跳到正文
10月28日周三
  1. arXiv · 机器人与计算机视觉82

    基于连续图像的四足机器人相机到姿态估计方法

    针对灾难响应等危险环境中四足机器人的外部监控需求,作者提出了QuadPose模型和首个四足机器人姿态基准QuadSyn。该研究解决了四足机器人关节变化、自遮挡及缺乏公开基准的挑战。在QuadSyn上,QuadPose实现了92.18%的[email protected]和3.65度的平均关节角度误差等指标,支持约33 FPS的处理速度。材料为arXiv预印本,未提及同行评审状态或真实部署结果。

    推荐理由:提出QuadPose模型与首个四足机器人姿态基准QuadSyn,在单目视频序列上实现高精度全身姿态估计。

  2. arXiv · 机器人与计算机视觉58

    A Trainable CPG Framework for Quadruped Locomotion

    论文提出了 CPG-ENN 框架,结合基于对称性的八神经元中央模式生成器与预训练执行神经网络,实现四足机器人跨行走、小跑等多种步态的平滑切换。仿真结果显示所有 20 个定向步态对的过渡成功率达 99.39%,消融实验表明无需特定步态暴露即可实现高可行性跨步态切换。Unitree Go2 实体实验验证了五种步态及其过渡的有效性,证明了该框架在真实机器人上的部署能力。

  3. arXiv · 机器人与计算机视觉71

    HIDRA:面向无回放终身模仿学习的分层双路由注意力框架

    论文提出 HIDRA 方法,通过分层双注意力机制解耦指令级专家检索与上下文依赖的细化,并引入关键几何正则化以稳定表示漂移下的路由选择。该方法在 LIBERO 基准套件上评估,相比无回放和有回放基线均表现更好,在高干扰和语言变化场景下提升显著。材料为 NeurIPS 2026 会议接收的预印本版本,代码已开源。

  4. arXiv · 机器人与计算机视觉78

    ASPEN:通过指令持久性预测实现高效导航的视觉语言动作模型自适应语义推理

    针对导航 VLA 策略重复调用昂贵语义推理的问题,作者提出 ASPEN 事件触发调度器,利用轻量多模态预测器结合时序观测、语言指令、执行历史和缓存置信度来估计冻结基线策略是否会重发旧指令。

    推荐理由:该工作提出基于指令持久性预测的事件触发调度器,在冻结基线策略下实现指令复用,显著降低推理成本并保持导航性能。

  5. arXiv · 机器人与计算机视觉50

    通过阶段条件化策略优化学习多相机器人移动 - 操作技能

    针对复杂长视界全身移动操作任务,本文扩展近端策略优化(PPO),利用先验任务结构训练单一策略以支持多种硬件平台。方法采用阶段条件化评论家、阶段门控奖励函数及多阶段重置课程来引导探索,并解耦底层平衡动力学与高层相位执行。作者在 Unitree G1 和配备操作臂的 Boston Dynamics Spot 上验证了该方法能获取复杂的移动 - 操作技能,且无需依赖人类运动数据。

  6. arXiv · 机器人与计算机视觉36

    Program-Level Adversarial Co-Adaptive Self-Play for Robotic Security 框架发布

    该研究提出无需模型微调的编程级对抗共适应自博弈框架,利用代码智能体基于对手代码与任务反馈生成攻防策略。案例显示自动驾驶防御者引入直驱恢复、人形机器人防御者修订状态验证,但仅实现局部任务恢复而未建立持续鲁棒性。结果通过可执行工件与任务证据进行观测,涵盖自动驾驶 SDK 级防御与人形运动控制接口。

  7. arXiv · 机器人与计算机视觉85

    E0.5:面向机器人世界 - 动作建模的从重建到未来预测的 3D 基础模型

    该论文提出 E0.5,这是一个以 3D 几何为原生基础的机器人世界 - 动作(WAM)模型,将 3D 几何作为世界建模与动作预测的核心表示。E0.5 在 RoboTwin 2.0 基准上无需具身数据预训练即可达到 89.90%(干净设置)和 50.09%(随机化设置)的成功率,并显式联合预测未来 3D 状态与动作。

    推荐理由:该工作提出以 3D 几何为原生基础的 E0.5 模型,在 RoboTwin 2.0 上实现高成功率,并通过具身预训练显著提升真实机器人操作表现。

  8. arXiv · 机器人与计算机视觉54

    Task-Utility IQA:重新思考具身任务中的图像质量评估

    针对现有图像质量评估方法仅对齐静态基准且忽略下游任务的不足,本文提出一种基于多模态大语言模型(MLLM)的具身图像质量评估框架。该框架通过推理任务需求、定位质量证据并生成面向决策的评估,将 IQA 从分数回归转向由具身任务效用定义的目标条件判断。

  9. 智东西 · 机器人38

    江苏具身智能公司艾利特机器人宣布完成 2 亿元新一轮融资

    江苏具身智能公司艾利特机器人今日宣布完成由建信股权领投的 2 亿元新一轮融资,资金将用于开拓光通信、AI服务器等场景及扩充产能。该公司自研元启Primo工业大模型并融合视觉 - 语言 - 动作能力,协作机器人系列覆盖 5/6 轴构型且负载达 3~30kg。其产品已进入全球 50 多个国家和地区,2025 年出口销量占比达 33%,上半年海外增幅约 170%。

  10. Hugging Face Daily Papers42

    SO-101 Bench:基于 Isaac Lab 数字孪生的低成本机器人空间操作基准

    SO-101 Bench 是首个针对低成本 SO-101 机械臂构建的仿真基准,支持语言条件约束的空间操作任务。该基准在包含 138 个物体的模拟环境中评估了九种 VLA 及世界动作模型,发现最佳策略成功率近 61%,而结合代码生成与抓取策略的智能体可达 83.2%。尽管仿真成功率高估真实表现,但五类无实机数据训练的策略在物理臂上排名完全一致(Spearman rho = 1.00)。

  11. 盖世汽车 · 汽车资讯78

    小米公布新一代仿生手:21个自由度源于工厂SOP数据分析

    小米于10月27日公布新一代仿生手核心信息,包括21个自由度、26个电机混合驱动及1500点全掌触觉。该规格并非单纯参数堆砌,而是基于对汽车工厂1827个标准作业程序(SOP)的动作捕捉与仿真分析得出:数据显示人手关节在实际作业中利用率高且存在天然耦合,21个自由度在抓握成功率上优于低自由度方案但边际收益递减。

    推荐理由:小米公布新一代仿生手,其21个自由度规格源自对自家工厂1827个SOP的动作数据与仿真分析。

  12. Hugging Face Daily Papers78

    iPrefBench:面向个性化移动使用代理的用户中心基准

    iPrefBench 是一个用于评估个性化移动使用代理推断和询问能力的基准,运行在包含交互式模拟用户的可执行 iOS 环境中。该基准基于拥有 3,051 次历史活动事件的连贯人设,涵盖 26 个应用中的 130 项未明确定义的用户任务。

    推荐理由:该基准在模拟 iOS 环境中评估个性化代理的推断与询问能力,揭示了执行得分高但任务成功率低且难以获取用户必要信息的差距。

  13. IEEE Spectrum · Robotics50

    VicOne 揭示机器人安全功能在输入被篡改时的脆弱性,演示海报文字与不可听音频可诱导 Gemma 4 E4B 及 Nemotron 模型改变行为

    VicOne LAB R7 研究显示,当输入数据被恶意篡改时,原本依赖传感器读数的机器人安全决策可能失效。实验证实,在基于 Gemma 4 E4B 的机器狗测试中,海报文字可被误判为指令;而在搭载 NVIDIA Jetson AGX Orin 运行 Nemotron 的仿真环境中,人类听不见的音频也能改变机器人行为。该研究强调需重新评估针对服务机器人的信息安全性及现有防护机制的有效性。

  14. 智东西 · 机器人60

    星尘OS机器人黑客松总决赛:AOS系统助力16款App完成真机部署

    星尘智能举办全国最大规模机器人App黑客松总决赛,47支队伍中16个作品在36小时内完成从仿真到真机的跨越,上机率高达94%。星尘具身操作系统AOS通过封装感知、移动、操作等能力为Meta包和Skill,支持开发者利用GPT-6等大模型快速编排应用。参赛团队展示了3D打印收料、摄影跟拍、老年护理等多种场景的机器人App,验证了全栈思路中模型、系统与本体协同的有效性。

10月27日周二
  1. The Robot Report78

    ANYbotics 开始交付适用于爆炸性环境的 ANYmal X 四足机器人

    ANYbotics 今日推出并已开始交付 ANYmal X,这是全球首款专为爆炸性环境设计的四足巡检机器人,已获 ATEX(欧洲)和 IECEx(全球)认证。该机器人采用全封闭氮气舱、非金属外壳及防爆组件设计,无需设施改造即可在油气化工等高危区域自主运行。

    推荐理由:ANYbotics 发布首款获 ATEX/IECEx 认证的防爆四足机器人 ANYmal X,已交付给超 50 家客户用于高危环境巡检。

  2. The Robot Report78

    Embotech 与宝马达成百万辆级自动驾驶落地里程碑

    Embotech 与宝马集团宣布利用 Embotech 自动化驾驶技术在英国和德国的四个厂区累计完成 100 万辆车的自动移动,验证了该系统的规模化部署能力。该系统基于基础设施感知(Hesai 激光雷达),无需车辆改装即可在现有产线运行,由 TÜV SÜD 认证的安全架构保障可靠性。

    推荐理由:Embotech 与 BMW 宣布在四地累计完成 100 万辆车的自动移动,验证了无需车辆改装的工厂级 L4 系统规模化能力。

  3. Hugging Face Daily Papers78

    Skill^infty:实现智能体技能优化的递归自我改进

    该论文提出 Skill^infty 框架,通过让元智能体利用可编码为技能的元技能来诊断执行轨迹、生成候选方案并分配搜索预算,从而实现技能优化过程的递归自我改进。

    推荐理由:提出递归自我改进的 Skill^infty 框架,在技能优化任务上超越人工与现有方法。

  4. arXiv · 机器人与计算机视觉72

    JRDB-AVR:面向真实环境的具身智能体主动视觉推理基准

    本文介绍 JRDB-AVR 基准和参考方法 JRDB-AVR-Agent,旨在解决当前视觉推理评测忽视主动证据获取的问题。该基准基于真实世界 JRDB 机器人数据构建,要求智能体接收问题后主动请求特定时间戳和视角的观测,并评估最终答案与支撑证据的一致性。实验显示现有基线存在答案准确但缺乏依据的现象,表明需要引入主动感知评估。代码与基准已开源。

  5. arXiv · 机器人与计算机视觉48

    ActECC:面向边缘 - 云协作 VLA 推理系统的动作分块时序捕获技术

    ActECC 通过运动学引导的可用范围评估与延迟感知重规划调度,解决了边缘 - 云协作中动作分块的时序挑战。实验表明该方法将单步动作延迟降低最多 27.4%,云端调用减少最多 45.1%,并降低了平均执行误差。该研究为具身智能 VLA 模型的实时部署提供了关键优化方案。

  6. arXiv · 机器人与计算机视觉72

    OneDemo:基于单一演示的统一策略学习与数据生成方法

    该论文提出 OneDemo 强化学习框架,将演示编辑建模为结构化问题,使智能体学会从稀疏奖励中切换对象中心轨迹段并进行几何适配。该方法在 Meta-World 的 15 个任务上平均仅需 53.7k 环境交互即达 92.7% 成功率;在 DexMimicGen 的 9 个任务上生成演示的平均成功率为 98.4%,基于此数据训练的 BC-RNN 策略在同等规模数据集下平均成功率达 99.6%。

  7. arXiv · 机器人与计算机视觉62

    CognitiveReality:基于 LLM Agent 的机器人无关语义高斯映射与沉浸式协作 VR 遥操作

    该论文提出 CognitiveReality 系统,将机器人的 RGB-D 流转化为由算子共享的实时语义索引高斯-TSDF 地图,支持通过配置适配不同平台。系统在定位中断时利用影子跟踪器和关键帧锚定 PnP 维持鲁棒性,并通过验证过的类型化工具将语音和控制器射线映射到持久化场景对象上。

  8. arXiv · 机器人与计算机视觉72

    DGT-Map:利用多任务学习的异质车辆方向性全球通行度建图

    该论文提出 DGT-Map 方法,通过自监督框架从 RGB-D 观测和运动信号中学习全局、方向及车辆条件化的通行代价图。共享多任务骨干网络提取跨车辆的通用地形特征,而特定预测头保留平台依赖响应。在仿真环境中集成 Hybrid A* 导航栈评估显示,该方法在处理下坡可通行但上坡不可通行的斜坡、以及部分车辆可越过的山脊障碍等挑战地形时,相比几何、二值及无方向感知基线实现了最高或并列最高的导航成功率。

  9. arXiv · 机器人与计算机视觉52

    面向自动牵引车挂车的前向与后向机动新型路径跟踪算法

    针对物流、农业和工业环境中对精确且鲁棒的路径跟踪能力的需求,本文介绍了一种专为单拖车铰接车辆设计的新颖路径跟踪算法。该方法结合了施加在拖车层面的横向控制律与拖拉机转向角的短视界预测调整,确保在前进和倒车运动中稳定收敛至期望路径。

  10. arXiv · 机器人与计算机视觉82

    VLN on the Fly:一种用于空中机器人的车载视觉语言导航栈

    VLN on the Fly 是一种在四旋翼无人机上完全本地运行的模块化视觉语言导航栈,将指令落地、三维规划与控制作为可检查的独立阶段。该栈利用量化 VLM 进行粗粒度图像单元定位,通过深度估计提升为三维目标,使用快速 B-样条规划器生成可行轨迹,并由预训练的强化学习策略跟踪至电机指令。

    推荐理由:该预印本提出了一种在四旋翼无人机上完全本地运行的模块化视觉语言导航栈,实现了指令落地、三维规划与闭环控制的分阶段执行。

  11. arXiv · 机器人与计算机视觉78

    X-WBC:一种面向人形全身控制的跨躯体基础模型

    针对现有方法每款机器人单独训练导致运动经验隔离的问题,该研究提出 X-WBC 框架,将相对共享的人体运动语义与本体特定的物理执行分离。通过人体中心指令 token 对齐全量人体运动、机器人参考运动及稀疏 VR 观测,利用因果 Transformer 从混合多机器人 rollout 中学习可复用时间结构,并通过轻量级本体特定模块映射到各机器人的本体感知与动作空间。

    推荐理由:该工作提出跨躯体基础框架,通过解耦共享语义与本体执行实现多机器人联合训练,为具身智能通用部署提供新路径。

  12. arXiv · 机器人与计算机视觉62

    基于机器人运动的密钥化通信通道研究

    该研究提出一种通过修改机器人动作来传输可被远程传感(如视频或动捕)检测到的消息的方法,将任意内容编码为预训练策略动作中的噪声。该方法在无需额外硬件或直接链路的情况下提供鲁棒性,已在仿真环境和真实机器人部署中验证;真实机器人在 50 Hz 运行频率下,四台机器人联合以 0.8 bits/s 的速率恢复 8 位消息。

  13. arXiv · 机器人与计算机视觉82

    GE-Act 2.0:预训练与扩展用于机器人操作的行动世界模型

    AgiBot Research Team 发布了 GE-Act 2.0,这是一个从头开始预训练的“世界 - 行动”模型(WAM),旨在指导机器人操作。该模型结合了控制导向自编码器、单步视觉规划器和逆动力学模型,并通过知识对齐的选择性优化进行联合训练。

    推荐理由:报告了从 300 小时到 3 万小时协同训练数据对机器人操作成功率的影响,并验证了跨本体迁移与零样本泛化能力。

  14. arXiv · 机器人与计算机视觉75

    单句修正能解决什么?——冻结的视觉语言动作策略失效分类与最小化语言校正研究

    当部署后的视觉语言动作(VLA)策略失败时,人工通常能用一句话描述问题,但并非所有错误都能通过语言修正。该研究对 OpenVLA-OFT 和 pi0.5 在 LIBERO-90 任务上的失效进行了标注与分类,发现仅“执行偏差”模式可通过单句校正解决,其他三类因缺乏目标或计划无法修复。

  15. arXiv · 机器人与计算机视觉75

    基于 SMPC 演示的 loco-manipulation 学习与稀疏离线到在线 RL

    该论文提出了一种结合样本预测控制(SMPC)与强化学习的框架,旨在解决机器人自主性中移动与操作整合时的奖励塑造瓶颈。研究完全在仿真环境中利用 SMPC 作为自动化专家生成大规模离线数据集,从而解决了探索问题,使得后续可以使用纯稀疏任务奖励训练离线策略 RL 智能体。

  16. arXiv · 机器人与计算机视觉82

    Staged Multi-Agent Training for Human-Exoskeleton Co-Adaptation:基于仿真的学习与真实世界代谢及生物力学验证

    针对人机共适应难题,研究提出分阶段多智能体训练方法,在仿真中联合训练肌肉骨骼人体与双髋外骨骼策略。该策略无需用户特定重训即可转移至物理设备,在八名健康成人实验中,主动辅助使净代谢率较被动模式降低 19.7%,且跨速度与地形保持有效协助能力。

    推荐理由:提出分阶段多智能体训练框架,在仿真中联合优化人体与外骨骼策略,实机验证显示主动辅助降低代谢率 19.7%。