跳到正文
10月16日周五
  1. arXiv · 机器人与计算机视觉42

    A 2D Image Feedback-Based Autonomous Endovascular Navigation Method:基于二维图像反馈的自主血管内导航感知与控制框架

    该方法将 DSA 和 X 射线透视图像转化为反馈,利用规则控制器实现导丝递送、分支选择及恢复等任务。在物理双设备机器人平台上进行的 65 次闭环测试中,所有运行最大导丝进度均达 0.95,仅 3.1% 的运行触发失败规则。研究结果确立了该平台层面的路线性能,临床图像序列与更广泛解剖结构仍需评估。

  2. arXiv · 机器人与计算机视觉78

    CarryOn:一种用于个性化与可靠机器人辅助的双环框架

    针对通用视觉语言动作模型缺乏个性化与可靠执行的问题,本文提出了 CarryOn 双环框架以增强冻结的 VLA 策略。规划环通过持续结合用户偏好与场景上下文实现个性化任务选择;执行环主动监督策略 rollout 并屏蔽危险接触,在失败时调用可复用的控制恢复技能。实验表明,该系统将已安全微调 VLA 的安全违规率从 52.6% 降至 6.1%,并将故障恢复成功率从 13% 提升至 80%。

    推荐理由:该工作提出双环架构,在真实机器人与仿真环境中显著降低安全违规率并提升故障恢复成功率。

  3. arXiv · 机器人与计算机视觉68

    X-Fly:面向全块空中视觉语言导航的到达与停止学习

    针对基于大模型的空中视觉语言导航(VLN)代理查询成本高且难以自主终止的问题,本文提出 X-Fly 分阶段训练框架。该方法通过 Recovery DAgger 标记学习者访问的状态并平滑连接至专家片段及首次入区状态,随后利用 Flow-GRPO 联合优化块状流控制器与伯努利停止策略。

  4. arXiv · 机器人与计算机视觉42

    Modular Inverse Dynamics and Wrench Recovery for Closed-Chain Mechanisms Using Path Assembly 提出基于路径组装的闭环机构逆动力学工作流

    该方法结合路径运动重建与执行器及关节力矩恢复,利用分析二阶微分获取被动速度与加速度,并通过空间牛顿 - 欧拉平衡求解唯一输出。在 Simscape Multibody 中对七自由度重型混合串并联操作器的评估显示,其被动位置、执行器努力及可恢复约束力矩分量与参考结果高度一致,且反应诊断支持数值载荷族兼容性。

  5. arXiv · 机器人与计算机视觉66

    Fast-VLA:一次思考完成机器人操作

    arXiv 发布 Fast-VLA 论文,提出在每集开始时调用一次冻结的 4B VLM 建立固定任务记忆,执行阶段由轻量在线演员融合视觉与本体反馈预测动作,无需重复运行基础模型。该方法在 RoboTwin 2.0 和 LIBERO 评测中分别取得最高 95.95% 的成功率,并将推理时间相比持续条件基线降低 10.9-17.1 倍。材料为预印本,未提及同行评审状态或开源代码仓库。

  6. arXiv · 机器人与计算机视觉42

    MR-MPCC:移动参考系下机器人操作器的模型预测轮廓控制框架

    MR-MPCC 是一种针对速度控制型六自由度末端执行器在移动参考系扰动下的路径跟踪控制框架。该架构采用上层 MPCC 优化路径进度并惩罚轮廓误差,下层 RMRC 将笛卡尔速度映射为受关节与安全约束的可行关节速度。实验在 ROS2--MuJoCo 管道中于 UR5e 平台验证,相比 PI 和时序 MPC,其显著降低了移动参考系下的几何路径跟踪误差与偏差。

  7. arXiv · 机器人与计算机视觉78

    LICOA:面向移动空间增强现实的指令条件光学动作学习

    该研究提出 LICOA 框架,将投影光定义为具身动作,通过差速底盘与双自由度转向镜实现大范围移动与局部光束控制。作者构建了包含 150 个任务、7,500 个渲染集成的仿真语料库,并在真实环境中进行了 480 次闭环执行测试。

    推荐理由:构建了移动空间增强现实平台与指令条件光动作模型,在真实环境中验证了将投影光作为具身动作的可行性。

  8. arXiv · 机器人与计算机视觉72

    Evo-DexBench:针对灵巧操作跨相关任务泛化能力的基准测试

    论文提出 Evo-DexBench 基准与数据集,旨在评估灵巧操作策略在仅少量目标演示下的跨相关任务知识迁移能力。该基准基于 Core-Gen 原则,包含六个功能家族共 30 个任务及 VR 遥操作流程,收集了 1,248 次多模态演示(使用配备 123 个触觉传感器的模拟 Shadow Hands)。

  9. arXiv · 机器人与计算机视觉66

    KODA:基于运动学 - 观测数据对齐的人形机器人学习

    论文提出 KODA 方法,利用可复用的标准轨迹引导合成机器人视角观测并生成控制器特定的全身状态动作监督标签。该方法在四个宇树 G1 人形机器人的操作任务上评估显示,在固定机器人数据的情况下,对于人类演示覆盖但机器人数据缺失的条件,宏观平均成功率分别提升了 45.0 和 46.25 个百分点。

  10. arXiv · 机器人与计算机视觉63

    面向接触约束感知的阻抗控制与强化学习先验的流形生成退火方法

    针对富接触机器人任务中动力学不确定性与物理约束的挑战,本文提出 Manifold Generative Annealing (MGA) 框架。该方法将预训练强化学习策略组织为结构化序列提案,利用模型基方法进行探索性样本评估与优化,并通过感知现实的流形细化对齐任务约束与局部物理响应。实验涵盖表面扫描、销钉插入和人形机器人推搡等场景,在标称及传感偏移条件下提升了阻抗控制的安全成功率。

  11. arXiv · 机器人与计算机视觉75

    带后轮摆动机制的遥控摩托车在转弯时的打滑摔倒抑制方法

    针对两轮摩托车骑行中难以避免的打滑摔倒事故,本文提出一种基于车辆速度与路面条件的辅助控制输入分配优化方法。研究团队开发了带后轮摆动机制的遥控摩托车原型,并在低摩擦表面的蛇形驾驶(5.5 m/s)及模拟雨天过井盖的合成冰面上进行了实验验证。结果表明该方法能有效抑制上述挑战场景下的摔倒现象。

  12. arXiv · 机器人与计算机视觉78

    MoCaP:基于被动人类视频的零样本移动操作框架

    该论文提出了 MoCaP 框架,旨在将被动记录的人类日常活动视频转化为机器人端到端的移动操作策略指导。系统从视频中提取空间记忆与物体交互准备线索,以辅助导航并搜索可操作的配置。

    推荐理由:提出利用被动人类视频提取空间记忆与先验,通过闭环代码策略解决移动操作任务。

  13. arXiv · 机器人与计算机视觉78

    SOMA:利用四足机器人进行物体堆叠的全身非抓持操作

    针对缺乏专用机械臂的四足机器人在不可预测环境中执行重型物理操作的挑战,本文提出了 SOMA 框架。该框架通过分层强化学习实现全身非抓持的多物体堆叠操作,整合了显式的机器人底座高度控制以解锁全三维推搡策略。

    推荐理由:提出基于四足机器人的全身非抓持堆叠操作框架,在仿真中实现高成功率并验证了零样本仿真到现实迁移。

  14. arXiv · 机器人与计算机视觉65

    EgoJEPA:超越重定向的以第一人称视频灵巧操作方法

    针对从第一人称人类视频中迁移操作先验的挑战,本文提出 EgoJEPA 框架,通过三阶段学习无需手工映射的具身无关表示:首先进行效果感知的手部动作预训练;其次联合预测视觉动态与潜在动作以实现世界建模;最后利用轻量级适配器适配不同机器人。在三个平台上的五项真实任务实验中,该方法在域外评估下平均成功率为 74%,优于重定向基线的 65%,并将跨具身累积耗时从 743.2 小时降至 392.7 小时。

  15. arXiv · 机器人与计算机视觉82

    TGrasp6D:基于任务信息的视觉语言先验与位姿优化实现零样本任务导向 6DoF 抓取

    论文提出 TGrasp6D 方法,利用视觉语言模型推理任务语义先验并结合 6DoF 位姿优化进行碰撞避免,在 TaskGrasp 数据集上达到 94% 的零样本抓取成功率(基线为 74%),并在 Franka Research 3 机器人上验证了真实世界泛化能力。

    推荐理由:提出 TGrasp6D 方法,利用视觉语言先验与位姿优化实现零样本任务导向抓取,在 TaskGrasp 数据集上成功率达 94%。

  16. arXiv · 机器人与计算机视觉53

    BubbleCBF:面向二阶系统的构造性安全及其在未知环境中机器人自主导航的应用

    论文提出 BubbleCBF 方法,通过从有符号距离函数构建位置空间中的无碰撞气泡,利用其二次几何与重叠关系构造速度依赖的安全约束,并通过二次规划安全滤波器强制执行。作者在差分驱动机器人上演示了该方法在未知环境中的安全自主导航能力。材料为预印本,未报告真实物理部署结果或具体事故数据。

  17. arXiv · 机器人与计算机视觉82

    视觉语言动作模型中的神经几何现象学

    arXiv 发布了一篇关于视觉语言动作(VLA)模型的研究论文,作者通过受控扫描、自然 rollout 和线性探针等方法,建立了 VLA 模型中七个任务相关概念的几何分类体系。

    推荐理由:该文通过受控实验揭示了 VLA 模型中任务相关概念的几何形态,证实了关节限制等物理约束会塑造激活空间的形状。

  18. arXiv · 机器人与计算机视觉68

    持久化轮廓引导无重置恢复改善不可逆腿损后的最终步态选择

    针对损伤恢复算法仅基于短时试次排名步态的问题,本文提出无需重置的持续状态恢复方法 PGRR。该方法在 MuJoCo 平台上对截肢、远端骨折和关节锁定等 108 个匹配任务进行测试,相比高斯过程基线提升最终质量并显著降低低质失败率,证明其在连续物理状态下能识别更强的损伤后步态。

  19. Hugging Face Daily Papers82

    HexaShell:一种用于探索 VLM 智能体作为机器人编程智能体极限的轻量级框架

    HexaShell 系统展示了基于视觉语言模型(VLM)的智能体通过编写和修复代码来控制双臂机器人的能力,而非直接学习策略。该系统仅将智能体的指令转化为机器人运动,利用三个 RGB 相机进行三角测量以定位物体,并在 RoboDojo 基准的 42 个任务上取得了 39.7% 的成功率和 48.0 的进度分数,刷新了该基准记录。

    推荐理由:HexaShell 系统展示了 VLM 智能体通过编写工具代码控制双臂机器人的能力,在 RoboDojo 基准上达到新 SOTA,并开源了演化出的工具集。

  20. The Robot Report15

    Timken Precision Drives 如何为人形机器人优先解决运动控制挑战

    Timken Precision Drives 整合 Cone Drive、SPINEA、CGI Motion 及 Timken Encoders 技术,通过定制开发协助人形机器人开发者平衡扭矩、刚度与空间等需求。平台提供从概念到量产的全流程支持,旨在针对负载关节、紧凑手腕等不同场景提供标准或定制化运动解决方案。该公司将于 12 月 1-2 日在硅谷举办的人形机器人峰会展示该平台并讨论设计挑战。

  21. 智东西 · 机器人82

    斯坦福和哥伦比亚大学发布机器人灵巧操作框架DexAgent

    斯坦福大学和哥伦比亚大学联合发布了基于自进化工具库的机器人灵巧操作框架DexAgent,由李飞飞、吴佳俊等参与研究。该框架能将单条人类第一视角视频转化为多样化的机器人训练数据,在仿真环境中重建物体物理交互并生成复合物理约束的运动轨迹。

    推荐理由:斯坦福与哥伦比亚大学联合发布DexAgent框架,利用AI Agent将人类视频转化为符合物理规律的训练数据,在11项真实任务中平均成功率达63.6%,是基线模型的3.5倍。

  22. arXiv · 机器人与计算机视觉82

    Interaction Latents as Actions for Contact-Rich Manipulation

    论文提出 ILA(Interaction Latents as Actions)方法,通过可解码的交互潜变量联合捕捉运动、接触和力的演化过程,将其作为策略动作单元。

    推荐理由:该工作提出用交互潜变量统一编码运动、接触与力演化,支持预训练 VLA 的后训练及从头训练流匹配策略。

  23. arXiv · 机器人与计算机视觉72

    ReEnvision:面向长程操作的未來引導選擇性動作修復框架

    该论文提出 ReEnvision 框架,通过更新联合未来动作信念来识别并仅修复受执行偏差影响的动作,保留有效动作以避免重规划引入错误。在 CALVIN、L-CALVIN 和 RLBench 等基准上,5 步成功率达 86.6%,10 步成功率从 56% 提升至 63%,真实任务平均成功率为 82.8%。

  24. arXiv · 机器人与计算机视觉82

    无需重训的类人机器人行为基础模型测试时计算优化方法

    针对现有类人机器人行为基础模型在执行运动时存在指令执行偏差的问题,该方法提出了一种无需重新训练即可通过测试时计算来改善执行的策略。首先引入测试时命令优化技术,利用闭环仿真对基础模型和机器人动力学进行基于采样的优化,从而调整输入命令以生成更接近期望轨迹的执行结果;在 AMASS 数据集上的三个基础模型实验中,该方法将平均全身位置误差降低了 79% 至 84%。

    推荐理由:提出无需重训即可通过测试时计算优化命令以缩小执行偏差,并在仿真与真机上验证了提升全身定位精度的有效性。

  25. arXiv · 机器人与计算机视觉70

    DexCast:从人类视频中学习现实世界灵巧控制

    DexCast 是一个直接从单目 RGB-D 视频学习灵巧机器人手部控制的框架,无需任何遥操作演示。该方法通过联合手物交互重建,利用 DexHand Motion Perception Module (DMPM) 模块在紧凑的潜在表示中捕捉关节间的协调性和时间依赖性,以此条件化扩散策略生成未来动作。大量现实世界实验表明,DEXCAST 在多种灵巧操作任务上取得了卓越的性能。

  26. arXiv · 机器人与计算机视觉72

    FINGR:面向真实世界魔方解算的灵巧手控制学习

    FINGR 是一种结合手指相对几何与未来交互预测的策略,通过共享点编码器表达魔方相对于指尖的位置并聚合点云,不依赖 cubie 索引;利用学到的未来 token 接收接触力变化、层转动进度和指关节位移的多时间尺度监督,条件化流策略直接生成手指动作。

  27. arXiv · 机器人与计算机视觉78

    FoLD:基于力的灵巧化关节物体操作学习框架

    针对手形差异和接触动力学导致的人类动作迁移失败问题,该研究提出 FoLD 框架,通过计算补偿力场生成力先验来指导残差策略适应任务接触需求。实验在公开基准测试中一致优于最先进基线,并在真实灵巧机器人平台上成功验证了人类操作技能向机器执行的转移。

    推荐理由:FoLD 框架通过显式力引导将人类演示迁移至灵巧机器人,在公开基准测试中优于现有基线并在真实平台上验证成功。

  28. arXiv · 机器人与计算机视觉70

    VGM-VS:重新思考高精度视觉伺服的视觉几何模型

    该论文提出了 VGM-VS 方法,利用预训练的视觉几何模型估计相机位姿增量,结合闭环策略实现高精度视觉伺服。针对模型固有的尺度模糊问题,作者通过让机器人沿预定轨迹自主记录图像 - 位姿对并微调相机头,联合学习手眼变换以消除专用标定需求。该方法在 USB-C 线缆抓取、插入和内存条插入三项高难度装配任务中实现了亚毫米级终端精度,并在目标移动或遮挡情况下保持 90%-100% 的成功率。

  29. arXiv · 机器人与计算机视觉30

    个性化气动软性外手套助力灵巧操作与康复

    针对标准化测量限制精细操作的问题,研究团队设计了基于拓扑扫描和硅胶模具铸造的个性化气动软性外手套。实验表明,该设计通过有限元分析和气压控制实现了对手指关节的精准移动及人机交互力评估。相关成果已作为预印本发布并获 IEEE Transactions on Medical Robotics and Bionics 接收。

  30. arXiv · 机器人与计算机视觉72

    LIME:基于第一人称视频学习的意图感知相机运动

    arXiv 预印本论文提出 LIME 模型,旨在解决视觉语言条件化下的相机运动生成问题。该方法通过回顾性标注(hindsight labeling)从被动的第一人称视频中挖掘多意图的相机运动监督信号,结合自回归观察增益输出与连续流匹配姿态头,联合预测下一视角应揭示的内容及多假设目标视图。

  31. arXiv · 机器人与计算机视觉38

    X-Safe:通过动作掩码实现机器人臂操作策略的具身无关安全保障

    X-Safe 提出一种无需简化模型或学习安全函数的具身无关保障方法,利用配置空间局部推理与动作掩码为碰撞避免提供形式化概率保证。该方法在两种具身架构、三种策略及仿真与硬件环境中验证,性能退化低于现有最先进方案一半,且实证证实了碰撞避免的形式化保证。

  32. arXiv · 机器人与计算机视觉65

    ConTrack:一种用于灵巧操作的受限手部运动追踪与自适应权衡控制方法

    针对机器人灵巧操作中难以将人类演示迁移至真机的难题,论文提出 ConTrack 强化学习框架。该方法将物体跟踪视为约束条件,利用双变量更新在线分配剩余控制权限以平衡运动保真度;同时通过自适应轨迹中间重置库稳定长序列学习。在仿真与真实机器人上的定性及定量结果表明,ConTrack 在保持关节和接触保真度的同时,显著优于现有方法的成功率与物体姿态精度。

  33. arXiv · 机器人与计算机视觉72

    ConstrainedMimic:面向人形机器人的受控全身跟踪方法

    针对强化学习在人形机器人全身敏捷性中的安全性挑战,作者提出 ConstrainedMimic 控制框架。该方法结合操作空间控制与控制屏障函数原理,在高于 1 kHz 的频率下实时强制执行运动学参考与动力学约束,包括避障、关节限位和质心稳定性等。实验涵盖仿真与硬件,证明在激活约束时能最小化对策略能力的限制。

  34. arXiv · 机器人与计算机视觉65

    F2F-AP:面向实时动态操作的流到未来异步策略

    清华团队在 arXiv 发布论文 F2F-AP,针对机器人操作中因异步推理导致的动作滞后问题,提出利用预测物体流合成未来观测的框架。该方法引入基于流的对比学习目标以对齐预测与真实未来状态的视觉特征,使策略具备前瞻性规划能力,从而在涉及活跃移动物体的复杂动态任务中显著提升响应速度与成功率。

  35. arXiv · 机器人与计算机视觉72

    MobiGuide:一种用于移动操作的词汇引导在线恢复方法

    针对移动操作中确定性策略平均化有效模式及扩散策略采样成本高、易产生累积漂移的问题,该工作提出 MobiGuide 模型。该方法利用专家演示构建结构化轨迹词汇表作为先验,结合当前观测与指令对参考轨迹进行局部细化以生成动作提案,并引入轻量残差修正模块消除分步执行带来的漂移。材料为 arXiv 预印本,未提及同行评审状态或真实部署结果。