跳到正文
10月27日周二
  1. arXiv · 机器人与计算机视觉82

    RoboJev:一个开放的视觉语言机器人成功检测模型

    arXiv 发布了一个名为 RoboJev-27B 的开源视觉语言模型,用于判断机器人操作任务是否成功完成。该模型基于 JEV-27B-VL 变体训练,在 SO-101 机器人上达到 95.2% 平衡准确率,并支持跨实验室与未见过机器人的泛化。材料提供了推理代码、20,628 条预测结果及透明评测基准,同时对比了基于 API 的前沿视觉语言模型。

    推荐理由:该预印本公开了用于机器人任务成功检测的视觉语言模型 RoboJev-27B,提供了推理代码与基准评测数据。

  2. arXiv · 机器人与计算机视觉35

    量子闭环逆运动学:通过希尔伯特空间编码机器人运动学

    该研究提出一种结构保持的量子表示法,将刚体变换与串联操作器运动学映射到参数化量子电路。框架利用布洛赫球表示和泡利期望值重建末端执行器位姿,并通过参数移位规则重构几何雅可比矩阵。提出的混合闭环方法在理想读出下实现与经典对应物的解析等价,为开发机器人运动学与运动的量子及混合计算方法奠定了几何可解释基础。

  3. arXiv · 机器人与计算机视觉65

    Open-World Law-to-Action:融合视觉语言先验与触觉的未知物理部件操作研究

    该研究提出了 Open-World Law-to-Action 框架,旨在解决机器人在未见过的家庭场景中操作具有隐藏物理属性(如门锁、阻力)的可动部件问题。系统利用视觉语言模型生成运动学约束作为先验,并通过贝叶斯线性回归在线识别部件的物理规律,同时保留触觉推翻假设的能力。实验在仿真环境中进行,结果显示该方法能显著提升对需要新物理项物体的任务成功率,并在未知场景中保持较高的完成比例。

  4. arXiv · 机器人与计算机视觉72

    EXE:基于因子化潜在动作的以自我为中心跨具身预训练框架

    该论文提出 EXE 框架,旨在解决机器人数据稀缺问题。方法上,利用第一人称人类操作视频作为替代数据,通过分解潜在动作表示将共享的操作先验与人体特定运动模式分离,使 VLA 模型能学习可迁移的技能而不受人体运动学偏差影响。实验表明,该方法在 RoboTwin 2.0、RoboCasa GR1 及真实世界任务中均优于未预训练的基线,且能同时受益于平行夹爪和灵巧手两种执行器。

  5. arXiv · 机器人与计算机视觉18

    SHAPE-CWT 框架实现无动态观测器的机械系统故障诊断

    该研究提出基于能量的诊断框架,利用谱哈密顿代数功率评估(SHAPE)与连续小波变换(CWT)在无需专用动态观测器下区分正常操作、作动器失效等故障。在模拟六自由度 Kinova 机械臂及模型预测控制条件下,该方法跨五个训练种子和 3000 次测试运行达到 84.69% 平均准确率,优于扭矩残差(81.67%)与广义动量观测器(97.17%)。

  6. arXiv · 机器人与计算机视觉78

    WorldFailBench:世界模型是否理解策略失效?

    针对物理测试与仿真准备成本高且现有基准仅关注结果成功与否的问题,该研究提出 WorldFailBench 基准,旨在检验世界模型是否能忠实复现策略的失效机制。该基准包含三个任务:失败原因(复现可观测错误)、失败阶段(评估失效集中点)及失败边界(考察场景变化下的成败转换条件)。

    推荐理由:该基准通过三个任务揭示现有世界模型在复现策略失败原因、阶段及边界上的显著差距,为构建更可靠的评估工具提供方向。

  7. arXiv · 机器人与计算机视觉82

    MimicAll:面向跨人形机器人全身运动追踪的结构化本体条件化方法

    论文提出 MimicAll 强化学习框架,旨在解决共享策略在结构、形态和动力学各异的人形机器人间的通用问题。该方法将结构化本体描述编码为全局与关节对齐的条件,结合观测历史与身体匹配的运动参考来预测关节目标偏移。

    推荐理由:提出强化学习框架 MimicAll,通过结构化本体描述实现跨异构人形机器人的全身运动追踪。

  8. arXiv · 机器人与计算机视觉72

    ReSight:面向具身智能的任务驱动型自改进记忆系统

    论文介绍 ReSight 系统,该系统为具身智能体提供任务驱动的自改进记忆机制,通过保留关键帧及其时空关联,将观测证据与可扩展的衍生字段分离以支持按需重处理。系统包含执行代理和编码代理,前者在有限在线预算内调用注册工具,后者利用可编程工作空间探索、编写程序并获取模型。

  9. arXiv · 机器人与计算机视觉31

    灵巧操作学习综述:手、仿真器、训练与评估

    该综述调研了 113 种基于学习的灵巧操作方法,涵盖其运行的手部硬件、训练的 GPU 仿真器及结果报告方式。研究发现近半数方法采用强化学习在单一仿真器中训练并蒸馏至视觉学生模型,而另一半则通过遥操作演示利用视觉语言动作模型学习。自 2022 年以来相关发表工作已增长三倍,且几乎所有实验均基于四种手部硬件进行。

  10. arXiv · 机器人与计算机视觉75

    MDPO:一种用于安全灵巧操作的多约束强化学习策略优化方法

    针对灵巧操作中需同时满足关节限位、手指安全及物体交互稳定等多重异构约束的挑战,本文提出多约束灵巧策略优化(MDPO)框架。该方法将任务建模为包含累积成本与状态级成本的双约束优化问题,并通过特定于约束的策略投影技术,将最大化任务性能的策略映射至可行域。

  11. arXiv · 机器人与计算机视觉78

    面向人形机器人可恢复性监测的主动可达性学习方法

    部署人形机器人任务策略需要可靠的运行时监测器以预判不可恢复的跌倒并触发回退。该方法将任务定义为学习给定回退策略的随机有限视界可恢复包,通过统一框架在价值学习与主动探索间迭代,将数据探索重构为避障问题,利用不确定性引导探索未知状态同时避开确信不可恢复区域。

    推荐理由:提出主动可达性学习框架,解决接触丰富系统的恢复包数据获取瓶颈,实现零样本迁移至真实硬件。

  12. arXiv · 机器人与计算机视觉78

    Tiny Recursive Policy:用于视觉运动控制的递归潜在精炼方法

    针对现有行为克隆策略依赖固定观测窗口而缺乏持续上下文的问题,本文提出 Tiny Recursive Policy(TRP),通过共享计算模块在每一步控制中反复更新高、低层潜在状态并解码动作序列。

    推荐理由:提出结合持久时序状态与递归潜在精度的行为克隆策略,在长程任务上显著优于大生成式基线且参数量更少。

  13. arXiv · 机器人与计算机视觉72

    拥挤环境下的无死锁安全导航:神经形态决策动力学

    该论文介绍了一种名为神经形态决策动力学(NDD)的去中心化事件驱动控制器,旨在解决拥挤环境中的安全导航与协同通行问题。该方法通过耦合内部决策状态与物理状态变化,使智能体无需通信或预设优先级即可自组织形成局部冲突组并自主化解死锁。研究推导了确保有限时间内无死锁的显式条件(如感知范围、反馈增益等),并通过大规模仿真和硬件实验验证了其在复杂场景下的可扩展性。

  14. arXiv · 机器人与计算机视觉68

    ORBIT:一种具备旋转指节重构能力的模块化多指机械手平台

    针对多指机械手缺乏系统性比较平台的现状,本文提出了 ORBIT 平台,其核心是旋转指节机制,允许手指沿圆柱形手掌通过皮带驱动快速重构布局(<1 秒)。实验展示了三指实例在十一类不同物体上的抓取能力,并验证了非人体工学轨道自由度在立方体面重定向、盖子旋拧及亚厘米级物体精密捏取等任务中的优势。

  15. arXiv · 机器人与计算机视觉48

    因果方法解释与学习自扩展——综述

    该综述指出深度学习虽赋予机器人感知能力,但缺乏对行为背后原因的内在理解,限制了其可靠性。文章呼吁构建基于深层推理的架构,使机器人能生成可共享的解释并据此改进未来行为。研究聚焦于开发具备自我意识与自我进化能力的机器人,旨在通过提供必要解释来增强功能并赢得人类信任。

10月26日周一
  1. arXiv · 机器人与计算机视觉70

    机器人世界模型是否真的遵循动作?——WorldEcho 诊断与世界 Sync 对齐研究

    针对动作条件世界模型在专家演示外轨迹上可靠性不足的假设,本文提出 WorldEcho 通过视觉完整性与 SE(3) 末端执行器轨迹对齐评估动作跟随能力。研究发现专家训练模型对非专家轨迹表现不佳,产生运动不一致或视觉无效生成。

  2. arXiv · 机器人与计算机视觉72

    PartialBiGrasp:基于部分视图的双臂抓取隐藏局部几何推理

    论文提出了 PartialBiGrasp 框架,旨在解决双臂机器人抓取大型复杂物体时因无法获取完整点云而导致的几何信息缺失问题。该方法利用卷积占用网络从稀疏的部分观测中隐式学习厚度、边缘结构等局部几何特征,进而生成满足力闭合约束的抓取对,并通过基于采样的优化消除不完整几何带来的歧义。研究在分析指标、大规模仿真及真实机器人上针对新型物体的噪声部分点云进行了评估,证明了其在物理稳定性上的鲁棒性。

  3. arXiv · 机器人与计算机视觉72

    RAPAC-DP:面向延迟执行的响应对齐待执行动作补偿扩散策略

    针对云侧推理导致的预测与执行不匹配问题,本文提出 RAPAC-DP 框架,通过轻量级编码器学习补偿机制,使扩散策略生成的动作序列与调度交接时间对齐。该方法无需显式动力学模型或额外延迟数据,仅在仿真基准和 Franka Panda 机械臂的 450 次物理实验中验证了有效性,将高延迟下的平均成功率从 28.9% 提升至 60.0%,并在 Kinetix 上保留了 81.4% 的无延迟性能。

  4. arXiv · 机器人与计算机视觉39

    Motion Generation With Environmental Constraints:ECE 方法简化机器人规划并提升鲁棒性

    针对高维空间与不确定环境下的机器人运动规划难题,研究提出利用环境约束(ECE)策略,通过主动接触降低维度复杂度。该方法结合 RRT 基线算法在真实场景中验证了其在任务相关区域探索及执行鲁棒性上的优势。工作整合并扩展了既有研究,展示了 ECE 在复杂环境中简化规划流程的有效性。

  5. arXiv · 机器人与计算机视觉80

    面向机器人动作表示的语义锚定方法

    针对视觉语言动作(VLA)模型微调导致预训练语义结构退化、影响泛化的问题,该方法通过探针分析确认了动作表示质量与任务成功及分布外泛化的同步关系。研究提出一种即插即用方案,将动作表示锚定到语义流形并分解为共享与私有通道,推理时丢弃这些通道以保持部署模型不变。

    推荐理由:提出一种无需修改部署模型的语义锚定方法,在仿真与真实基准上显著提升 VLA 模型的任务成功率与泛化能力。

  6. arXiv · 机器人与计算机视觉62

    基于因子图的连续体机器人状态估计与 Magnus 展开先验

    这篇论文提出了一种新的方法,用于从稀疏且含噪的传感器数据中重建连续体操作臂的形状。该方法在因子图框架内估计紧凑几何可变应变(GVS)参数化的系数,并利用源自应变场 Magnus 展开的新型运动学因子作为先验约束,将闭式杆几何与 GVS 应变系数及骨干姿态变量联系起来。

  7. arXiv · 机器人与计算机视觉48

    VORL-EXPLORE:动态环境多机器人探索的混合学习规划方法

    VORL-EXPLORE 提出一种融合执行保真度评估的混合框架,通过惩罚高风险前沿并仲裁全局 A*与反应式强化学习策略,解决动态环境中多机器人分配脆弱问题。在随机化动态网格及严重交通消融实验下,该方法实现了更高的成功率、更短的探索长度及更低的重叠率。代码已开源,论文已被 IROS 2026 接收。

  8. arXiv · 机器人与计算机视觉67

    CARE:面向人机引导机器人运输的一致动作响应执行方法

    针对操作员路线不可由机器人直接执行的场景,本文提出 Consistent Action-Response Execution (CARE) 框架。该方法将局部控制建立在可执行动作索引之上,统一条件化预测、联合推演与候选选择效用;通过有界互惠细化处理瞬态不匹配,利用持久进度损失进行恢复。

  9. arXiv · 机器人与计算机视觉20

    FH-HBTS 触觉双边遥操作系统提升徒手牙科手术自然性与安全性

    针对徒手牙科手术精度与灵巧性要求高的痛点,研究团队开发了兼容标准临床工具的 FH-HBTS 系统。该系统通过视觉反馈确保主从动作与力对应,并仅依据实测接触力缩放导纳控制器以限制交互力,无需先验环境知识。体外预临床研究在简化条件下验证了系统在提升遥操作自然度、安全性和准确性方面的潜力。

  10. arXiv · 机器人与计算机视觉74

    Regularised RL improves sim-to-real transfer

    论文研究强化学习正则化对仿真到现实迁移的影响,提出新型算法 Soft MellowMax Actor-Critic (SMM-AC)。在 MuJoCo 连续控制基准测试中,SMM-AC 表现与 Soft Actor-Critic (SAC) 相当;在真实机器人上,SMM-AC 获得更高回报,且对观测、环境和动力学扰动表现出更强的鲁棒性。

  11. arXiv · 机器人与计算机视觉64

    CEMIR vs. FISER:基于推理与增强的实用意图识别比较研究

    本文对比了利用结构化社会与具身推理的 FISER 框架和通过合成叙事及照片级图像进行多模态增强的 CEMIR 方法。在 HandMeThat v2 基准上,针对四个大语言模型(从 Qwen2.5-Omni-3B 到 GPT-5)的评估显示,两者在解决实用歧义方面性能无统计学显著差异。研究结果表明,当任务约束已存在于文本指令中时,源自文本的多模态增强可能无法为结构化推理提供可测量的额外收益。

  12. arXiv · 机器人与计算机视觉15

    SandBot 在颗粒介质上的运动速度受肢体运动学影响研究

    SandBot 小型足式机器人在松散颗粒介质上表现优异,仅在小参数空间内实现高性能。结合先前引入的机器人运动学模型与新各向异性穿透力定律,可预测其速度并最大化性能。该研究通过系统分析步态参数与肢体 - 地面相互作用,为生物运动及足式设备提供了预测模型与假设验证。

  13. arXiv · 机器人与计算机视觉82

    UniAction:用于世界模型的统一动作条件化框架

    UniAction 是一种统一的动作条件化框架,旨在解决现有世界模型因动作类型而异导致数据碎片化的问题。该框架将任意动作表示为稀疏的动作元素集合,每个元素具有离散语义身份和连续时空坐标,并直接映射到预训练视频模型的固有位置空间。

    推荐理由:UniAction 提出统一动作条件框架,将异构动作映射至共享时空结构并引入基数校准注意力,在四类动作形式上优于专用专家模型。

  14. arXiv · 机器人与计算机视觉74

    针对冻结视觉语言动作模型的轻量级回溯恢复机制

    论文介绍 Backtrack 机制,通过仅增加 0.48-0.88% 参数的小头检测失败并回溯重试,无需演示或重训即可提升冻结 VLA 的鲁棒性。在 LIBERO 长程任务上,该方法使 SmolVLA、π0.5 和 π0-FAST 三个模型的失败率分别降低 19-48%,成功率最高提升 7.4 个百分点;在 MetaWorld 测试中所有配置均优于无辅助策略。

  15. arXiv · 机器人与计算机视觉48

    联邦视觉语言动作模型适应中的安全:当人类修正传播时

    研究探讨联邦学习结合分布式机器人经验与本地人类干预的交叉点,指出共享更新可能抑制罕见安全干预或导致不安全响应。文章主张在分享多模态修正时需保留上下文与不确定性,部署前须在接收机器人的闭环中评估候选更新,并同步评估关键证据泄露风险。作者提供反例与可证伪的评估议程,而非实验结果,强调人类交互期间仍需即时、可读的防御行为。