施,为采样、搜索和优化三种运动规划范式提供统一的碰撞检测与正向运动学代码,从而在固定后端的前提下直接对比不同算法性能。研究在 Panda 和双臂复合机器人上运行了 1800 个 MotionBenchMaker 问题,结果显示采样法(pRRTC)可靠性最高达 98%,并行搜索法(wPA*SE)延迟更低,而优化器从头求解表现落后。代码已开源。

  20. arXiv · 机器人与计算机视觉74

    学习轮式四足机器人的全身动能协调以实现长距离投掷

    针对非结构化地面上的远距离投掷任务,本文提出一种结合动力学链手臂建模、SQP 轨迹优化与参考引导强化学习的全身协调框架。在固定基座上,优化后的臂部轨迹释放速度达 12.75 m/s,投掷距离为 16.68 m;启用全身协调后,释放速度提升至 16.64 m/s,投掷距离增至 28.25 m。研究通过硬件实验验证了该策略在平地、草地、斜坡和粗糙路面等多样地形下的鲁棒性。

  21. arXiv · 机器人与计算机视觉83

    DUET:面向任务无关的人形机器人上下肢执行解耦框架

    该论文介绍 DUET 框架,通过仅在机器人接口处结合指令,使下肢运动控制器(基于强化学习)与上肢操作控制器独立运行。实验在宇树 G1 硬件上验证了该方法,展示了与 GR00T N1.7 和 pi0.5 两个不同模型配对的兼容性。

    推荐理由:该研究提出 DUET 框架,实现下肢运动与上肢操作的解耦控制,支持在不重新训练平衡策略的情况下更换视觉语言动作模型。

  22. 盖世汽车 · 汽车资讯42

    新奇机器人如皋制造项目落地,聚焦高精度关节与丝杠量产交付

    新奇机器人与如皋高新区签署协议,将在智能装备产业园建设精密传动与关节类核心零部件制造项目。该项目依托力星股份三十多年积累,专注高精度关节模组、行星滚柱丝杠等高门槛环节,旨在补齐从研发到规模化制造的关键缺口。通过“材料一传动一模组”一体化体系,新奇机器人将面向人形机器人及高端智能装备客户提供稳定交付能力。

  23. 智东西 · 机器人82

    NEXUS:面向人形机器人的跨地形感知运控基座模型发布

    中国电信人工智能研究院与伽马智能联合推出NEXUS,这是一个面向人形机器人的跨地形感知运控基座模型。该模型将广泛的全身行为覆盖与环境感知相结合,让机器人在保留动作特征与意图的同时,根据所处地形自主调整身体姿态与接触。

    推荐理由:中国电信与伽马智能联合提出NEXUS基座,通过仿真生成跨地形配对数据并采用两阶段训练,实现人形机器人在保留动作意图下自主适应复杂地形。

10月19日周一
  1. 盖世汽车 · 汽车资讯72

    Xspark AI 完成新一轮融资并发布原生触觉多模态模型 Spark-0

    具身智能企业 Xspark AI 完成新一轮融资,正式发布自研原生触觉多模态模型 Spark-0。该模型从预训练阶段将触觉内建,实现视觉、触觉与动作的统一表征,在仿真及真机基准测试中超越π 0.5、GR00T等11个主流模型,五项接触密集型任务平均成功率达52%。

  2. arXiv · 机器人与计算机视觉42

    NEXUS:联合维护 PDDL 域模型与 LTL 安全规范的具身规划框架

    NEXUS 是一个模块化神经符号框架,通过利用执行失败修复动作模式并将检测到的危害转化为可复用的 LTL 约束,解决了大语言模型在具身智能中物理不可行或危险的问题。在 SafeAgentBench 评估集上,该框架实现了安全任务完成率与不安全任务拒绝率之间的最佳权衡,并在越狱攻击下保持了低违规率。消融实验证实了 PDDL 域细化与 LTL 约束积累的互补优势。

  3. arXiv · 机器人与计算机视觉76

    前沿视觉语言模型能否作为记忆依赖型操作的机器人策略?

    该研究将冻结的 GPT-6-Astra 直接作为策略在 RoboMME 基准上取得 92.1% 成功率,超越人类与现有分层系统,为通用大模型替代专用堆栈提供实证。

    推荐理由:该研究将冻结的 GPT-6-Astra 直接作为策略在 RoboMME 基准上取得 92.1% 成功率,超越人类与现有分层系统,为通用大模型替代专用堆栈提供实证。

  4. arXiv · 机器人与计算机视觉82

    Analytic Robot Self-Model:一种无需变形网络或 CAD 模板的解析式机器人自建模方法

    论文提出 Analytic Robot Self-Model,该方法利用多视图图像和关节读数建立高斯外观模型并推断刚体连杆分配,同时通过稀疏末端执行器位姿独立识别度量螺旋轴。

    推荐理由:提出无需变形网络或 CAD 模板的解析式机器人自建模方法,通过多视图与关节读数显式学习运动学参数。

  5. arXiv · 机器人与计算机视觉48

    腱驱动机器人水母通过强化学习实现闭环深度控制

    该研究展示了一种结合柔性基底与离散约束的腱驱动机器人水母,其八个执行器由四个伺服电机驱动,可实现最大约150°弯曲及稳定游泳、姿态调整与自复位。基于线性致动特性开发的强化学习控制器,在仿真与物理实验中均实现了闭环深度调节,证明了机械约束能提升软致动可控性同时保持顺应性运动。

  6. arXiv · 机器人与计算机视觉75

    OpenDexGrasp:面向开放词汇的任务导向灵巧抓取研究

    论文提出了 OpenDexGrasp 框架,旨在解决机器人需从自由形式语言推断功能意图并结合多视角视觉观测生成可执行高自由度抓取的挑战。该工作构建了包含 OpenDex-Scale(大规模语义与几何覆盖)和 OpenDex-Align(高质量具身对齐)的双源监督数据集,采用 Coverage-to-Alignment 配方进行训练。

  7. arXiv · 机器人与计算机视觉78

    ADEPT:利用预训练和后训练的强化学习加速灵巧性

    论文介绍 ADEPT 框架,旨在通过大规模强化学习在多自由度机器人本体上实现从原始视觉 - 触觉感知直接求解长视界任务的 sim-to-real 灵巧性迁移。该方法先在通用物体放置任务上预训练灵巧策略,再以后训练下游策略,解决了多指机器人难以从零发现新行为的问题。

    推荐理由:论文提出 ADEPT 框架,通过预训练与后训练结合强化学习解决多指机器人灵巧操作难题,并开放了相关代码。

  8. arXiv · 机器人与计算机视觉82

    MANGO-Grasp:面向跨具身灵巧抓取的马氏场几何高斯方法

    针对跨具身灵巧抓取任务,该方法将物体表示为几何导向的 3D 高斯原语以保留局部表面几何特征,并将手部编码为预训练描述符以同时捕捉形态学与运动学信息。通过各向异性马氏场建模手物交互,引导共享优化实现跨具身的抓取。

    推荐理由:提出各向异性交互框架,在仿真与真实实验中均优于现有基线,支持跨具身零样本迁移。