跳到正文
10月28日周三
  1. arXiv · 机器人与计算机视觉58

    感知与预测动态体育:面向第一人称网球视频的视觉模型时空智能

    为探究基础视觉模型在移动第一人称视角下对动态场景的时空理解能力,作者构建了包含同步多视角视频、全局位置及击球标注的第一人称网球数据集。研究评估了七项预测任务,结果显示最佳模型在第一人称球员定位误差为 0.14 米,球体定位误差为 0.54 米;未来轨迹预测在 1.1 秒内误差分别为 0.34 米和 0.91 米。

  2. arXiv · 机器人与计算机视觉83

    通过可微分仿真学习四旋翼穿越动态窄缝的视运动控制

    本文介绍了一种针对四旋翼穿越移动窄缝任务的端到端视觉控制策略,该策略直接基于机载视觉和惯性测量输出推力与姿态指令。研究提出可微分移动间隙公式,将稀疏的穿越事件转化为密集的路径目标,无需教师、规划器或蒸馏即可从随机初始化训练。

    推荐理由:提出可微分移动间隙公式,实现无需教师或规划的端到端视觉控制策略,在仿真与真实四旋翼上均验证了从随机初始化直接学习动态窄缝穿越的能力。

  3. arXiv · 机器人与计算机视觉48

    Kinematic Constraint-Referenced Evaluation for Articulated Object Manipulation 提出 CRS 评估框架

    针对传统二元成功指标无法反映物体运动学约束的问题,研究引入无需演示数据的约束参考策略(CRS),将末端执行器速度投影至关节轴以分离有效进度与无效损耗。该方法在 74 个仿真多连杆物体上验证了鲁棒性,且门控策略在抽屉任务中成功率达 53.6%,其非轴向旋转指令量约为同类策略的 40 倍。

  4. arXiv · 机器人与计算机视觉70

    何时何地及如何修正:基于人类引导的自适应残差修正用于机器人策略

    针对模仿策略在局部区域执行失败的问题,本文提出 Adaptive Residual Correction (ARC) 模块,利用强化学习在冻结策略上学习残差修正,并通过稀疏人工修正确定激活时机、探索空间与最终执行内容。实验显示该方法将三个精细操作任务的平均成功率从 33.3% 提升至 75.0%,且人工修正能定义保留 96.0-97.7% 修正幅度的低维子空间。

  5. arXiv · 机器人与计算机视觉42

    Which Hand Was Late? 机器人双臂工具使用故障诊断研究

    针对传统单臂扰动训练无法覆盖双臂工具使用中滑脱、时序错位及复合失败等新类型问题,该研究在仿真环境中测量了各传感通道对故障原因的识别能力。实验发现当工具手延迟时,被动传感无法区分是否同时存在推力不足,但基于内部状态的 VLM 诊断策略能在两重尝试内通过升级机制修复同等数量的故障。

  6. arXiv · 机器人与计算机视觉66

    Ego-CEVR:从人类第一视角视频中学习跨具身视觉表征

    论文提出了 Ego-CEVR 数据原生框架,旨在将低成本的人类第一视角视频转化为机器人操作能力。该框架包含全局模块和交互模块,分别通过未来预测学习物体关系与任务状态,以及结合腕部观测学习局部对齐与接触线索。系统支持在大规模人类第一视角视频及多样化机器人具身视频上独立预训练全局模块,无需机器人动作标签或成对的腕部观测数据。

  7. arXiv · 机器人与计算机视觉68

    基于强化学习的固定翼自主拦截系统研究

    该研究提出了一种由神经网络控制的固定翼拦截无人机系统,该网络直接将单目视觉观测映射为执行器指令。策略通过自定义 Python 环境中的强化学习和近端策略优化进行训练,并在仿真中与经典引导控制器进行了对比测试。最终该系统在真实飞行场景中成功拦截了机动目标,验证了人工智能在自主控制固定翼拦截无人机方面的潜力。

  8. arXiv · 机器人与计算机视觉43

    离散电路元件电动场感应电机提升转子动力学性能

    Alex S. Miller 团队开发了一种使用离散电路组件构建转子的宏观电动场感应电机,成功模拟了深条设计以在宽速度范围内实现更高扭矩。该研究通过 stator 电极诱导可动转子表面电荷,突破了单一连续材料在电阻率、介电常数及电路特性上的限制。论文已提交至 arXiv (arXiv:2610.37452),涵盖机器人学与系统控制领域。

  9. arXiv · 机器人与计算机视觉82

    MARL-Exo:一种用于降低代谢能耗的髋关节外骨骼协同自适应控制方法

    该研究提出 MARL-Exo 框架,通过多智能体强化学习在仿真中同时训练全身体肌肉骨骼模型与双侧髋关节外骨骼策略。策略仅观测延迟的髋部运动学信息,奖励函数包含基于生理学的代谢功率(及可选的机械功塑形)。

    推荐理由:该研究展示了通过多智能体强化学习在仿真中与人体模型共适应训练的髋关节外骨骼策略,能在无需针对新用户单独调优的情况下降低代谢成本。

  10. arXiv · 机器人与计算机视觉65

    Learning Quality-Controllable Robot Policies with Iterative Hindsight Relabeling

    针对机器人策略评估仅依赖二元成功信号的问题,研究团队提出 QCP 方法,支持在推理阶段动态控制执行速度、运动平滑度等质量属性及其组合。该方法通过迭代回顾重标循环收集在线轨迹并微调策略,实验显示其在 Robomimic 和 RoboEval 上持续提升任务质量与成功率,并在真实搬运酒杯等操作中验证了实用增益。

  11. arXiv · 机器人与计算机视觉83

    PDRVLA:一种具备物理动力学表征的视觉语言动作模型

    针对现有 VLA 模型对物理动力学理解有限且视频世界模型引入高延迟的问题,该研究提出了 PDRVLA 模型。其核心是一个轻量级物理动力学模块,能从视觉语言特征中提取物理 token 以条件化动作生成,无需在线视频生成。

    推荐理由:该工作提出利用轻量级物理动力学模块替代在线视频生成,在四个仿真基准上实现了高成功率。

  12. arXiv · 机器人与计算机视觉50

    VLA-Stem:一种基于强化学习的轻量化 VLA 模型安全机制

    针对现有视觉语言动作(VLA)模型忽视空间约束与动态障碍物的问题,本文提出 VLA-Stem,这是一种无需微调底层策略的轻量级安全机制。该方法将动作块转化为运动参考,利用轨迹级引导保留空间意图,并结合机器人本体感知与局部障碍物信息在推理时自适应调整执行。

  13. arXiv · 机器人与计算机视觉82

    Tokens of Motion:基于原始运动学习的人形机器人技能迁移方法

    论文提出 Adaptive Failure-Informed Learning (AFIL) 框架,解决视觉语言动作模型依赖成功行为克隆导致的脆弱性问题。该方法利用预训练模型在线生成失败轨迹作为自适应负向引导,联合训练双动作生成器以共享视觉语言骨干网络。实验表明,该框架在域内及跨域任务中均能提升成功率与鲁棒性,且参数开销有限。

  14. arXiv · 机器人与计算机视觉35

    Spiking Neuromorphic Control 用于欠驱动机器人周期轨道稳定:基于贪婪李雅普诺夫方法的研究

    该研究利用事件驱动的脉冲神经网络控制器,解决欠驱动机器人的轨迹跟踪与周期轨道稳定问题。方法将非线性动力学线性化为周期性时变系统,并扩展了原用于 LTI 系统的贪婪李雅普诺夫设计以构建反馈控制器。有效性已在蝴蝶机器人(butterfly robot)的轨迹稳定任务中得到验证。

  15. arXiv · 机器人与计算机视觉56

    Retrieve to Act:基于运动原语图检索的鲁棒 VLA 执行方法

    论文介绍 Retrieve to Act (R2A) 测试时扩展框架,将分布外鲁棒性问题转化为几何运动原语检索问题。该方法构建离线时空运动原语图,利用查询依赖的图神经网络在推理时动态定位并检索兼容的未来运动原语,通过门控机制与冻结 VLA 预测动作融合,修正错误轨迹同时保持局部反应性。

  16. arXiv · 机器人与计算机视觉48

    Remember Where You Walk:基于 Hadamard 记忆的 LSMM 实现足式机器人迷宫探索空间记忆

    针对强化学习策略在长时序中信息丢失问题,该工作提出基于 Hadamard 记忆的本地空间矩阵记忆(LSMM)架构。实验显示,LSMM 在自主迷宫探索任务中匹配了强基线的覆盖率,且是唯一能记住迷宫布局的架构,将重建误差降低了三倍。

  17. arXiv · 机器人与计算机视觉69

    Best-of-N 策略如何助力世界动作模型?测量可选增益并在闭环中实现

    该研究针对世界动作模型(WAMs)提出去噪反事实协议,通过位级可复现分支和保留随机数消除执行噪声,准确测量候选动作的真实增益。研究发现标准估计高估了原生样本的可选增益,而结构化动作扰动可创造高达 16 分的增益空间;在动作条件化想象中,想象未来与真实未来信息无损。基于此构建的选择器仅在预测失败时偏离策略,使闭环任务成功率从 76.9% 提升至 81.6%,未见任务中提升最大。

  18. arXiv · 机器人与计算机视觉15

    仿生扑翼微空天器声学特征优化研究:被动几何结构降噪实验

    针对仿生扑翼飞行器噪音问题,该研究通过优化翅脉布局与添加蜂鸟羽毛状后缘 fringe,使拍击反转时的点击声降低最高 8 dB、宽带呼啸声减少 3-4 dB。实验证实翅脉降噪效果对朝向敏感而非厚度,且后缘结构在零升力代价下匹配了切割锯齿翼性能。论文已上传 arXiv,代码与数据暂未开放。

  19. arXiv · 机器人与计算机视觉82

    从 12 到 200 次演示:ACT、Diffusion Policy、SmolVLA 和π0.5 在低成本机械臂上的扩展性研究

    该论文对比了 ACT、Diffusion Policy、SmolVLA 和π0.5 四种模仿学习策略,通过在低成本 SO-101 机械臂上执行带干扰物的抓取放置任务(演示量从 12 次增至 200 次),评估了其扩展性。

    推荐理由:该研究对比了四种模仿学习策略在低成本机械臂上的表现,揭示了数据量与微调方法对成功率的具体影响及失败模式差异。

  20. arXiv · 机器人与计算机视觉83

    GAWM:一种用于多任务机器人操作的紧凑潜在世界动作模型

    arXiv 论文 GAWM 提出了一种紧凑的多任务世界动作模型(WAM),旨在解决现有基于百亿参数视觉语言或视频生成骨干网络的高训练成本与推理延迟问题。该模型在冻结的 DINOv3 编码器潜在空间内预测未来观测,将每个相机视图的特征压缩为少量 token,并通过轻量级预测器根据任务而非动作来预报这些 token。

    推荐理由:该工作提出了一种仅用不到1亿参数且无需预训练的紧凑型世界动作模型,在RoboTwin 2.0和LIBERO基准上表现优异。

  21. arXiv · 机器人与计算机视觉49

    Keeping Contact:双足非抓持操作中的任务自适应摩擦边距研究

    该研究提出利用符号摩擦距离度量力空间中的摩擦边距,并将其嵌入二阶锥规划(SOCP)序列以平衡物体并远离名义摩擦边界。实验表明,在物体属性变化及模型失配条件下,该方法相比固定边距或无边距策略均能成功执行双足非抓持操作。论文已被 IEEE Robotics and Automation Letters 接收,arXiv 版本为 v1。

  22. arXiv · 机器人与计算机视觉67

    ActiveAlign:基于主动感知的以自我为中心的操作对齐方法

    该论文提出了 ActiveAlign 框架,旨在利用主动感知缩小真实世界到仿真再到真实的差距(Real2Sim2Real)。框架包含两个互补模块:ActiveAlign-Waving 通过主动手部运动和可微渲染进行手眼校准;ActiveAlign-Touching 则利用触觉反馈优化物体对齐以达到毫米级精度。

  23. arXiv · 机器人与计算机视觉78

    TAPESTRY:一种用于视频生成与机器人控制的单一骨干网络

    论文提出 TAPESTRY 方法,通过 Tokenizing Actions as Video Patches in a Shared Transformer Policy,将预训练视频扩散模型复用于机器人控制策略,无需在推理时进行资源密集的视频生成。

    推荐理由:该工作将预训练视频扩散模型复用于机器人策略,无需推理时生成视频即可输出动作序列。

  24. arXiv · 机器人与计算机视觉23

    NASA HERC 2027 四轮教育型漫游车集成设计与可复现可行性分析

    该研究为 2027 年 NASA 人类探索漫游车挑战赛高中组开发了一套集成设计评估方案,结合商业差速控制与树莓派子系统执行成像及测距指令。在估算质量 10.919 kg 条件下,理论滚动速度达 8.105 km/h,需至少 1.255 N·m/轮扭矩以应对 20 度爬坡。通过合成基准测试验证了颜色几何规则与线性支持向量分类器在 2,400 张生成板上的表现,但未报告物理漫游车实测结果。

  25. arXiv · 机器人与计算机视觉42

    磁倾角与强度梯度流作为无 GPS 导航机制的研究

    针对生物启发式磁导航(BIMN)中地磁场坐标无法一一对应地理位置的模糊性挑战,研究提出将 BIMN 建模为梯度流控制问题。实验表明,在地球预定义区域内,利用磁倾角和强度的梯度流可充当引导电流,控制系统经中间航点被导向目标目的地。该框架提供了无 GPS 导航机制,适用于工程建立地磁基础设施及生物学分析迁徙路线。

  26. arXiv · 机器人与计算机视觉84

    基于评估引导的演示优化:MetaFine 开放竞赛获奖作品

    论文介绍了在 MetaFine Open Competition 中排名第一的视觉语言动作策略 MAI。研究从官方演示出发,针对抓取、推搡和插入等局部失败,通过修订运动轨迹并添加专家续写进行优化,同时保留原始演示用于训练。所有检查点均按指令比较,确保单一指令的收益不会掩盖其他指令的损失。最终提交以 96.66 分获得综合第一。

    推荐理由:作者针对 MetaFine 竞赛中的抓取与插入失败,通过局部评估指导演示修正并加入专家续写策略,最终提交 MAI 以 96.66 分获第一。

  27. arXiv · 机器人与计算机视觉63

    Learning Side-by-Side Navigation for Personal Mobility Vehicles from Human Drivers

    该研究提出一种让两辆个人移动车辆(PMV)进行侧向协同自主运动的方法。系统基于全局路径规划合作队形以方便乘客交谈,同时确保安全平稳。每辆车运行独立的采样模型预测规划器,仅交换观测到的里程计信息,联合决策通过公共规则解析效用矩阵。

  28. arXiv · 机器人与计算机视觉35

    On Shaky Ground:非刚性底盘效应对移动操作的影响研究

    该论文通过砂光案例研究,结合仿真与两台轻量级无驱动轮式测试床实验,揭示了持续接触下非刚性底盘行为对任务执行的影响。在低底盘 - 地面阻力条件下,仅能实现 100 N 指令力的 54%-70%,工具中心点误差高达 100 mm;增加阻力可改善力实现并抑制位移,但底盘振动与力跟踪误差无一致关联。研究强调了联合考察力、运动与振动以表征轻量级移动操作的重要性。

  29. arXiv · 机器人与计算机视觉83

    TOPS:重塑流源与传输以优化多任务机器人操作

    该论文提出 TOPS(Task-Oriented Priors and Schedules)方法,针对语言条件化的多任务机器人操纵问题,通过构建多模态任务源并调整去噪过程中的插值调度来适应不同运动需求。

    推荐理由:TOPS 方法通过调整流源先验与插值调度,在无需修改网络架构下提升多任务机器人操作的成功率与推理效率。

  30. arXiv · 机器人与计算机视觉60

    RoboSTD:基于矢状面镜像的零样本单臂至双臂迁移方法

    针对双臂机器人操作演示采集成本高且单臂数据难以直接迁移的问题,论文提出 RoboSTD 方法。该方法首先对观测、本体感知及动作进行矢状面镜像处理以构建可执行的伪双侧演示,随后利用大语言模型生成结构化的时空协调约束,指导在工作空间区域与任务阶段的重建监督信号。

  31. arXiv · 机器人与计算机视觉82

    从生物曲线到软体模块化机器人:基于不确定性的引导式改进学习逆向设计

    该论文提出一种基于学习的实机 - 仿真 - 实机框架,旨在将多样化的生物形态(如鳗鱼游泳、尺蠖拱形运动)转化为可行的软体模块化机器人构型。针对现有方法依赖昂贵物理建模和组合搜索的问题,该方法结合学习到的逆向预测与目标候选探索,利用快速前向代理模型评估设计。

    推荐理由:提出基于代理的逆向设计框架,将生物曲线转化为机器人构型,在未见过的穿线模式下实现 93% 的形状重构成功率。

  32. arXiv · 机器人与计算机视觉58

    HumiMimic:基于野生视频的拟真人机交互转移与数据集构建

    论文提出HumiTransfer框架,旨在保留人类互动中的空间、语义及接触关系(如拥抱、握手),并将这些关系迁移至不同形态的人形机器人上。该方法先重建3D人体运动,再通过加权关节相对方向和解剖偏移优化接触关键关系,最后通过后重定向优化确保平衡与避障。

  33. arXiv · 机器人与计算机视觉42

    REACH:基于强化学习的分层人形爬行框架实现可变高度受限空间穿越

    Unitree G1 人形机器人通过 REACH 框架,结合双向切换策略与激光雷达规划器,在 1.27-0.50m 双足及 0.50-0.20m 爬行模式下实现受限空间自主穿越。该 RL 分层架构利用本体感知构建条件潜变量表示,解决了富接触动力学难题并扩展了蹲伏行走的通行极限。真实实验验证了高度速度跟踪精度、地形鲁棒性及模式切换可靠性,代码与视频已公开。